Pandemic COVID-19 menjadi persoalan serius yang telah menyerang berbagai aspek kehidupan seperti sosial, ekonomi, agama, dan lainnya. Pemerintah telah mengadakan program vaksinasi COVID-19 sebagai upaya menangani masalah COVID-19 sejak tanggal 13 Januari 2021. Banyak permasalahan yang terjadi karena kesulitan dalam membagi wilayah penerima vaksinasi. Hal ini dikarenakan jumlah wilayah yang banyak dengan kondisi yang berbeda-beda setiap wilayahnya. Salah satu upaya untuk membantu proses mengolah data vaksinasi yang besar adalah teknik data mining dan menggunakan metode clustering dengan algoritma K-medoids. Pada penelitian ini dilakukan pengelompokan data vaksinasi COVID-19 di wilayah Jakarta Timur dengan metode clustering algoritma K-medoids. Perhitungan dilakukan dengan persamaan Euclidean Distance dan nilai S > 0. Kategori wilayah yang dikelompokan berada pada tingkat kelurahan yang kemudian akan dibagi menjadi beberapa cluster. Proses clustering dilakukan dengan RapidMiner pada 267 data kelurahan pada empat atribut utama yaitu jumlah sasaran, jumlah vaksin dosis 1, jumlah vaksin dosis 2, dan jumlah vaksin dosis 3. Proses clustering dilakukan pada 6 simulasi dengan variasi k medoids sebanyak 2 hingga 7. Hasil clustering menunjukkan jumlah cluster terbaik yang diperoleh pada simulasi adalah cluster 6 dengan nilai Davies Bouldin Index (DBI) terkecil yaitu 0,209. Cluster yang diperoleh adalah cluster 0 hingga cluster 5. Cluster yang di prioritaskan dalam pemberian vaksinasi adalah cluster 2 dengan 67 item karena anggotanya adalah wilayah di DKI Jakarta dan memberikan nilai yang tinggi dalam kasus COVID-19 dibandingkan cluster yang lain.