Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal SmartComp
KARINA DWI SYAVIRA
INSTITUT TEKNOLOGI DAN SAINS NAHDLATUL ULAMA PEKALONGAN
Computer Science & IT Electrical & Electronics Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Trend Analysis and Forecasting Household Solid Waste Generation in Pekalongan City Using K-Means and ARIMA KARINA DWI SYAVIRA
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 15, No 2 (2026): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v15i2.9989

Abstract

Pertumbuhan penduduk dan perekonomian di Kota Pekalongan telah menyebabkan peningkatan volume sampah yang signifikan, mengakibatkan kondisi kelebihan beban pada TPA Degayu dan risiko pencemaran lingkungan. Pengelolaan sampah yang reaktif dan kurangnya presisi data menghambat perencanaan infrastruktur yang efisien. Penelitian ini bertujuan untuk menganalisis karakteristik wilayah dan memperkirakan volume timbulan sampah guna mendukung transisi menuju manajemen berbasis data. Metode yang digunakan mengacu pada kerangka kerja Knowledge Discovery in Database (KDD) dengan pendekatan hibrida: algoritma K-Means untuk pengelompokan (klasterisasi) wilayah berdasarkan karakteristik sampah dan demografi, serta Autoregressive Integrated Moving Average (ARIMA) untuk peramalan deret waktu (time series). Implementasi dilakukan menggunakan bahasa pemrograman Python. Hasil analisis menunjukkan bahwa model ARIMA(1, 1, 1) merupakan model terbaik dengan nilai Root Mean Square Error (RMSE) sebesar 275.023. Secara statistik, model memenuhi asumsi white noise dan distribusi normal. Namun, hasil peramalan untuk periode 2025–2026 menunjukkan tren stasioner di kisaran 3.600 ton dan belum mampu menangkap pola musiman (musiman) yang kuat pada data aktual. Oleh karena itu, meskipun model ini valid secara statistik untuk menyerap informasi dasar, pengembangan lebih lanjut menggunakan metode SARIMA disarankan untuk meningkatkan akurasi pada data yang memiliki rahang musiman ekstrem.
Co-Authors