PREDIKSI KEPADATAN SAMPAH MENGGUNAKAN METODE REGRESI LINEAR BERBASIS WEB

Abstrak

Permasalahan sampah rumah tangga menjadi isu penting dalam menjaga kebersihan lingkungan dan kesehatan masyarakat. Penelitian ini bertujuan untuk membangun sistem prediksi kepadatan sampah rumah tangga berbasis web menggunakan framework Laravel dengan metode regresi linear. Data yang digunakan diperoleh melalui survei kepada sejumlah keluarga, yang mencatat volume sampah mingguan dalam satuan kilogram. Sistem dirancang untuk memberikan estimasi volume sampah pada minggu berikutnya berdasarkan pola data historis, sehingga dapat membantu masyarakat dan pengelola lingkungan di tingkat RT/RW dalam merencanakan pengumpulan dan pengangkutan sampah secara lebih efisien. Metode regresi linear digunakan karena memiliki kemampuan sederhana namun efektif dalam memodelkan hubungan antara waktu dan volume sampah. Hasil implementasi menunjukkan bahwa sistem mampu menghasilkan prediksi yang mendekati kondisi aktual dengan tampilan grafik yang informatif dan antarmuka yang mudah digunakan. Dengan adanya sistem ini, pengelolaan sampah di tingkat rumah tangga dapat dilakukan secara lebih terencana, efisien, dan berbasis data.

Household waste problems are an important issue in maintaining environmental cleanliness and public health. This study aims to build a web-based household waste density prediction system using the Laravel framework with a linear regression method. The data used were obtained through a survey of a number of families, who recorded weekly waste volume in kilograms. The system is designed to provide an estimate of the volume of waste in the following week based on historical data patterns, so that it can help the community and environmental managers at the RT/RW level in planning waste collection and transportation more efficiently. The linear regression method is used because it has a simple but effective ability to model the relationship between time and waste volume. The implementation results show that the system is able to produce predictions that are close to actual conditions with informative graphic displays and easy-to-use interfaces. With this system, waste management at the household level can be carried out in a more planned, efficient, and data-based manner.