Indonesia dalam menyelenggarakan pemilu legislatif DPR RI 2024, menerapkan sistem proporsional dengan metode Sainte-Laguë sebagai mekanisme dalam perhitungan alokasi kursi. Metode Sainte-Laguë merupakan salah satu metode rata-rata tertinggi dengan bilangan ganjil sebagai bilangan pembagi. Agar dapat diikutsertakan dalam perhitungan alokasi kursi, partai politik harus memenuhi parliamentary threhsold yakni 4?ri total suara sah secara nasional. Meskipun sistem ini dirancang untuk meningkatkan efektivitas representasi politik, sistem ini juga menghasilkan sejumlah suara yang tidak terkonversi menjadi kursi, yang dikenal sebagai residu suara.Clustering merupakan teknik pengelompokkan data menjadi beberapa cluster berdasarkan jarak objek. Data residu suara pada masing-masing daerah pemilihan di Pulau Jawa memiliki jumlah yang beragam. Pada data residu suara yang digunakan terdapat 5.3% outlier yang menjadi pertimbangan penting dalam pemilihan metode clustering. Oleh karena itu, dalam penelitian ini digunakan metode K-Medoids karena lebih tahan terhadap pengaruh outlier dan mampu menghasilkan cluster yang lebih representatif. Metode K-Medoids merupakan pengembangan variasi dari metode K-Means. Metode ini memilih objek aktual secara acak sebagai pusat cluster (medoid) sehingga robust terhadap outlier.  Penelitian ini bertujuan untuk clustering daerah pemilihan dengan K-Medoids berdasarkan karakteristik residu suara. Berdasarkan hasil clustering, diperoleh dua cluster optimal dengan karakteristik yang berbeda. Cluster 1 terdiri atas 9 daerah pemilihan dengan didominasi oleh residu suara akibat parliamentary threshold. Cluster ini memiliki karakteristik daerah pemilihan dengan residu suara akibat parliamentary threshold tinggi dan residu suara akibat Sainte-Laguë rendah. Cluster 2 terdiri atas 30 daerah pemilihan dengan didominasi oleh residu suara akibat Sainte-Laguë. Cluster ini memiliki karakteristik daerah pemilihan dengan residu suara akibat parliamentary threshold sedang dan residu suara akibat Sainte-Laguë tinggi. Evaluasi hasil clustering menggunakan silhouette coefficient menunjukkan bahwa terdapat ikatan cukup kuat antara objek dan cluster yang terbentuk dengan nilai silhouette coefficient yaitu 0.5377.