Clustering merupakan metode pengelompokkan data ke dalam kluster – kluster serta memiliki dua nilai properti yakni homogenitas intra - kluster dan heterogenitas inter - kluster. Salah satu data yang dapat dikelompokkan adalah sebuah citra. Pada proses pengolahan citra, proses clustering biasanya dilakukan pada tahap awal sebelum memasuki fase yang lebih kompleks lagi, seperti segmentasi dan deteksi sisi. Teknik clustering citra yang baik akan menghasilkan tingkat akurasi yang baik pula terhadap proses pengolahan selanjutnya. Pada tugas akhir ini, clustering dilakukan dengan tiga metode yang berbeda. Metode pertama dinamakan Fuzzy C – Means yang disebut juga Fuzzy ISODATA (Iterative Self-Organizing Data Analysis Technique). Metode kedua dinamakan K - Means. Metode ini menerapkan algoritma iteratif yang terbagi dalam dua fase yakni batch updates dan online updates yang meminimalkan jarak suatu titik ke titik pusat kluster tertentu. Metode ketiga dinamakan Optimized K – Means sebagai pengembangan yang lebih baik dari metode K – Means. Hasil eksperimen menggunakan ketiga metode clustering tersebut pada citra breast cancer dan remote sensing mengindikasikan dua hal. Pertama, Optimized K - Means merupakan metode terbaik untuk citra breast cancer dan remote sensing berdasarkan aspek minimum variance ratio dan running time yang konstan ketika jumlah kluster yang diinginkan bertambah banyak. Kedua, Fuzzy C – Means merupakan metode terbaik untuk diimplementasikan jika hasil visualisasi yang diinginkan maksimal, khususnya dalam minimalisasi jumlah pixel yang misclassified dengan trade – off berupa running time yang cukup lama ketika jumlah kluster yang diinginkan bertambah banyak.