Implementasi Konsep Clustering pada Klasifikasi Harga Ponsel Penelitian ini bertujuan untuk mengimplementasikan berbagai metode clustering dalam menganalisis dan mengelompokkan data harga ponsel berdasarkan karakteristik spesifikasinya. Dataset yang digunakan terdiri dari berbagai fitur numerik seperti kapasitas baterai, kecepatan prosesor, memori internal, berat perangkat, jumlah inti prosesor, resolusi layar, RAM, serta waktu penggunaan. Tahapan analisis diawali dengan eksplorasi data (Exploratory Data Analysis/EDA) menggunakan histogram, boxplot, dan heatmap untuk memahami distribusi data serta hubungan antar variabel. Selanjutnya, dilakukan proses standarisasi data guna menghindari bias akibat perbedaan skala antar fitur. Dalam penelitian ini digunakan lima metode clustering, yaitu K-Means, K-Medians, DBSCAN, Mean Shift, dan Fuzzy C-Means. Penentuan jumlah cluster dilakukan menggunakan metode Elbow dan Silhouette untuk mendapatkan hasil yang optimal. Visualisasi clustering dilakukan menggunakan Principal Component Analysis (PCA) untuk mereduksi dimensi data sehingga pola pengelompokan dapat diamati dengan lebih jelas. Evaluasi hasil clustering dilakukan menggunakan beberapa metrik, yaitu Silhouette Score, Dunn Index, dan Adjusted Rand Index (ARI) untuk membandingkan performa masing-masing metode. Hasil analisis menunjukkan bahwa setiap metode memiliki karakteristik yang berbeda dalam membentuk cluster, dengan metode tertentu menunjukkan performa yang lebih baik dalam memisahkan data berdasarkan kemiripan fitur. Penelitian ini diharapkan dapat memberikan pemahaman yang lebih mendalam mengenai penerapan teknik clustering dalam pengelompokan data serta membantu dalam mengidentifikasi pola yang tersembunyi dalam data harga ponsel.