Data harga minyak goreng seluruh Provinsi di Indonesia merupakan jenis data runtun waktu multivariabel di mana mengarah pada kondisi big data. Konsep dari big data cenderung memiliki sifat kompleksitas yang tinggi dalam pemrosesan data runtun waktu ketika melakukan proses identifikasi model yang sesuai untuk tiap runtun waktu. Time series clustering merupakan salah satu metode yang dapat digunakan dalam pemrosesan data runtun waktu multivariabel. Komponen yang digunakan pada time series clustering adalah K-Medoids dalam proses pengelompokan dan ARIMA dalam proses pemodelan dan peramalan. Tujuan dari penelitian ini adalah memperoleh nilai K optimal berdasarkan koefisien silhouette, memperoleh hasil pengelompokan menggunakan algoritma K-Medoids, mendapatkan model ARIMA terbaik untuk setiap klaster, dan memperoleh akurasi peramalan untuk setiap Provinsi di Indonesia. Pada penelitian ini, ukuran kemiripan yang digunakan adalah jarak dynamic time warping. Berdasarkan hasil analisis, diperoleh nilai K optimal sebesar 2 klaster dengan 19 Provinsi bergabung pada klaster 1 dan 15 Provinsi bergabung pada klaster 2. Penentuan objek prototype dilakukan dengan menghitung rata-rata data runtun waktu dari suatu klaster, sehingga didapatkan model ARIMA terbaik untuk klaster 1 adalah ARIMA (1,1,0) dan klaster 2 adalah ARIMA (1,1,0). Akurasi peramalan dari data harga minyak goreng setiap Provinsi di Indonesia memberikan rata-rata MAPE pada klaster 1 sebesar 1,47% untuk data in sample dan sebesar 9,42% untuk data out-sample. Pada klaster 2 memberikan rata-rata MAPE sebesar 1,60% untuk data in-sample dan sebesar 15,20% untuk data out-sample.