Pemetaan Kawasan Prioritas Pengelolaan Sampah Indonesia dengan Algoritma DBSCAN
DOI:
https://doi.org/10.26418/justin.v14i1.95328Keywords:
Indeks Davies Bouldin, PCA, Hopkins, SDG 12Abstract
Indonesia sebagai negara dengan jumlah penduduk terbesar keempat menghadapi tantangan pengelolaan sampah yang masif dalam pencapaian SDG 12, ditambah dengan ketimpangan infrastruktur antar 38 provinsi. Penelitian ini bertujuan mengidentifikasi dan memetakan kawasan prioritas pengelolaan sampah di tingkat provinsi untuk mendukung alokasi sumber daya yang efisien. Penelitian ini mengintegrasikan Principal Component Analysis (PCA) untuk reduksi dimensi, uji Statistik Hopkins untuk validasi klasterabilitas, penentuan jumlah klaster terbaik dengan Indeks Davies Bouldin dan Silhouette Score, serta algoritma Density Based Spatial Clustering of Application with Noise (DBSCAN) untuk pengelompokkan 38 provinsi berdasarkan lima indikator produksi sampah dari Sistem Informasi Pengelolaan Sampah Nasional (SIPSN) tahun 2023. Kebaruan penelitian terletak pada integrasi PCA, uji Statistik Hopkins, dan DBSCAN pada data pengelolaan sampah nasional 38 provinsi di Indonesia. Hasil menunjukkan terbentuknya 2 klaster utama dan 1 klaster noise dengan parameter optimal Epsilon = 0,46 dan MinPts = 2 (Indeks Davies Bouldin = 0,3877 dan Silhouette Score = 0,6). Klaster 0 atau noise berisi DKI Jakarta, Bali, Jawa Barat, Jawa Tengah, dan Jawa Timur menunjukkan tingkat penanganan sampah yang tinggi. Klaster 2 berisi Banten, Sulawesi Selatan, dan Sumatera Utara menunjukkan tingkat penanganan sampah yang moderat. Sedangkan, klaster 1 dengan 30 provinsi lainnya tergolong dalam tingkat penanganan sampah yang rendah. Berdasarkan hasil klaster tersebut, dapat disimpulkan bahwa masih banyak provinsi-provinsi di Indonesia yang perlu diprioritaskan dalam pembangunan infrastruktur pengelolaan sampah seperti TPA terpadu, fasilitas daur ulang, dan pusat pengolahan terpadu.References
N. A. Nazibudin, S. A. M. Sabri, and L. A. Manaf, Aligning with sustainable development goals (SDG) 12: A systematic review of food waste generation in Malaysia, Cleaner Waste Systems, vol. 10, pp. 100205, 2025, doi: 10.1016/j.clwas.2025.100205.
S. Kufeoglu, Emerging technologies: value creation for sustainable development. Springer Nature, 2022. doi: 10.1007/978-3-031-07127-0.
J. H. Setiawan and C. Caroline, Peran United Nations Development Programme Indonesia dalam mengimplementasikan difusi inovasi agenda Sustainable Development Goals untuk membangun kesadaran pemuda mengenai masalah sampah plastik, Selodang Mayang: Jurnal Ilmiah Badan Perencanaan Pembangunan Daerah Kabupaten Indragiri Hilir, vol. 6, no. 2, pp. 100, 2020, doi: 10.47521/selodangmayang.v6i2.170.
M. D. D. Akasumbawa, Abd. Adim, and M. G. Wibowo, Faktor-faktor yang memengaruhi Pertumbuhan Ekonomi di Negara dengan Jumlah Penduduk Terbesar di Dunia (Studi pada Negara China, India, Indonesia, Pakistan dan Amerika Serikat), Welfare: Jurnal Ilmu Ekonomi, vol. 2, no. 1, pp. 67-74, 2021, doi: 10.37058/wlfr.v2i1.2611.
