Jurnal Teknik Informatika dan Sistem Informasi ISSN 2407-4322
Vol. 10, No. 1, Maret 2023, Hal. 590-603 E- ISSN 2503-2933 590
Memprediksi Volume Sampah Di Jawa Barat Dengan Metode Regresi Linier
Arief Hidayat1, M. T. Ziyad2, Christina Juliane3
1,2,3
Sekolah Tinggi Ilmu Manajemen Informatika (STMIK) LIKMI Jl. Ir H. Djuanda No. 96 Bandung, Indonesia - 40132
e-mail: 1[email protected], 2 [email protected], 3[email protected]
Abstrak
Sampah sudah menjadi masalah di setiap negara dibelahan dunia, ini menjadi suatu ancaman yang serius terhadap lingkungan sekitar, pengolahan sampah yang kurang baik mengakibatkan lingkungan sekitar mengalami kerusakan yang serius. Masalah sampah ini terkait erat dengan pertumbuhan populasi, pertumbuhan ekonomi dan perubahan pola konsumsi dikarenakan manusia memiliki kebutuhan yang beragam dan menghasilkan sesuatu yang harus dibuang pada akhirnya dan menjadi sampah. Berdasarkan data yang dipublikasi oleh website open data Provinsi Jawa Barat dengan jumlah penduduk di Jawa Barat sampai dengan Tahun 2021 mencapai 48.220.094 jiwa, dengan jumlah penduduk tersebut menghasilkan sampah sebanyak 15.735,36 Ton perhari. Penelitian ini bertujuan untuk memprediksikan volume sampah yang dihasilkan di Jawa Barat dengan menggunakan metode regresi linier, sehingga prediksi yang dihasilkan dapat digunakan untuk memutuskan berbagai kebijakan jangka pendek maupun jangka panjang oleh pihak terkait sehingga dalam penyusunan perencanaan anggaran pengelolaan sampah lebih efektif dan efisien di samping itu hasil prediksi dapat digunakan menyusun perencanaan ketersediaan dan daya tampung Tempat Pembuangan Sementara (TPS), dan Tempat pembuangan Akhir (TPA), menghitung daya angkut sampah, kebutuhan petugas kebersihan, serta hasil prediksi dapat pula digunakan untuk penunjang dalam membuat strategi, target dan program yang lebih inovasi dalam penanggulangan masalah sampah di Jawa Barat.
Kata kunci - sampah, data mining, regresi linier, jawa barat.
1. PENDAHULUAN
ermasalahan sampah sudah menjadi masalah serius di berbagai Provinsi seluruh indonesia, termasuk di Provinsi Jawa Barat. Pertumbuhan penduduk dan pola hidup masyarakat di Jawa Barat menjadi salah satu faktor terbesar dalam menyumbang volume sampah. Sampah merupakan sisa-sisa kegiatan yang dihasilkan manusia dalam berbagai bentuk. Sumber sampah berasal dari kegiatan manusia diantaranya sampah limbah ternak, perkebunan, peternakan, perumahan, kantor, industri, tempat umum dan rumah tangga. sampah selalu ada dalam kehidupan kita sehari-hari. Berbagai masalah timbul karena sampah seperti banjir, tanah longsor, pencemaran (air, tanah, udara), kemacetan lalu lintas hingga kebakaran dapat terjadi akibat sampah [1]. Dari berbagai sampah yang dihasilkan butuh peran pemerintah dan masyarakat menjadi sangat penting dalam menjaga lingkungan, sebab baik pemerintah dan masyarakat dituntut harus mampu menyelesaikan permasalahan menyangkut pengelolaan sampah. Pengelolaan sampah merupakan suatu proses pengelolaan yang harus saling
P
591 Jatisi ISSN 2407-4322 Vol. 10, No. 1, Maret 2023, Hal. 590-603 E-ISSN 2503-2933
mendukung dan berinteraksi serta tidak dapat berdiri sendiri untuk mencapai tujuan. Sistem tersebut meliputi aspek teknis operasional, aspek organisasi dan administrasi, aspek hukum dan peraturan, aspek keuangan dan aspek partisipasi masyarakat [2].
