Penerapan Text Mining dalam memahami Al Quran sangat mungkin dilakukan, karena dengan Text Mining dapat mencari kata-kata yang mewakili isi dari dokumen sehingga dapat dilakukan analisis keterhubungan antar dokumennya. Salah satu metode yang dapat digunakan dalam Text Mining yaitu clustering. Algoritma K-Means merupakan salah satu metode clustering yang sering digunakan dalam pengelompokan data. Metode Text Mining dengan menggunakan kata term sebagai fitur akan menghasilkan dimensi vektor yang cukup besar. Selain itu pada beberapa dataset terdapat rentang nilai yang berbeda disetiap atribut sehingga dibutuhkan metode normalisasi untuk menyamakan rentang nilai. Penelitian ini dilakukan dengan tahapan proses pre-processing, pembobotan data, normalisasi data dan pengelompokan data. Pada penelitian ini dilakukan analisis perbandingan metode normalisasi antara Cosine Normalization dan Min-max Normalization pada pengelompokan terjemahan ayat Al Quran dengan menggunakan Algoritma K-Means Clustering. Data sample yang digunakan pada penelitian ini adalah surah Al Baqarah sebanyak 286 ayat. Hasil yang didapatkan berupa cluster dan analisis nilai Silhouette Coefficient, runtime dan memory consumption. Hasil dari penelitian ini clustering dengan metode Min-max Normmalization mendapatkan nilai Silhouette Coefficient terbesar yaitu 0,611 pada nilai k=2 dan clustering dengan Cosine Normalization memiliki nilai terbaik untuk runtime dan memory consumption.
Kata Kunci : Clustering, Terjemahan Ayat Al Quran, K-Means, Cosine Normalization, Min-max Normalization.