Data sets pengelolaan sampah di Indonesia
Kelompok 7 SSD R2
2026-11-02
Analisis Pengelolaan Sampah di Indonesia Tahun 2025
I. Data Preparation
1. Import Data
#membaca file excel
library(dplyr)##
## Attaching package: 'dplyr'## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, unionlibrary(readxl)
datasampah <- read_excel("C:/Users/dahayu/Downloads/Data_Capaian_SIPSN_KLHK_2025.xlsx")
head(datasampah)## # A tibble: 6 × 17
## tahun periode nama_provinsi nama_kabkota jml_timbulan_harian
## <dbl> <dbl> <chr> <chr> <dbl>
## 1 2025 2 Aceh Kab. Aceh Selatan 96.8
## 2 2025 2 Aceh Kab. Aceh Tenggara 118.
## 3 2025 2 Aceh Kab. Aceh Timur 185.
## 4 2025 2 Aceh Kab. Aceh Tengah 115.
## 5 2025 2 Aceh Kab. Aceh Barat 84.4
## 6 2025 2 Aceh Kab. Aceh Besar 152.
## # ℹ 12 more variables: jml_timbulan_tahun <dbl>, jml_pengurangan_tahun <dbl>,
## # persen_pengurangan <dbl>, jml_penanganan_tahun <dbl>,
## # persen_penanganan <dbl>, jml_kelola <dbl>, persen_kelola <dbl>,
## # jml_daur_ulang <dbl>, jml_bahan_baku <dbl>, persen_recycling_rate <dbl>,
## # jml_sampah_tpa_sanitary_control <dbl>, jml_sampah_tpa_open_dumping <dbl>2. Struktur Data
str(datasampah)## tibble [327 × 17] (S3: tbl_df/tbl/data.frame)
## $ tahun : num [1:327] 2025 2025 2025 2025 2025 ...
## $ periode : num [1:327] 2 2 2 2 2 2 2 2 2 2 ...
## $ nama_provinsi : chr [1:327] "Aceh" "Aceh" "Aceh" "Aceh" ...
## $ nama_kabkota : chr [1:327] "Kab. Aceh Selatan" "Kab. Aceh Tenggara" "Kab. Aceh Timur" "Kab. Aceh Tengah" ...
## $ jml_timbulan_harian : num [1:327] 96.8 117.8 184.6 115 84.4 ...
## $ jml_timbulan_tahun : num [1:327] 35331 42995 67363 41978 30803 ...
## $ jml_pengurangan_tahun : num [1:327] 0 0 1.86 0 398.04 ...
## $ persen_pengurangan : num [1:327] 0 0 0 0 1.29 0.01 0 0 0 0 ...
## $ jml_penanganan_tahun : num [1:327] 18.61 2.56 861.4 1124.57 27860.24 ...
## $ persen_penanganan : num [1:327] 0.05 0.01 1.28 2.68 90.45 ...
## $ jml_kelola : num [1:327] 18.61 2.56 863.26 1124.57 28258.29 ...
## $ persen_kelola : num [1:327] 0.05 0.01 1.28 2.68 91.74 ...
## $ jml_daur_ulang : num [1:327] 0 0 0 0 343 ...
## $ jml_bahan_baku : num [1:327] 18.61 2.56 861.4 1124.57 7734.14 ...
## $ persen_recycling_rate : num [1:327] 0.05 0.01 1.28 2.68 26.22 ...
## $ jml_sampah_tpa_sanitary_control: num [1:327] 0 0 0 0 20126 ...
## $ jml_sampah_tpa_open_dumping : num [1:327] 12775 10023 29568 23360 0 ...3. Summary Data
summary(datasampah)## tahun periode nama_provinsi nama_kabkota jml_timbulan_harian
## Min. :2025 Min. :2 Length :327 Length :327 Min. : 12.13
## 1st Qu.:2025 1st Qu.:2 N.unique : 37 N.unique :327 1st Qu.: 84.80
## Median :2025 Median :2 N.blank : 0 N.blank : 0 Median : 147.93
## Mean :2025 Mean :2 Min.nchar: 4 Min.nchar: 9 Mean : 290.52
## 3rd Qu.:2025 3rd Qu.:2 Max.nchar: 26 Max.nchar: 32 3rd Qu.: 396.45
## Max. :2025 Max. :2 Max. :2374.14
## jml_timbulan_tahun jml_pengurangan_tahun persen_pengurangan
## Min. : 4426 Min. : 0.00 Min. : 0.000
## 1st Qu.: 30951 1st Qu.: 0.00 1st Qu.: 0.000
## Median : 53993 Median : 32.74 Median : 0.040
## Mean :106039 Mean : 2943.54 Mean : 2.267
## 3rd Qu.:144705 3rd Qu.: 556.22 3rd Qu.: 0.530
## Max. :866563 Max. :130642.39 Max. :50.530
## jml_penanganan_tahun persen_penanganan jml_kelola persen_kelola
## Min. : 0.0 Min. : 0.00 Min. : 0.0 Min. : 0.00
## 1st Qu.: 666.5 1st Qu.: 1.61 1st Qu.: 874.2 1st Qu.: 1.99
## Median : 9507.5 Median :14.43 Median : 10535.2 Median : 15.80
## Mean : 30436.8 Mean :26.28 Mean : 33380.4 Mean : 28.55
## 3rd Qu.: 34462.9 3rd Qu.:46.38 3rd Qu.: 39133.9 3rd Qu.: 52.09
## Max. :654283.6 Max. :99.22 Max. :656374.7 Max. :100.00
## jml_daur_ulang jml_bahan_baku persen_recycling_rate
## Min. : 0.0 Min. : 0.0 Min. : 0.000
## 1st Qu.: 0.0 1st Qu.: 249.7 1st Qu.: 0.815
## Median : 0.0 Median : 3479.1 Median : 7.500
## Mean : 2771.7 Mean : 14091.3 Mean :12.429
## 3rd Qu.: 186.9 3rd Qu.: 14186.9 3rd Qu.:19.585
## Max. :130642.4 Max. :204213.8 Max. :90.380
## jml_sampah_tpa_sanitary_control jml_sampah_tpa_open_dumping
## Min. : 0 Min. : 0
## 1st Qu.: 0 1st Qu.: 0
## Median : 0 Median : 6654
## Mean : 14217 Mean : 31702
## 3rd Qu.: 14476 3rd Qu.: 26244
## Max. :234021 Max. :5532674. Missing Value
colSums(is.na(datasampah))## tahun periode
## 0 0
## nama_provinsi nama_kabkota
## 0 0
## jml_timbulan_harian jml_timbulan_tahun
## 0 0
## jml_pengurangan_tahun persen_pengurangan
## 0 0
## jml_penanganan_tahun persen_penanganan
## 0 0
## jml_kelola persen_kelola
## 0 0
## jml_daur_ulang jml_bahan_baku
## 0 0
## persen_recycling_rate jml_sampah_tpa_sanitary_control
## 0 0
## jml_sampah_tpa_open_dumping
## 05. Select Data
data_pilihan <- select(datasampah, nama_provinsi, persen_kelola)
head(data_pilihan)## # A tibble: 6 × 2
## nama_provinsi persen_kelola
## <chr> <dbl>
## 1 Aceh 0.05
## 2 Aceh 0.01
## 3 Aceh 1.28
## 4 Aceh 2.68
## 5 Aceh 91.7
## 6 Aceh 56.06. Mutate
data_mutate <- datasampah %>%
mutate(kategori_capaian_kelola = case_when(
persen_kelola >= 75 ~ "Tinggi",
persen_kelola >= 50 ~ "Sedang",
persen_kelola >= 25 ~ "Rendah",
TRUE ~ "Sangat Rendah"))