A. W. Rahmawati and Y. Wijayanti, Faktor yang Berhubungan dengan Perilaku Pengelolaan Sampah, Indonesian Journal of Public Health and Nutrition, vol. 4, no. 1, pp. 18-24, 2024, doi: 10.15294/ijphn.v4i1.66224.
A. Hafizah, D. A. Pratiwi, D. N. R. Nuzlan, and A. Hasibuan, Analisis Dampak Sistem Pengelolaan Sampah TPA Terjun Di Kota Medan, Zahra J. Heal. Med. Res, vol. 3, no. 3, pp. 320-329, 2023.
A. M. Ginting, Kendala pembangunan provinsi daerah kepulauan: Studi kasus Provinsi Kepulauan Riau, Jurnal Politica Dinamika Masalah Politik Dalam Negeri dan Hubungan Internasional, vol. 4, no. 1, pp. 49-76, 2013, doi: http://dx.doi.org/10.22212/jp.v4i1.328.
R. Nugraha, N. Suarna, I. Ali, and D. Rohman, Optimasi Pengelolaan Sampah Melalui Model Pengelompokan Dengan Algoritma K-Means, Jurnal Informatika dan Teknik Elektro Terapan, vol. 13, no. 1, Jan. 2025, doi: http://dx.doi.org/10.23960/jitet.v13i1.5694.
A. Fauzan, G. Fadillah, A. Fitria, H. Adriana, and M. Bariklana, Cluster Mapping of Waste Exposure Using DBSCAN Approach: Study of Spatial Patterns and Potential Distribution in Bantul Regency, JOIV: International Journal on Informatics Visualization, vol. 8, no. 2, pp. 751-759, 2024, doi: https://dx.doi.org/10.62527/joiv.8.2.2475.
M. R. Zuhdi, H. S. Al Jauhar, A. A. R. Fernandes, and N. W. S. Wardhani, Comparison of DBSCAN and K-Means Cluster Analysis with Path-Anova in Clustering Waste Management Behaviour Patterns, Jurnal Teknik Informatika (Jutif), vol. 6, no. 1, pp. 105-112, 2025, doi: https://doi.org/10.52436/1.jutif.2025.6.1.4183.
A. A. Hidayanti, R. N. S. Setiawan, and E. N. D. Mandalika, Analisis Variabel Sosial Ekonomi Yang Mempengaruhi Alokasi Waktu Kerja Rumah Tangga Buruh Tani Wanita Pada Usahatani Cabai Rawit Dengan Metode Principal Component Analysis (Studi Kasus: Desa Paok Pampang Kabupaten Lombok Timur), Jurnal Sainstek, vol. 5, no. 1, pp. 36-45, 2023, doi: https://doi.org/10.52232/jasintek.v5i1.127.
R. A. Johnson and D. W. Wichern, Applied multivariate statistical analysis. 6th. New Jersey, Us: Pearson Prentice Hall, 2007.
K. Anwar, R. Goejantoro, and S. Prangga, Pengelompokan Kabupaten/Kota Di Pulau Kalimantan Berdasarkan Indikator Indeks Pembangunan Manusia Tahun 2020 Menggunakan Optimasi K-Means Cluster Dengan Principle Component Analysis (PCA), EKSPONENSIAL, vol. 13, no. 2, pp. 131-140, 2022, doi: 10.30872/eksponensial.v13i2.1053.
H. S. Al Jauhar, Solimun, and R. Fitriani, Application of Dbscan for Clustering Society Based on Waste Management Behavior, BAREKENG: Jurnal Ilmu Matematika dan Terapan, vol. 19, no. 2, pp. 961-972, 2025, doi: 10.30598/barekengvol19iss2pp961-972.
N. P. E. U. Barsua, I. M. J. J. Dilaga, R. L. Simbolon, and R. Kurniawan, Pengelompokan Toko Pupuk Termurah E-commerce Shopee dengan Metode Klasterisasi, PROSIDING SEMINAR NASIONAL SAINS DATA, vol. 4, no. 1, pp. 319-331, 2024, doi: https://doi.org/10.33005/senada.v4i1.199.
