Perpustakaan
DESKRIPSI DATA LENGKAP
JudulCLUSTERING DAERAH TERDAMPAK SAMPAH DI INDONESIA MENGGUNAKAN ALGORITMA DBSCAN
Nama: WULAN MAHARANI
Tahun: 2025
Abstrak
Permasalahan sampah di Indonesia merupakan isu lingkungan yang kompleks dan terus berkembang, terutama di daerah-daerah dengan tingkat kepadatan penduduk dan aktivitas ekonomi yang tinggi. Penelitian ini bertujuan untuk mengelompokkan daerah-daerah yang terdampak oleh permasalahan sampah menggunakan algoritma Density-Based Spatial Clustering of Applications with Noise (DBSCAN). Algoritma ini dipilih karena kemampuannya dalam mengidentifikasi pola spasial serta mendeteksi outlier tanpa memerlukan jumlah klaster yang telah ditentukan sebelumnya. Data yang digunakan mencakup informasi spasial dan non-spasial terkait volume sampah dan karakteristik wilayah di berbagai provinsi di Indonesia. Hasil penelitian menunjukkan bahwa DBSCAN mampu mengelompokkan daerah-daerah terdampak sampah ke dalam beberapa cluster berdasarkan kepadatan data dan kedekatan spasialnya. Cluster tersebut dapat digunakan sebagai dasar dalam penentuan prioritas kebijakan pengelolaan sampah di tingkat regional maupun nasional. Penelitian ini diharapkan dapat memberikan kontribusi dalam penyusunan strategi penanganan sampah yang lebih tepat sasaran dan berbasis data. Kata kunci: Clustering, DBSCAN, Outlier, Sampah, Spasial.

Sign In to Perpus

Don't have an account? Sign Up