Optimasi Titik Lokasi Penempatan Stasiun Pengisian Kendaraan Listrik Umum (SPKLU) Menggunakan Metode K-Means Clustering Dan P-Median Problem

Susanto, Edy (2026) Optimasi Titik Lokasi Penempatan Stasiun Pengisian Kendaraan Listrik Umum (SPKLU) Menggunakan Metode K-Means Clustering Dan P-Median Problem. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6010241047-Master_Thesis.pdf Restricted to Repository staff only Download (2MB) | Request a copy

Abstract

Untuk mendukung perkembangan kendaraan listrik di Indonesia, peran PLN di bidang kendaraan listrik terletak pada penyiapan infrastruktur charging system atau yang di Indonesia disebut sebagai Stasiun Pengisian Kendaraan Listrik Umum (SPKLU). Dengan kebutuhan SPKLU yang diproyeksikan terus meningkat dari tahun ke tahun maka ketersediaan dan persebaran infrastrukur SPKLU harus direncanakan sedemikian rupa sehingga dapat tersebar merata, oleh karena itu diperlukan upaya optimasi lokasi penempatan SPKLU agar aksesibilitas waktu tempuh dari titik permintaan terjauh menuju fasilitas SPKLU dapat diminimalkan. Dengan demikian, penelitian ini bertujuan untuk memanfaatkan algoritma K-Means Clustering untuk melakukan pengelompokan (clustering) persebaran pelanggan listrik PLN dan menentukan titik pusat masing-masing klaster untuk dijadikan sebagai kandidat lokasi pembangunan SPKLU. Selanjutnya algoritma P-Median Problem digunakan untuk optimasi dalam menentukan prioritas lokasi SPKLU mana yang harus dibangun dari kandidat lokasi SPKLU tersebut. Hasil penelitian dengan menggunakan algoritma K-Means Clustering menghasilkan lima kandidat lokasi SPKLU yang strategis yang terletak di Lokasi A (136.8723, -4.596889), Lokasi B (136.8502, -4.558162), Lokasi C (136.8621, -4.458794), Lokasi D (136.7707, -4.536984), dan Lokasi E (136.8841, -4.557325). Dan hasil optimasi menggunakan algoritma P-Median Problem dengan menggunakan dua matriks jarak yang berbeda menghasilkan output yang berbeda, dimana dengan menggunakan matriks jarak berbasis jarak tempuh menghasilkan output yang bersifat tidak berurutan (non-nested), sedangkan dengan menggunakan matriks jarak berbasis waktu tempuh menghasilkan output yang bersifat berurutan (nested).
================================================================================================================================
To support the development of electric vehicles in Indonesia, the role of PT PLN (Persero) in the electric vehicle sector lies in the provision of charging infrastructure systems, known in Indonesia as Public Electric Vehicle Charging Stations (SPKLU). With the demand for SPKLU projected to increase annually, the availability and spatial distribution of SPKLU infrastructure must be carefully planned to ensure equitable coverage. Therefore, optimizing the location of SPKLU is essential to minimize travel time accessibility from the farthest demand points to the nearest SPKLU facilities. Accordingly, this study aims to utilize the K-Means Clustering algorithm to group the spatial distribution of PLN electricity customers and to determine the centroid of each cluster as candidate locations for SPKLU development. Subsequently, the P-Median Problem algorithm is employed to optimize and prioritize which SPKLU locations should be established from the set of candidate sites. The results of the K-Means Clustering analysis identified five strategic candidate locations for SPKLU, namely Location A (136.8723, −4.596889), Location B (136.8502, −4.558162), Location C (136.8621, −4.458794), Location D (136.7707, −4.536984), and Location E (136.8841, −4.557325). Furthermore, the optimization results using the P-Median Problem algorithm, based on two different distance matrices, produced distinct outcomes. The use of a distance-based matrix (travel distance) resulted in non-nested solutions, whereas the use of a time-based matrix (travel time) produced nested solutions.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Kendaraan listrik, SPKLU, K-Means Clustering, P-Median Problem, Electric vehicles, SPKLU, K-Means Clustering, P-Median Problem
Subjects:	T Technology > T Technology (General) > T58.62 Decision support systems
Divisions:	Faculty of Industrial Technology and Systems Engineering (INDSYS) > Industrial Engineering > 26101-(S2) Master Thesis
Depositing User:	Edy Susanto
Date Deposited:	10 Jun 2026 07:11
Last Modified:	10 Jun 2026 07:11
URI:	http://repository.its.ac.id/id/eprint/133694

Actions (login required)

View Item