Skripsi

KNOWLEDGE DISCOVERY ANALISIS PERBANDINGAN MODEL MACHINE LEARNING DALAM PREDIKSI VOLUME SAMPAH HARIAN PERKOTAAN

---

Peningkatan volume sampah perkotaan menuntut sistem pengelolaan yang lebih efisien dan berbasis data, khususnya dalam perencanaan pengumpulan sampah harian. Permasalahan utama dalam prediksi volume sampah adalah kompleksitas hubungan non-liniar antar variabel serta keterbatasan penelitian yang membandingkan kinerja berbagai algoritma machine learning secara komprehensif. Penelitian ini bertujuan untuk menganalisis dan membandingkan kinerja dua belas algoritma regresi dalam memprediksi volume sampah harian di wilayah perkotaan, serta mengevaluasi pengaruh integrasi variabel demografis terhadap performa model. Penelitian ini menggunakan kerangka kerja Cross Industry Standard Process for Data Mining (CRISP-DM). Dataset volume sampah harian Kota Jakarta diperoleh dari Kaggle dan diintegrasikan dengan data kepadatan penduduk serta jumlah penghuni dari Badan Pusat Statistik. Tahap praproses mencakup pembersihan data, transformasi logaritmik pada variabel target, standarisasi fitur numerik, dan optimasi hiperparameter menggunakan RandomizedSearchCV. Model yang diuji meliputi regresi linear, Artificial Neural Network (ANN), algoritma berbasis pohon keputusan, metode boosting, serta pendekatan ensemble melalui stacking. Hasil evaluasi menunjukkan bahwa Stacking Ensemble memberikan performa terbaik dengan nilai MAE sebesar 0,5717, RMSE sebesar 14,417, dan R² sebesar 0,9159 pada data uji. Integrasi variabel kepadatan penduduk dan jumlah penghuni terbukti meningkatkan kemampuan model dalam menangkap variasi volume sampah harian. Model terbaik kemudian diimplementasikan dalam bentuk layanan prediksi berbasis Flask API dan menghasilkan prediksi yang stabil pada berbagai variasi input. Penelitian ini menghasilkan knowledge discovery berupa pemahaman komparatif kinerja model machine learning dalam prediksi volume sampah harian serta menunjukkan efektivitas pendekatan ensemble dalam menangani kompleksitas data perkotaan. Hasil penelitian diharapkan dapat mendukung pengembangan sistem pengelolaan sampah berbasis data yang lebih adaptif dan berkelanjutan.

---

Availability

Detail Information

Series Title

-

Call Number

T1895002025

Publisher

Indralaya : Prodi Sistem Informasi, Fakultas Ilmu Komputer Universitas Sriwijaya., 2025

Collation

xii, 105 hlm.; ilus.; tab.; 29 cm.

Language

Indonesia

ISBN/ISSN

-

Classification

005.07

Content Type

Text

Media Type

-

Carrier Type

-

Edition

-

Subject(s)

Analisis perbandingan
Prodi Sistem Informasi

Specific Detail Info

-

Statement of Responsibility

MI

Other version/related

File Attachment

Comments

---

You must be logged in to post a comment