Pada tahun 2017 jumlah sampah di Jawa Barat kurang lebih 20.969 ton per hari dan akan terus bertambah menjadi 25.333 ton per hari pada tahun 2020, atau bertambah sebanyak 21% per ton perhari dalam rentang waktu 4 tahun, peningkatan sampah tersebut mempengaruhi besarnya anggaran pengelolaan sampah. Memprediksikan volume sampah menjadi hal yang penting agar pengelolaan sampah tidak menimbulkan potensi masalah dan permasalahan tersebut dapat diantisipasi sedini mungkin. Terdapat berbagai pendekatan metode statistik dan heuristik yang bisa digunakan untuk melakukan prediksi beberapa waktu ke depan diantaranya jaringan syaraf buatan [3] dan regresi linear [4]. Dari kedua metode tersebut, yang paling mudah untuk diterapkan dan sesuai dengan dataset yang dipublikasi oleh open data Jawa Barat adalah metode regresi linear yaitu sebuah analisis regresi yang melibatkan hubungan antara satu variabel tak bebas dihubungkan dengan satu variabel bebas [5].
Dataset yang dipakai dalam memprediksi jumlah volume sampah di provinsi Jawa Barat ini memiliki 2 unsur variable tak bebas yaitu variable tahun, dimana varibabel tak bebas ini yaitu tahun 2017-2021, sedangkan unsur variabel bebas yaitu variabel jumlah volume sampah yang dihasilkan perhari dalam satuan ton. Metode regresi linier telah banyak dilakukan pembahasan tentang penggunaan metode tersebut pada berbagai aplikasi, aplikasi yang mengintegrasikan pendekatan ini, salah satunya adalah aplikasi rapidminer. Metode regresi linier dengan aplikasi rapidminer sering digunakan dalam penelitian peramalan atau prediksi, pada kesempatan kali ini pun peneliti menggunakan aplikasi rapidminer selain memprediksikan dengan menggunakan rumus untuk memprediksi jumlah sampah di Jawa Barat mulai dari tahun 2022-2025.
2. METODE PENELITIAN
2.1. Penelitian Terdahulu
Penelitian sedelumnya membahas tentang regresi linier dilakukan oleh Harsiti, Zaenal muttaqin dan Ela Srihartini yang berjudul “Penerapan Metode Regresi Linier Sederhana untuk Prediksi Persediaan Obat Jenis Tablet” pada tahun 2021. Ketiga peneliti tersebut melakukan penelitian di sebuah klinik Teluk Banten di Kabupaten Serang Provinsi Banten dengan tujuan memprediksikan kebutuhan obat pada klinik tersebut, hasil dari penelitian ini didapat akurasi sebesar 98,505% dan perhitungan persamaan regresi sebesar y = 10.389 + 5,325(x) [6].
Regresi liner dilakukan juga oleh peneliti dari Universitas Islam Negeri Sunan Ampel Surabaya bernama N. Almumtazah, N. Azizah, Y.L. Putri dan D. C. R. Novitasari pada tahun 2021 dengan judul “Prediksi Jumlah Mahsasiswa Baru Menggunakan metode regresi linier Sederhana”. Penelitian ini untuk mengetahui rasio dosen dengan jumlah mahasiswa baru fakultas sains dan teknologi, penelitian ini memiliki hasil akurasi 7,98% untuk prodi arsitektur, 7,52% prodi Teknik lingkungan, 6,46% prodi system informasi, 5,84% prodi biologi, 8,76%
prodi kelautan, dan 7,25% prodi matematika [7].
