Penggunaan kendaraan listrik di Indonesia merupakan langkah strategis pemerintah dalam
mendukung program “Go Green dan target Net Zero Emission pada tahun 2060”. Seiring
meningkatnya jumlah pengguna kendaraan listrik, terutama di Jawa Barat, kebutuhan akan
Stasiun Pengisian Kendaraan Listrik Umum (SPKLU) yang tersebar secara strategis menjadi
semakin penting. Lokasi SPKLU yang tidak optimal dapat menimbulkan inefisiensi,
menurunkan kenyamanan pengguna, dan berpotensi menimbulkan kerugian investasi. Oleh
karena itu, penelitian ini bertujuan untuk menentukan lokasi potensial SPKLU dengan
menggabungkan teknologi Geographic Information System (GIS) dan algoritma machine
learning yaitu Multilayer Perceptron (MLP) dan Support Vector Machine (SVM). Metode
penelitian ini melibatkan pengumpulan data spasial seperti jaringan jalan, permukiman, dan
fasilitas umum menggunakan QGIS. Data tersebut diolah menjadi parameter raster dan
dilakukan analisis proximity serta overlay. Nilai piksel diekstraksi dan digunakan sebagai input
model klasifikasi dengan MLP dan SVM. Klasifikasi dilakukan untuk tiga tipe lokasi SPKLU:
shared-residential, enroute, dan destination. Model dievaluasi menggunakan metrik accuracy,
precision, recall, dan F1-score. Hasil yang diharapkan dapat menunjukkan integrasi GIS
dengan machine learning dalam memberikan prediksi lokasi yang lebih akurat dan adaptif.
Model terbaik kemudian divisualisasikan dalam bentuk peta sebaran SPKLU yang dapat
menjadi acuan dalam perencanaan infrastruktur kendaraan listrik berkelanjutan.