data_mutate## # A tibble: 327 × 18
## tahun periode nama_provinsi nama_kabkota jml_timbulan_harian
## <dbl> <dbl> <chr> <chr> <dbl>
## 1 2025 2 Aceh Kab. Aceh Selatan 96.8
## 2 2025 2 Aceh Kab. Aceh Tenggara 118.
## 3 2025 2 Aceh Kab. Aceh Timur 185.
## 4 2025 2 Aceh Kab. Aceh Tengah 115.
## 5 2025 2 Aceh Kab. Aceh Barat 84.4
## 6 2025 2 Aceh Kab. Aceh Besar 152.
## 7 2025 2 Aceh Kab. Pidie 183.
## 8 2025 2 Aceh Kab. Aceh Utara 321.
## 9 2025 2 Aceh Kab. Simeulue 46.2
## 10 2025 2 Aceh Kab. Aceh Singkil 56
## # ℹ 317 more rows
## # ℹ 13 more variables: jml_timbulan_tahun <dbl>, jml_pengurangan_tahun <dbl>,
## # persen_pengurangan <dbl>, jml_penanganan_tahun <dbl>,
## # persen_penanganan <dbl>, jml_kelola <dbl>, persen_kelola <dbl>,
## # jml_daur_ulang <dbl>, jml_bahan_baku <dbl>, persen_recycling_rate <dbl>,
## # jml_sampah_tpa_sanitary_control <dbl>, jml_sampah_tpa_open_dumping <dbl>,
## # kategori_capaian_kelola <chr>7. Filter and Sort Data
data_filter <- datasampah %>%
filter(nama_provinsi == "Jawa Tengah")
data_filter## # A tibble: 30 × 17
## tahun periode nama_provinsi nama_kabkota jml_timbulan_harian
## <dbl> <dbl> <chr> <chr> <dbl>
## 1 2025 2 Jawa Tengah Kab. Cilacap 989.
## 2 2025 2 Jawa Tengah Kab. Banyumas 739.
## 3 2025 2 Jawa Tengah Kab. Purbalingga 524.
## 4 2025 2 Jawa Tengah Kab. Banjarnegara 429.
## 5 2025 2 Jawa Tengah Kab. Kebumen 721.
## 6 2025 2 Jawa Tengah Kab. Purworejo 324.
## 7 2025 2 Jawa Tengah Kab. Wonosobo 368.
## 8 2025 2 Jawa Tengah Kab. Magelang 673.
## 9 2025 2 Jawa Tengah Kab. Boyolali 302.
## 10 2025 2 Jawa Tengah Kab. Klaten 656.
## # ℹ 20 more rows
## # ℹ 12 more variables: jml_timbulan_tahun <dbl>, jml_pengurangan_tahun <dbl>,
## # persen_pengurangan <dbl>, jml_penanganan_tahun <dbl>,
## # persen_penanganan <dbl>, jml_kelola <dbl>, persen_kelola <dbl>,
## # jml_daur_ulang <dbl>, jml_bahan_baku <dbl>, persen_recycling_rate <dbl>,
## # jml_sampah_tpa_sanitary_control <dbl>, jml_sampah_tpa_open_dumping <dbl>data_sort <- datasampah %>%
arrange(desc(persen_kelola))
data_sort## # A tibble: 327 × 17
## tahun periode nama_provinsi nama_kabkota jml_timbulan_harian
## <dbl> <dbl> <chr> <chr> <dbl>
## 1 2025 2 Sulawesi Selatan Kab. Bone 414.
## 2 2025 2 Kalimantan Timur Kota Bontang 109.
## 3 2025 2 Kalimantan Timur Kota Balikpapan 553.
## 4 2025 2 Jawa Timur Kota Surabaya 1807.
## 5 2025 2 Jawa Timur Kota Malang 732.
## 6 2025 2 Sumatera Barat Kota Padang 669.
## 7 2025 2 Kalimantan Utara Kab. Bulungan 86.1
## 8 2025 2 Kalimantan Tengah Kota Palangkaraya 157.
## 9 2025 2 Jawa Timur Kota Blitar 78.9
## 10 2025 2 Sulawesi Tengah Kota Palu 218.
## # ℹ 317 more rows
## # ℹ 12 more variables: jml_timbulan_tahun <dbl>, jml_pengurangan_tahun <dbl>,
## # persen_pengurangan <dbl>, jml_penanganan_tahun <dbl>,
## # persen_penanganan <dbl>, jml_kelola <dbl>, persen_kelola <dbl>,
## # jml_daur_ulang <dbl>, jml_bahan_baku <dbl>, persen_recycling_rate <dbl>,
## # jml_sampah_tpa_sanitary_control <dbl>, jml_sampah_tpa_open_dumping <dbl>8. Join Data
data_penduduk <- read.csv("C:/Users/dahayu/Downloads/Penduduk, Laju Pertumbuhan Penduduk, Distribusi Persentase Penduduk, Kepadatan Penduduk, Rasio Jenis Kelamin Penduduk Menurut Provinsi, 2025.csv")
data_penduduk## Provinsi
## 1 Aceh
## 2 Sumatera Utara
## 3 Sumatera Barat
## 4 Riau
## 5 Jambi
## 6 Sumatera Selatan
## 7 Bengkulu
## 8 Lampung
## 9 Kepulauan Bangka Belitung
## 10 Kepulauan Riau
## 11 DKI Jakarta
## 12 Jawa Barat
## 13 Jawa Tengah
## 14 DI Yogyakarta
## 15 Jawa Timur
## 16 Banten
## 17 Bali
## 18 Nusa Tenggara Barat
## 19 Nusa Tenggara Timur
## 20 Kalimantan Barat
## 21 Kalimantan Tengah
## 22 Kalimantan Selatan
## 23 Kalimantan Timur
## 24 Kalimantan Utara
## 25 Sulawesi Utara
## 26 Sulawesi Tengah
## 27 Sulawesi Selatan
## 28 Sulawesi Tenggara
## 29 Gorontalo
## 30 Sulawesi Barat
## 31 Maluku
## 32 Maluku Utara
## 33 Papua Barat
## 34 Papua Barat Daya
## 35 Papua
## 36 Papua Selatan
## 37 Papua Tengah
## 38 Papua Pegunungan
## 39 Indonesia
## 40
## 41 Keterangan
## 42 1Hasil Proyeksi Penduduk Indonesia 2020-2050 Hasil Sensus Penduduk 2020 (Pertengahan tahun/Juni)/ Indonesia Population Projection 2020-2050 Result of Population Census 2020 (mid year/June)
## 43 2Laju pertumbuhan penduduk dihitung berdasarkan penduduk tahun 2020 (September) dibandingkan dengan penduduk tahun 2025(Juni)/ The growth rate refers to the change of the population in 2020 (September) to the population in 2025 (June)
## 44 3Luas provinsi berdasarkan Keputusan Menteri Dalam Negeri Nomor 100.1.1-6117 Tahun 2022 tanggal 9 November 2022/ Province area Based on Ministerial Decree of Home Affairs Number 100.1.1-6117,9 November 2022
## 45 4 Laju pertumbuhan penduduk dihitung dengan menggunakan data dasar jumlah penduduk tahun 2020 yang merupakan penjumlahan dari kabupaten/kota pembentuk/ The Growth Rate calculated refers to total population 2020 is the sum of the forming regency/municipality
