Sistem Informasi Akademik (SIAKAD) merupakan layanan krusial bagi mahasiswa, namun kualitas fungsionalnya seringkali tidak selaras dengan kepuasan pengguna yang sebenarnya. Penelitian ini bertujuan untuk mengidentifikasi pola-pola utama dalam pengalaman penggunaan SIAKAD di Institut Teknologi PLN dengan mengukur indikator Kepuasan (Satisfaction) dan Efektivitas (Effectiveness). Melalui survei yang melibatkan 217 mahasiswa, data dianalisis menggunakan algoritma K-Means Clustering, di mana validasi model menunjukkan hasil pengelompokan yang baik dengan nilai Silhouette Score sebesar 0.5420. Hasil analisis mengidentifikasi tiga klaster yaitu, Klaster 0: Pola Penggunaan pada Fitur yang Andal (skor rata-rata Effectiveness +4.48; Satisfaction -2.92), Klaster 1: Pola Pengunaan yang Memuaskan (Effectiveness -1.20; Satisfaction +3.56), dan Klaster 2: Pola Penggunaan pada Fitur Inti (Effectiveness -8.64; Satisfaction -5.49). Profil-profil ini secara berurutan merepresentasikan pola penggunaan yang berfokus pada keandalan data, kualitas antarmuka, dan kendala pada proses inti. Temuan utama dari penelitian ini, didukung oleh skor negatif yang tinggi pada Klaster ke-2, mengonfirmasi bahwa kendala pada proses inti sistem merupakan faktor paling fundamental yang menurunkan tingkat efektivitas dan kepuasan pengguna secara keseluruhan. Dengan demikian, penelitian ini menyajikan sebuah panduan prioritas berbasis data bagi pengembang SIAKAD, di mana peningkatan disarankan untuk berfokus pada jaminan kecepatan dan keandalan proses submit KRS, diikuti oleh validitas data historis, dan disempurnakan dengan optimalisasi antarmuka pengguna.

The Academic Information System (SIAKAD) is a crucial service for students, but its functional quality is often not in line with actual user satisfaction. This study aims to identify the main patterns in the experience of using SIAKAD at the PLN Institute of Technology by measuring the aspects of Satisfaction and Effectiveness. Through a survey involving 217 students, the data was analyzed using the K-Means Clustering algorithm, where model validation showed good clustering results with a Silhouette Score value of 0.5420. The analysis results identified three clusters, namely Cluster 0: Usage Patterns on Reliable Features (average Effectiveness score +4.48; Satisfaction -2.92), Cluster 1: Satisfactory Usage Pattern (Effectiveness -1.20; Satisfaction +3.56), and Cluster 2: Usage Pattern on Core Features (Effectiveness -8.64; Satisfaction 5.49). These profiles sequentially represent usage patterns that focus on data reliability, interface quality, and constraints on core processes. The main findings of this study, supported by high negative scores in Cluster 2, confirm that constraints on the core processes of the system are the most fundamental factors that reduce overall user effectiveness and satisfaction. Thus, this study presents a data-driven priority guide for SIAKAD developers, where improvements are recommended to focus on ensuring the speed and reliability of the KRS submission process, followed by the validity of historical data, and refined with user interface optimization.