AMR System (Automatic Meter Reading) PT. PLN (Persero) Distribusi Jakarta Raya applied to be able to detect losses (loss of electric power).Non-technical losses is one type of losses that gives a big effect on power loss. Currently to detect the losses itself is still checked directly by reading and checking historical power usage data of every incoming customer. For that we need a system that can be used to make data analysis and evaluation easier. This research uses Clustering K-means method to classify data based on electric power usage and Davies-Bouldin Index method to determine which cluster set is most optimal for use in grouping. This application is designed using a flowchart to describe each process performed within the application. For functional testing in applications using black-box method. Test results on the grouping of AMR's historical power usage data show that K-Means method is able to classify the customer's electricity usage with the optimal number of cluster sets, 3 based on the optimal
cluster set using Davies-Bouldin Index. With this application is expected result of power usage pattern obtained, can be used as a reference in analyzing every usage graph from AMR Customer historical power usage data and can detect non-technical losses customer error.

Sistem AMR(Automatic Meter Reading) PT. PLN(Persero) Distribusi Jakarta Raya diterapkan untuk bisa mendeteksi susut(rugi daya listrik). Susut non-teknis merupakan salah satu jenis susut yang memberi pengaruh besar terhadap rugi daya listrik . Saat ini untuk mendeteksi susut sendiri masih dicek secara langsung dengan membaca dan mengecek data historical penggunaan daya listrik setiap pelanggan yang masuk. Untuk itu perlu suatu sistem yang dapat digunakan untuk mempermudah melakukan analisa dan evaluasi data. Penelitian ini menggunakan metode Clustering K-means untuk mengelompokkan data berdasarkan penggunaan daya listriknya dan metode Davies-Bouldin Indeks untuk menentukan set cluster mana yang paling optimal untuk digunakan dalam pengelompokkan. Aplikasi ini dirancang menggunakan flowchart untuk menggambarkan tiap proses yang dilakukan di dalam aplikasi. Untuk pengujian fungsional dalam aplikasi menggunakan metode black-box. Hasil pengujian terhadap pengelompokkan data historical penggunaan daya listrik pelanggan AMR menunjukkan bahwa metode K-Means mampu mengelompokkan daya listrik penggunaan pelanggan dengan jumlah set cluster yang optimal yaitu, 4 berdasarkan hasil perhitungan optimal set cluster menggunakan Davies-Bouldin Indeks. Dengan adanya aplikasi ini diharapkan hasil pola penggunaan daya listrik yang didapat, bisa dijadikan sebagai acuan dalam menganalisa setiap grafik pemakaian dari data historical penggunaan daya listrik pelanggan AMR dan dapat mendeteksi kesalahan loses non-teknis pelanggan.