Rapid detection of bursts and leaks in water distribution systems (WDSs) can reduce thesocial and economic costs incurred through direct loss of water into the ground, additional energydemand for water supply, and service interruptions. Many real-time burst detection models havebeen developed in accordance with the use of supervisory control and data acquisition (SCADA)systems and the establishment of district meter areas (DMAs). Nonetheless, no consideration hasbeen given to how frequently a flow meter measures and transmits data for predicting breaks andleaks in pipes. This paper analyzes the effect of sampling interval when an adaptive Kalman filter isused for detecting bursts in a WDS. A new sampling algorithm is presented that adjusts the samplinginterval depending on the normalized residuals of flow after filtering. The proposed algorithm isapplied to a virtual sinusoidal flow curve and real DMA flow data obtained from Jeongeup cityin South Korea. The simulation results prove that the self-adjusting algorithm for determining thesampling interval is efficient and maintains reasonable accuracy in burst detection. The proposedsampling method has a significant potential for water utilities to build and operate real-time DMAmonitoring systems combined with smart customer metering systems.