## Jumlah.Penduduk..Ribu. Laju.Pertumbuhan.Penduduk.per.Tahun
## 1 5626.0 1.37
## 2 15785.8 1.37
## 3 5914.3 1.41
## 4 6811.2 1.34
## 5 3768.5 1.28
## 6 8928.5 1.12
## 7 2138.0 1.30
## 8 9522.9 1.18
## 9 1550.8 1.34
## 10 2213.5 1.48
## 11 10678.0 0.23
## 12 50759.0 1.06
## 13 38233.9 0.97
## 14 3781.5 0.64
## 15 42089.3 0.73
## 16 12537.4 1.10
## 17 4461.3 0.69
## 18 5731.1 1.58
## 19 5742.6 1.60
## 20 5766.0 1.33
## 21 2845.0 1.35
## 22 4323.3 1.26
## 23 4267.6 2.67
## 24 749.4 1.39
## 25 2721.4 0.79
## 26 3156.1 1.18
## 27 9563.1 1.11
## 28 2836.7 1.65
## 29 1242.2 1.24
## 30 1525.3 1.53
## 31 1970.6 1.35
## 32 1373.8 1.45
## 33 587.6 1.68
## 34 636.4 1.57
## 35 1073.6 1.34
## 36 549.7 1.44
## 37 1492.3 1.49
## 38 1484.9 1.39
## 39 284438.8 1.09
## 40 NA NA
## 41 NA NA
## 42 NA NA
## 43 NA NA
## 44 NA NA
## 45 NA NA
## Persentase.Penduduk Kepadatan.Penduduk.per.km.persegi..Km2.
## 1 1.98 99
## 2 5.55 218
## 3 2.08 140
## 4 2.39 76
## 5 1.32 77
## 6 3.14 103
## 7 0.75 106
## 8 3.35 284
## 9 0.55 93
## 10 0.78 268
## 11 3.75 16155
## 12 17.85 1370
## 13 13.44 1113
## 14 1.33 1193
## 15 14.80 876
## 16 4.41 1341
## 17 1.57 798
## 18 2.01 291
## 19 2.02 124
## 20 2.03 39
## 21 1.00 19
## 22 1.52 116
## 23 1.50 34
## 24 0.26 11
## 25 0.96 188
## 26 1.11 51
## 27 3.36 211
## 28 1.00 78
## 29 0.44 103
## 30 0.54 92
## 31 0.69 43
## 32 0.48 42
## 33 0.21 10
## 34 0.22 16
## 35 0.38 13
## 36 0.19 5
## 37 0.52 24
## 38 0.52 29
## 39 100.00 150
## 40 NA NA
## 41 NA NA
## 42 NA NA
## 43 NA NA
## 44 NA NA
## 45 NA NA
## Rasio.Jenis.Kelamin.Penduduk
## 1 100.9
## 2 100.8
## 3 101.5
## 4 104.3
## 5 103.2
## 6 103.6
## 7 104.2
## 8 104.1
## 9 105.2
## 10 103.1
## 11 100.8
## 12 102.4
## 13 100.9
## 14 97.8
## 15 99.4
## 16 103.3
## 17 100.4
## 18 100.9
## 19 100.0
## 20 105.3
## 21 106.5
## 22 102.2
## 23 106.8
## 24 110.4
## 25 104.1
## 26 105.1
## 27 98.8
## 28 102.6
## 29 101.6
## 30 102.7
## 31 102.2
## 32 105.1
## 33 110.5
## 34 108.5
## 35 109.4
## 36 107.7
## 37 113.5
## 38 114.0
## 39 101.9
## 40 NA
## 41 NA
## 42 NA
## 43 NA
## 44 NA
## 45 NAdatapenduduk <- select(data_penduduk, Provinsi, Laju.Pertumbuhan.Penduduk.per.Tahun)
datapenduduk## Provinsi
## 1 Aceh
## 2 Sumatera Utara
## 3 Sumatera Barat
## 4 Riau
## 5 Jambi
## 6 Sumatera Selatan
## 7 Bengkulu
## 8 Lampung
## 9 Kepulauan Bangka Belitung
## 10 Kepulauan Riau
## 11 DKI Jakarta
## 12 Jawa Barat
## 13 Jawa Tengah
## 14 DI Yogyakarta
## 15 Jawa Timur
## 16 Banten
## 17 Bali
## 18 Nusa Tenggara Barat
## 19 Nusa Tenggara Timur
## 20 Kalimantan Barat
## 21 Kalimantan Tengah
## 22 Kalimantan Selatan
## 23 Kalimantan Timur
## 24 Kalimantan Utara
## 25 Sulawesi Utara
## 26 Sulawesi Tengah
## 27 Sulawesi Selatan
## 28 Sulawesi Tenggara
## 29 Gorontalo
## 30 Sulawesi Barat
## 31 Maluku
## 32 Maluku Utara
## 33 Papua Barat
## 34 Papua Barat Daya
## 35 Papua
## 36 Papua Selatan
## 37 Papua Tengah
## 38 Papua Pegunungan
## 39 Indonesia
## 40
## 41 Keterangan
## 42 1Hasil Proyeksi Penduduk Indonesia 2020-2050 Hasil Sensus Penduduk 2020 (Pertengahan tahun/Juni)/ Indonesia Population Projection 2020-2050 Result of Population Census 2020 (mid year/June)
## 43 2Laju pertumbuhan penduduk dihitung berdasarkan penduduk tahun 2020 (September) dibandingkan dengan penduduk tahun 2025(Juni)/ The growth rate refers to the change of the population in 2020 (September) to the population in 2025 (June)
## 44 3Luas provinsi berdasarkan Keputusan Menteri Dalam Negeri Nomor 100.1.1-6117 Tahun 2022 tanggal 9 November 2022/ Province area Based on Ministerial Decree of Home Affairs Number 100.1.1-6117,9 November 2022
## 45 4 Laju pertumbuhan penduduk dihitung dengan menggunakan data dasar jumlah penduduk tahun 2020 yang merupakan penjumlahan dari kabupaten/kota pembentuk/ The Growth Rate calculated refers to total population 2020 is the sum of the forming regency/municipality
## Laju.Pertumbuhan.Penduduk.per.Tahun
## 1 1.37
## 2 1.37
## 3 1.41
## 4 1.34
## 5 1.28
## 6 1.12
## 7 1.30
## 8 1.18
## 9 1.34
## 10 1.48
## 11 0.23
## 12 1.06
## 13 0.97
## 14 0.64
## 15 0.73
## 16 1.10
## 17 0.69
## 18 1.58
## 19 1.60
## 20 1.33
## 21 1.35
## 22 1.26
## 23 2.67
## 24 1.39
## 25 0.79
## 26 1.18
## 27 1.11
## 28 1.65
## 29 1.24
## 30 1.53
## 31 1.35
## 32 1.45
## 33 1.68
## 34 1.57
## 35 1.34
## 36 1.44
## 37 1.49
## 38 1.39
## 39 1.09
## 40 NA
## 41 NA
## 42 NA
## 43 NA
## 44 NA
## 45 NAdata_rename_penduduk <- rename(datapenduduk, nama_provinsi = Provinsi)
data_rename_penduduk## nama_provinsi
## 1 Aceh
## 2 Sumatera Utara
## 3 Sumatera Barat
## 4 Riau
## 5 Jambi
## 6 Sumatera Selatan
## 7 Bengkulu
## 8 Lampung
## 9 Kepulauan Bangka Belitung
## 10 Kepulauan Riau
## 11 DKI Jakarta
## 12 Jawa Barat
## 13 Jawa Tengah
## 14 DI Yogyakarta
## 15 Jawa Timur
## 16 Banten
## 17 Bali
## 18 Nusa Tenggara Barat
## 19 Nusa Tenggara Timur
## 20 Kalimantan Barat
## 21 Kalimantan Tengah
## 22 Kalimantan Selatan
## 23 Kalimantan Timur
## 24 Kalimantan Utara
## 25 Sulawesi Utara
## 26 Sulawesi Tengah
## 27 Sulawesi Selatan
## 28 Sulawesi Tenggara
## 29 Gorontalo
## 30 Sulawesi Barat
## 31 Maluku
## 32 Maluku Utara
## 33 Papua Barat
## 34 Papua Barat Daya
## 35 Papua
## 36 Papua Selatan
## 37 Papua Tengah
## 38 Papua Pegunungan
## 39 Indonesia
## 40
## 41 Keterangan
## 42 1Hasil Proyeksi Penduduk Indonesia 2020-2050 Hasil Sensus Penduduk 2020 (Pertengahan tahun/Juni)/ Indonesia Population Projection 2020-2050 Result of Population Census 2020 (mid year/June)
## 43 2Laju pertumbuhan penduduk dihitung berdasarkan penduduk tahun 2020 (September) dibandingkan dengan penduduk tahun 2025(Juni)/ The growth rate refers to the change of the population in 2020 (September) to the population in 2025 (June)
## 44 3Luas provinsi berdasarkan Keputusan Menteri Dalam Negeri Nomor 100.1.1-6117 Tahun 2022 tanggal 9 November 2022/ Province area Based on Ministerial Decree of Home Affairs Number 100.1.1-6117,9 November 2022
## 45 4 Laju pertumbuhan penduduk dihitung dengan menggunakan data dasar jumlah penduduk tahun 2020 yang merupakan penjumlahan dari kabupaten/kota pembentuk/ The Growth Rate calculated refers to total population 2020 is the sum of the forming regency/municipality
## Laju.Pertumbuhan.Penduduk.per.Tahun
## 1 1.37
## 2 1.37
## 3 1.41
## 4 1.34
## 5 1.28
## 6 1.12
## 7 1.30
## 8 1.18
## 9 1.34
## 10 1.48
## 11 0.23
## 12 1.06
## 13 0.97
## 14 0.64
## 15 0.73
## 16 1.10
## 17 0.69
## 18 1.58
## 19 1.60
## 20 1.33
## 21 1.35
## 22 1.26
## 23 2.67
## 24 1.39
## 25 0.79
## 26 1.18
## 27 1.11
## 28 1.65
## 29 1.24
## 30 1.53
## 31 1.35
## 32 1.45
## 33 1.68
## 34 1.57
## 35 1.34
## 36 1.44
## 37 1.49
## 38 1.39
## 39 1.09
## 40 NA
## 41 NA
## 42 NA
## 43 NA
## 44 NA
## 45 NAdata_join <- left_join(datasampah, data_rename_penduduk,
by = "nama_provinsi")