Selanjutnya peneliti yang kegita pada tahun 2019 bernama Wiga Maulana Baihaqi, Melia Dianingrum, dan Kurnia Aswin Nuzul Ramadhan mengangkat tema “Regresi Linier Sederhana Untuk Memprediksi Kunjungan Pasien di Rumah Sakit berdasarkan Jenis Layanan dan Umur Pasien”, penelitian ini dilakukan pada RSUD Cilacap dengan tujuan untuk mengetahui jumlah prediksi kunjungan pasien rawat jalan dan rawat inap, hasil penelitian ini
Jatisi ISSN 2407-4322
Vol. 10, No. 1, Maret 2023, Hal. 590-603 E- ISSN 2503-2933 592
juga memiliki tingkat akurasu 80% dan perhitungan persamaan regresi sebesar y = 3574,549 + 0,502(x) [8].
2.2 Metode Penelitian
Metode penelitian ini mengunakan teknik data mining menggunakan algoritma regresi linier, regresi linier merupakan metode prediksi yang menggunakan garis lurus untuk menggambarkan hubungan antara dua variabel atau lebih. Variabel adalah besaran yang nilainya berubah. Selain itu, variabel ini dibagi menjadi dua jenis, yaitu variabel yang mempengaruhi dan variabel yang dipengaruhi. Variabel yang mempengaruhi dapat dianalogikan dengan penyebab, sedangkan variabel yang dipengaruhi adalah akibat, apalagi prediksi ini didasarkan pada asumsi bahwa pola pertumbuhan data historis adalah linier, padahal sebenarnya tidak linier 100% [9].
Tahapan yang dilakukan metode algoritma regresi linier pada penelitian ini, tahapannya sebagai berikut seperti dalam gambar 1.
Gambar 1. Alur Regresi Linier
3. HASIL DAN PEMBAHASAN
Regresi linier dapat digunakan untuk menguji hubungan antara satu atau lebih variabel yang mempengaruhi dengan variabel yang mempengaruhi. Regresi linier sederhana atau sering disingkat SLR (Simple Linear Regression) juga merupakan salah satu metode yang digunakan untuk memprediksi dengan menggunakan data sebelumnya. Perhitungan ini menggunakan rumus persamaan regresi linier adalah
= + (1)
Dimana :
y : Variabel Akibat x : Variabel Penyebab a : Konstanta
b : Koefisien regresi Pengolahan
Data
Perhitungan Parameter
Menghitung Nilai Konstanta
Menghitung Nilai Koefisien Regresi
Menghitung Persamaan
Identifikasi Prediksi
593 Jatisi ISSN 2407-4322 Vol. 10, No. 1, Maret 2023, Hal. 590-603 E-ISSN 2503-2933
3.1. Prediksi Jumlah Sampah
Jumlah sampah tahun sebelumnya merupakan titik awal untuk menghasilkan prediksi jumlah volume sampah tahun ke depan, studi ini melakukan prediksi dari jumlah sampah tahun 2017-2021 seperti pada table 1. Tahapan menghitung parameter, menghitung nilai konstanta, menghitung koefisien regresi, dan menghitung persamaan linier merupakan tahapan dalam menerapkan metode regresi linier. Tahapan-tahapan tersebut digunakan untuk mencari perhitungan pada dalam proses memprediksi jumlah volume sampah tahun 2022 di Jawa Barat, tahapan ini akan dijelaskan pada bagian hasil dan pembahasan penelitian ini.
