Analisis klaster merupakan analisis yang bertujuan untuk mengelompokkan objek pengamatan yang didasarkan hanya pada informasi yang ditemukan dalam data yang menggambarkan objek tersebut dan hubungannya. Metode pengelompokan yang digunakan pada penelitian ini adalah Fuzzy C-Means (FCM) dan Subtractive Fuzzy C-Means (SFCM). Metode FCM merupakan salah satu metode klaster yang paling sering digunakan. FCM merupakan salah satu teknik klaster yang keberadaan tiap datanya ditentukan oleh derajar keanggotaan. SFCM merupakan metode penggabungan dari metode FCM dan Subtractive Clustering (SC). Metode SFCM memiliki kelebihan yaitu dapat meningkatkan kecepatan komputasi, mengurangi jumlah iterasi menghasilkan partisi data yang lebih stabil dan akurat. Kedua metode pengelompokan tersebut diterapkan pada data indikator kesejahteraan rakyat pada 42 Kabupaten/Kota di Pulau Kalimantan. Tujuan pada penelitian ini adalah memperoleh hasil pengelompokan Kabupaten/Kota di Pulau Kalimantan berdasarkan indikator kesejahteraan rakyat serta memperoleh hasil perbandingan metode FCM dan SFCM berdasarkan tiga indeks validitas yaitu nilai Partition Coefficient (PC), Classification Entropy (CE) dan Modified Partition Coefficient (MPC). Berdasarkan hasil analisis, metode FCM dan SFCM menghasilkan kesimpulan yang sama sehingga pada penelitian ini metode FCM dan SFCM sama-sama baik untuk digunakan pada pengelompokan Kabupaten/Kota di Pulau Kalimantan berdasarkan indikator kesejahteraan rakyat dan menghasilkan klaster optimal sebanyak dua klaster yaitu klaster pertama beranggotakan 10 Kabupaten/Kota di Pulau Kalimantan sedangkan klaster kedua beranggotakan 32 Kabupaten/Kota di Pulau Kalimantan.