data_join## # A tibble: 327 × 18
## tahun periode nama_provinsi nama_kabkota jml_timbulan_harian
## <dbl> <dbl> <chr> <chr> <dbl>
## 1 2025 2 Aceh Kab. Aceh Selatan 96.8
## 2 2025 2 Aceh Kab. Aceh Tenggara 118.
## 3 2025 2 Aceh Kab. Aceh Timur 185.
## 4 2025 2 Aceh Kab. Aceh Tengah 115.
## 5 2025 2 Aceh Kab. Aceh Barat 84.4
## 6 2025 2 Aceh Kab. Aceh Besar 152.
## 7 2025 2 Aceh Kab. Pidie 183.
## 8 2025 2 Aceh Kab. Aceh Utara 321.
## 9 2025 2 Aceh Kab. Simeulue 46.2
## 10 2025 2 Aceh Kab. Aceh Singkil 56
## # ℹ 317 more rows
## # ℹ 13 more variables: jml_timbulan_tahun <dbl>, jml_pengurangan_tahun <dbl>,
## # persen_pengurangan <dbl>, jml_penanganan_tahun <dbl>,
## # persen_penanganan <dbl>, jml_kelola <dbl>, persen_kelola <dbl>,
## # jml_daur_ulang <dbl>, jml_bahan_baku <dbl>, persen_recycling_rate <dbl>,
## # jml_sampah_tpa_sanitary_control <dbl>, jml_sampah_tpa_open_dumping <dbl>,
## # Laju.Pertumbuhan.Penduduk.per.Tahun <dbl>9. Group and Summarize
data_summary <- datasampah %>%
group_by(nama_provinsi) %>%
summarise(
total_timbulan = sum(jml_timbulan_tahun),
total_pengurangan = sum(jml_pengurangan_tahun),
total_penanganan = sum(jml_penanganan_tahun))
data_summary## # A tibble: 37 × 4
## nama_provinsi total_timbulan total_pengurangan total_penanganan
## <chr> <dbl> <dbl> <dbl>
## 1 Aceh 827763. 2135. 198650.
## 2 Bali 1141777. 36912. 369699.
## 3 Banten 2067115. 1937. 494215.
## 4 Bengkulu 153475. 625. 3689.
## 5 DKI Jakarta 3353343. 1370. 828938.
## 6 Daerah Istimewa Yogyakarta 692035. 27089. 282410.
## 7 Gorontalo 52459. 9.98 33736.
## 8 Jambi 186383. 54.3 7261.
## 9 Jawa Barat 3381620. 72831. 734721.
## 10 Jawa Tengah 5755883. 458733. 1470307.
## # ℹ 27 more rows10. Split Data
data_split <- datasampah %>%
split(datasampah$nama_provinsi)
