Purpose: This study proposes the be

Purpose: This study proposes the best clustering method(s) for different distance
measures under two different conditions using the cophenetic correlation coefficient.
Methods: In the first one, the data has multivariate standard normal distribution
without outliers for n = 10, 50, 100 and the second one is with outliers (5%) for
n = 10, 50, 100. The proposed method is applied to simulated multivariate normal
data via MATLAB software.
Results: According the results of simulation the Average (especially for n = 10) and
Centroid (especially for n = 50 and n = 100) methods are recommended at both
conditions.
Conclusions: This study hopes to contribute to literature for making better decisions
on selection of appropriate cluster methods by using subgroup sizes, variable
numbers, subgroup means and variances.

Results (Indonesian) 2:

Tujuan: Penelitian ini mengusulkan metode pengelompokan terbaik (s) untuk jarak yang berbeda
langkah-langkah di bawah dua kondisi yang berbeda menggunakan koefisien korelasi kofenetik.
Metode: Dalam yang pertama, data memiliki multivariat distribusi normal standar
tanpa outlier untuk n = 10, 50, 100 dan yang kedua adalah dengan outlier (5%) untuk
n = 10, 50, 100. metode yang diusulkan diterapkan normal multivariat simulasi
data melalui software MATLAB.
hasil: Menurut hasil simulasi rata (terutama untuk n = 10) dan
Centroid (terutama untuk n = 50 dan n = 100) metode yang direkomendasikan pada kedua
kondisi.
Kesimpulan: penelitian ini berharap dapat memberikan kontribusi literatur untuk membuat keputusan yang lebih baik
pada pemilihan metode klaster yang tepat dengan menggunakan ukuran subkelompok, variabel
angka, subkelompok berarti dan varians.