Penggunaan energi sektor rumah tangga yang kurang efisien berdampak pada penjualan energi listrik untuk kelompok pelanggan Rumah Tangga yang menyumbang 42,25% dari total persentase konsumsi listrik Indonesia sesuai data
statistik PLN 2019. Faktor penyebabnya, yaitu faktor perilaku yang berpengaruh dalam menentukan pola konsumsi listrik, kurangnya pemahaman atau kesadaran
yang baik dan kurangnya motivasi yang berdampak pada sikap internal individu yang masih abai akan perilaku hemat energi. Sehingga diperlukan suatu pendorong untuk berperilaku hemat energi. Penelitian ini bertujuan mendorong perilaku hemat energi dengan memberikan informasi real-time mengenai konsumsi listrik dan menganalisis pola konsumsi listrik pengguna aplikasi smart home. Data yang diolah
merupakan data aktivitas kontrol perangkat dari pembacaan sensor menggunakan Algoritma Kmeans Clustering. Hasil dari analisis klaster didapatkan cetroid data untuk cluster tingkat konsumsi normal, yaitu 0.00370, dan centroid data untuk cluster tingkat konsumsi tinggi, yaitu 0.01679. Klaster dengan tingkat konsumsi tinggi akan diberikan notifikasi melalui aplikasi smart home pada smartphone android. Dari hasil klasterisasi, dilakukan evaluasi klaster menggunakan Davies Bouldin Index, didapatkan angka DBI sebesar 0.467798034 yang mendekati 0, sehingga dapat dikatakan optimal cluster

The use of energy in the household sector that is less efficient has an impact on the sales of electrical energy for household customer groups which account for 42.25% of the total percentage of Indonesian electricity consumption according to the 2019 PLN statistical data. The contributing factors are behavioral factors that influence electricity consumption patterns, Lack of understanding or good
awareness and lack of motivation which has an impact on the internal attitude of individuals who are still ignorant of energy-saving behavior. So that we need an incentive to behave energy efficient. This study aims to encourage energy-saving behavior by providing real-time information about electricity consumption and analyzing the electricity consumption patterns of smart home application users. The
data processed is the control activity data from the sensor readings using the Kmeans Clustering Algorithm. The results of the cluster analysis obtained cetroid data for the normal consumption level cluster, namely 0.00370, and data centroid
for the high consumption level cluster, namely 0.01679. Clusters with high consumption levels will be notified via the smart home application on an android smartphone. From the results of clustering, a cluster evaluation was carried out using the Davies Bouldin Index, the DBI figure was 0.467798034 which was close to 0, so it can be said that the cluster is optimal.