Kemiskinan merupakan salah satu masalah yang pasti dihadapi oleh negara - negara berkembang termasuk negara Indonesia, khususnya Provinsi Jawa Barat. Masalah ini diperparah dengan adanya pandemi Covid-19. Kemiskinan juga dapat memberikan dampak-dampak lain, seperti meningkatnya angka kriminalitas dan angka kematian. Untuk mempermudah program dan bantuan pemerintah, diperlukan pengelompokan Kota/Kabupaten berdasarkan tingkat kemiskinannya. Analisis dilakukan menggunakan algoritma K-Means dan Fuzzy C-Means dengan metode silhouette untuk memperoleh jumlah cluster optimal dengan bantuan RStudio. Tujuan penelitian ini adalah membandingkan algoritma mana yang lebih baik berdasarkan uji validasi Davies-Bouldin Index. Dihasilkan tiga dari lima data yang diuji, algoritma K-Means dan FCM memiliki hasil yang sama. Hanya data kemiskinan dan data tamat pendidikan yang memiliki hasil berbeda, tetapi tidak berbeda terlalu jauh. Berdasarkan hasil uji validasi dengan Davies-Bouldin Index algoritma Fuzzy C-Means dan K-Means menunjukkan bahwa algoritma K-Means lebih baik dalam melakukan clustering dengan rata-rata 4,084271. Sedangkan pada Fuzzy C-Means memiliki rata-rata nilai validasi 4.111375. Semakin kecil nilai Davies-Bouldin Index atau semakin mendekati nilai 0 menunjukkan seberapa baik cluster yang diperoleh.

Kata Kunci: Kemiskinan, cluster, K-Means, Fuzzy C-Means, silhouette, DaviesBouldin Index.