ABSTRAK Salah satu permasalahan pada analisis cluster adalah penggunaan metode cluster pada skala data kategori. Metode cluster untuk skala data kategori di antaranya k-modes clustering dan ROCK clustering (RObust Clustering using linKs). Banyak penelitian telah mengkaji tentang masing-masing metode tersebut, namun untuk perbandingan kedua masih sedikit dikaji. Oleh karena itu, penelitian ini melakukan perbandingan antara metode k-modes clustering dan ROCK clustering. Perbandingan kedua metode tersebut dilakukan pada dataset indikator kemiskinan yang berskala kategori. Perbandingan kedua metode tersebut menggunakan alat ukur validasi internal, yaitu rasio antara simpangan baku dalam kelompok (SW) dan simpangan baku antar kelompok (SB) dan alat ukur R-squared (R2). Kedua alat ukur tersebut dihasilkan dari ekuivalensi tabel kontingensi dengan analysis of variance (ANOVA). Semakin kecil rasio SW/SB, maka semakin baik kualitas cluster yang dihasilkan. Sebaliknya, semakin mendekati 1 nilai R-squared, maka semakin baik kualitas cluster. Data yang digunakan dalam penelitian ini adalah data rumah tangga berpenghasilan 40% terendah di Kecamatan Samadua Kabupaten Aceh Selatan yang berjumlah 1449 rumah tangga. Hasil dari penelitian ini didapatkan bahwa jumlah cluster optimal k-modes clustering dan ROCK clustering adalah 2 cluster (k=2) dengan nilai threshold (θ) untuk ROCK clustering adalah 0,29. Sedangkan untuk hasil perbandingan kedua metode tersebut diperoleh metode k-modes clustering lebih baik dibandingkan ROCK clustering dengan nilai rasio SW/SB dan R-squared untuk k-modes clustering berturut-turut adalah 0,0149 dan 0,7558 dan untuk ROCK clustering adalah 0,0682 dan 0,5732. Perbedaan yang paling signifikan dari kedua cluster berdasarkan k-modes clustering adalah kepemilikan fasilitas buang air besar, kepemilikan televisi dan sepeda motor. Kata Kunci: Skala Data Kategori, Cluster, K-Modes Clustering, ROCK Clustering, Rasio SW/SB, R-squared. ABSTRACT One of the problems in cluster analysis is the use of cluster methods on the category data scale. The cluster methods for the data scale categories include k-modes clustering and ROCK clustering (RObust Clustering using linKs). Many studies have studied each of these methods, but to the comparison both still in a little tested. Therefore, this study performs comparisons between the K-modes clustering method and ROCK clustering. A comparison of the two methods is done on the dataset of poverty indicators that scale category. The second comparison of the methods is using internal validation measuring instruments, i.e. the ratio between the standard deviation in the group (SW) and the standard deviation between the groups (SB) and the R-squared (R2) measuring instrument. The two measuring instruments are generated by the equivalence of the contingency table with the analysis of variance (ANOVA). The smaller the ratio of SW/SB, then the better the quality of the resulting clusters. On the contrary, getting closer to 1 the value of R-squared, then the better the quality of the cluster. The data used in this research is the lowest 40% household data in Samadua district of South Aceh Regency, which amounted to 1449 households. The results of this study were obtained that the number of optimal cluster k-modes clustering and ROCK clustering were the 2 clusters (k = 2) with the threshold value (θ) for ROCK clustering was 0.29. As for the results of the comparison of both of these methods acquired k-modes clustering method is better than ROCK clustering with SW/SB and R-squared ratio for consecutive k-modes clustering is 0.0149 and 0.7558 and for ROCK clustering is 0.0682 and 0.5732. The most significant difference from both clusters based on k-modes clustering is the ownership of the facilities of large defecation, television and motorcycle holdings. Key Words: Scale the Data category, Cluster, K-Modes Clustering, ROCK Clustering, Ratio SW/SB, R-squared.