PENGEMBANGAN MODEL UNTUK MEMONITOR SAMPAH DI KOTA YOGYAKARTA DENGAN PENDEKATAN BAYESIAN NETWORK

ERLITA PRAMITANINGRUM, Nur Aini Masruroh, ST., M.Sc., Ph.D.

2013 | Skripsi | TEKNIK INDUSTRI

Saat ini sampah telah menjadi permasalahan nasional di Indonesia, tidak terkecuali di kota Yogyakarta. Adanya ketidakpastian mengenai jumlah sampah yang dihasilkan di kota Yogyakarta membuat pemerintah setempat mengalami kesulitan di dalam melakukan pengelolaan di Tempat Pembuangan Akhir (TPA) Piyungan. Pihak pengelola TPA Piyungan mencoba menggunakan data jumlah sampah di bulan-bulan sebelumnya untuk melihat jumlah sampah ke depannya. Namun, metode tersebut masih terbilang bersifat close system karena metode ini hanya berdasar pada data historical saja. Padahal, terdapat beberapa faktor dari luar yang dicurigai berpengaruh terhadap jumlah sampah, seperti faktor jumlah penduduk dan pola konsumsi masyarakat. Untuk mengatasi kondisi ketidakpastian pada jumlah sampah di kota Yogyakarta, dikembangkanlah suatu metode yang bersifat open system. Metode ini tidak hanya memperhatikan data historical saja, tetapi juga memperhatikan faktor-faktor yang dicurigai berpengaruh terhadap jumlah sampah. Dalam hal ini, hubungan antar masing-masing faktor masih mengandung unsur probabilistik. Selain itu, data mengenai faktor-faktor tersebut pun terbilang cukup terbatas. Berdasarkan karakteristik dari permasalahan di atas, metode yang dapat digunakan adalah pendekatan Bayesian Network. Hasil dari pengembangan model Bayesian Network yang bersifat open system ini nantinya akan dibandingkan dengan hasil dari metode peramalan data time series yang bersifat close system. Langkah awal di dalam membangun model Bayesian Network adalah membuat struktur jaringan berdasarkan studi literatur mengenai sebab-akibat dari masing-masing faktor yang mempengaruhi jumlah sampah. Setelah struktur jaringan terbentuk, langkah selanjutnya adalah menentukan probabilitas dari masing-masing faktor. Nilai probabilitas tersebut berfungsi sebagai input pada masing-masing node di struktur jaringan Bayesian Network. Berdasarkan hasil pengujian terhadap model Bayesian Network, tingkat kesesuaian model di dalam memprediksi jumlah sampah adalah 53,33%. Angka ini lebih tinggi apabila dibandingkan dengan tingkat kesesuaian dari metode peramalan time series seperti Naive 46,67% dan ARIMA yang ternyata tidak dapat memodelkan prediksi jumlah sampah. Kemudian, apabila dibandingkan dengan metode peramalan time series seperti Simple Averages dan Moving Averages, tingkat kesesuaian model bernilai sama, yaitu 53,33%. Namun, apabila dibandingkan dengan tingkat kesesuaian dari metode peramalan time series seperti Exponential Smoothing yang bernilai 66,67%, model Bayesian Network memiliki nilai yang lebih rendah. Selain itu, dari analisis sensitivitas yang dilakukan, faktor-faktor yang mempengaruhi jumlah sampah adalah faktor partisipasi masyarakat, pola konsumsi masyarakat, jumlah penduduk, dan aktivitas perdagangan.

-

Kata Kunci : lingkungan, kota Yogyakarta, monitor sampah, open system, Bayesian Network