Gempa bumi merupakan bencana yang terjadi secara tiba-tiba, tidak dapat dicegah, serta tidak dapat diprediksi secara tepat dan akurat. Indonesia sering mengalami gempa bumi akibat dilewati oleh tiga titik lempeng tektonik besar dunia. Oleh karena itu, perlu dilakukan upaya mitigasi guna mengurangi dampak negatif dari gempa bumi, salah satunya dengan mengetahui karakteristik data gempa yang telah lalu dengan clustering. Penelitian ini bertujuan untuk menerapkan algoritma KMeans dan Density-Based Spatial Clustering of Applications with Noise (DBSCAN) dalam clustering data gempa bumi di Indonesia. Selain itu, penelitian ini juga bertujuan untuk membandingkan hasil clustering dari kedua algoritma berdasarkan nilai koefisien Silhouette. Proses clustering dilakukan untuk mengetahui hasil penerapan kedua algoritma pada data gempa bumi di Indonesia. Berdasarkan hasil analisis, algoritma K-Means menghasilkan 2 cluster, sementara algoritma DBSCAN menghasilkan 1 cluster dengan 20 data teridentifikasi sebagai noise. Evaluasi menggunakan nilai koefisien Silhouette menunjukkan bahwa KMeans mendapatkan nilai 0,73 sedangkan DBSCAN mendapatkan nilai 0,71, sehingga dapat bahwa algoritma K-Means lebih baik dalam mengelompokkan data gempa bumi di Indonesia dibandingkan dengan algoritma DBSCAN.