Adopsi kendaraan listrik [EV] menunjukkan peningkatan yang signifikan di berbagai negara, termasuk Indonesia. Namun demikian, perkembangan jumlah EV tersebut belum sepenuhnya diimbangi dengan ketersediaan serta distribusi Stasiun Pengisian Kendaraan Listrik Umum [SPKLU] yang optimal. Kondisi ini ditunjukkan oleh adanya SPKLU yang beroperasi pada kapasitas penuh, sementara sebagian lainnya justru minim dimanfaatkan, sehingga mencerminkan adanya ketidakefisienan dalam perencanaan infrastruktur. Penelitian ini bertujuan untuk menerapkan algoritma K-Means Clustering dalam menganalisis sekaligus memetakan distribusi SPKLU di wilayah Jakarta. Dataset yang digunakan diperoleh dari perusahaan pengembang SPKLU dengan cakupan periode Januari 2021 hingga April 2025, yang mencakup lima atribut utama, yaitu kapasitas daya terpasang [kW], energi terpakai [kWh], jumlah transaksi, jumlah unit pengisi daya [charger], serta jumlah konektor. Metodologi yang digunakan ialah Research and Development dengan pendekatan prototyping. Tahap penerapan awal diawali dengan data yang di normalisasi menggunakan Robust Scaller, kemudian dilanjutkan dengan proses pemetaan menggunakan algoritma K-Means. Hasil penelitian menunjukkan bahwa distribusi SPKLU dapat dikategorikan ke dalam tiga klaster, yakni hasil yang didapat pada klaster 0 [Rendah] dengan 180 SPKLU [82,2%], Klaster 1 [Sedang] dengan 35 SPKLU [16%] dan Klaster 2 [Tinggi] dengan 4 SPKLU [1,8%]. Validasi hasil klasterisasi menggunakan Silhouette Coefficient menghasilkan skor rata-rata sebesar 0,66, yang mengindikasikan struktur klaster berada pada tingkat baik. Selanjutnya, penelitian ini mengembangkan sebuah prototype aplikasi dengan penerapan metode K-Means berbasis web untuk memvisualisasikan hasil klaster. Dengan demikian, penelitian ini menegaskan bahwa pendekatan dengan metode K-Means clustering dapat digunakan sebagai dasar pengambilan keputusan untuk penyebaran wilayah stasiun pengisian kendaraan listrik umum [SPKLU] di kota Jakarta.

No other version available

No Data