Notebook ini membandingkan 5 algoritma clustering pada dataset gym members: K-means, K-medians, DBSCAN, Mean Shift, dan Fuzzy C-means. Data diproses menggunakan PCA sebelum clustering untuk mereduksi dimensi dan menghilangkan multikolinearitas antar fitur.

Analisis ini dilakukan untuk mengetahui hubungan antar variabel utama (Age, SibSp, Parch, Fare) pada dataset Titanic menggunakan pendekatan Matriks Korelasi dan Kovarians. Melalui perhitungan Eigen Value dan Eigen Vector, maka akan didapatkan komponen utama yang paling dominan dalam menjelaskan variabilitas data. Sehingga hasil ini memberi gambaran struktur data yang mendasari perbedaan karakteristik antar penumpang.