<![CDATA[Electricity consumption in Indonesia continues to increase every year, but its distribution is not evenly distributed across provinces. Therefore, an analysis is needed to group regions based on electricity consumption patterns to help plan more efficient distribution. This study aims to group regions in Indonesia based on their electricity usage patterns, considering customer types such as households, industry, business, social, government buildings, and street lighting. The clustering process is performed using the k-means clustering method. The data used is official PLN data from 2019 to 2024. The analysis process is performed using RapidMiner, with steps of data preprocessing, application of K-Means, and evaluation of the results using the Davies-Bouldin Index (DBI) method. The results of the study show that the provinces in Indonesia are divided into two clusters, namely Cluster 0 with 29 provinces with low-medium consumption and Cluster 1 with 5 provinces with high consumption, especially in the Java Island region. The DBI value of 0.507 indicates that the resulting clustering is quite optimal. These results are in line with the PLN report and should support more targeted infrastructure planning and power distribution policies.Keywords: Data Mining; K-Means Clustering; Electricity Consumption AbstrakKonsumsi energi listrik di Indonesia terus meningkat setiap tahunnya, namun distribusinya tidak merata di seluruh provinsi. Oleh karena itu, diperlukan analisis untuk mengelompokkan wilayah berdasarkan pola konsumsi energi listrik guna membantu perencanaan distribusi yang lebih efisien. Penelitian ini bertujuan untuk mengelompokkan wilayah-wilayah di Indonesia berdasarkan pola penggunaan listriknya, dengan mempertimbangkan jenis pelanggan seperti rumah tangga, industri, bisnis, sosial, gedung pemerintahan, dan penerangan jalan umum. Proses pengelompokan dilakukan dengan menggunakan metode k-means clustering. Data yang digunakan merupakan data resmi dari PLN tahun 2019 hingga 2024. Proses analisis dilakukan menggunakan RapidMiner, dengan tahapan pre-processing data, penerapan K-Means, dan evaluasi hasil menggunakan metode Davies-Bouldin Index (DBI). Hasil penelitian menunjukkan bahwa provinsi di Indonesia terbagi ke dalam dua cluster, yaitu Cluster 0 dengan 29 provinsi yang memiliki konsumsi rendah-menengah dan Cluster 1 dengan 5 provinsi berdaya konsumsi tinggi, khususnya wilayah Pulau Jawa. Nilai DBI sebesar 0,507 menunjukkan bahwa pengelompokan yang dihasilkan cukup optimal. Hasil ini sejalan dengan laporan PLN dan diharapkan dapat mendukung perencanaan infrastruktur serta kebijakan distribusi energi secara lebih tepat sasaran.Kata Kunci: Data Mining; K-Means Clustering; Konsumsi Listrik]]>
