Segmentasi Wilayah Indonesia Berdasarkan Pengelolaan Sampah Tahun 2023 Menggunakan Mean Shift

Musaffak, Awal Lidya (2025) Segmentasi Wilayah Indonesia Berdasarkan Pengelolaan Sampah Tahun 2023 Menggunakan Mean Shift. Undergraduate thesis, UPN Veteran Jawa Timur.

	Text (Cover) 21083010088_COVER.pdf Download (1MB)
	Text (Bab 1) 21083010088_BAB 1.pdf Download (182kB)
	Text (Bab 2) 21083010088_BAB 2.pdf Restricted to Registered users only until 18 June 2028. Download (601kB)
	Text (Bab 3) 21083010088_BAB 3.pdf Restricted to Registered users only until 18 June 2028. Download (504kB)
	Text (Bab 4) 21083010088_BAB 4.pdf Restricted to Registered users only until 18 June 2028. Download (588kB)
	Text (Bab 5) 21083010088_BAB 5.pdf Download (157kB)
	Text (Daftar Pustaka) 21083010088_DAFTAR PUSTAKA.pdf Download (156kB)
	Text (Lampiran) 21083010088_LAMPIRAN.pdf Restricted to Registered users only until 18 June 2028. Download (298kB)

Abstract

Sampah merupakan bagian yang tidak terpisahkan dari kehidupan manusia, dan volumenya terus meningkat seiring pertumbuhan jumlah penduduk. Berdasarkan data dari Sistem Informasi Pengelolaan Sampah Nasional (SIPSN) Kementerian Lingkungan Hidup dan Kehutanan (KLHK), pada tahun 2023 Indonesia menghasilkan timbulan sampah harian sebesar 106.145,71 ton dan timbulan sampah tahunan mencapai 38.743.185,18 ton. Jumlah ini mencerminkan masih lemahnya sistem pengelolaan sampah, terutama dalam penanganan dan pengurangan sampah rumah tangga serta sejenis rumah tangga. Pemerintah Indonesia telah melakukan berbagai upaya melalui sejumlah program dan kebijakan, salah satunya adalah Kebijakan dan Strategi Nasional (Jakstranas) yang menjadi pedoman pengelolaan sampah secara nasional. Jakstranas menetapkan target pengurangan dan penanganan sampah, namun hingga tahun 2023, target tersebut belum tercapai. Oleh karena itu, diperlukan pendekatan berbasis data untuk mengelompokkan wilayah berdasarkan capaian pengurangan dan penanganan sampah. Metode klastering menjadi pilihan yang relevan karena dapat mengidentifikasi wilayah dengan karakteristik pengelolaan sampah yang serupa. Hasil pengelompokan ini dapat digunakan sebagai dasar dalam menetapkan prioritas kebijakan dan mengalokasikan sumber daya secara lebih tepat dan efisien. Dalam penelitian ini, algoritma Mean Shift dipilih karena memiliki keunggulan dalam menentukan jumlah klaster secara otomatis tanpa memerlukan input jumlah klaster di awal. Selain itu, Mean Shift mampu menangani bentuk klaster yang tidak simetris dan beragam, yang sesuai dengan karakteristik data capaian pengelolaan sampah antar wilayah yang kompleks dan tidak seragam. Pada penelitian ini didapatkan bahwa metode Mean Shift yang terbaik dengan menghasilkan nilai DBI sebesar 0,600 dan silhouette sebesar 0,649. Hasil yang didapat klaster 0 sebagai klaster tingkat pengelolaan sampah rendah sedangkan klaster 1 tinggi. Kata kunci : Davies Bouldin Index, Klastering, Mean Shift, Pengelolaan sampah, Silhouette score

Item Type:

Thesis (Undergraduate)

Contributors:

Contribution	Contributors	NIDN/NIDK	Email
Thesis advisor	Hindrayani, Kartika Maulida	NIDN0009099205	kartika.maulida.ds@upnjatim.ac.id
Thesis advisor	Idhom, Mohammad	NIDN0010038305	idhom@upnjatim.ac.id

Subjects:

Q Science > QA Mathematics > QA76.6 Computer Programming

Divisions:

Faculty of Computer Science > Departemen of Data Science

Depositing User:

Awal Lidya Musaffak

Date Deposited:

19 Jun 2025 01:58

Last Modified:

19 Jun 2025 01:58

URI:

https://repository.upnjatim.ac.id/id/eprint/38492