Penelitian ini mengeksplorasi beberapa algoritma clustering berbasis centroid yaitu K-Means, K-Medoid, dan Gaussian Mixture Model dalam kerangka kerja consensus clustering. Penelitian ini bertujuan untuk membangun sebuah metode yang menggabungkan hasil algoritma clustering tunggal melalui strategi konsensus majority vote untuk menghasilkan metode clustering yang lebih handal. Penggunaan metode validasi cluster juga dieksplorasi untuk memperbaiki kualitas hasil consensus clustering. Hasil eksperimen menunjukkan bahwa metode consensus clustering yang dikembangkan mampu menghasilkan konfigurasi cluster yang lebih baik daripada algoritma clustering tunggal dalam eksperimen. Metode yang dikembangkan juga mampu menghasilkan konfigurasi cluster yang stabil dimana struktur dan keanggotaan cluster adalah konsisten setiap kali metode dijalankan.