Keywords
Random Forest Regresor
data spasial
perencanaan sampah
How to Cite
Abstract
Pengelolaan sampah di DKI Jakarta menghadapi tantangan seiring pertumbuhan penduduk dan perubahan pola konsumsi. Penelitian ini memanfaatkan algoritma Random Forest Regressor untuk memprediksi volume sampah berdasarkan data spasial, seperti lokasi wilayah administratif, luas permukiman, dan kepadatan penduduk. Data dikumpulkan dari BPS, Dinas Lingkungan Hidup DKI Jakarta, serta platform pemetaan digital, mencakup lebih dari 600 titik wilayah. Model menghasilkan nilai R² sebesar 0,87, Mean Absolute Error 15,3 ton, dan Root Mean Squared Error 21,7 ton. Fitur paling berpengaruh adalah luas kawasan permukiman, jumlah penduduk, dan kepadatan wilayah. Model ini berpotensi membantu pemerintah dalam merencanakan distribusi armada dan fasilitas pengelolaan sampah secara lebih efektif. Penelitian juga merekomendasikan penambahan variabel seperti aktivitas ekonomi dan mobilitas penduduk guna meningkatkan akurasi prediksi di masa mendatang.
References
[1] A. Kahfi, “Overview of Waste Management,” Jurisprud. Dep. Law, Fac. Sharia Law, vol. 4, no. 1, p. 12, 2017.
[2] M. Iqbal, R. M. Mulyadin, K. Ariawan, and S. Subarudi, “Analisis Implementasi Kebijakan Pengelolaan Sampah Di Provinsi Dki Jakarta,” J. Anal. Kebijak. Kehutan., vol. 19, no. 2, pp. 129–140, 2022, doi: 10.20886/jakk.2022.19.2.129-140.
[3] R. Mohamad Mulyadin, K. Ariawan, and M. Iqbal, “Conflict of Waste Management in Dki Jakarta and Its Recomended Solutions,” J. Anal. Kebijak. Kehutan., vol. 15, no. 2, pp. 179–191, 2018, doi: 10.20886/jakk.2018.15.2.179-191.
[4] M. R. Diani, D. Haniifah, and F. R. Dianty, “Analisis proyeksi pertumbuhan penduduk dan volume sampah DKI Jakarta terhadap dampak yang ditimbulkan,” J. Waste Sustain. Consum., vol. 1, no. 1, pp. 27–45, 2024, doi: 10.61511/jwsc.v1i1.2024.691.
[5] B. A. R. Apriyeni, Sejarah dan Perkembangan Awal Informasi Geospasial. 2023.
[6] C. Puspawati and B. Besral, “Pengelolaan Sampah Berbasis Masyarakat di Kampung Rawajati Jakarta Selatan,” Kesmas Natl. Public Heal. J., vol. 3, no. 1, p. 9, 2008, doi: 10.21109/kesmas.v3i1.237.
[7] M. J. Bastiaans, “New Class of Uncertainty Relations for Partially Coherent Light.,” 13th Congr. Int. Comm. Opt. Opt. Mod. Sci. Technol. Conf. Dig., pp. 638–639, 1984, doi: 10.1364/josaa.1.000711.
[8] A. Fitria Salsabella, B. Suprianto, and M. Syariffuddien Zuhrie, “Analisis Pengerukan Sampah Pada Sungai Kawasan Jakarta Pusat Dengan Sistem Inferensi Fuzzy Takagi-Sugeno Berbasis Matlab,” J. Tek. Elektro, vol. 11, no. 2, pp. 288–296, 2022.
[9] D. Ardiatma, P. Lestari, and M. Chaerul, “Real data mapping of DKI Jakarta waste generation using the K-mean Clustering method at final disposal Bantargebang,” E3S Web Conf., vol. 485, 2024, doi: 10.1051/e3sconf/202448502015.
[10] D. Ruwandara, M. Jajuli, and A. Rizal, “Analisis Algoritma K-Means Clustering Untuk Daerah Penyebaran Sampah di Kota Bekasi,” JOINS (Journal Inf. Syst., vol. 6, no. 1, pp. 56–63, 2021, doi: 10.33633/joins.v6i1.4085.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Copyright (c) 2025 aftor maulana, Aidina Ristyawan, Andika Firmansyah, Anastasia R R Ndun