Implementasi Metode Density-based Spatial Clustering With Noise (Dbscan) dan Hierarchical Density-based Spatial Clustering With Noise (Hdbscan) pada Pengelompokan Kabupaten/kota di Pulau Jawa dan Sumatera Berdasarkan Komposisi Sampah

Abstract

Timbulan sampah merupakan salah satu tantangan utama yang dihadapi oleh negara-negara di seluruh dunia. Masalah timbulan sampah di Indonesia semakin memburuk seiring dengan pertumbuhan urbanisasi yang pesat, peningkatan populasi penduduk, perkembangan ekonomi, dan meningkatnya aktivitas masyarakat. Data timbulan sampah pada Pulau Jawa dan Sumatera menunjukkan bahwa data bervariasi dalam produksi sampah di berbagai daerah dan memiliki outlier dari setiap variabel komposisi sampah. Penelitian ini bertujuan untuk mengetahui hasil pengklasteran dari data timbulan sampah di Pulau Jawa dan Sumatera tahun 2022 menggunakan metode Density-Based Spatial Clustering with Noise (DBSCAN) dan Hierarchical Density-Based Spatial Clustering with Noise (HDBSCAN) berdasarkan komposisi sampah. DBSCAN membentuk 2 klaster dan 27 noise dengan nilai average silhouette width sebesar 0,7392439. Klaster 1 terdiri dari 146 Kabupaten/Kota dan klaster 2 terdiri dari 3 Kabupaten/Kota. HDBSCAN membentuk 2 klaster dan 22 noise dengan nilai average silhouette width sebesar 0,705900. Klaster 1 terdiri dari 5 Kabupaten/Kota dan klaster 2 terdiri dari 149 Kabupaten/Kota. Perbandingan hasil klaster dari kedua metode menghasilkan jumlah klaster yang sama, namun berbeda dalam jumlah data noise dan distribusi karakteristik timbulan sampah. Klaster terbaik yang dihasilkan oleh metode DBSCAN, menunjukkan bahwa klaster 2 memiliki rata-rata yang lebih tinggi pada jenis sampah sisa makanan, kertas-karton, plastik, dan logam. Pada klaster 1 memiliki rata-rata lebih tinggi pada jenis sampah kayu-ranting.