Electric vehicle routing problem (EVRP) merupakan masalah untuk menentukan rute optimum kendaraan listrik. Salah satu variasi dari EVRP yaitu electric vehicle routing problem with time windows (EVRPTW). EVRPTW merupakan masalah optimasi rute kendaraan dengan mempertimbangkan keterbatasan daya baterai kendaraan listrik serta batasan waktu pelayanan pelanggan. Penelitian ini menggunakan algoritme antlion optimizer (ALO) untuk menentukan penyelesaian optimum model EVRPTW. Kelebihan algoritme ALO yaitu dapat menentukan penyelesaian optimum dengan waktu komputasi yang relatif cepat. Penelitian ini bertujuan untuk mengonstruksikan model EVRPTW, menentukan penyelesaian optimum model EVRPTW dengan algoritme ALO, serta melakukan perubahan pada nilai parameter algoritme ALO dan nilai penalti untuk mengetahui pengaruhnya terhadap penyelesaian optimum. Metode yang digunakan pada penelitian ini yaitu studi literatur dan terapan. Studi literatur yang dilakukan yaitu mengubah asumsi pada model EVRP dari kendaraan homogen menjadi kendaraan heterogen serta menambah kendala time windows kemudian mengubah parameter dan variabel yang digunakan untuk mengonstruksikan model. Studi terapan yang dilakukan yaitu menentukan penyelesaian optimum model EVRPTW kemudian melakukan perubahan pada nilai parameter algoritme dan penalti. Berdasarkan hasil penelitian, diperoleh model EVRPTW untuk meminimumkan total jarak tempuh kendaraan listrik terhadap kendala terkait rute kendaraan, muatan kendaraan, waktu tempuh kendaraan, jendela waktu pelanggan dan daya baterai kendaraan. Algoritme ALO diterapkan untuk mengoptimumkan model EVRPTW. Data yang digunakan berupa data EVRPTW dan data kendaraan listrik heterogen. Penyelesaian optimum yang diperoleh berupa total jarak tempuh kendaraan terpendek. Perubahan pada nilai parameter algoritme ALO menunjukkan bahwa jumlah populasi dan iterasi maksimum memengaruhi performansi algoritme dalam menentukan penyelesaian optimum. Diperolah parameter dengan jumlah populasi sebesar 50 dan 100 serta iterasi maksimum sebesar 500 memberikan pengaruh terhadap penyelesaian optimum. Perubahan nilai penalti dalam rentang 1 ≤ α ≤ 100 dan 1 ≤ β ≤ 100 berpengaruh terhadap hasil penyelesaian optimum model EVRPTW.