Data mining adalah teknik atau proses untuk mendapatkan informasi yang berguna dari suatu basis data yang besar. Berdasarkan fungsionalitasnya, salah satu tugas data mining adalah melakukan pengelompokan data. Penelitian ini menggunakan metode K-Means yang dipadukan dengan PCA. Metode PCA digunakan untuk mereduksi variabel penelitian. Metode pengelompokan ini diterapkan pada data indikator tingkat pengangguran terbuka kabupaten/kota di Pulau Kalimantan tahun 2018. Validasi cluster yang digunakan pada penelitian ini adalah Davies-Bouldin Index (DBI). Berdasarkan hasil analisis, disimpulkan bahwa jumlah principal component yang terbentuk adalah sebanyak 2 principal component. Pengelompokan kabupaten/kota di Pulau Kalimantan tahun 2018 yang paling optimal adalah dengan menggunakan 2 cluster dengan nilai DBI sebesar 0,507. Pengelompokan kabupaten/kota di Pulau Kalimantan tahun 2018 dihasilkan 2 cluster, cluster 1 beranggotakan 51 kabupaten/kota dan cluster 2 beranggotakan 5 kabupaten/kota. Cluster 1 merupakan cluster yang memiliki nilai persentase penduduk miskin dan tingkat partisipasi angkatan kerja yang paling tinggi jika dibandingkan dengan cluster 2. Sedangkan cluster 2 merupakan cluster yang memiliki nilai indeks pembangunan manusia, jumlah penduduk, jumlah angkatan kerja, jumlah pengangguran, kepadatan penduduk dan upah minimum kabupaten/kota yang tinggi dibandingkan dengan cluster 1.
Kata Kunci : DBI, Indikator Tingkat Pengangguran Terbuka, K-Means, PCA.