Trend Analysis and Forecasting Household Solid Waste Generation in Pekalongan City Using K-Means and ARIMA

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.