Perkembangan teknologi terus berlanjut seiring waktu, termasuk dengan hadirnya media-media baru yang mempermudah akses informasi dan hiburan. YouTube merupakan salah satu platform  yang menyediakan beragam konten, mulai dari pendidikan, hiburan, hingga informasi. Penelitian ini menggunakan teknik clustering yang membagi data berdasarkan kemiripan objek-objeknya. Algoritma yang digunakan yaitu K-Means, Clustering Large Application (CLARA), dan Self-Organizing Maps (SOM) dengan menggunakan atribut YouTuber, subscribers, video views, uploads, dan category. Kinerja ketiga algoritma dievaluasi menggunakan silhouette coefficient untuk mengukur kualitas pembagian klaster. Hasil penelitian menunjukkan bahwa algoritma SOM merupakan algoritma terbaik dengan hasil silhouette coefficient sebesar 0,89 yang berarti algoritma tersebut memiliki ikatan sangat kuat antara objek dan klasternya. Klaster yang terbentuk terbagi menjadi tiga dengan klaster satu memiliki anggota 36 channel, klaster dua memiliki 54 channel, dan klaster tiga memiliki 893 channel yang digunakan untuk analisis segmentasi pasar pada YouTube.