Algoritma K-Medoids merupakan metode berbasis partisi yang menggunakan objek representatif yang disebut Medoids sebagai titik pusat atau centroid. Algoritma K-Medoids dipilih karena mampu mengelompokkan data dengan outlier dan lebih stabil dibandingkan algoritma K-Means. Penelitian ini bertujuan untuk mengelompokkan kabupaten/kota di Provinsi Kalimantan Timur berdasarkan indikator kemiskinan menggunakan algoritma K-Medoids. Data yang digunakan adalah data indikator kemiskinan tahun 2021. Variabel yang digunakan yaitu jumlah penduduk miskin, jumlah apotek, jumlah desa yang berpenghasilan dari sektor pertanian, perkebunan, dan perikanan, jumlah desa yang memiliki kegiatan pendidikan paket A/B/C, jumlah desa yang masih menggunakan kayu bakar, dan jumlah desa yang memiliki sumur sebagai sumber air. Proses pengelompokan dilakukan dengan menggunakan algoritma K-Medoids untuk membentuk 2 dan 3 klaster. Hasil penelitian menunjukkan bahwa pengelompokan yang baik adalah 2 klaster, di mana klaster pertama terdiri dari 7 kabupaten/kota dan klaster kedua terdiri dari 3 kabupaten/kota. Validasi hasil pengelompokan dilakukan dengan menggunakan nilai Silhouette Coefficient yang menunjukkan nilai terbesar pada kualitas pengelompokan yaitu pengelompokan 2 klaster dengan nilai Silhouette Coefficient sebesar 0,6354268 yang menyatakan bahwa struktur klaster yang dihasilkan adalah Medium Structure (struktur yang baik). Penelitian ini diharapkan dapat memberikan informasi yang berguna bagi pemerintah dalam menyusun kebijakan untuk mengatasi kemiskinan di Provinsi Kalimantan Timur.