Tabel 1. Data Jumlah Produksi Sampah Kabupaten/Kota Tahun 2017 s.d. 2021
NO KAB/KOTA TAHUN
2017 2018 2019 2020 2021
1 KAB. BOGOR 1511,15 1716,8 2914,65 2977 971,59
2 KAB. SUKABUMI 419,01 415,5 1003,64 1006 356,02
3 KAB. CIANJUR 981,41 965,19 1115,81 1117 355,69
4 KAB. BANDUNG 1895,94 2068,06 1334,12 1355 1489,04 5 KABUPATEN GARUT 464,74 473,89 1144,01 1151 321,17
6 KAB. TASIKMALAYA 464,52 458,45 753,06 754 172,26
7 KAB. CIAMIS 260,91 263,01 560,57 564 159,41
8 KAB. KUNINGAN 251,7 248,52 537,25 540 405,76
9 KAB. CIREBON 465,75 466,25 3,15 1096 242,52
10 KAB. MAJALENGKA 254,63 249,26 515,7 518 546,54
11 KAB. SUMEDANG 237,96 236,12 436,96 438 707,75
12 KAB. INDRAMAYU 613,18 603,11 1071,05 1077 792,48
13 KAB. SUBANG 487,26 498,7 1012,45 1023 739,6
14 KAB. PURWAKARTA 308,96 323,87 384,43 388 239,72
15 KAB. KARAWANG 869,86 896,85 934,4 942 614,61
16 KAB. BEKASI 1228,6 1600,71 2590 2258 1193,76
17 KAB. BANDUNG
BARAT 616,08 663,54 1124,5 1135 201,09
18 KAB. PANGANDARAN 185,83 171,21 250,23 252 46,62
19 KOTA BOGOR 991,93 1069,41 620,55 567 719,72
20 KOTA SUKABUMI 309,91 318,12 172,82 181 232,06
21 KOTA BANDUNG 2448,63 2441,12 1575,73 1630 1529,04
22 KOTA CIREBON 304,15 308,37 245 192 229,75
23 KOTA BEKASI 2387,08 2858,6 2060,7 1923 1500,77
24 KOTA DEPOK 1844,3 2272,07 1469,77 1516 1418,87
25 KOTA CIMAHI 563,21 592,62 267,74 369 193,36
26 KOTA TASIKMALAYA 472,36 465,23 291,6 285 295,87
27 KOTA BANJAR 130,21 128,34 100,67 79 60,29
JUMLAH 20.969,27 22.772,92 24.490,56 25.333 15.735,36
Jatisi ISSN 2407-4322
Vol. 10, No. 1, Maret 2023, Hal. 590-603 E- ISSN 2503-2933 594
dari tabel 1 kemudian dilakukan identifikasi variable faktor penyebab (X) yaitu jumlah tahun, sedangkan variabel akibatnya (Y) yaitu volume sampah, didapat bahwa variable x dan y seperti tabel 2.
Tabel 2. Data Variabel X dan Y
x y
2017 20969
2018 22773
2019 24491
2020 25333
2021 15735
10095 109301
3.1.1. Perhitungan Parameter
Data volume sampah perhari setiap Kabupaten/Kota di Jawa Barat dilakukan perhitungan penjumlahan pada setiap tahunnya mulai dari tahun 2017-2021 dalam hal jumlah volume sampah. Untuk memudahkan perhitungan koefisien regresi dan konstanta dari persamaan regresi linier, kumpulan data volume sampah tahunan dihitung secara terpisah untuk setiap nilai parameter ini. Perhitungan parameter memiliki variabel data tahunan (x), volume sampah (y), x2, y2 dan data perkalian anatar x dan y atau data x.y. Tabel 3 berisi hasil informasi yang diperoleh dari perhitungan parameter tersebut.
Tabel 3. Perhitungan Parameter Prediksi Tahunan
x (tahun) y (volume) x2 y2 x.y
2017 20969 4068289 439698961 42294473
2018 22773 4072324 518609529 45955914
2019 24491 4076361 599809081 49447329
2020 25333 4080400 641760889 51172660
2021 15735 4084441 247590225 31800435
10095 109301 20381815 2447468685 220670811
3.1.2. Menghitung Nilai Konstanta
Hasil nilai x2 dan xy pada tabel 3 akan dilakukan perhitung untuk mendapatkan nilai konstanta. Rumus berikut digunakan untuk menghitung persamaan ini:
= Σy. Σ x − Σx. Σxy n. Σx − Σx
(2)
= 109.30120.381.815 − 10.095220.670.811
520.381.815 − 10.095
= 2.227.752.761.315 − 2.227.671.837.045
101.909.075 − 101.909.025
= 80.924.270
50
595 Jatisi ISSN 2407-4322 Vol. 10, No. 1, Maret 2023, Hal. 590-603 E-ISSN 2503-2933
= 1.618.485
berdasarkan perhitungan didapat nilai konstantanya sebesar 1.618.485.
