Penelitian ini menerapkan metode K-Means Clustering untuk mengelompokkan 38 provinsi di Indonesia berdasarkan kualitas pendidikan dasar. Tujuan penelitian ini adalah mengidentifikasi pola distribusi pendidikan dengan mempertimbangkan faktor tenaga pendidik, angka putus sekolah, kondisi infrastruktur sekolah, serta tingkat kesejahteraan guru. Dataset yang digunakan berasal dari Kaggle SD tahun 2023-2024 dan data Upah Minimum Provinsi (UMP) tahun 2024, kemudian dianalisis melalui tahapan Knowledge Discovery in Database (KDD) menggunakan RapidMiner. Hasil klasterisasi menghasilkan tiga kelompok provinsi dengan karakteristik berbeda: Klaster 0 dengan jumlah sekolah dan siswa tinggi serta angka putus sekolah sedang; Klaster 1 dengan tenaga pendidik dan ruang kelas terbanyak serta angka putus sekolah terendah; dan Klaster 2 dengan angka putus sekolah tertinggi meskipun UMP tertinggi. Evaluasi kualitas klasterisasi menggunakan Davies-Bouldin Index (DBI = 0,162) menunjukkan hasil yang baik. Berdasarkan analisis magnitudo vektor Euclidean, faktor dominan dalam pembentukan klaster adalah Kepala Sekolah dan Guru (1,376), Putus Sekolah (1,368), Ruang Kelas (baik) (1,324), Sekolah (1,312), Siswa (1,286), dan UMP (1,214). Penelitian ini menyimpulkan bahwa faktor tenaga pendidik dan kondisi infrastruktur memiliki dampak lebih besar terhadap kualitas pendidikan dasar dibandingkan faktor ekonomi.