Data mining adalah suatu proses mencari pola atau informasi menarik dalam data terpilih dengan menggunakan metode tertentu. Salah satu metode yang dapat digunakan dalam data mining adalah K-Medoids. K-Medoids merupakan metode yang digunakan untuk mengelompokkan objek-objek ke dalam suatu klaster. Penelitian ini bertujuan untuk mendapatkan jumlah klaster optimal dengan metode K-Medoids berdasarkan validitas DBI pada data indikator pendidikan menurut provinsi di Indonesia pada 2021. Hasil penelitian menunjukkan bahwa jumlah klaster optimal menggunakan metode K-Medoids berdasarkan validitas DBI adalah 5 klaster. Klaster 1 beranggotakan 1 provinsi yang memiliki rata-rata angka putus sekolah, rata-rata lama sekolah, dan ruang kelas milik baik yang lebih tinggi dibandingkan dengan klaster lainnya. Klaster 2 beranggotakan 15 provinsi yang memiliki rata-rata persentase perpustakaan sekolah yang lebih rendah dibandingkan dengan klaster 3 dan 4 serta lebih tinggi dibandingkan dengan klaster 1 dan 5. Klaster 3 beranggotakan 9 provinsi yang memiliki rata-rata persentase perpustakaan sekolah, persentase laboratorium sekolah, angka partisipasi murni dan angka partisipasi sekolah yang lebih tinggi dibandingkan dengan klaster lainnya. Klaster 4 beranggotakan 8 provinsi yang memiliki ratarata angka partisipasi sekolah yang lebih tinggi dibandingkan dengan klaster lainnya. Klaster 5 beranggotakan 1 provinsi yang memiliki rata-rata angka mengulang dan rasio siswa per guru yang lebih tinggi dibandingkan dengan klaster lainnya.