3.1.3. Menghitung Nilai Koefisien Regresi
Setelah mendapatkan nilai konstanta selanjutnya, saatnya menentukan nilai koefisien regresi yang merupakan salah satu komponen utama dari pendekatan regresi linier. Nilai koefisien regresi linier untuk memperkirakan ini dihitung dengan mengguakan rumus sebagai berikut:
= n. Σxy − Σx. Σy n. Σx − Σx
(2)
= 5220.670.811 − 10.095109.301
520.381.815 − 10.095
= 1.103.354.055 − 1.103.393.595
103.909.075 − 101.909.025
= −39.540
50
= − 791
setelah melakukan perhitungan di atas dapat diketahui bahwa koefisien regresi tersebut sebesar – 791. Perhitungan nilai konstanta dan nilai koefisien regresi ini mempunyai nilai yang sama dengan perhitungan yang dilakukan oleh aplikasi rapidminer seperti gambar 2. Seperti hasil yang di tampilkan oleh aplikasi rapidminer di dapat bahwa nilai konstanta sebesar 1.618.485,398 dibulatkan menjadi 1.618.485 dan sedangkan nilai koefisiennya sebesar -790,8 dibulatkan menjadi -791.
Gambar 2. Perhitungan Rapidminer Konstanta dan Koefisien
3.1.4. Menghitung Persamaan Regresi
Seperti yang disampaikan di atas bahwa persamaan regresi dihitung menggunakan rumus sebagai berikut:
= + (1)
Jatisi ISSN 2407-4322
Vol. 10, No. 1, Maret 2023, Hal. 590-603 E- ISSN 2503-2933 596
Dimana :
y = Variabel Akibat.
x = Variabel Penyebab.
a = Konstanta.
b = Koefisien regresi
perhitungan ini diambil berdasarkan pada perhitungan nilai konstanta dan nilai koefisien di atas pada point 3.1.2 dan point 3.1.3, sehingga nilai konstanta sebesar 1.618.485 dan nilai koefisien (- 791) di masukan kedalam rumus menghasilkan perhitungan sebagai berikut:
y = 1.618.485 + (- 791)x
setelah mengetahui perhitungan persamaan ini, kita dapat mengetahui atau memprediksi berapa banyak sampah yang akan dihasilkan pada tahun 2022 dengan perhitungan sebagai berikut:
y = 1.618.485 + (- 791) 2022 y = 1.618.485 + (- 1.598.998)
y = 19.488
sehingga dari perhitungan ini dapat dihasilkan bahwa prediksi jumlah volume sampah tahun 2022 mempunyai volume sampah sebanyak 19.488 ton perhari. Setelah mendapatkan nilai prediksi sampah tahun 2022 kemudian dimasukan kedalam grafik untuk mendapatkan gambaran visualisasi volume sampah dari tahun 2017-2022, Hasil identifikasi prediksi tersebut jika melihat grafik gambar 3 adanya peningkatan dari tahun 2021 volume sampah sebanyak 15735 ton perhari menjadi 19488 ton perhari pada tahaun 2022.
Gambar 3. Grafik Prediksi Volume Sampah dari Tahun 2017-2022
3.2. Prediksi Menggunakan Rapidminer
Sebuah perangkat lunak rapidminer adalah sebuah aplikasi yang berfungsi untuk mempelajari ilmu data mining. Aplikasi ini dibuat oleh perusahaan yang memfokuskan dalam proses pengolahan data skala besar dalam bidang komersial, bisnis, penelitian, pendidikan, pelatihan, dan pembelajaran. Perangkat lunak rapidminer memiliki sekitar 100 pembahasan untuk pengelompokan, klasifikasi, dan analisis regresi [10]. Rapidminer tersebut dapat menghadirkan kecangihan kepada penggunannya dengan menyediakan beberapa modul
20969 22773 24491 25333
15735
19488
0 5000 10000 15000 20000 25000 30000
2017 2018 2019 2020 2021 2022
Prediksi Volume Sampah Per Hari di Jawa Barat dari Tahun 2017 s.d. 2022
Volume
597 Jatisi ISSN 2407-4322 Vol. 10, No. 1, Maret 2023, Hal. 590-603 E-ISSN 2503-2933
pengolahan data terbuka yang dapat diskalakan. Rapidminer mengintegrasikan seluruh siklus ilmu data, mulai dari persiapan data hingga penerapan model prediktif yang seluruh model dirancang untuk tim analitik. Lebih dari 625.000 analis menggunakan produk RapidMiner untuk meningkatkan penjualan, mengurangi biaya, dan meminimalkan risiko [11].
