Analisis klaster memiliki tujuan untuk mengelompokkan data yang mempunyai
sifat yang sama ke dalam klaster yang sama dan pada data yang mempunyai sifat
berbeda akan masuk ke dalam klaster yang berbeda. K-Medoids merupakan salah satu
metode pengelompokan dengan menggunakan objek representatif sebagai titik pusat
(medoids). Metode k-medoids dikembangkan untuk mengatasi kelemahan dari metode
k-means yang sensitif akan adanya pencilan dikarenakan suatu objek dengan nilai yang
besar memungkinkan secara ukuran menyimpang dari distribusi data. Setelah
melakukan pengelompokan menggunakan k-medoids dilakukan validasi hasil
pengelompokan. Metode validasi klaster menggunakan Silhoutte Coefficient (SC)
merupakan metode yang dapat digunakan untuk melihat kualitas dan kekuatan klaster
yang menggabungkan metode cohesion dan sparation. Penelitian ini bertujuan untuk
memperoleh klaster optimal dari nilai SC yang terbesar dan mengetahui hasil
pengelompokan dari klaster optimal yang terbentuk. Metode pengelompokan ini
diterapkan pada data indikator pendidikan di Indonesia Tahun 2020. Berdasarkan hasil
analisis diperoleh bahwa klaster yang optimal adalah sebanyak 2 klaster dengan nilai
SC sebesar 0,464, dimana klaster 1 beranggotakan 14 provinsi dan klaster 2
beranggotakan 20 provinsi.