Bibit padi yang mempunyai kualitas unggul memiliki peran penting dalam peningkatan produktivitas pada sektor pertanian. Banyaknya bibit padi yang dikembangkan oleh Balai Besar Penelitian Tanaman Padi menghasilkan karakteristik bibit padi baru serta mempunyai kemiripan karakteristik yang hampir sama. Bibit padi yang memiliki kemiripan berdasarkan karakteristiknya dapat dikelompokkan dengan menggunakan metode Clustering dimana dalam proses perhitungannya menggunakan metode pengukuran jarak. Pada penelitian ini menggunakan algoritma K-Means dengan metode Euclidean Distance, Manhattan Distance, dan Cosine Similarity sebagai pengukuran jarak pada proses pengelompokkan data bibit padi varietas unggul dengan 119 data, dan menggunakan Davies Bouldin Index sebagai teknik evaluasinya. Hasil penelitian yang telah dilakukan menghasilkan nilai Davies Bouldin Index sebesar 0.307 pada metode Euclidean Distance dan metode Cosine Similarity, sedangkan metode Manhattan Distance mendapat nilai Davies Bouldin Indek sebesar 0.318, Hasil tersebut dapat disimpulkan bahwa metode Euclidean Distance dan metode Cosine Similarity, sama-sama merupakan metode perhitungan jarak yang baik digunakan dalam melakukan pengelompokkan data bibit varietas unggul padi berdasarkan karakteristik benih padi karena menghasilkan nilai Davies Bouldin Indek yang kecil.