Electronic Theses and Dissertation

Sampah merupakan masalah yang dapat menyebabkan pencemaran lingkungan. Peningkatan jumlah penduduk mendorong peningkatan timbulan sampah seiring dengan bertambahnya konsumsi dan aktivitas. Perbedaan jumlah penduduk dan sumber sampah antar kabupaten/kota di Indonesia mencerminkan variasi kondisi sosial dan ekonomi, sehingga diperlukan strategi pengelolaan sampah yang lebih terarah. Penelitian ini bertujuan untuk mengelompokkan kabupaten/kota berdasarkan sumber timbulan sampah serta membandingkan hasil klaster dengan jumlah penduduk. Data yang digunakan bersumber dari Sistem Informasi Pengelolaan Sampah Nasional (SIPSN) dan Badan Pusat Statistik (BPS) Indonesia, menggunakan delapan variabel yang terdiri dari tujuh variabel sumber timbulan sampah serta variabel jumlah penduduk. Metode pengelompokan yang digunakan adalah Gaussian Mixture Model (GMM) dengan penentuan model terbaik berdasarkan lima metrik validasi yaitu Bayesian Information Criterion (BIC), Akaike Information Criterion (AIC), Silhouette Coefficient, Davies-Bouldin Index (DBI), dan Calinski-Harabasz Index (CHI). Pengelompokan dilakukan menggunakan model terbaik yang diperoleh yaitu bentuk kovarian full dengan 4 klaster (k = 4). Klaster 1, 2, 3, dan 4 terdiri dari 48, 114, 1 dan 23 kabupaten/kota. Hasil analisis karakteristik klaster menunjukkan bahwa klaster 1, 2, 3, dan 4 merupakan klaster dengan timbulan sampah sedang, rendah, agak tinggi, dan tinggi. Perbandingan hasil klaster dengan jumlah penduduk menunjukkan bahwa wilayah dengan jumlah penduduk yang lebih tinggi cenderung menghasilkan timbulan sampah yang lebih besar, meskipun terdapat pengecualian pada wilayah dengan dominasi aktivitas wisata. Uji Kruskal-Wallis dan uji post-hoc Dunn menunjukkan adanya perbedaan signifikan median jumlah penduduk antar klaster. Temuan ini dapat menjadi dasar bagi pemerintah dalam merumuskan strategi pengelolaan sampah yang lebih efektif dan sesuai dengan karakteristik wilayah.

Waste is a problem that can cause environmental pollution. Increasing population tends to increase waste generation due to higher consumption and activities. Differences in population size and waste sources among districts and cities in Indonesia reflect variations in social and economic conditions, indicating that more targeted waste management strategies are needed. This study aims to cluster regencies/cities based on waste generation sources and compare the clusters with population size. The data used were obtained from Sistem Informasi Pengelolaan Sampah Nasional (SIPSN) and Badan Pusat Statistik (BPS) of Indonesia, using eight variables: seven waste generation by source and population size. In this study, clustering was performed using Gaussian Mixture Model (GMM), with the optimal model selected by using five validation metrics: Bayesian Information Criterion (BIC), Akaike Information Criterion (AIC), Silhouette Coefficient, Davies-Bouldin Index (DBI), and Calinski-Harabasz Index (CHI). The clustering was performed using the best model (full covariance with four clusters). Cluster 1, 2, 3, and 4 consist of 48, 114, 1, and 23 regencies/cities, respectively. Cluster 1, 2, 3, and 4 represent moderate, low, a bit high, and high waste generation. The comparison between clusters with population size shows that areas with higher population size tend to generate more waste, although there are exceptions in areas with high tourism activities. The Kruskal-Wallis test and Dunn’s post-hoc test revealed significant differences in median population size across clusters. These findings can help the government to develop effective waste management strategies that are more suitable based on region’s characteristics.