Prediksi Timbulan Sampah Menggunakan N-Beats "Studi Kasus Kampung Zero Waste"

Abstract

Permasalahan timbulan sampah menjadi tantangan penting dalam pengelolaan lingkungan perkotaan, khususnya pada program berbasis masyarakat seperti Kampung Zero Waste (KZW) di Surabaya. Fluktuasi jumlah sampah harian yang bersifat dinamis menyebabkan perlunya metode peramalan yang mampu menghasilkan prediksi secara akurat guna mendukung efektivitas operasional pengelolaan sampah. Penelitian ini bertujuan untuk mengembangkan model prediksi timbulan sampah harian menggunakan pendekatan deep learning N-BEATS (Neural Basis Expansion Analysis for Time Series). Dataset yang digunakan merupakan data harian periode 2022–2025 yang terdiri atas variabel tanggal dan timbulan sampah. Tahapan penelitian meliputi exploratory data analysis (EDA), preprocessing data, pembagian data train dan test, pembangunan model, serta evaluasi performa menggunakan metrik MAE, RMSE, dan sMAPE. Hasil penelitian menunjukkan bahwa model N-BEATS mampu memprediksi timbulan sampah dengan cukup baik, dengan nilai MAE sebesar 87,86, RMSE sebesar 111,45, dan sMAPE sebesar 14,64%. Selain itu, hasil future forecasting selama 7 hari ke depan menunjukkan pola prediksi yang stabil dengan fluktuasi moderat. Secara keseluruhan, model N-BEATS terbukti efektif dalam menangkap pola data deret waktu univariat dan berpotensi mendukung pengelolaan sampah berbasis data secara lebih efisien.