data_split## $Aceh
## # A tibble: 21 × 17
## tahun periode nama_provinsi nama_kabkota jml_timbulan_harian
## <dbl> <dbl> <chr> <chr> <dbl>
## 1 2025 2 Aceh Kab. Aceh Selatan 96.8
## 2 2025 2 Aceh Kab. Aceh Tenggara 118.
## 3 2025 2 Aceh Kab. Aceh Timur 185.
## 4 2025 2 Aceh Kab. Aceh Tengah 115.
## 5 2025 2 Aceh Kab. Aceh Barat 84.4
## 6 2025 2 Aceh Kab. Aceh Besar 152.
## 7 2025 2 Aceh Kab. Pidie 183.
## 8 2025 2 Aceh Kab. Aceh Utara 321.
## 9 2025 2 Aceh Kab. Simeulue 46.2
## 10 2025 2 Aceh Kab. Aceh Singkil 56
## # ℹ 11 more rows
## # ℹ 12 more variables: jml_timbulan_tahun <dbl>, jml_pengurangan_tahun <dbl>,
## # persen_pengurangan <dbl>, jml_penanganan_tahun <dbl>,
## # persen_penanganan <dbl>, jml_kelola <dbl>, persen_kelola <dbl>,
## # jml_daur_ulang <dbl>, jml_bahan_baku <dbl>, persen_recycling_rate <dbl>,
## # jml_sampah_tpa_sanitary_control <dbl>, jml_sampah_tpa_open_dumping <dbl>
##
## $Bali
## # A tibble: 8 × 17
## tahun periode nama_provinsi nama_kabkota jml_timbulan_harian
## <dbl> <dbl> <chr> <chr> <dbl>
## 1 2025 2 Bali Kab. Jembrana 165.
## 2 2025 2 Bali Kab. Badung 489.
## 3 2025 2 Bali Kab. Gianyar 505.
## 4 2025 2 Bali Kab. Klungkung 115.
## 5 2025 2 Bali Kab. Bangli 115.
## 6 2025 2 Bali Kab. Karangasem 292.
## 7 2025 2 Bali Kab. Buleleng 414.
## 8 2025 2 Bali Kota Denpasar 1033.
## # ℹ 12 more variables: jml_timbulan_tahun <dbl>, jml_pengurangan_tahun <dbl>,
## # persen_pengurangan <dbl>, jml_penanganan_tahun <dbl>,
## # persen_penanganan <dbl>, jml_kelola <dbl>, persen_kelola <dbl>,
## # jml_daur_ulang <dbl>, jml_bahan_baku <dbl>, persen_recycling_rate <dbl>,
## # jml_sampah_tpa_sanitary_control <dbl>, jml_sampah_tpa_open_dumping <dbl>
##
## $Banten
## # A tibble: 7 × 17
## tahun periode nama_provinsi nama_kabkota jml_timbulan_harian
## <dbl> <dbl> <chr> <chr> <dbl>
## 1 2025 2 Banten Kab. Pandeglang 525.
## 2 2025 2 Banten Kab. Lebak 621.
## 3 2025 2 Banten Kab. Serang 763.
## 4 2025 2 Banten Kota Tangerang 1688.
## 5 2025 2 Banten Kota Cilegon 365.
## 6 2025 2 Banten Kota Serang 633.
## 7 2025 2 Banten Kota Tangerang Selatan 1070.
## # ℹ 12 more variables: jml_timbulan_tahun <dbl>, jml_pengurangan_tahun <dbl>,
## # persen_pengurangan <dbl>, jml_penanganan_tahun <dbl>,
## # persen_penanganan <dbl>, jml_kelola <dbl>, persen_kelola <dbl>,
## # jml_daur_ulang <dbl>, jml_bahan_baku <dbl>, persen_recycling_rate <dbl>,
## # jml_sampah_tpa_sanitary_control <dbl>, jml_sampah_tpa_open_dumping <dbl>
##
## $Bengkulu
## # A tibble: 4 × 17
## tahun periode nama_provinsi nama_kabkota jml_timbulan_harian
## <dbl> <dbl> <chr> <chr> <dbl>
## 1 2025 2 Bengkulu Kab. Seluma 109.
## 2 2025 2 Bengkulu Kab. Lebong 46.5
## 3 2025 2 Bengkulu Kab. Bengkulu Tengah 61.3
## 4 2025 2 Bengkulu Kota Bengkulu 204.
## # ℹ 12 more variables: jml_timbulan_tahun <dbl>, jml_pengurangan_tahun <dbl>,
## # persen_pengurangan <dbl>, jml_penanganan_tahun <dbl>,
## # persen_penanganan <dbl>, jml_kelola <dbl>, persen_kelola <dbl>,
## # jml_daur_ulang <dbl>, jml_bahan_baku <dbl>, persen_recycling_rate <dbl>,
## # jml_sampah_tpa_sanitary_control <dbl>, jml_sampah_tpa_open_dumping <dbl>
##
## $`Daerah Istimewa Yogyakarta`
## # A tibble: 5 × 17
## tahun periode nama_provinsi nama_kabkota jml_timbulan_harian
## <dbl> <dbl> <chr> <chr> <dbl>
## 1 2025 2 Daerah Istimewa Yogyakarta Kab. Kulon Progo 220.
## 2 2025 2 Daerah Istimewa Yogyakarta Kab. Bantul 422.
## 3 2025 2 Daerah Istimewa Yogyakarta Kab. Gunungkidul 369.
## 4 2025 2 Daerah Istimewa Yogyakarta Kab. Sleman 585.
## 5 2025 2 Daerah Istimewa Yogyakarta Kota Yogyakarta 301.
## # ℹ 12 more variables: jml_timbulan_tahun <dbl>, jml_pengurangan_tahun <dbl>,
## # persen_pengurangan <dbl>, jml_penanganan_tahun <dbl>,
## # persen_penanganan <dbl>, jml_kelola <dbl>, persen_kelola <dbl>,
## # jml_daur_ulang <dbl>, jml_bahan_baku <dbl>, persen_recycling_rate <dbl>,
## # jml_sampah_tpa_sanitary_control <dbl>, jml_sampah_tpa_open_dumping <dbl>
##
## $`DKI Jakarta`
## # A tibble: 6 × 17
## tahun periode nama_provinsi nama_kabkota jml_timbulan_harian
## <dbl> <dbl> <chr> <chr> <dbl>
## 1 2025 2 DKI Jakarta Kab. Adm. Kep. Seribu 24.4
## 2 2025 2 DKI Jakarta Kota Adm. Jakarta Pusat 858.
## 3 2025 2 DKI Jakarta Kota Adm. Jakarta Utara 1712.
## 4 2025 2 DKI Jakarta Kota Adm. Jakarta Barat 2214.
## 5 2025 2 DKI Jakarta Kota Adm. Jakarta Selatan 2005.
## 6 2025 2 DKI Jakarta Kota Adm. Jakarta Timur 2374.
## # ℹ 12 more variables: jml_timbulan_tahun <dbl>, jml_pengurangan_tahun <dbl>,
## # persen_pengurangan <dbl>, jml_penanganan_tahun <dbl>,
## # persen_penanganan <dbl>, jml_kelola <dbl>, persen_kelola <dbl>,
## # jml_daur_ulang <dbl>, jml_bahan_baku <dbl>, persen_recycling_rate <dbl>,
## # jml_sampah_tpa_sanitary_control <dbl>, jml_sampah_tpa_open_dumping <dbl>
##
## $Gorontalo
## # A tibble: 1 × 17
## tahun periode nama_provinsi nama_kabkota jml_timbulan_harian
## <dbl> <dbl> <chr> <chr> <dbl>
## 1 2025 2 Gorontalo Kota Gorontalo 144.
## # ℹ 12 more variables: jml_timbulan_tahun <dbl>, jml_pengurangan_tahun <dbl>,
## # persen_pengurangan <dbl>, jml_penanganan_tahun <dbl>,
## # persen_penanganan <dbl>, jml_kelola <dbl>, persen_kelola <dbl>,
## # jml_daur_ulang <dbl>, jml_bahan_baku <dbl>, persen_recycling_rate <dbl>,
## # jml_sampah_tpa_sanitary_control <dbl>, jml_sampah_tpa_open_dumping <dbl>
##
## $Jambi
## # A tibble: 4 × 17
## tahun periode nama_provinsi nama_kabkota jml_timbulan_harian
## <dbl> <dbl> <chr> <chr> <dbl>
## 1 2025 2 Jambi Kab. Merangin 189.
## 2 2025 2 Jambi Kab. Batanghari 128.
## 3 2025 2 Jambi Kab. Tebo 142.
## 4 2025 2 Jambi Kota Sungai Penuh 51.2
## # ℹ 12 more variables: jml_timbulan_tahun <dbl>, jml_pengurangan_tahun <dbl>,
## # persen_pengurangan <dbl>, jml_penanganan_tahun <dbl>,
## # persen_penanganan <dbl>, jml_kelola <dbl>, persen_kelola <dbl>,
## # jml_daur_ulang <dbl>, jml_bahan_baku <dbl>, persen_recycling_rate <dbl>,
## # jml_sampah_tpa_sanitary_control <dbl>, jml_sampah_tpa_open_dumping <dbl>
##
## $`Jawa Barat`
## # A tibble: 12 × 17
## tahun periode nama_provinsi nama_kabkota jml_timbulan_harian
## <dbl> <dbl> <chr> <chr> <dbl>
## 1 2025 2 Jawa Barat Kab. Ciamis 507.
## 2 2025 2 Jawa Barat Kab. Cirebon 1255.
## 3 2025 2 Jawa Barat Kab. Sumedang 491.
## 4 2025 2 Jawa Barat Kab. Indramayu 1148.
## 5 2025 2 Jawa Barat Kab. Subang 670.
## 6 2025 2 Jawa Barat Kab. Bandung Barat 691.
## 7 2025 2 Jawa Barat Kota Bogor 727.
## 8 2025 2 Jawa Barat Kota Cirebon 219.
