Susut daya merupakan masalah yang selalu dihadapi oleh PT.PLN Distribusi Jakarta Raya. Khususnya pada susut non-teknis yang banyak menyebabkan kerugian besar bagi PT. PLN Distribusi Jakarta Raya. AMR (Automatic Meter Reading) digunakan untuk pembacaan atau pengambilan data hasil pengukuran energi listrik pada masing-masing konsumen secara lokal maupun jarak jauh. Untuk itu diperlukan metode dengan keoptimalan yang tinggi agar dapat mengukur susut yang terjadi. Penelitian ini menggunakan metode clustering Fuzzy C-Means dengan tujuan membandingkan dengan penelitian
sebelumnya Tupamahu (2018) yang menggunakan metode K-Means.
Keoptimalan suatu cluster ditentukan dengan nilai DBI (Davies-Bouldin index) yang minimum. Semakin kecil nilai DBI, maka suatu cluster dikatakan optimal untuk melakukan clustering data. Hasil penelitian membuktikan bahwa metode
Fuzzy C-Means lebih optimal dibandingkan metode K-Means dengan nilai DBI metode Fuzzy C-Means sebesar 0.54532171146831 di set cluster 2 sedangkan
nilai DBI metode K-Means sebesar 0.893 di set cluster 4.

Power loss is a problem that is always faced by PT.PLN Distribution Jakarta Raya. Especially in non-technical losses which caused big losses for PT. PLN Distribution Jakarta Raya. AMR (Automatic Meter Reading) is used for reading or retrieving data from the measurement of electrical energy at each consumer locally or remotely. For that we need a method with high optimization in order to
measure the losses that occur. This study uses the Fuzzy C-Means clustering method with the aim of comparing with Tupamahu's previous research (2018) which uses the K-Means method. Optimization of a cluster is determined by the
minimum DBI (Davies-Bouldin index). The smaller the DBI value, then a cluster is said to be optimal for data clustering. The results prove that the Fuzzy C-Means
method is more optimal than the K-Means method with the DBI value of the Fuzzy C-Means method of 0.54532171146831 in the cluster 2 set, while the DBI value of the K-Means method is 0.893 in the cluster set 4