Penelitian ini difokuskan untuk perbaikan algoritma klaster dinamis pada k-means menggunakan inisiasi centroid awal berbasis metode mean. Data penelitian menggunakan kinerja akademik 765 orang berasal dari 38 prodi Undiksha, perhitungan klastering berdasarkan nilai UN, rapor dan perkembangan kinerja akademik mahasiswa selama 6 semester. Perbandingan algoritma terbaik diuji tingkat validitasnya menggunakan metode Cluster Variance (V), Davies Bound Index (DBI), Partition Coefficient (PC) dan Sum Squared Error (SSE) pada algoritma k-means tradisional, kmeans dinamis dan k-means dinamis berbasis mean. Berdasarkan pengujian diperoleh 5 jumlah klaster ideal pada metode k-means dinamis berbasis inisiasi centroid, dengan nilai terbaik PC 0,20176, SSE 2,15152, variance terkecil 0,259281 dan DBI 0,168236. Secara keseluruhan optimasi algoritma k-means dinamis berbasis mean menghasilkan rata-rata kualitas klaster yang lebih baik dan jumlah interasi yang konstan pada setiap pengujian dibanding algoritma k-means lain dalam evaluasi PC, SSE, dan cluster variance. Hasil pengujian dapat digunakan sebagai salah satu metode terbaik dalam evaluasi kinerja akademik mahasiswa serta acuan pengambilan keputusan dalam menentukan kebijakan akademik universitas.