Penelitian ini bertujuan untuk memetakan profil kualitas udara di berbagai kota di India dengan membandingkan tiga algoritma clustering: K-Means, Hierarchical Clustering, dan DBSCAN. Analisis dilakukan menggunakan data polutan seperti PM2.5, PM10, dan NO2 untuk mengidentifikasi kota-kota dalam kategori kualitas udara buruk, moderat, dan baik. Berdasarkan pengujian Silhouette Score, metode Hierarchical Clustering (Ward’s Method) ditemukan sebagai model yang paling optimal dengan skor 0.2266. Hasil ini diharapkan dapat menjadi landasan prioritas mitigasi polusi bagi pemerintah setempat

Analisis ini bertujuan untuk mengidentifikasi faktor kualitas air yang memengaruhi Infant Mortality Rate di Indonesia. Metode Principal Component Analysis (PCA) digunakan untuk mereduksi dimensi variabel kualitas air, kemudian dilanjutkan dengan Multiple Linear Regression (MLR) untuk menganalisis pengaruh komponen utama terhadap angka kematian bayi.

Analisis multivariat digunakan untuk memahami hubungan dan struktur data yang terdiri dari banyak variabel yang saling berkaitan. Dilakukan analisis multivariat terhadap Dataset Raisin yang berisi karakteristik fisik buah kismis hasil pengolahan citra, Dataset Raisin yang digunakan bersumber dari UCI Machine Learning Repository. Tahapan analisis meliputi pengecekan struktur dan tipe data, pemilihan variabel numerik, perhitungan matriks korelasi, matriks varians-kovarians, serta dekomposisi eigen untuk memperoleh eigen value dan eigen vector. Analisis ini membantu memahami struktur data dan hubungan antar variabel dalam Dataset Raisin secara lebih komprehensif.