Analisis Penempatan TPS Berdasarkan Klaster Jarak Menggunakan Algoritma Dijkstra

Abstract

ABSTRAK
Pemetaan dan penempatan Tempat Pemungutan Suara (TPS) merupakan aspek penting dalam penyelenggaraan pemilihan umum karena berpengaruh langsung terhadap aksesibilitas pemilih dan efisiensi distribusi Daftar Pemilih Tetap (DPT). Permasalahan yang sering muncul adalah ketidakseimbangan jumlah DPT antar TPS serta jarak tempuh pemilih yang kurang optimal. Penelitian ini bertujuan untuk memetakan dan mengelompokkan TPS berdasarkan klaster jarak dengan mempertimbangkan distribusi DPT menggunakan pendekatan komputasional. Metode yang digunakan mengombinasikan algoritma Dijkstra untuk menghitung jarak terpendek antar titik wilayah dan algoritma K-Means untuk melakukan pengelompokan TPS berdasarkan kedekatan geografis. Data yang digunakan berupa data DPT tingkat RT/RW beserta koordinat geografisnya pada satu wilayah kelurahan sebagai studi kasus. Hasil penelitian menunjukkan bahwa pendekatan klasterisasi berbasis jarak mampu menghasilkan pembagian TPS yang lebih terstruktur, seimbang dari sisi jumlah DPT, serta meningkatkan efisiensi jangkauan wilayah layanan TPS. Dengan demikian, metode yang diusulkan dapat menjadi alternatif pendukung pengambilan keputusan dalam perencanaan dan penataan TPS secara objektif dan berbasis data.
Kata Kunci:  Pemetaan TPS, Daftar Pemilih Tetap, Dijkstra, K-Means, Klaster Jarak

ABSTRACT
Mapping and placement of polling stations are crucial aspects of election management, as they directly affect voter accessibility and the efficiency of voter distribution. Common challenges include imbalanced numbers of registered voters among polling stations and suboptimal travel distances for voters. This study aims to map and cluster polling stations based on distance while considering the distribution of registered voters using a computational approach. The proposed method combines the Dijkstra algorithm to calculate shortest paths between regional points and the K-Means algorithm to perform clustering based on geographical proximity. The dataset consists of registered voter data at the neighborhood level along with their geographic coordinates within a selected urban area as a case study. The results indicate that distance-based clustering produces a more structured distribution of polling stations, achieves a more balanced voter allocation, and improves service coverage efficiency. Therefore, the proposed approach can serve as a data-driven and objective decision-support method for planning and organizing polling station placement.
Keywords : Polling Station Mapping, Registered Voters, Dijkstra Algorithm, K-Means Clustering, Distance-Based Clustering