## 9 2025 2 Jawa Barat Kota Bekasi 1851.
## 10 2025 2 Jawa Barat Kota Depok 1279.
## 11 2025 2 Jawa Barat Kota Tasikmalaya 340.
## 12 2025 2 Jawa Barat Kota Banjar 87.6
## # ℹ 12 more variables: jml_timbulan_tahun <dbl>, jml_pengurangan_tahun <dbl>,
## # persen_pengurangan <dbl>, jml_penanganan_tahun <dbl>,
## # persen_penanganan <dbl>, jml_kelola <dbl>, persen_kelola <dbl>,
## # jml_daur_ulang <dbl>, jml_bahan_baku <dbl>, persen_recycling_rate <dbl>,
## # jml_sampah_tpa_sanitary_control <dbl>, jml_sampah_tpa_open_dumping <dbl>
##
## $`Jawa Tengah`
## # A tibble: 30 × 17
## tahun periode nama_provinsi nama_kabkota jml_timbulan_harian
## <dbl> <dbl> <chr> <chr> <dbl>
## 1 2025 2 Jawa Tengah Kab. Cilacap 989.
## 2 2025 2 Jawa Tengah Kab. Banyumas 739.
## 3 2025 2 Jawa Tengah Kab. Purbalingga 524.
## 4 2025 2 Jawa Tengah Kab. Banjarnegara 429.
## 5 2025 2 Jawa Tengah Kab. Kebumen 721.
## 6 2025 2 Jawa Tengah Kab. Purworejo 324.
## 7 2025 2 Jawa Tengah Kab. Wonosobo 368.
## 8 2025 2 Jawa Tengah Kab. Magelang 673.
## 9 2025 2 Jawa Tengah Kab. Boyolali 302.
## 10 2025 2 Jawa Tengah Kab. Klaten 656.
## # ℹ 20 more rows
## # ℹ 12 more variables: jml_timbulan_tahun <dbl>, jml_pengurangan_tahun <dbl>,
## # persen_pengurangan <dbl>, jml_penanganan_tahun <dbl>,
## # persen_penanganan <dbl>, jml_kelola <dbl>, persen_kelola <dbl>,
## # jml_daur_ulang <dbl>, jml_bahan_baku <dbl>, persen_recycling_rate <dbl>,
## # jml_sampah_tpa_sanitary_control <dbl>, jml_sampah_tpa_open_dumping <dbl>
##
## $`Jawa Timur`
## # A tibble: 31 × 17
## tahun periode nama_provinsi nama_kabkota jml_timbulan_harian
## <dbl> <dbl> <chr> <chr> <dbl>
## 1 2025 2 Jawa Timur Kab. Pacitan 300.
## 2 2025 2 Jawa Timur Kab. Ponorogo 392.
## 3 2025 2 Jawa Timur Kab. Trenggalek 302.
## 4 2025 2 Jawa Timur Kab. Blitar 416.
## 5 2025 2 Jawa Timur Kab. Kediri 677.
## 6 2025 2 Jawa Timur Kab. Malang 976.
## 7 2025 2 Jawa Timur Kab. Lumajang 553
## 8 2025 2 Jawa Timur Kab. Jember 1040.
## 9 2025 2 Jawa Timur Kab. Banyuwangi 842.
## 10 2025 2 Jawa Timur Kab. Situbondo 257.
## # ℹ 21 more rows
## # ℹ 12 more variables: jml_timbulan_tahun <dbl>, jml_pengurangan_tahun <dbl>,
## # persen_pengurangan <dbl>, jml_penanganan_tahun <dbl>,
## # persen_penanganan <dbl>, jml_kelola <dbl>, persen_kelola <dbl>,
## # jml_daur_ulang <dbl>, jml_bahan_baku <dbl>, persen_recycling_rate <dbl>,
## # jml_sampah_tpa_sanitary_control <dbl>, jml_sampah_tpa_open_dumping <dbl>
##
## $`Kalimantan Barat`
## # A tibble: 11 × 17
## tahun periode nama_provinsi nama_kabkota jml_timbulan_harian
## <dbl> <dbl> <chr> <chr> <dbl>
## 1 2025 2 Kalimantan Barat Kab. Sambas 395.
## 2 2025 2 Kalimantan Barat Kab. Mempawah 94.9
## 3 2025 2 Kalimantan Barat Kab. Sanggau 258.
## 4 2025 2 Kalimantan Barat Kab. Ketapang 304.
## 5 2025 2 Kalimantan Barat Kab. Kapuas Hulu 139.
## 6 2025 2 Kalimantan Barat Kab. Bengkayang 121.
## 7 2025 2 Kalimantan Barat Kab. Landak 166.
## 8 2025 2 Kalimantan Barat Kab. Kayong Utara 68.6
## 9 2025 2 Kalimantan Barat Kab. Kubu Raya 462.
## 10 2025 2 Kalimantan Barat Kota Pontianak 480.
## 11 2025 2 Kalimantan Barat Kota Singkawang 109.
## # ℹ 12 more variables: jml_timbulan_tahun <dbl>, jml_pengurangan_tahun <dbl>,
## # persen_pengurangan <dbl>, jml_penanganan_tahun <dbl>,
## # persen_penanganan <dbl>, jml_kelola <dbl>, persen_kelola <dbl>,
## # jml_daur_ulang <dbl>, jml_bahan_baku <dbl>, persen_recycling_rate <dbl>,
## # jml_sampah_tpa_sanitary_control <dbl>, jml_sampah_tpa_open_dumping <dbl>
##
## $`Kalimantan Selatan`
## # A tibble: 11 × 17
## tahun periode nama_provinsi nama_kabkota jml_timbulan_harian
## <dbl> <dbl> <chr> <chr> <dbl>
## 1 2025 2 Kalimantan Selatan Kab. Tanah Laut 148.
## 2 2025 2 Kalimantan Selatan Kab. Kotabaru 183.
## 3 2025 2 Kalimantan Selatan Kab. Banjar 357.
## 4 2025 2 Kalimantan Selatan Kab. Barito Kuala 98.9
## 5 2025 2 Kalimantan Selatan Kab. Tapin 76.2
## 6 2025 2 Kalimantan Selatan Kab. Hulu Sungai Selatan 110.
## 7 2025 2 Kalimantan Selatan Kab. Hulu Sungai Tengah 135.
## 8 2025 2 Kalimantan Selatan Kab. Hulu Sungai Utara 95.4
## 9 2025 2 Kalimantan Selatan Kab. Tanah Bumbu 200.
## 10 2025 2 Kalimantan Selatan Kab. Balangan 59.5
## 11 2025 2 Kalimantan Selatan Kota Banjarmasin 477.
## # ℹ 12 more variables: jml_timbulan_tahun <dbl>, jml_pengurangan_tahun <dbl>,
## # persen_pengurangan <dbl>, jml_penanganan_tahun <dbl>,
## # persen_penanganan <dbl>, jml_kelola <dbl>, persen_kelola <dbl>,
## # jml_daur_ulang <dbl>, jml_bahan_baku <dbl>, persen_recycling_rate <dbl>,
## # jml_sampah_tpa_sanitary_control <dbl>, jml_sampah_tpa_open_dumping <dbl>
##
## $`Kalimantan Tengah`
## # A tibble: 10 × 17
## tahun periode nama_provinsi nama_kabkota jml_timbulan_harian
## <dbl> <dbl> <chr> <chr> <dbl>
## 1 2025 2 Kalimantan Tengah Kab. Kotawaringin Barat 141.
## 2 2025 2 Kalimantan Tengah Kab. Kotawaringin Timur 245.
## 3 2025 2 Kalimantan Tengah Kab. Kapuas 215.
## 4 2025 2 Kalimantan Tengah Kab. Barito Selatan 68.0
## 5 2025 2 Kalimantan Tengah Kab. Barito Utara 65.0
## 6 2025 2 Kalimantan Tengah Kab. Seruyan 87.2
## 7 2025 2 Kalimantan Tengah Kab. Sukamara 27.6
## 8 2025 2 Kalimantan Tengah Kab. Pulang Pisau 72.3
## 9 2025 2 Kalimantan Tengah Kab. Barito Timur 46.7
## 10 2025 2 Kalimantan Tengah Kota Palangkaraya 157.
## # ℹ 12 more variables: jml_timbulan_tahun <dbl>, jml_pengurangan_tahun <dbl>,
## # persen_pengurangan <dbl>, jml_penanganan_tahun <dbl>,
## # persen_penanganan <dbl>, jml_kelola <dbl>, persen_kelola <dbl>,
## # jml_daur_ulang <dbl>, jml_bahan_baku <dbl>, persen_recycling_rate <dbl>,
## # jml_sampah_tpa_sanitary_control <dbl>, jml_sampah_tpa_open_dumping <dbl>
##
## $`Kalimantan Timur`
## # A tibble: 10 × 17
## tahun periode nama_provinsi nama_kabkota jml_timbulan_harian
## <dbl> <dbl> <chr> <chr> <dbl>
## 1 2025 2 Kalimantan Timur Kab. Paser 129.
## 2 2025 2 Kalimantan Timur Kab. Kutai Kartanegara 399.
## 3 2025 2 Kalimantan Timur Kab. Berau 154.
## 4 2025 2 Kalimantan Timur Kab. Kutai Barat 76.3
## 5 2025 2 Kalimantan Timur Kab. Kutai Timur 232.
## 6 2025 2 Kalimantan Timur Kab. Penajam Paser Utara 103.
## 7 2025 2 Kalimantan Timur Kab. Mahakam Ulu 19.2
## 8 2025 2 Kalimantan Timur Kota Balikpapan 553.
## 9 2025 2 Kalimantan Timur Kota Samarinda 657.
## 10 2025 2 Kalimantan Timur Kota Bontang 109.
