Evaluasi Model Regresi Untuk Prediksi Sampah Harian Kota Dipengaruhi Hari Libur Dan Acara Khusus

Hanna Dewi  Marina Hutabarat; Angelica  Carolina Tambunan; Aura  Patresia Naibaho; Brian  Hardiwan Gea; Lirana  Sapriani Gulo; Naomi  Febrina Sitompul; Revan  Kurniawan Lubis

doi:10.29303/griya.v5i4.899

Hanna Dewi Marina Hutabarat universitas negeri medan
Angelica Carolina Tambunan Universitas Negeri Medan
Aura Patresia Naibaho Universitas Negeri Medan
Brian Hardiwan Gea Universitas Negeri Medan
Lirana Sapriani Gulo Universitas Negeri Medan
Naomi Febrina Sitompul Universitas Negeri Medan
Revan Kurniawan Lubis Universitas Negeri Medan

DOI: https://doi.org/10.29303/griya.v5i4.899

Keywords: Prediksi sampah harian; regresi linear sederhana; hari libur; acara khusus; machine learning

Abstract

Penelitian ini berangkat dari kebutuhan akan prediksi jumlah sampah harian yang akurat guna meningkatkan efisiensi pengelolaan sampah perkotaan. Permasalahan utama yang dihadapi adalah fluktuasi volume sampah yang dipengaruhi oleh hari libur dan kegiatan khusus, sehingga dibutuhkan model prediktif yang mampu menangkap variasi tersebut. Tujuan penelitian ini adalah menilai kinerja model regresi linear sederhana dalam memprediksi jumlah sampah harian Kota Jakarta dengan mempertimbangkan dua faktor tersebut. Pendekatan penelitian bersifat kuantitatif menggunakan analisis regresi prediktif terhadap data sekunder yang diolah melalui RStudio. Proses analisis mencakup eksplorasi data, pembangunan model regresi, serta pengujian asumsi klasik yang meliputi heteroskedastisitas, autokorelasi, dan multikolinearitas. Hasil penelitian menunjukkan bahwa variabel hari libur dan acara khusus tidak berpengaruh signifikan terhadap jumlah sampah harian (p-value > 0,05) dengan nilai koefisien determinasi (R²) yang sangat rendah, yaitu 0,00006245. Model ini memenuhi sebagian besar asumsi klasik, meskipun terdapat autokorelasi ringan pada data. Kesimpulannya, regresi linear sederhana belum cukup mampu merepresentasikan variasi timbulan sampah secara akurat, sehingga perlu dikembangkan model yang lebih kompleks dengan penambahan variabel relevan serta mempertimbangkan penggunaan pendekatan machine learning atau deret waktu untuk meningkatkan ketepatan prediksi.

References

Ali, M., & Ina, A. Y. (2018). PENGANGKUTAN SAMPAH DENGAN MODEL DINAMIS, STUDI KASUS SUMBA BARAT DAYA. JURNAL ENVIROTEK, 10(2).
Arminarahmah, N. (2025). PREDIKSI POLA MEMBUANG SAMPAH RUMAH TANGGA di LAHAN RAWA MENGGUNAKAN MACHINE LEARNING. Journal of Innovation Research and Knowledge, 4(10), 7309-7314.
Artika, I., & Chaerul, M. (2020). Model sistem dinamik untuk evaluasi skenario pengelolaan sampah di Kota Depok. Jurnal Wilayah dan Lingkungan, 8(3), 261-279.
Fairuzsyifa, A. I., & Nugroho, Y. S. (2024). Analisis Regresi Linier Berganda Pengaruh Minat Calon Mahasiswa di Universitas Muhammadiyah Surakarta Menggunakan Python. Jurnal Informatika Polinema, 10(2), 265-272.
Hanif, M., Wibowo, R. T. J., & Shofa, M. J. (2024). Penerapan Model Sistem Dinamis Pada Sistem Pengelolaan Sampah Di TPAS Cilowong, Kota Serang. Integrasi: Jurnal Ilmiah Teknik Industri, 9(2), 88-98.
Herlando, M. R., Wijoyo, S. H., & Akbar, M. A. (2025). Analisis Perbandingan Machine Learning untuk Memprediksi Harga Minyak Dengan Regresi Linear dan Support Vector Regression. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 9(6).
Hutagalung, I. P. (2022). Analisis regresi data panel dengan pendekatan common effect model (CEM), fixed effect model (FEM) dan random effect model (REM)(Studi Kasus: IPM Sumatera Utara Periode 2014–2020). FARABI: Jurnal Matematika Dan Pendidikan Matematika, 5(2), 217-226.
Kusuma, M. D. H., & Hidayat, S. (2024). Penerapan model regresi linier dalam prediksi harga mobil bekas di India dan visualisasi dengan menggunakan Power BI. Jurnal Indonesia: Manajemen Informatika dan Komunikasi, 5(2), 1097-1110.
Ningsih, S., & Dukalang, H. H. (2019). Penerapan metode suksesif interval pada analsis regresi linier berganda. Jambura Journal of Mathematics, 1(1), 43-53.
Nurfatmala, N., Mallongi, A., & Birawida, A. B. (2018). MODEL DINAMIS DALAM MEMPREDIKSI TIMBULAN SAMPAH RUMAH TANGGA DI KOTA BAUBAU. Jurnal Kesehatan Masyarakat Maritim, 1(3).
Prasetyo, M. H., Lihawa, F., & Baderan, D. W. K. (2024). Potensi Model Sistem Dinamik dalam Sistem Pengelolaan Sampah Perkotaan. Jurnal Wilayah, Kota dan Lingkungan Berkelanjutan, 3(2), 274-286.
Royinda, A., & Pamuji, F. Y. (2025). Perbandingan Metode Regresi Linier dan Single Moving Average dalam Peramalan Timbulan Sampah di Kota Malang. Jurnal Informatika Polinema, 11(3), 299-304.
Rusvinasari, D., & Risnanto, A. S. (2024). Rancangan prediksi volume sampah TPA Kota Semarang dengan pendekatan sistem dinamik. Journal of Data Science Theory and Application, 3(1), 14-22.
Saswita, R., Nurbaity, N., & Anggeni, U. (2024). Deteksi Perubahan Berat Badan Akseptor KB Hormonal dengan Menggunakan Model Regresi Linear Berganda. Oksitosin: Jurnal Ilmiah Kebidanan, 11(1), 45-55.
Simbolon, V. A., & Horiza, H. (2023). Prediksi Tingkat Timbulan Sampah 5 Tahun Mendatang (2023-2027) di TPA Ganet Kota Tanjungpinang. Sulolipu: Media Komunikasi Sivitas Akademika dan Masyarakat, 23(2), 303-310.