Algortima Fuzzy C-Means dan K-Means merupakan algoritma clustering. Perbedaan kedua algoritma tersebut yaitu pada pemilihan center awal, Pada algoritma K-Means pemilihan center awal dipilih secara acak sedangkan algoritma Fuzzy C-Means mengacak nilai kemungkinan dari setiap keanggotaan untuk mendapatkan center. Penelitian ini dilakukan untuk mengetahui, bagaimana perbandingan dari algoritma Fuzzy C-Means dan K-Means jika jumlah center awal yang digunakan bervariasi , terhadap sebuah metode Jaringan Saraf Tiruan yaitu Radial Basis Function dalam memecahkan masalah prediksi, pada data pemakaian energi listrik. Dari hasil akhir Pada penelitian ini metode RBF-Fuzzy C-Means memiliki hasil yang lebih baik dibandingkan metode RBF K-Means. Evaluasi hasil prediksi yang digunakan adalah Mean Absolute Percentage Error (MAPE). Untuk metode RBF-Fuzzy C-Means rata rata nilai MAPE yang didapatkan adalah sebesar 2,726%. Sedangkan rata rata nilai MAPE untuk algoritma RBF-K-Means sebesar 2,746%.
 
Kata kunci: Aritificial Neural Network (ANN), Prediksi, Radial Basis Function (RBF), Fuzzy C-Means, K-Means