## # ℹ 12 more variables: jml_timbulan_tahun <dbl>, jml_pengurangan_tahun <dbl>,
## # persen_pengurangan <dbl>, jml_penanganan_tahun <dbl>,
## # persen_penanganan <dbl>, jml_kelola <dbl>, persen_kelola <dbl>,
## # jml_daur_ulang <dbl>, jml_bahan_baku <dbl>, persen_recycling_rate <dbl>,
## # jml_sampah_tpa_sanitary_control <dbl>, jml_sampah_tpa_open_dumping <dbl>
##
## $`Kalimantan Utara`
## # A tibble: 5 × 17
## tahun periode nama_provinsi nama_kabkota jml_timbulan_harian
## <dbl> <dbl> <chr> <chr> <dbl>
## 1 2025 2 Kalimantan Utara Kab. Bulungan 86.1
## 2 2025 2 Kalimantan Utara Kab. Malinau 35.0
## 3 2025 2 Kalimantan Utara Kab. Nunukan 45.8
## 4 2025 2 Kalimantan Utara Kab. Tana Tidung 12.1
## 5 2025 2 Kalimantan Utara Kota Tarakan 129.
## # ℹ 12 more variables: jml_timbulan_tahun <dbl>, jml_pengurangan_tahun <dbl>,
## # persen_pengurangan <dbl>, jml_penanganan_tahun <dbl>,
## # persen_penanganan <dbl>, jml_kelola <dbl>, persen_kelola <dbl>,
## # jml_daur_ulang <dbl>, jml_bahan_baku <dbl>, persen_recycling_rate <dbl>,
## # jml_sampah_tpa_sanitary_control <dbl>, jml_sampah_tpa_open_dumping <dbl>
##
## $`Kepulauan Bangka Belitung`
## # A tibble: 6 × 17
## tahun periode nama_provinsi nama_kabkota jml_timbulan_harian
## <dbl> <dbl> <chr> <chr> <dbl>
## 1 2025 2 Kepulauan Bangka Belitung Kab. Bangka 142.
## 2 2025 2 Kepulauan Bangka Belitung Kab. Belitung 98.8
## 3 2025 2 Kepulauan Bangka Belitung Kab. Bangka Selat… 88.0
## 4 2025 2 Kepulauan Bangka Belitung Kab. Bangka Tengah 116.
## 5 2025 2 Kepulauan Bangka Belitung Kab. Bangka Barat 87.6
## 6 2025 2 Kepulauan Bangka Belitung Kab. Belitung Tim… 53.2
## # ℹ 12 more variables: jml_timbulan_tahun <dbl>, jml_pengurangan_tahun <dbl>,
## # persen_pengurangan <dbl>, jml_penanganan_tahun <dbl>,
## # persen_penanganan <dbl>, jml_kelola <dbl>, persen_kelola <dbl>,
## # jml_daur_ulang <dbl>, jml_bahan_baku <dbl>, persen_recycling_rate <dbl>,
## # jml_sampah_tpa_sanitary_control <dbl>, jml_sampah_tpa_open_dumping <dbl>
##
## $`Kepulauan Riau`
## # A tibble: 5 × 17
## tahun periode nama_provinsi nama_kabkota jml_timbulan_harian
## <dbl> <dbl> <chr> <chr> <dbl>
## 1 2025 2 Kepulauan Riau Kab. Bintan 60.2
## 2 2025 2 Kepulauan Riau Kab. Natuna 33.8
## 3 2025 2 Kepulauan Riau Kab. Lingga 51.0
## 4 2025 2 Kepulauan Riau Kab. Kepulauan Anambas 15.1
## 5 2025 2 Kepulauan Riau Kota Tanjung Pinang 121.
## # ℹ 12 more variables: jml_timbulan_tahun <dbl>, jml_pengurangan_tahun <dbl>,
## # persen_pengurangan <dbl>, jml_penanganan_tahun <dbl>,
## # persen_penanganan <dbl>, jml_kelola <dbl>, persen_kelola <dbl>,
## # jml_daur_ulang <dbl>, jml_bahan_baku <dbl>, persen_recycling_rate <dbl>,
## # jml_sampah_tpa_sanitary_control <dbl>, jml_sampah_tpa_open_dumping <dbl>
##
## $Lampung
## # A tibble: 12 × 17
## tahun periode nama_provinsi nama_kabkota jml_timbulan_harian
## <dbl> <dbl> <chr> <chr> <dbl>
## 1 2025 2 Lampung Kab. Lampung Selatan 780.
## 2 2025 2 Lampung Kab. Lampung Tengah 686.
## 3 2025 2 Lampung Kab. Lampung Utara 270.
## 4 2025 2 Lampung Kab. Lampung Barat 128.
## 5 2025 2 Lampung Kab. Tulang Bawang 176.
## 6 2025 2 Lampung Kab. Tanggamus 375.
## 7 2025 2 Lampung Kab. Way Kanan 198.
## 8 2025 2 Lampung Kab. Pesawaran 200.
## 9 2025 2 Lampung Kab. Mesuji 97.6
## 10 2025 2 Lampung Kab. Tulang Bawang Barat 119.
## 11 2025 2 Lampung Kab. Pesisir Barat 69.5
## 12 2025 2 Lampung Kota Bandar Lampung 700.
## # ℹ 12 more variables: jml_timbulan_tahun <dbl>, jml_pengurangan_tahun <dbl>,
## # persen_pengurangan <dbl>, jml_penanganan_tahun <dbl>,
## # persen_penanganan <dbl>, jml_kelola <dbl>, persen_kelola <dbl>,
## # jml_daur_ulang <dbl>, jml_bahan_baku <dbl>, persen_recycling_rate <dbl>,
## # jml_sampah_tpa_sanitary_control <dbl>, jml_sampah_tpa_open_dumping <dbl>
##
## $Maluku
## # A tibble: 2 × 17
## tahun periode nama_provinsi nama_kabkota jml_timbulan_harian
## <dbl> <dbl> <chr> <chr> <dbl>
## 1 2025 2 Maluku Kab. Maluku Barat Daya 38.3
## 2 2025 2 Maluku Kota Tual 36.5
## # ℹ 12 more variables: jml_timbulan_tahun <dbl>, jml_pengurangan_tahun <dbl>,
## # persen_pengurangan <dbl>, jml_penanganan_tahun <dbl>,
## # persen_penanganan <dbl>, jml_kelola <dbl>, persen_kelola <dbl>,
## # jml_daur_ulang <dbl>, jml_bahan_baku <dbl>, persen_recycling_rate <dbl>,
## # jml_sampah_tpa_sanitary_control <dbl>, jml_sampah_tpa_open_dumping <dbl>
##
## $`Maluku Utara`
## # A tibble: 4 × 17
## tahun periode nama_provinsi nama_kabkota jml_timbulan_harian
## <dbl> <dbl> <chr> <chr> <dbl>
## 1 2025 2 Maluku Utara Kab. Halmahera Utara 144.
## 2 2025 2 Maluku Utara Kab. Halmahera Selatan 103.
## 3 2025 2 Maluku Utara Kab. Halmahera Timur 56.0
## 4 2025 2 Maluku Utara Kab. Pulau Morotai 32.7
## # ℹ 12 more variables: jml_timbulan_tahun <dbl>, jml_pengurangan_tahun <dbl>,
## # persen_pengurangan <dbl>, jml_penanganan_tahun <dbl>,
## # persen_penanganan <dbl>, jml_kelola <dbl>, persen_kelola <dbl>,
## # jml_daur_ulang <dbl>, jml_bahan_baku <dbl>, persen_recycling_rate <dbl>,
## # jml_sampah_tpa_sanitary_control <dbl>, jml_sampah_tpa_open_dumping <dbl>
##
## $`Nusa Tenggara Barat`
## # A tibble: 2 × 17
## tahun periode nama_provinsi nama_kabkota jml_timbulan_harian
## <dbl> <dbl> <chr> <chr> <dbl>
## 1 2025 2 Nusa Tenggara Barat Kab. Lombok Barat 305.
## 2 2025 2 Nusa Tenggara Barat Kab. Sumbawa Barat 64.9
## # ℹ 12 more variables: jml_timbulan_tahun <dbl>, jml_pengurangan_tahun <dbl>,
## # persen_pengurangan <dbl>, jml_penanganan_tahun <dbl>,
## # persen_penanganan <dbl>, jml_kelola <dbl>, persen_kelola <dbl>,
## # jml_daur_ulang <dbl>, jml_bahan_baku <dbl>, persen_recycling_rate <dbl>,
## # jml_sampah_tpa_sanitary_control <dbl>, jml_sampah_tpa_open_dumping <dbl>
##
## $`Nusa Tenggara Timur`
## # A tibble: 22 × 17
## tahun periode nama_provinsi nama_kabkota jml_timbulan_harian
## <dbl> <dbl> <chr> <chr> <dbl>
## 1 2025 2 Nusa Tenggara Timur Kab. Kupang 157.
## 2 2025 2 Nusa Tenggara Timur Kab. Timor Tengah Sela… 196.
## 3 2025 2 Nusa Tenggara Timur Kab. Timor Tengah Utara 110.
## 4 2025 2 Nusa Tenggara Timur Kab. Belu 92.6
## 5 2025 2 Nusa Tenggara Timur Kab. Alor 90
## 6 2025 2 Nusa Tenggara Timur Kab. Flores Timur 119.
## 7 2025 2 Nusa Tenggara Timur Kab. Sikka 139.
## 8 2025 2 Nusa Tenggara Timur Kab. Ende 113.
## 9 2025 2 Nusa Tenggara Timur Kab. Ngada 122.
## 10 2025 2 Nusa Tenggara Timur Kab. Manggarai 140.
