PENGELOMPOKAN KABUPATEN/KOTA DI JAWA TIMUR BERDASARKAN CAPAIAN KINERJA PENGELOLAAN SAMPAH TAHUN 2023 MENGGUNAKAN METODE K-MEANS

Authors

  • Leli Meganingrum Program Studi Statistika, Universitas Terbuka, Tangerang Selatan
  • Hani Brilianti Rochmanto Program Studi Statistka, Universitas PGRI Adi Buana Surabaya, Surabaya
  • Devi Putri Isnarwaty Unit Pengembangan Smart Eco Campus Institut Teknologi Sepuluh Nopember, Surabaya

Keywords:

Pengelolaan Sampah, K-Means Clustering, Metode Elbow, Peta Tematik, Recycling Rate

Abstract

Pengelolaan sampah yang efektif merupakan tantangan utama bagi pemerintah daerah, khususnya di wilayah dengan tingkat populasi dan aktivitas ekonomi yang tinggi seperti Jawa Timur. Penelitian ini bertujuan untuk mengelompokkan kabupaten/kota di Jawa Timur berdasarkan capaian kinerja pengelolaan sampah tahun 2023 menggunakan metode K-Means clustering. Variabel yang digunakan meliputi Timbulan Sampah Tahunan, Pengurangan Sampah Tahunan, Sampah Terkelola Tahunan, Daur Ulang Sampah Tahunan, Bahan Baku Sampah Tahunan, serta Recycling Rate. Sebelum melakukan analisis, data distandarisasi untuk memastikan bobot variabel yang seimbang. Penentuan jumlah klaster optimal dilakukan dengan Metode Elbow, yang menunjukkan tiga klaster sebagai konfigurasi terbaik. Hasil penelitian menunjukkan adanya pola pengelolaan sampah yang berbeda di antara klaster, yang mencerminkan variasi dalam kapasitas dan strategi pengelolaan sampah setiap daerah. Klaster 1 mencakup mayoritas wilayah, seperti Kabupaten Pacitan, Ponorogo, Sampang, dan Kota Blitar. Klaster 2 terdiri dari Kota Surabaya sebagai wilayah dengan pengelolaan sampah yang paling maju. Klaster 3 meliputi beberapa daerah dengan kinerja pengelolaan sampah sedang hingga tinggi, seperti Kabupaten Malang, Banyuwangi, dan Kota Malang. Pengelompokan Kabupaten/Kota ini divisualisasikan melalui peta tematik untuk memberikan gambaran distribusi kinerja pengelolaan sampah di Jawa Timur. Temuan ini diharapkan dapat membantu pemerintah daerah dalam merumuskan kebijakan berbasis data untuk meningkatkan efektivitas dan efisiensi pengelolaan sampah.

Downloads

Published

2025-02-21

Conference Proceedings Volume

Section

Manajemen Studi Lingkungan

Categories