IMPLEMENTASI DATA MINING UNTUK MENDUKUNG PROGRAM REDUKSI SAMPAH DI DAERAH KHUSUS JAKARTA DENGAN ALGORITMA TIME SERIES DAN K-MEANS CLUSTERING

Muhammad Krisna, Adiputro (2025) IMPLEMENTASI DATA MINING UNTUK MENDUKUNG PROGRAM REDUKSI SAMPAH DI DAERAH KHUSUS JAKARTA DENGAN ALGORITMA TIME SERIES DAN K-MEANS CLUSTERING. Other thesis, UNSADA.

	Text COVER.pdf Download (1MB)
	Text BAB 1.pdf Download (731kB)
	Text BAB 2.pdf Download (806kB)
	Text BAB 3.pdf Restricted to Registered users only Download (1MB)
	Text BAB 4.pdf Restricted to Registered users only Download (1MB)
	Text BAB 5.pdf Download (763kB)
	Text DAFTAR PUSTAKA.pdf Download (660kB)
	Text LAMPIRAN.pdf Download (1MB)
	Text HASIL TURNITIN.pdf Download (558kB)
	Text SUKET TURNITIN.pdf Restricted to Registered users only Download (671kB)

Abstract

Penelitian ini bertujuan untuk menganalisis tren pertumbuhan sampah di Jakarta menggunakan metode ARIMA dan mengelompokkan wilayah berdasarkan jumlah volume timbulan sampah dengan algoritma K-Means Clustering. Permasalahan penumpukan sampah di TPST Bantargebang semakin meningkat setiap tahun, dengan volume sampah yang terus bertambah dari berbagai kecamatan di Jakarta. Data yang digunakan dalam penelitian ini berasal dari Dinas Lingkungan Hidup DKI Jakarta, mencakup periode Januari 2022 hingga April 2024. Penelitian ini berfokus pada jenis sampah seperti sampah mudah terurai, plastik, dan B3 domestik untuk mengidentifikasi pola penyebaran dan tren pertumbuhan sampah di berbagai wilayah. Metodologi yang diterapkan dalam penelitian ini adalah CRISP-DM, yang terdiri dari tahap pemahaman bisnis, pemahaman data, persiapan data, pemodelan, evaluasi, dan penerapan. Proses pengolahan data dilakukan dengan metode pembersihan data, normalisasi, serta pemisahan data untuk pelatihan dan pengujian. Hasil analisis menunjukkan bahwa model ARIMA memberikan nilai RMSE, MAE, MAPE yang cukup baik yang menunjukkan akurasi peramalan yang cukup baik dalam memprediksi volume sampah di masa mendatang. Algoritma K-Means berhasil mengelompokkan wilayah Jakarta menjadi tiga klaster utama, yaitu wilayah dengan dominasi sampah organik, plastik, dan campuran. Implementasi sistem berbasis web menggunakan Streamlit dan MongoDB Atlas memudahkan proses analisis dan visualisasi data bagi pemangku kebijakan, khususnya Dinas Lingkungan Hidup. Kesimpulan dari penelitian ini menunjukkan bahwa metode ARIMA dapat memprediksi pertumbuhan sampah secara akurat, sedangkan KMeans dapat membantu mengelompokkan wilayah berdasarkan jumlah volume timbulan sampah untuk mendukung kebijakan pengelolaan yang lebih efektif. Adapun saran dari penelitian ini adalah perlunya pengembangan sistem yang lebih kompleks dengan mempertimbangkan variabel eksternal seperti perubahan kebijakan pemerintah dan faktor sosial ekonomi, serta peningkatan akurasi model dengan menggunakan teknik machine learning yang lebih canggih. Selain itu, diharapkan sistem yang telah dibangun dapat terus diperbarui dan diperluas cakupannya agar dapat digunakan dalam pengelolaan sampah di seluruh wilayah Jakarta secara lebih optimal dan berkelanjutan.

Item Type:	Thesis (Other)
Additional Information:	Dosen Pembimbing : Afri Yudha, M.Kom.
Uncontrolled Keywords:	ARIMA, K-Means Clustering, RMSE, MAE, MAPE, Streamlit, MongoDB
Subjects:	000 Generalities/Karya Umum > 006.312 Data Mining
Divisions:	Fakultas Teknik > Teknik Informatika
Depositing User:	Suwatno Suwatno Perpustakaan
Date Deposited:	10 Jan 2026 04:36
Last Modified:	10 Jan 2026 04:36
URI:	http://repository.unsada.ac.id/id/eprint/9287

Actions (login required)

View Item