Penelitian ini bertujuan untuk mengelompokkan perilaku pengguna website e-commerce menggunakan metode clustering pada dataset Online Shoppers Intention. Proses analisis meliputi preprocessing data, deteksi outlier menggunakan Mahalanobis Distance, serta penentuan jumlah cluster optimal dengan metode Elbow dan Silhouette. Selanjutnya, dilakukan penerapan lima metode clustering yaitu K-Means, K-Median, DBSCAN, Mean Shift, dan Fuzzy C-Means. Hasil clustering kemudian dievaluasi menggunakan Silhouette Score, Dunn Index, dan Adjusted Rand Index (ARI) untuk membandingkan performa masing-masing metode dalam mengelompokkan data pengguna.

Tugas ini bertujuan untuk menganalisis hubungan antar variabel yang diambil dari dataset Titanic-Dataset.csv, dari dataset ini hanya menggunakan empat kolom, yaitu Age, SibSp, Parch, Fare. Setelah mengambil data dari empat kolom tersebut, kemudian dihapus missing value yang ada. untuk menganalisis hubungan antar variabel dengan menggunakan correlation matrix, variance-covariance matrix, eigen value dan eigen vector.