Data transaksi penjualan dapat menjadi sumber informasi yang penting bagi perusahaan, terutama dalam meningkatkan strategi bisnis dan memahami perilaku pelanggan. Teknik data mining, terutama clustering, memegang peranan penting dalam analisis tersebut. Penelitian ini membandingkan beberapa algoritma clustering, yaitu K-Means, K-Medoids, dan Fuzzy C-Means, untuk menentukan metode terbaik dalam melakukan clustering data penjualan. K-Means membagi data ke dalam kelompok-kelompok berdasarkan jarak ke pusat cluster terdekat, K-Medoids mengelompokkan data dengan meminimalkan perbedaan antar titik, dan Fuzzy C-Means menghitung probabilitas suatu titik dalam suatu cluster. Hasil penelitian menunjukkan efektivitas masing-masing algoritma dalam melakukan segmentasi pasar dan mengoptimalkan strategi penjualan. Dari ketiga metode yang diuji menggunakan metode clustering K-Means, K-Medoids, dan Fuzzy C-Means, model clustering K-Means dengan dua cluster menunjukkan hasil yang paling baik. Hal ini ditunjukkan dengan nilai silhouette coordinate factor yang mencapai 0,848 yang merupakan nilai tertinggi dibandingkan dengan metode lainnya.