IMPLEMENTASI ALGORITMA K-MEANS PADA DAERAH TERDAMPAK SAMPAH UNTUK MEMBANTU PEMERINTAH DALAM PENGELOLAAN SAMPAH DI KALIMANTAN SELATAN

Muhammad Khairul Akbar (2024) IMPLEMENTASI ALGORITMA K-MEANS PADA DAERAH TERDAMPAK SAMPAH UNTUK MEMBANTU PEMERINTAH DALAM PENGELOLAAN SAMPAH DI KALIMANTAN SELATAN. PROGRAM STUDI SARJANA TEKNOLOGI INFORMASI FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS SARI MULIA BANJARMASIN 2024.

Text SKRIPSI MUHAMMAD KHAIRUL AKBAR_11203362010033 - Khairul YT Official.pdf Download (2MB)

Abstract

Timbulan sampah di Kalimantan Selatan pada tahun 2022 berjumlah sebanyak 776.827 tons. Jumlah penduduk yang banyak memiliki dampak signifikan terhadap jumlah sampah yang dihasilkan. Jumlah penduduk yang terus meningkat menyebabkan tingginya tingkat konsumsi masyarakat terhadap material yang digunakan sehari-hari sehingga mengakibatkan tingginya jumlah volume sampah yang dihasilkan. Tujuan: Adapun tujuan dari penelitian ini ialah mengklasterisasi daerah terdampak sampah di Kalimantan Selatan dengan menggunakan algoritma K- Means agar dapat membantu pemerintah Kalimantan Selatan guna lebih memperhatikan wilayah yang mengalami penanganan khusus.. Metode: Algoritma K-Means adalah salah satu metode clustering yang digunakan untuk mengelompokkan data menjadi beberapa cluster. K-Means clustering merupakan salah satu metode yang dapat mempartisi setiap data sehingga pada setiap cluster memiliki karakteristik data yang sama. Hasil: Penelitian yang dilakukan menunjukkan bahwa algoritma K-Means dapat melakukan klasterisasi terhadap daerah yang terdampak sampah di kalimantan selatan dengan13 kabupaten/kota mendapatkan hasil 2 cluster. Cluster_0 yang dimasuki 11 kabupaten/kota merupakan cluster yang memiliki volume sampah rendah, sedangkan cluster_1 dimasuki 2 kabupaten-kota merupakan cluster yang memiliki volume sampah tinggi. Simpulan: Hasil cluster model yang dilakukan dengan rapidminer menunjukkan bahwa dari total 13 kabupaten/kota terdapat 2 daerah dengan cluster tertinggi di Kalimantan Selatan. Hasil uji validasi menggumakan Daevies Bouldin Index (DBI) menunjukkan jumlah cluster yang paling optimal karena nilai index paling rendah adalah cluster k= 2 dengan hasil yang terjadi 0.297. Pemerintah dapat menggunakan hasil ini untuk meningkatkan efisiensi dan efektivitas pengelolaan sampah, yang pada akhirnya dapat meningkatkan kebersihan lingkungan dan mengurangi dampak negatif dari sampah.

Actions (login required)

View Item