<![CDATA[Pertumbuhan penggunaan kendaraan listrik (EV) memicu kebutuhan akan sistem manajemen Stasiun Pengisian Kendaraan Listrik Umum (SPKLU) yang efisien, khususnya dalam mengoptimalkan penjadwalan pengisian dan pemerataan beban antar stasiun. Penelitian ini mengusulkan penerapan Genetic Algorithm (GA) untuk mengoptimalkan penugasan EV ke SPKLU dengan mempertimbangkan jarak, perkiraan waktu tiba (Estimated Time of Arrival), kapasitas slot, dan durasi pengisian. Metode ini dibandingkan dengan pendekatan konvensional tanpa AI yang hanya mengandalkan jarak terdekat. Dataset yang digunakan bersifat sintetis, mencakup 30 EV dan 6 SPKLU dengan kapasitas slot bervariasi (5–7 slot). Simulasi dijalankan menggunakan pestimasi waktu ketibaan OpenRouteService untuk perhitungan jarak dan waktu tempuh aktual. Hasil menunjukkan bahwa GA mampu menurunkan rata-rata waktu tunggu EV sebesar 64,4% (dari 11,8 menit menjadi 4,2 menit), mempercepat total waktu penyelesaian dari 410 menit menjadi 320 menit, serta mengurangi variansi utilisasi slot antar SPKLU sebesar 67,86%. Temuan ini membuktikan bahwa GA tidak hanya meningkatkan efisiensi operasional, testimasi waktu ketibaanpi juga memeratakan beban infrastruktur pengisian. Penelitian ini memberikan kontribusi terhadap pengembangan strategi optimasi SPKLU berbasis AI dan membuka peluang untuk penerapan realtime dengan integrasi data lalu lintas dinamis.]]>
