Dalam era digital saat ini, akses terhadap internet telah menjadi kebutuhan penting bagi masyarakat, terutama di lingkungan pendidikan tinggi. Institut Teknologi PLN menyediakan layanan WiFi ID untuk mendukung kebutuhan internet bagi civitas akademika. Namun, efektivitas dan kepuasan penggunaan layanan ini perlu dievaluasi untuk memastikan kualitas yang optimal. Penelitian ini bertujuan untuk menganalisis dan mengoptimalkan penggunaan jaringan WiFi ID di Institut Teknologi PLN melalui metode klasterisasi K-Means. Dataset berisi 4.364 responden, yang terdiri dari mahasiswa, dosen, dan staf ITPLN, untuk periode tahun 2022, 2023, dan 2024. Metode K-Means digunakan untuk mengelompokkan pengguna berdasarkan pola penggunaan dan kepuasan mereka terhadap layanan WiFi ID. Analisis klaster dilakukan untuk mengidentifikasi karakteristik dan preferensi pengguna dalam setiap klaster. Hasil klasterisasi dievaluasi menggunakan metode Silhouette Coefficient untuk menilai kualitas klaster yang terbentuk. Hasil penelitian menunjukkan adanya beberapa klaster dengan karakteristik penggunaan yang berbeda, yang mencerminkan kebutuhan dan kepuasan yang bervariasi di antara pengguna. Penelitian ini menunjukkan bahwa analisis klasterisasi K-Means efektif dalam mengelompokkan pengguna layanan WiFi ID di Institut Teknologi PLN berdasarkan pola penggunaan dan tingkat kepuasan pengguna.

In the current digital era, internet access has become a vital necessity for society, especially in higher education environments. Institut Teknologi PLN provides WiFi ID services to support the internet needs of its academic community. However, the effectiveness and satisfaction of using this service need to be evaluated to ensure optimal quality. This study aims to analyze and optimize the usage of the WiFi ID network at Institut Teknologi PLN through K-Means clustering. The dataset consists of 4,364 respondents, including students, lecturers, and ITPLN staff, for the periods of 2022, 2023, and 2024. The K-Means method is used to group users based on their usage patterns and satisfaction with the WiFi ID service. Cluster analysis is conducted to identify the characteristics and preferences of users within each cluster. The clustering results are evaluated using the Silhouette Coefficient method to assess the quality of the formed clusters. The study's findings reveal several clusters with different usage characteristics, reflecting varying needs and satisfaction among users. This study shows that K-Means clustering analysis is effective in grouping users of the WiFi ID service at the Institute of Technology PLN based on usage patterns and user satisfaction levels.