Transformasi digital pada sektor layanan kesehatan menuntut rumah sakit untuk mengelola data secara lebih efektif, termasuk dalam manajemen sumber daya manusia. Salah satu aspek penting dalam pengelolaan karyawan adalah analisis distribusi gaji, karena ketidakseimbangan gaji dapat memengaruhi motivasi, kinerja, dan retensi karyawan. Penelitian ini bertujuan untuk menganalisis pola distribusi gaji karyawan dan mengelompokkan karyawan berdasarkan tingkat gaji guna mendukung pengambilan keputusan manajemen SDM. Metode yang digunakan adalah K-Means Clustering dengan bantuan Elbow Method untuk menentukan jumlah klaster optimal. Dataset terdiri dari data gaji karyawan Rumah Sakit XYZ periode Januari–Desember 2024. Proses penelitian mencakup pengumpulan data, preprocessing, penentuan jumlah klaster optimal, penerapan K-Means, serta visualisasi hasil menggunakan scatter plot, diagram batang, dan tabel ringkasan. Hasil analisis menunjukkan bahwa data gaji karyawan terbagi menjadi tiga klaster utama: Cluster 0 dengan gaji rendah, Cluster 1 dengan gaji menengah, dan Cluster 2 dengan gaji tinggi. Visualisasi hasil analisis mempermudah manajemen dalam memahami distribusi gaji dan mengambil keputusan terkait strategi kompensasi. Penelitian ini memberikan kontribusi dalam membantu rumah sakit memanfaatkan analisis data berbasis machine learning untuk meningkatkan transparansi pengelolaan gaji dan mendukung pengambilan keputusan yang lebih tepat sasaran. Selain itu, penelitian ini juga memberikan kontribusi teoretis dengan memperluas literatur mengenai penerapan data mining dalam manajemen sumber daya manusia, khususnya pada sektor kesehatan, sehingga memperkaya perspektif akademik dalam kajian manajemen SDM berbasis teknologi.