Analisis terhadap hasil cluster diperlukan untuk memastikan knowledge yang diperoleh tepat. Sejumlah teknik evaluasi digunakan dan terus dikembangkan demi mendapatkan hasil analisis terbaik. Terdapat beberapa teknik evaluasi yang dimaksud, seperti SSE (Sum of Square Error), DBI (Davies Bouldin Index), dan SI (Silhouette Index). Ketiga teknik ini digunakan pada data yang telah dikelompokkan menggunakan algoritma dan rumus jarak yang sesuai di mana data telah terlebih dahulu melewati tahapan dalam KDD (Knowledge Discovery in Database). Buku ini disusun dengan tujuan dapat menjadi referensi bagi pembaca. Struktur buku terdiri atas definisi, contoh kasus dan penyelesaiannya. Penyelesaian dihadirkan dalam tiga bentuk, yakni perhitungan menggunakan Microsoft Excel, bahasa pemrograman Python, dan aplikasi RapidMiner. Penulis menyadari masih banyak pembaca yang tertarik untuk mengetahui jumlah cluster optimal, tetapi belum memahami teknik evaluasi cluster yang digunakan. Bagi pemula, buku ini sangat tepat karena memuat penguraian persamaan secara bertahap melalui Microsoft Excel, mulai dari cara menggunakan algoritma hingga memperoleh cluster optimal. Bagi pembaca yang telah paham menggunakan program maupun aplikasi, contoh diberikan dengan Python dan RapidMiner sehingga mudah dikembangkan untuk kasus yang lebih kompleks. Sebagai alat bantu analisis yang digandrungi pencinta data mining, ketiga teknik menjadi alasan untuk memudahkan penemuan cluster terbaik dalam banyak model kasus. Diharapkan melalui uraian sederhana dan jelas, buku ini dapat membantu para pembaca dalam menerapkan teknik SSE, DBI, dan SI pada sejumlah data pengelompokan berkapasitas sedang maupun besar untuk memperoleh knowledge terbaik dan sesuai dengan kebutuhan.