Data mining adalah proses untuk mendapatkan informasi berguna dari gudang basis data yang besar yang bersumber dari basis data (database), gudang data (data warehouse), situs dan repositori informasi lainnya. Pemecahan masalah dalam data mining salah satunya yaitu pengelompokan (clustering) data, di mana metode yang digunakan dalam penelitian ini adalah Density-Based Spatial Clustering of Applications with Noise (DBSCAN) dengan uji validasi cluster menggunakan metode Davies-Bouldin Index (DBI). Metode pengelompokan DBI pada penelitian ini diterapkan pada data indikator kemiskinan. Tujuan dari penelitian ini adalah mengetahui jumlah cluster yang terbentuk dan nilai DBI untuk validasi data hasil clustering berdasarkan indikator kemiskinan di Pulau Kalimantan menggunakan metode DBSCAN. Berdasarkan hasil penelitian, disimpulkan bahwa hasil pengelompokan kabupaten/kota berdasarkan indikator kemiskinan menggunakan metode DBSCAN menghasilkan 4 cluster dengan nilai DBI optimal sebesar 0,461 pada kombinasi parameter