Penelitian ini bertujuan untuk mengelompokkan data penimbangan sampah berdasarkan karakteristik jumlah/tonase dan harga satuan menggunakan algoritma K-Means. Data awal yang digunakan berjumlah 810 data penimbangan sampah periode Januari 2024 sampai Desember 2025 dengan atribut jenis barang, jumlah/tonase, dan harga satuan. Proses analisis menggunakan metodologi CRISP- DM yang meliputi Business Understanding, Data Understanding, Data Preparation, Modeling, Evaluation, dan Deployment. Pada tahap persiapan data dilakukan pembersihan dan normalisasi data menggunakan StandardScaler. Penentuan jumlah cluster dilakukan menggunakan metode Elbow berdasarkan nilai Sum of Squared Error (SSE), sedangkan kualitas hasil clustering dievaluasi menggunakan Silhouette Coefficient. Hasil penelitian menunjukkan bahwa jumlah cluster optimal diperoleh pada K = 3 dengan nilai Silhouette Coefficient sebesar 0,7844 yang menunjukkan struktur cluster kuat. Setelah melalui proses data cleaning, sebanyak 436 data digunakan dalam proses clustering, dengan 388 data tergabung dalam Cluster 0, 10 data pada Cluster 1, dan 38 data pada Cluster 2. Cluster 0 merupakan kelompok sampah dengan karakteristik jumlah/tonase rendah hingga sedang dan harga satuan rendah hingga sedang, Cluster 1 merupakan kelompok sampah dengan karakteristik harga satuan tinggi, sedangkan Cluster 2 merupakan kelompok sampah dengan karakteristik jumlah/tonase tinggi dan harga satuan rendah hingga sedang. Hasil pengelompokan ini menunjukkan bahwa algoritma K-Means mampu mengelompokkan data penimbangan sampah berdasarkan kemiripan karakteristik yang dimiliki sehingga dapat membantu pengelola Bank Sampah Perumahan Sapta Pesona RW 08 Kota Bekasi dalam memahami karakteristik data sampah serta mendukung pengelolaan dan penyaluran sampah ke bank sampah induk secara lebih terstruktur.

S12560

INF 0082 2026

Bekasi

Tersedia