Perpustakaan Digital ITB

Penelitian ini bertujuan untuk mengidentifikasi variabel sosioekonomi dan spasial yang memengaruhi keputusan rumah tangga dalam pengelolaan sampah plastik di tingkat sumber, serta mengintegrasikan hasil analisis berbasis probabilitas perilaku ke dalam pendekatan koefisien transfer dalam Material Flow Analysis (MFA). Variabel yang diperoleh digunakan untuk memetakan distribusi timbulan sampah plastik dan praktik penanganannya sebagai dasar pengembangan model aliran material berbasis perilaku. Studi ini dilakukan pada 905.935 rumah tangga di Provinsi Bali, dengan pengambilan sampel timbulan dan komposisi sampah pada 200 rumah tangga selama delapan hari berturut-turut, serta 700 responden untuk analisis perilaku dan kondisi sosioekonomi. Data spasial dikombinasikan dengan produk remote sensing untuk merepresentasikan karakteristik wilayah. Pemilihan variabel dalam penelitian ini dilakukan melalui kombinasi analisis korelasi linear, analisis cross tabulation, serta pendekatan berbasis machine learning melalui feature importance dan interpretable machine learning menggunakan model Random Forest (RF). Variabel yang digunakan mencakup dimensi sosioekonomi dan spasial, yang disesuaikan dengan masing-masing praktik pengelolaan sampah plastik. Aktivitas penjualan sampah plastik dijelaskan dengan variabel jarak rumah ke fasilitas pengurangan sampah, luas rumah, besaran timbulan sampah plastik, perbedaan elevasi, penghasilan bulanan, dan klasifikasi area. Pada praktik pembakaran dan pembuangan sampah plastik ke sungai, variabel yang digunakan relatif serupa, yaitu jarak ke fasilitas, luas rumah, timbulan sampah plastik, kepadatan penduduk, penghasilan bulanan, dan klasifikasi area, dengan tambahan variabel jarak ke sungai khusus untuk praktik pembuangan sampah plastik ke sungai. Pendekatan ini memungkinkan identifikasi variabel kunci yang secara signifikan memengaruhi probabilitas keputusan praktik penanganan rumah tangga dalam pengelolaan sampah plastik di tingkat sumber. ? Analisis sebaran timbulan sampah plastik di sumber dilakukan menggunakan supervised machine learning, di mana model regresi Light Gradient Boosting Machine (LGBM) digunakan untuk memproyeksikan timbulan sampah plastik (R² = 0,88), sedangkan model klasifikasi Random Forest digunakan untuk memprediksi praktik pengelolaan sampah plastik. Hasil menunjukkan bahwa sebanyak 26,72% rumah tangga melakukan penjualan sampah plastik, 48% melakukan pembakaran, dan 28% melakukan pembuangan ke sungai. Untuk masing-masing praktik, diperoleh proporsi alokasi sampah plastik di tingkat rumah tangga sebesar 8,47% (penjualan), 16,65% (pembakaran), dan 3,57% (pembuangan ke sungai). Integrasi antara probabilitas perilaku dan timbulan sampah plastik menghasilkan estimasi aliran massa sebesar 3,00 ton/hari untuk penjualan, 10,59 ton/hari untuk pembakaran, dan 1,32 ton/hari untuk pembuangan ke sungai, dengan koefisien transfer masing-masing sebesar 2,26%, 7,98%, dan 1,00%. Hasil ini menunjukkan bahwa kontribusi aliran massa tidak hanya ditentukan oleh prevalensi praktik, tetapi juga oleh intensitas alokasi sampah plastik pada masing-masing praktik. Pendekatan ini menegaskan bahwa probabilitas perilaku rumah tangga tidak secara langsung merepresentasikan koefisien transfer massa, melainkan berperan sebagai representasi distribusi perilaku yang dikombinasikan dengan intensitas praktik untuk menghasilkan estimasi aliran berbasis massa. Dengan demikian, penelitian ini mentransformasikan koefisien transfer dalam MFA dari parameter statis menjadi parameter berbasis perilaku dan kondisi sosioekonomi-spasial, serta menghasilkan peta distribusi praktik pengelolaan sampah plastik yang dapat digunakan sebagai dasar pengambilan keputusan berbasis lokasi.