Clustering adalah suatu task dalam data mining yang mengelompokkan sejumlah data kc dalam klaster-klaster, sehingga setiap klaster akan berisi data yang scmirip mungkin. Algoritma­ algoritma clusering tclah banyak dikernukakan, seperti algoritma K-means, Fuzzy K-means dan yang terbaru adalah algoritma Immune K-means, yang mcnggunakan prinsip sistem imun. Artificial Immune System adalah sistem komputasi yang diinspirasi olch prinsip-prinsip dan proses-proses pada sistem kekebalan vertebrata, merupakan salah satu paradigma komputasional yang terbaru.
Pada penelitian ini dilakukan analisis dan perancangan aplikasi clustering untuk mengimplementasikan algoritma Immune K-means. Hasil clustering dengan metode Immune K­ means akan dibandingkan dengan hasil clustering dengan algoritma K-means, menggunakan 40 sampel acak dari data lulusan.
Dari hasil pengamatan yang dilakukan, dapat disimpulkan bahwa karakteristik klaster yang terbentuk dari kedua algoritma tersebut memiliki karakteristik yang sama. Kelebihan dari algoritma K-means adalah komputasi relatif lebih sederhana, hasil cukup baik dilihat dari mean square error yang lebih kecil, namun memiliki kelemahan yaitu jumlah klastcr (k) harus ditentukan diawal, sedangkan algoritma Immune K-means dari sisi komputasi rclatif lcbih rurnit, namun dengan adanya populasi B_sel, dapat dipilihjumlah klastcr yang tcrbaik, schingga Immune K-means dapat berfungsi sebagai pembelajaran tak tcrbimbing maupun pembclajaran terbimbing (jika k ditentukan diawal).