Journal of Innovation Research and Knowledge
Vol. 4 No. 10: Maret 2025

PREDIKSI POLA MEMBUANG SAMPAH RUMAH TANGGA di LAHAN RAWA MENGGUNAKAN MACHINE LEARNING

Arminarahmah, Nur (Unknown)
Rezky Izzatul. Y. A (Unknown)



Article Info

Publish Date
06 Mar 2025

Abstract

Abstract: Analisis menunjukkan bahwa jenis sampah yaitu sampah organik dari limbah rumah tangga dan frekuensi pembuangan adalah faktor paling signifikan dalam memprediksi pola pembuangan, diikuti oleh lokasi dan cuaca. Kinerja Model Machine Learning: Model Random Forest yang digunakan dalam penelitian ini menunjukkan kinerja yang baik dengan tingkat akurasi yang tinggi. Algoritma ini efektif dalam memprediksi pola pembuangan sampah, serta mampu mengidentifikasi faktor-faktor yang paling berpengaruh terhadap kebiasaan masyarakat dalam membuang sampah,meskipun ada beberapa kesalahan prediksi, terutama pada jenis sampah plastik dan campuran.Hasil Metrik Evaluasi menghasilkan Nilai akurasi 85% menunjukkan bahwa model cukup efektif, dengan precision dan recall yang menunjukkan keseimbangan antara benar positif dan benar negatif.Disamping itu pula Tingkat pendidikan dan Lokasi rumah memiliki pengaruh yang signifikan terhadap pola pembuangan, yang menggarisbawahi pentingnya edukasi lingkungan untuk meningkatkan kesadaran Masyarakat serta berimplikasi untuk Pengelolaan Sampah serta memberikan wawasan yang berharga bagi pemerintah dan pengelola lingkungan dalam merancang strategi pengelolaan sampah yang lebih efektif.Rekomendasi untuk Penelitian Selanjutnya dengan mengeksplorasi faktor-faktor lain yang mempengaruhi pola pembuangan sampah, serta integrasi data lingkungan dan perilaku Masyarakat serta pemahaman tentang pengelolaan sampah dan dampaknya terhadap ekosistem lahan rawa.

Copyrights © 2025






Journal Info

Abbrev

JIRK

Publisher

Subject

Humanities Economics, Econometrics & Finance Education Health Professions Law, Crime, Criminology & Criminal Justice Social Sciences

Description

Journal of Innovation Research and Knowledge, published by Bajang Institute. Published in two formats, print and online, print version of ISSN: 2798-3471 and the online version of ISSN: 798-3641, both of which are published every month. The scope of the journal studies broadly includes: Culture (a ...