Perbedaan daya terpasang, produksi listrik, dan jumlah pelanggan pada setiap Unit Pelayanan Pelanggan (ULP) di DKI Jakarta menunjukkan perlunya pengelompokan berbasis data
untuk memahami kemiripan profil antarunit. Penelitian ini bertujuan menerapkan metode K-Means Clustering untuk melakukan segmentasi ULP serta menganalisis karakteristik dan kualitas cluster yang terbentuk. Penelitian mengikuti tahapan CRISP-DM dengan menggunakan dua dataset sekunder tahun 2022 yang memuat daya terpasang, produksi listrik, dan jumlah pelanggan. Kedua dataset digabungkan berdasarkan nama ULP, kemudian baris agregat DKI Jakarta dihapus sehingga diperoleh 16 ULP. Data dinormalisasi menggunakan Min-Max Scaling, sedangkan jumlah cluster dipertimbangkan melalui Elbow Method pada K = 1sampai K = 6 dan Silhouette
Coefficient pada K = 2 sampai K = 6. Meskipun K = 2 menghasilkan nilai Silhouette tertinggi sebesar 0,4948, model akhir menggunakan tiga cluster berdasarkan pola penurunan WCSS dan kebutuhan segmentasi yang lebih rinci. Model tiga cluster menghasilkan WCSS sebesar 0,9848
dan rata-rata Silhouette Coefficient sebesar 0,4005. Cluster 1 terdiri atas tiga ULP dengan rata-rata daya terpasang dan produksi listrik tertinggi. Cluster 2 terdiri atas tujuh ULP dengan rata-rata jumlah pelanggan tertinggi, sedangkan daya terpasang dan produksi listrik berada pada tingkat menengah. Cluster 3 terdiri atas enam ULP dengan nilai rata-rata relatif lebih rendah pada ketiga variabel. Temuan penelitian menunjukkan bahwa penggabungan dua dataset dan tiga variabel dapat menghasilkan segmentasi eksploratif pada tingkat ULP. Hasil tersebut dapat digunakan sebagai gambaran awal untuk membandingkan profil ULP, tetapi tidak secara langsung menunjukkan efisiensi, kinerja teknis, atau kondisi operasional masing-masing unit.