Rapidminer yang digunakan pada penelitian ini versi 10.0, dalam pencarian prediksi sampah pada proses penggunaan rapidminer terdapat dua tahapan dalam penggunaannya, tahapan tersebut yaitu tahapan pembentukan model dan tahapan proses uji coba.
3.2.1. Tahap Pembentukan Model
Tahapan ini mengolah data sampah menjadi dua kolom yaitu tahun dan volume sampah di Jawa Barat seperti dalam tabel 1, kemudian file excel tersebut yang isinya data berupa kolom tahun dan volume sampah dilakukan proses impor pada modul repositori.
Tabel 4. Data Jumlah Volume Sampah Pertahun Tahun Volume
2017 20969
2018 22773
2019 24491
2020 25333
2021 15735
tahapan pembetukan model ini dimulai dengan mengimpor data excel ke dalam rapidminer, dengan tahapan sebagai berikut:
1. Pastikan perangkat lunak rapidminer telah diinstal pada masing-masing pengguna.
2. Setelah rapidminer terbuka, klik Blank Process gambar 4 dan selanjutnya masuk ke tampilan main proses gambar 5.
Gambar 4. Blank Process
Gambar 5. Tampilan Utama
3. Klik impor data gambar 6 kemudian cari file excel yang akan di import, kemudian klik next masuk ke tampilan gambar 7.
Jatisi ISSN 2407-4322
Vol. 10, No. 1, Maret 2023, Hal. 590-603 E- ISSN 2503-2933 598
Gambar 6. Impor Data Gambar 7. Data Volume Sampah
4. Merubah type data integer gambar 7 menjadi integer label gambar 8, klik tanda petunjuk lalu change role pilih label, kemudiaan klik next
Gambar 7. Volume Type Integer Gambar 8. Kolom Type Integer label 5. Berikan nama data, gambar 9, kemudian klik finish selanjutnya akan menampilkan data
model volume sampah gambar 10.
Gambar 9. Menyimpan Data Gambar 10. Model Volume Sampah
6. Ulangi langkah point 3 sampai dengan point 8 untuk file excel yang isinya data prediksi sampah pertahun, data tersebut seperti dalam table 5.
Table 5. Data Prediksi Sampah Tahun 2022-2025
Tahun Volume
2022 ?
2023 ?
2024 ?
2025 ?
599 Jatisi ISSN 2407-4322 Vol. 10, No. 1, Maret 2023, Hal. 590-603 E-ISSN 2503-2933
7. Setelah selesai melakukan impor, akan didapat model data prediksi sampah pertahun seperti gambar 11.
Gambar 11. Data Model Prediksi
3.2.2. Tahapan Proses Uji Coba
Pada tahapan proses uji coba ini menggunakan aplikasi rapidminer, seluruh data model volume sampah dan model prediksi sampah pertahun dilakukan penggabungan dengan menjalankan operasi linear regression dan apply model. Data model volume sampah dihubungkan dengan garis ke operasi linear regression, data model prediksi sampah pertahun dihubungkan ke apply model, dari operasi linear regression dihubungkan juga ke apply model, selanjutnya dari apply model dihubungkan ke akhir proses, tahapan ini dapat dilihat pada gambar 12.
