Pemakaian daya listrik yang tidak wajar akibat terjadinya susut non-teknis yang banyak menyebabkan kerugian finansial bagi perusahaan listrik. AMR (Automatic Meter Reading) digunakan untuk pembacaan atau pengambilan data hasil pengukuran energi listrik pada masing-masing konsumen secara lokal maupun jarak jauh. Penelitian ini menggunakan metode Algoritma K-means Clustering dengan data UCI Repository penggunaan daya selama 30 hari dengan jumlah 100 pelanggan. Untuk menguji keoptimalan suatu set cluster ditentukan dengan nilai DBI (Davies-Bouldin index) nilai paling minimum. Pada set cluster 2 menjadi cluster paling optimal dengan Nilai DBI = 0,1551 dan nilai purity mencapai 0,95. Sehingga Algoritma K-Means menghasilkan dua pola penggunaan daya yang digunakan sebagai acuan untuk menentukan pemakaian
wajar dan tidak wajarnya penggunaan daya listrik. Pengecekan ini bertujuan memperoleh hasil Analisa untuk mengambil tindakan sesuai dengan SOP sehingga akan bisa meningkatkan TMP (Tingkat Mutu Pelayanan).

Unreasonable use of electric power due to non-technical losses resulting in financial losses for the power company. AMR (Automatic Meter Reading) is used to read or retrieve electrical energy measurement data from each consumer
locally and remotely. This study uses the K-means clustering algorithm method with data from the UCI Repository on energy consumption for 30 days with a total of 100 subscribers. To test the optimality of a set of clusters, the DBI (DaviesBouldin index) is the minimum value. In the whole of cluster 2, it becomes the most optimal cluster with a DBI value = 0.1551 and the purity value reaches 0.95.
So the K-Means algorithm produces two energy use models which are used as benchmarks to determine the fair use and the unnatural use of electrical energy. This control aims to obtain the results of the analysis to act in accordance with
the SOP in order to be able to increase the TMP (Service Quality Level).