Wind energy is flexible energy because it can be used anywhere. One of the potential applications of wind energy is in high-rise buildings. PLN Jakarta Institute of Technology is one of the universities in Jakarta which has a building height of 53.5 m and eleven floors. Then an application for determining the Wind Potential was made
by applying the K-Means Algorithm method. The K-Means algorithm is a centroid model that uses centroids to create clusters. This method partitions data so that data with the same characteristics are grouped into one cluster, and data with different characteristics are grouped in another cluster. This study aims to help the ITPLN campus to determine whether the wind potential is included in the low, medium, and hight categories. In this study using 13 attributes, using the K-Means algorithm to get data classification in cluster C1 there are 85 data, then 184 data in cluster C2 and 44 data cluster C3. The iteration of the k-means algorithm stops at the 3rd iteration and the results will be displayed in the application. In testing the accuracy of the system using the confusion matrix, the result is 93% accuracy in the number of data records that are classified correctly by the algorithm.

Energi angin adalah energi yang fleksibel karena dapat digunakan dimana saja. Salah satu penerapan energi angin yang berpotensi yaitu pada gedung-gedung bertingkat. Institut Teknologi PLN Jakarta merupakan salah satu universitas di Jakarta yang memiliki ketinggian gedung 53,5 m dan sebelas lantai. Maka dibuatlah aplikasi penentuan Potensi Angin dengan menerapkan metode Algoritma K-Means. Algoritma K-Means merupakan model centroid yang menggunakan centroid untuk membuat cluster. Metode ini mempartisi data sehingga data yang memiliki karakteristik yang sama dikelompokkan ke dalam satu cluster, dan data yang memiliki karakteristik berbeda dikelompokkan dalam cluster yang lain. Penelitian ini bertujuan untuk membantu pihak kampus ITPLN untuk mengetahui potensi angin apakah termasuk dalam kategori low, medium, dan hight. Pada penelitian ini menggunakan 13 atribut, dengan menggunakan algoritma K-Means mendapatkan klasifikasi data pada cluster C1 terdapat 85 data, kemudian 184 data pada cluster C2 dan 44 data cluster C3. Iterasi pada algoritma k-means berhenti pada iterasi ke 3 dan hasilnya nanti akan ditampilkan pada aplikasi. Pada pengujian akurasi sistem yang menggunakan confusion matrik mendapatkan hasil 93% akurasi jumlah record data yang diklasifikasikan secara benar oleh algoritma.