Jatisi ISSN 2407-4322
Vol. 10, No. 1, Maret 2023, Hal. 590-603 E- ISSN 2503-2933 600
Gambar 12. Proses Uji Coba
proses pengabungan ini akan menghasilkan perhitungan prediksi volume sampah dari tahun 2022-2025 pada halaman EampleSet(Apply Model) sebagaimana dalam gambar 13.
Gambar 13 Data Prediksi Volume Sampah 2022-2025 pada Rapidminer
sehingga jika dibuatkan grafik dari penggabungan volume sampah tahun 2017-2021 dengan hasil prediksi volume sampah dari tahun 2022-2025 akan terlihat pada grafik gambar 13.
601 Jatisi ISSN 2407-4322 Vol. 10, No. 1, Maret 2023, Hal. 590-603 E-ISSN 2503-2933
Gambar 13. Grafik Volume Sampah Tahun 2017-2025
melihat grafik di atas gambar 12 hasil perhitungan menggunakan aplikasi rapidminer mempunyai hasil prediksi adanya peningkatan volume sampah pada tahun 2022 dari tahun sebelumnya yaitu tahun 2021, kemudian prediksi mulai dari tahun 2023 sampai dengan 2025 prediksi volume sampah akan mengalami penurunan sampah tetapi volume sampah tersebut tetap mengalami peningkatan jika dibandingkan dengan volume sampah dengan tahun 2021.
4. KESIMPULAN
Berdasarkan hasil penelitian dapat dikatakan bahwa dengan metode regresi linier dapat memberikan perhitungan prediksi volume sampah di Jawa Barat pada tahun 2022. Berdasarkan prediksi baik secara manual pengunaan rumus maupun menggunakan aplikasi rapidminer, bahwa pada tahun 2022 dari kedua cara tersebut mempunyai nilai yang sama dimana sampah di Jawa Barat akan mencapai 19.488 ton sampah per hari. Hasil prediksi ini diharapkan dapat dijadikan acuan dalam merancang strategi, tujuan dan program pengelolaan sampah di Jawa Barat, misalnya dapat menghitung perencanaan anggaran operasional jangka pendek dan jangka panjang dalam membuat penganggaran lebih realistis, dan hasil prediksi dapat pula digunakan untuk memantau kapasitas Tempat Pembuangan Sementara (TPS) sampah dan Tempat Pembuangan Akhir (TPA) sehingga dapat segera ditutup dan mencari alternatif daerah lain untuk dijadikan Tempat Pembuangan Akhir (TPA) dan banyak hal lain yang dapat dijadikan keputusan kedepan untuk memperbaiki pengelolaan sampah di Jawa Barat.
5. SARAN
Penelitian ini menganalisi menggunakan pendekatan rumus manual dan pendekatan aplikasi rapidminer dari kedua pendekatan motede prediksi ini peneliti telah menjelaskan secara detail setiap tahapan yang dilakukan, tahapan-tahapan tersebut dengan mudah dapat diikuti oleh peneliti lainya ataupun dapat diikuti oleh pemangku yang berkepentingan. Begitu pun dengan hasil analisa yang dihasilkan dapat dipergunakan menjadi suatu informasi untuk merencanakan strategi, tujuan dan program pengelolaan sampah di Jawa Barat.
20969 22773 24491 25333
15735
19488 18697 17906 17115
0 5000 10000 15000 20000 25000 30000
2017 2018 2019 2020 2021 2022 2023 2024 2025
Prediksi Volume Sampah Per Hari di Jawa Barat dari Tahun 2017 s.d. 2022
Volume
Jatisi ISSN 2407-4322
Vol. 10, No. 1, Maret 2023, Hal. 590-603 E- ISSN 2503-2933 602
UCAPAN TERIMA KASIH
Saya panjatkan puji syukur kehadirat Tuhan Yang Maha Esa yang selalu memberikan rahmat dan hidayah-Nya sehingga penulis dapat menyelesaikan karya ilmiah ini. Tak luput pula saya ucapkan terima kasih sebesar-besarnya kepada kedua orang tua, keluarga khususnya Istri, kemudian sahabat seperjuangan mahasiswa S2 angkatan 2022 dan dosen mata kuliah manajemen data yang telah bersedia membantu dalam penyusunan artikel ilmiah ini.
