Penelitian ini bertujuan untuk mengidentifikasi dan menganalisis karakteristik profil kelistrikan dengan menggunakan algoritma K-means Clustering dan memvisualisasikan hasilnya melalui Geographic Information System (GIS). Karakteristik Profil Kelistrikan dibutuhkan untuk dapat memberikan gambaran tentang pola konsumsi, kebutuhan energi, dan potensi tantangan yang dihadapi dalam penyediaan listrik. Metode yang digunakan adalah K-Means Klustering dengan Visualisasi oleh GIS. Algoritma K-means Clustering digunakan untuk mengelompokkan data beban listrik ke dalam beberapa cluster yang homogen berdasarkan karakteristik tertentu. Proses klusterisasi dilakukan menggunakan perangkat lunak MATLAB. Hasil klusterisasi kemudian divisualisasikan menggunakan GIS, memberikan representasi geografis dari profil beban listrik pada berbagai kelurahan di Kota Tangerang dan Kabupaten Tangerang. Visualisasi ini memudahkan pemahaman dan analisis distribusi beban listrik, serta membantu dalam pengambilan keputusan terkait manajemen dan distribusi energi listrik. Studi ini menunjukkan bahwa penggunaan algoritma K-means Clustering dan GIS dapat memberikan wawasan yang mendalam tentang karakteristik beban listrik dan distribusinya secara geografis. Penelitian ini menjelaskan ada 106 data yang kemudian terbagi menjadi 7 Kluster yang diperoleh dari Evaluasi DBI dengan hasil yang diperoleh adalah 0,589. Konsumsi Listrik di Daerah Jaringan Tangerang lebih banyak pada sektor Industri dengan rata-rata konsumsi listriknya adalah 7.227,75 kW.

This research aims to identify and analyse the characteristics of the electricity profile using the K-means Clustering algorithm and visualise the results through Geographic Information System (GIS). Electricity Profile Characteristics are needed to be able to provide an overview of consumption patterns, energy needs, and potential challenges faced in electricity supply. The method used is K-Means Clustering with Visualisation by GIS. The K-means Clustering algorithm is used to group electricity load data into several homogeneous clusters based on certain characteristics. The clustering process is performed using MATLAB software. The clustering results were then visualised using GIS, providing a geographical representation of the electricity load profile in various urban villages in Tangerang City and Tangerang Regency. This visualisation facilitates understanding and analysis of electricity load distribution, as well as assisting in decision-making related to electrical energy management and distribution. This study shows that the use of K-means Clustering algorithm and GIS can provide a deep insight into the characteristics of electricity load and its geographical distribution. This study explains that there are 106 data which are then divided into 7 Clusters obtained from the DBI Evaluation with the results obtained are 0.589. Electricity consumption in Tangerang Network Area is more in the Industrial sector with an average electricity consumption of 7,227.75 kW.