R. M. Taufiq, R. Firdaus, F. Handayani, P. F. Muarif, and R. R. Rizqy, Density-Based Clustering untuk Pemetaan Daerah Rawan Gempa Bumi di Wilayah Sumatera Barat Menggunakan Metode DBSCAN, JURNAL FASILKOM, vol. 14, no. 3, pp. 817-822, 2024, doi: https://doi.org/10.37859/jf.v14i3.8833.
M. A. Cherid, Metode DBSCAN Clustering untuk analisis pola penyebaran hujan di Sumenep, Undergraduate Thesis, Universitas Islam Negeri Maulana Malik Ibrahim, 2023.
S. Nisrina, W. P. Nurmayanti, Basirun, Kertanah, and Muhammad Gazali, Penerapan Metode Clustering SOM dan DBSCAN dalam Mengelompokkan Unmet Need Keluarga Berencana di Nusa Tenggara Barat, J Statistika: Jurnal Ilmiah Teori dan Aplikasi Statistika, vol. 15, no. 2, pp. 237-244, 2022, doi: 10.36456/jstat.vol15.no2.a5549.
B. Mu, M. Dai, and S. Yuan, DBSCAN-KNN-GA: A multi Density-Level Parameter-Free clustering algorithm, IOP Conf Ser Mater Sci Eng, vol. 715, no. 1, 2020, doi: 10.1088/1757-899X/715/1/012023.
M. Orisa, Optimasi Cluster pada Algoritma K-Means, Prosiding SENIATI, vol. 6, no. 2, pp. 430-437, 2022, doi: 10.36040/seniati.v6i2.5034.
A. Badruttamam, S. Sudarno, and D. A. I. Maruddani, Penerapan Analisis Klaster K-Modes Dengan Validasi Davies Bouldin Index Dalam Menentukan Karakteristik Kanal Youtube di Indonesia (Studi Kasus: 250 Kanal YouTube Indonesia Teratas Menurut Socialblade), Jurnal Gaussian, vol. 9, no. 3, pp. 263-272, 2020, doi: https://doi.org/10.14710/j.gauss.9.3.263-272.
I. T. Umagapi, B. Umaternate, Hazriani, and Yuyun, Uji Kinerja K-Means Clustering Menggunakan Davies-Bouldin Index Pada Pengelompokan Data Prestasi Siswa, Prosiding SISFOTEK, vol. 7, no. 1, pp. 303-308, 2023, Accessed: May 04, 2025. [Online]. Available: https://www.seminar.iaii.or.id/index.php/SISFOTEK/article/view/411
Downloads
Additional Files
Published
Issue
Section
License
Copyright (c) 2026 JUSTIN (Jurnal Sistem dan Teknologi Informasi)
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
The author owns the copyright in his paper and agrees to publish his paper to JUSTIN by giving the rights to the first publication of his paper which is simultaneously licensed under the Creative Commons Attribution License, namely the Similar International 4.0 license (CC BY-NC-SA 4.0).
This is a human-readable summary of (and not a substitute for) the license. Disclaimer.
You are free to:Share "” copy and redistribute the material in any medium or format
Adapt "” remix, transform, and build upon the material
The licensor cannot revoke these freedoms as long as you follow the license terms.
Under the following terms:
Attribution "” You must give appropriate credit, provide a link to the license, and indicate if changes were made. You may do so in any reasonable manner, but not in any way that suggests the licensor endorses you or your use.
NonCommercial "” You may not use the material for commercial purposes.
ShareAlike "” If you remix, transform, or build upon the material, you must distribute your contributions under the same license as the original.
No additional restrictions "” You may not apply legal terms or technological measures that legally restrict others from doing anything the license permits.
Notices:
You do not have to comply with the license for elements of the material in the public domain or where your use is permitted by an applicable exception or limitation.
No warranties are given. The license may not give you all of the permissions necessary for your intended use. For example, other rights such as publicity, privacy, or moral rights may limit how you use the material.