DAFTAR PUSTAKA
[1] D. Dan et al., “Desain dan Perancangan Aplikasi Jemput Sampah Online Desa Rejosari Menggunakan Agile Development,” JATISI (Jurnal Teknik Informatika dan Sistem Informasi), Vol. 7, No. 3, pp. 531–545, Dec. 2020, doi: 10.35957/JATISI.V7I3.529.
[2] Gunawansyah, T. H. Liong, and Adiwijaya, “Prediction and Anomaly Detection of Rainfall Using Evolving Neural Network To Support Planting Calender In Soreang (Bandung),” 2017 5th International Conference on Information and Communication Technology, ICoIC7 2017, Oct. 2017, doi: 10.1109/ICOICT.2017.8074671.
[3] R. Yanto, “Implementasi Data Mining Estimasi Ketersediaan Lahan Pembuangan Sampah Menggunakan Algoritma Simple Linear Regression,” Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), Vol. 2, No. 1, pp. 361–366, Apr. 2018, doi:
10.29207/RESTI.V2I1.282.
[4] “Panduan Lengkap Uji Analisis Regresi Linear Sederhana Dengan SPSS - SPSS Indonesia.” http://www.spssindonesia.com/2017/03/uji-analisis-regresi-linear- sederhana.html (accessed Dec. 03, 2022).
[5] S. ANGRA and S. AHUJA, “Analysis of Student’s Data Using Rapid Miner,” Journal on Today’s Ideas - Tomorrow’s Technologies, Vol. 4, No. 1, pp. 49–58, Jun. 2016, doi:
10.15415/JOTITT.2016.41004.
[6] Harsiti, Z. Muttaqin, and E. Srihartini, “Penerapan Metode Regresi Linier Sederhana Untuk Prediksi Persediaan Obat Jenis Tablet,” JSiI (Jurnal Sistem Informasi), Vol. 9, No. 1, pp. 12–16, Mar. 2022, doi: 10.30656/JSII.V9I1.4426.
[7] N. Almumtazah et al., “Prediksi Jumlah Mahasiswa Baru Menggunakan Metode Regresi Linier Sederhana,” Jurnal Ilmiah Matematika dan Terapan, Vol. 18, No. 1, pp. 31–40, Jun. 2021, doi: 10.22487/2540766X.2021.V18.I1.15465.
[8] W. M. Baihaqi, M. Dianingrum, K. Aswin, and N. Ramadhan, “Regresi Linier Sederhana Untuk Memprediksi Kunjungan Pasien di Rumah Sakit Berdasarkan Jenis Layanan dan Umur Pasien,” Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer, Vol. 10, No.
2, pp. 671–680, Nov. 2019, doi: 10.24176/SIMET.V10I2.3484.
[9] Y. Hendra, P. “Perbandingan Sistem Pengelolaan Sampah di Indonesia dan Korea Selatan: Kajian 5 Aspek Pengelolaan Sampah,” Aspirasi: Jurnal Masalah-masalah Sosial, Vol. 7, No. 1, pp. 77–91, Jun. 2016, doi: 10.46807/ASPIRASI.V7I1.1281.
603 Jatisi ISSN 2407-4322 Vol. 10, No. 1, Maret 2023, Hal. 590-603 E-ISSN 2503-2933
[10] “Why Choose Us? | RapidMiner.” https://rapidminer.com/why-rapidminer/ (accessed Dec. 03, 2022).
[11] D. C. Aprilla Donny Aji Baskoro Lia Ambarwati I Wayan Simri Wicaksana Editor and R.
Sanjaya, “Identitas Belajar Data Mining dengan RapidMiner Hak Cipta © pada Penulis Hak Guna mengikuti Open Content Model Desain sampul: Dennis Aprilla C”.
