Clustering merupakan salah satu teknik dalam analisis multivariat yang digunakan untuk mengelompokkan objek berdasarkan kemiripan karakteristik. Studi ini bertujuan untuk mengelompokkan negara berdasarkan indikator sosial, ekonomi, dan kesehatan menggunakan lima metode clustering, yaitu K-Means, K-Medoids, DBSCAN, Mean Shift, dan Fuzzy C-Means. Dataset yang digunakan berasal dari data negara dengan berbagai indikator pembangunan. Analisis dilakukan melalui tahapan preprocessing, penentuan jumlah cluster, implementasi metode, visualisasi menggunakan PCA, serta evaluasi menggunakan silhouette score. Hasil analisis menunjukkan bahwa K-Means dan K-Medoids memberikan hasil clustering yang paling stabil dan mudah diinterpretasikan, sementara DBSCAN efektif dalam mendeteksi outlier. Mean Shift menunjukkan sensitivitas terhadap parameter bandwidth, dan Fuzzy C-Means memberikan fleksibilitas dalam keanggotaan cluster.

Dokumen ini berisi analisis multivariat menggunakan dataset Student Alcohol Consumption dari Kaggle. Analisis meliputi MANOVA dan MANCOVA untuk memahami hubungan antar variabel terhadap nilai akhir siswa.

Dokumen ini berisi analisis multivariat menggunakan dataset Concrete Compressive Strength dari UCI Machine Learning Repository. Analisis meliputi correlation matrix, variance–covariance matrix, serta perhitungan eigenvalue dan eigenvector untuk memahami hubungan antar variabel komposisi campuran beton dan kuat tekan beton.