ABSTRAKSI: Dalam pengembangan penggunaannya, data memiliki perkembangan yang pesat dimana kumpulan data tersebut memiliki informasi yang dapat diolah untuk mendapatkan pengetahuan namun kebanyakan tidak dimanfaatkan secara maksimal karena jumlah yang melampui batas. Untuk itu diperlukan suatu cara untuk mengolah data untuk mendapatkan manfaat dari data itu, salah satunya dengan data mining. Dalam data mining, terdapat salah satu metode yang sering digunakan yaitu clustering. Clustering merupakan pengelompokan objek berdasarkan kemiripan antar objek. Dengan menggunakan metode clustering, banyak permasalahan yang dapat ditemukan pola untuk ditemukan kecenderungan tertentu dari data tersebut. Tugas akhir ini mengimplementasikan suatu metode clustering, yaitu k-harmonic means, cat swarm optimization dan hybrid of k-harmonic means and cat swarm optimization. Pada pengembangan sebelumnya, k-harmonic means memiliki kemampuan yang handal dalam mengatasi permasalahan pada k-means. Namun, k-harmonic means terkadang menemukan solusi secara cepat dimana dapat dikatakan solusi tersebut bukan solusi yang baik. Sehingga, dapat dikatakan k-harmonic means mengalami local optima yang buruk. Oleh karena itu, pada tugas akhir ini dilakukan hybrid k-harmonic means dengan cat swarm optimization dengan tujuan untuk meminimalisasi pencapaian local optima yang buruk pada k-harmonic means. Pengujian yang dilakukan untuk melihat kualitas dari sistem yaitu menggunakan f-measure. Sedangkan, untuk melihat kualitas dari clustering dilakukan dengan melihat nilai objective function dan silhouette coeficient. Objective function dan jumlah iterasi dapat digunakan sebagai indikator apakah suatu metode mengalami local optima yang buruk atau baik. Berdasarkan pengujian yang sudah dilakukan, k-harmonic means menghasilkan hasil clustering yang tidak jauh berbeda dengan hybrid of k-harmonic means and cat swarm optimization. Namun dapat terlihat dari objective function dan jumlah iterasi yang dihasilkan, hybrid of k-harmonic and cat swarm optimization menghasilkan nilai yang lebih kecil dibandingkan dengan k-harmonic means.Kata Kunci : data mining, clustering, k-harmonic means, cat swarm optimization, hybrid of k-harmonic means and cat swarm optimization, f-measure, objective function, silhouette coeficientABSTRACT: In developing its use, the data has a rapid development in which the data set has information that can be processed to gain knowledge but most are not fully utilized because of the amount that exceeded the limit. For that we need a way to process data in order to get benefits from data, one through with data mining. In data mining, there is one method often used, that is clustering. Clustering is and objectst grouping based on similarity between objects. By using clustering methods, many problem can be found each pattern of data to be found a certain tendency of data. This thesis implements a clustering method, namely K-harmonic means, Cat swarm optimization and the hybrid of K-harmonic means and Cat swarm optimization. In the previous development, K-harmonic means has been proveb to have a reliability to overcome problems of K-means. However, K-harmonic means sometimes find a quick solution that that isn’t a good solution. So that, it can be said K-harmonic means faces a bad local optima. Therefore, this thesis use a hybrid of K-hamonic means with cat swarm optimization in order to minimize the achievement of local optima. The test are performed to see the quality of system using f-measure. By measuring the quality of clustering, we can see from objective function and silhouette coefficient. Objective function and number of iterations are used to see a bad or good local optima. Based on testing that has been done, k-harmonic means clustering produces results that are not much different than hybrid of k-harmonic means. However it can be seen from objective function and number of iterations of hybrid of k-harmonic means and cat swarm optimization that is smaller than k-harmonic meansKeyword: data mining, clustering, k-harmonic means, cat swarm optimization, hybrid of k-harmonic means and cat swarm optimization, f-measure, objective function, silhouette coeficient