Spasial dan temporal clustering merupakan proses pengolahan data spasial dan data temporal yang bertujuan untuk mendapatkan label-label dalam data tersebut. Keberagaman data spasial dan data temporal yang ada saat ini mendorong dilakukannya penelitian dalam pemilihan algoritma-algoritma yang memberikan efektifitas dan efisiensi komputasi terhadap berbagai jenis data. Aplikasi algoritma spasial dan temporal clustering pada data curah hujan merupakan penelitian yang dilakukan untuk mendapatkan algoritma spasial clustering dan algoritma temporal clustering yang akurat dan cepat terhadap data curah hujan. Implementasi yang dilakukan adalah melakukan perbandingan akurasi dan waktu komputasi terhadap masing-masing algoritma. Algoritma yang digunakan dalam penelitian ini yaitu algoritma DBSCAN dan algoritma Fuzzy C-means untuk proses spasial clustering, serta algoritma K-means dan algoritma Iterative K-means untuk proses temporal clustering. Evaluasi hasil clustering dilakukan dengan metode Silhouette index. Proses interpretasi hasil clustering dilakukan dengan bantuan metode Principal Component Analysis (PCA). Dari hasil eksperimen, disimpulkan bahwa algoritma paling akurat dalam proses spasial clustering adalah algoritma DBSCAN dan algoritma paling akurat dalam proses temporal clustering adalah algoritma Iterative K-means. Waktu komputasi algoritma Iterative K-means hampir 20 kali lebih cepat dibandingkan dengan algoritma K-means. Selain perbandingan hasil clustering, penelitian juga menghasilkan pola-pola persebaran curah hujan yang diperoleh dari hasil clustering.