The use of electrical energy is necessary for every member of the community. In 2019, the use of electric power will work normally, whether it is for households, industries and businesses. But in 2020, the use of electric energy will see a drastic increase, especially for households. Usage has increased due to the corona virus (covid-19) pandemic forcing peopole to work from home to reduce the spread of the corona virus. When the, corona virus ,(covid-19) pandemic occurred. PT.PLN (Persero) UP2D Lampung does not yet have an information system application for the cluster of electric energy consumption zones. Regarding this issue, an application has been created that uses,the K-Means algorithm, to aggregate,the electricity consumption,of households, industries and neighborhoods, which produces red, yellow and green areas on the maps and there is a graphical display of electric powe consumption before the corona virus pandemic (covid-19). To test the accuacy of the clustering method using Davies Boulding (DBI) and Rapidminer tools. The results showed the level of accuracy

Pemakaian energi listrik sangat diperlukan oleh setiap warga masyarakat. Pada tahun 2019 pemakaian energi listrik berlangsung normal baik itu rumah tangga, industri, dan bisnis. Tapi pada tahun 2020 pemakaian energi listrik mengalami kelonjakan drastis, terutama untuk rumah tangga. Pemakaian menjadi naik disebabkan pandemi virus corona(covid-19) yang menyebabkan orang – orang kerja dari rumah untuk mengurangi penyebaran virus corona. Saat terjadi pandemi, virus corona, (covid-19). PT. PLN (Persero) UP2D Lampung belum memiliki sebuah aplikasi sistem informasi untuk cluster zona pemakaian energi listrik. Terkait permasalahan tersebut maka di buat suatu aplikasi yang menggunakan algoritma K-Means untuk clusterisasi pemakaian energi listrik rumah tangga, industri dan bisnis perkabupaten yang menghasilkan zona merah, kuning, hijau di maps dan terdapat tampilan grafik pemakaian energi listrik sebelum dan terjadi pandemi virus corona (covid-19). Untuk menguji akurasi metode clusterisasi menggunakan Davies Boulding (DBI) serta menggunakan tools Rapidminer. Hasil penelitian menunjukan tingkat akurasi model algoritma K-Means sebesar -0,400 untuk clusterisasi per Kabupaten/Kota.