Call Detail Record (CDR) Short Message Service (SMS) merupakan data log yang berisi transaksi pengiriman SMS yang dilakukan oleh pelanggan pada jaringan telekomunikasi. Besarnya data tersebut memiliki potensi informasi dan juga pola pengetahuan yang dapat dimanfaatkan oleh perusahaan telekomunikasi seluler dalam membantu membuat keputusan ditengah ketatnya persaingan. Tujuan dari penelitian ini adalah menerapkan beberapa teknik clustering, yaitu K-Means, Expectation Maximization (EM), dan Farthest First untuk melihat bagaimana pola pengetahuan pengiriman SMS, menganalisisnya, serta mengevaluasi kualitas cluster yang dihasilkan dari ketiga teknik tersebut. Data sampel CDR SMS yang digunakan meliputi tiga daerah, yaitu Bandung, Makasar, dan Balikpapan. Metode penelitian yang digunakan adalah melakukan studi kasus pada PT XYZ dengan langkah-langkah: mengidentifikasi tujuan bisnis, mengumpulkan dan mengintegrasikan data CDR SMS, menyiapkan data, pemodelan dengan Weka, dan membuat interpretasi. Salah satu pola yang dihasilkan antara lain yaitu trafik pengiriman SMS yang tinggi umumnya terjadi pada pukul 08.00-15.00. Pola lain yaitu 90% lebih pengiriman SMS di ketiga daerah berhasil terkirim dalam waktu kurang dari 3 menit. Dan yang menarik adalah ditemukan pola bahwa pada awal bulan banyak pelanggan yang kehabisan pulsa. Dari hasil perbandingan ketiga teknik clustering tersebut, kualitas cluster terbaik dihasilkan dari algoritma EM pada semua daerah.