Time series clustering merupakan metode yang dapat digunakan sebagai teknik eksplorasi data runtun waktu dengan kondisi big data. Permasalahan dalam time series clustering adalah terjadi masalah multikolinearitas yang mengakibatkan struktur klaster dari hasil pengelompokkkan menjadi kurang baik. Optimasi menggunakan Principal Component Analysis (PCA) merupakan salah satu solusi yang dapat digunakan untuk memperbaiki struktur klaster yang terbentuk. Pada penelitian ini, komponen time series clustering yang digunakan adalah Weighted
Pair Group Method with Arithmetic Mean (WPGMA) dalam proses pengelompokkan dan time series regression (TSR) pada proses peramalan. Variabel prediktor yang digunakan pada pemodelan TSR adalah efek variasi kalender yaitu hari Raya Idul Fitri dan Idul Adha. Tujuan dari penelitian ini adalah memperoleh jumlah klaster yang optimal dengan algoritma WPGMA, mendapatkan model TSR
terbaik untuk setiap klaster, dan proporsi yang dicobakan yaitu 85:15;95:5;90:10. Studi kasus yang digunakan adalah Data Harga Daging Sapi di 34 Provinsi di Indonesia, hasil publikasi dari Pusat Informasi Harga Pangan Strategis (PIHPS). Berdasarkan hasil analisis, diperoleh banyaknya PC yang terbentuk adalah 5 PC, selanjutnya 5 PC ini yang menjadi variabel baru dalam proses pengelompokkan. Jumlah klaster yang optimal diperoleh sebanyak 5 klaster dengan koefisien silhouette sebesar 0,61. Pemilihan obyek prototype dilakukan dengan menghitung rata-rata data runtun waktu setiap obyek dari suatu klaster. Model TSR terbaik diperoleh dengan proporsi data in-sample dan out-sample sebesar 85:15 dengan
nilai MAPE secara berurut yaitu 1,55% untuk klaster 1; 2,04% untuk klaster 2;5,15% untuk klaster 3; 3,37% untuk klaster 4; dan 4,60% untuk klaster 5. Hasil peramalan menunjukkan adanya tren kenaikan harga daging sapi untuk periode September 2023 hingga Juni 2024