## # ℹ 12 more rows
## # ℹ 12 more variables: jml_timbulan_tahun <dbl>, jml_pengurangan_tahun <dbl>,
## # persen_pengurangan <dbl>, jml_penanganan_tahun <dbl>,
## # persen_penanganan <dbl>, jml_kelola <dbl>, persen_kelola <dbl>,
## # jml_daur_ulang <dbl>, jml_bahan_baku <dbl>, persen_recycling_rate <dbl>,
## # jml_sampah_tpa_sanitary_control <dbl>, jml_sampah_tpa_open_dumping <dbl>
##
## $Papua
## # A tibble: 2 × 17
## tahun periode nama_provinsi nama_kabkota jml_timbulan_harian
## <dbl> <dbl> <chr> <chr> <dbl>
## 1 2025 2 Papua Kab. Keerom 29.7
## 2 2025 2 Papua Kota Jayapura 243.
## # ℹ 12 more variables: jml_timbulan_tahun <dbl>, jml_pengurangan_tahun <dbl>,
## # persen_pengurangan <dbl>, jml_penanganan_tahun <dbl>,
## # persen_penanganan <dbl>, jml_kelola <dbl>, persen_kelola <dbl>,
## # jml_daur_ulang <dbl>, jml_bahan_baku <dbl>, persen_recycling_rate <dbl>,
## # jml_sampah_tpa_sanitary_control <dbl>, jml_sampah_tpa_open_dumping <dbl>
##
## $`Papua Barat`
## # A tibble: 4 × 17
## tahun periode nama_provinsi nama_kabkota jml_timbulan_harian
## <dbl> <dbl> <chr> <chr> <dbl>
## 1 2025 2 Papua Barat Kab. Manokwari 146
## 2 2025 2 Papua Barat Kab. Fak Fak 38.0
## 3 2025 2 Papua Barat Kab. Teluk Bintuni 36.4
## 4 2025 2 Papua Barat Kab. Teluk Wondama 19.0
## # ℹ 12 more variables: jml_timbulan_tahun <dbl>, jml_pengurangan_tahun <dbl>,
## # persen_pengurangan <dbl>, jml_penanganan_tahun <dbl>,
## # persen_penanganan <dbl>, jml_kelola <dbl>, persen_kelola <dbl>,
## # jml_daur_ulang <dbl>, jml_bahan_baku <dbl>, persen_recycling_rate <dbl>,
## # jml_sampah_tpa_sanitary_control <dbl>, jml_sampah_tpa_open_dumping <dbl>
##
## $`Papua Barat Daya`
## # A tibble: 3 × 17
## tahun periode nama_provinsi nama_kabkota jml_timbulan_harian
## <dbl> <dbl> <chr> <chr> <dbl>
## 1 2025 2 Papua Barat Daya Kab. Sorong 52.0
## 2 2025 2 Papua Barat Daya Kab. Raja Ampat 28.3
## 3 2025 2 Papua Barat Daya Kab. Tambrauw 16.3
## # ℹ 12 more variables: jml_timbulan_tahun <dbl>, jml_pengurangan_tahun <dbl>,
## # persen_pengurangan <dbl>, jml_penanganan_tahun <dbl>,
## # persen_penanganan <dbl>, jml_kelola <dbl>, persen_kelola <dbl>,
## # jml_daur_ulang <dbl>, jml_bahan_baku <dbl>, persen_recycling_rate <dbl>,
## # jml_sampah_tpa_sanitary_control <dbl>, jml_sampah_tpa_open_dumping <dbl>
##
## $`Papua Selatan`
## # A tibble: 1 × 17
## tahun periode nama_provinsi nama_kabkota jml_timbulan_harian
## <dbl> <dbl> <chr> <chr> <dbl>
## 1 2025 2 Papua Selatan Kab. Asmat 48.4
## # ℹ 12 more variables: jml_timbulan_tahun <dbl>, jml_pengurangan_tahun <dbl>,
## # persen_pengurangan <dbl>, jml_penanganan_tahun <dbl>,
## # persen_penanganan <dbl>, jml_kelola <dbl>, persen_kelola <dbl>,
## # jml_daur_ulang <dbl>, jml_bahan_baku <dbl>, persen_recycling_rate <dbl>,
## # jml_sampah_tpa_sanitary_control <dbl>, jml_sampah_tpa_open_dumping <dbl>
##
## $`Papua Tengah`
## # A tibble: 1 × 17
## tahun periode nama_provinsi nama_kabkota jml_timbulan_harian
## <dbl> <dbl> <chr> <chr> <dbl>
## 1 2025 2 Papua Tengah Kab. Mimika 162.
## # ℹ 12 more variables: jml_timbulan_tahun <dbl>, jml_pengurangan_tahun <dbl>,
## # persen_pengurangan <dbl>, jml_penanganan_tahun <dbl>,
## # persen_penanganan <dbl>, jml_kelola <dbl>, persen_kelola <dbl>,
## # jml_daur_ulang <dbl>, jml_bahan_baku <dbl>, persen_recycling_rate <dbl>,
## # jml_sampah_tpa_sanitary_control <dbl>, jml_sampah_tpa_open_dumping <dbl>
##
## $Riau
## # A tibble: 3 × 17
## tahun periode nama_provinsi nama_kabkota jml_timbulan_harian
## <dbl> <dbl> <chr> <chr> <dbl>
## 1 2025 2 Riau Kab. Siak 198.
## 2 2025 2 Riau Kota Pekanbaru 1051.
## 3 2025 2 Riau Kota Dumai 178.
## # ℹ 12 more variables: jml_timbulan_tahun <dbl>, jml_pengurangan_tahun <dbl>,
## # persen_pengurangan <dbl>, jml_penanganan_tahun <dbl>,
## # persen_penanganan <dbl>, jml_kelola <dbl>, persen_kelola <dbl>,
## # jml_daur_ulang <dbl>, jml_bahan_baku <dbl>, persen_recycling_rate <dbl>,
## # jml_sampah_tpa_sanitary_control <dbl>, jml_sampah_tpa_open_dumping <dbl>
##
## $`Sulawesi Barat`
## # A tibble: 5 × 17
## tahun periode nama_provinsi nama_kabkota jml_timbulan_harian
## <dbl> <dbl> <chr> <chr> <dbl>
## 1 2025 2 Sulawesi Barat Kab. Pasangkayu 59.9
## 2 2025 2 Sulawesi Barat Kab. Mamuju 144.
## 3 2025 2 Sulawesi Barat Kab. Mamasa 83.5
## 4 2025 2 Sulawesi Barat Kab. Majene 108.
## 5 2025 2 Sulawesi Barat Kab. Mamuju Tengah 71.6
## # ℹ 12 more variables: jml_timbulan_tahun <dbl>, jml_pengurangan_tahun <dbl>,
## # persen_pengurangan <dbl>, jml_penanganan_tahun <dbl>,
## # persen_penanganan <dbl>, jml_kelola <dbl>, persen_kelola <dbl>,
## # jml_daur_ulang <dbl>, jml_bahan_baku <dbl>, persen_recycling_rate <dbl>,
## # jml_sampah_tpa_sanitary_control <dbl>, jml_sampah_tpa_open_dumping <dbl>
##
## $`Sulawesi Selatan`
## # A tibble: 19 × 17
## tahun periode nama_provinsi nama_kabkota jml_timbulan_harian
## <dbl> <dbl> <chr> <chr> <dbl>
## 1 2025 2 Sulawesi Selatan Kab. Kepulauan Selayar 57.3
## 2 2025 2 Sulawesi Selatan Kab. Bulukumba 192.
## 3 2025 2 Sulawesi Selatan Kab. Bantaeng 86.9
## 4 2025 2 Sulawesi Selatan Kab. Gowa 421.
## 5 2025 2 Sulawesi Selatan Kab. Bone 414.
## 6 2025 2 Sulawesi Selatan Kab. Maros 202.
## 7 2025 2 Sulawesi Selatan Kab. Pangkajene dan Kepul… 146.
## 8 2025 2 Sulawesi Selatan Kab. Barru 78.5
## 9 2025 2 Sulawesi Selatan Kab. Soppeng 96.4
## 10 2025 2 Sulawesi Selatan Kab. Wajo 205.
## 11 2025 2 Sulawesi Selatan Kab. Sidenreng Rappang 167.
## 12 2025 2 Sulawesi Selatan Kab. Pinrang 191.
## 13 2025 2 Sulawesi Selatan Kab. Luwu 194.
## 14 2025 2 Sulawesi Selatan Kab. Tana Toraja 128.
## 15 2025 2 Sulawesi Selatan Kab. Luwu Utara 168.
## 16 2025 2 Sulawesi Selatan Kab. Luwu Timur 162.
## 17 2025 2 Sulawesi Selatan Kab. Toraja Utara 134.
## 18 2025 2 Sulawesi Selatan Kota Makassar 1064.
## 19 2025 2 Sulawesi Selatan Kota Palopo 91.4
## # ℹ 12 more variables: jml_timbulan_tahun <dbl>, jml_pengurangan_tahun <dbl>,
## # persen_pengurangan <dbl>, jml_penanganan_tahun <dbl>,
## # persen_penanganan <dbl>, jml_kelola <dbl>, persen_kelola <dbl>,
## # jml_daur_ulang <dbl>, jml_bahan_baku <dbl>, persen_recycling_rate <dbl>,
## # jml_sampah_tpa_sanitary_control <dbl>, jml_sampah_tpa_open_dumping <dbl>
##
## $`Sulawesi Tengah`
## # A tibble: 5 × 17
## tahun periode nama_provinsi nama_kabkota jml_timbulan_harian
## <dbl> <dbl> <chr> <chr> <dbl>
## 1 2025 2 Sulawesi Tengah Kab. Poso 127.
## 2 2025 2 Sulawesi Tengah Kab. Donggala 155.
## 3 2025 2 Sulawesi Tengah Kab. Morowali 99.5
## 4 2025 2 Sulawesi Tengah Kab. Sigi 135.
## 5 2025 2 Sulawesi Tengah Kota Palu 218.
## # ℹ 12 more variables: jml_timbulan_tahun <dbl>, jml_pengurangan_tahun <dbl>,
## # persen_pengurangan <dbl>, jml_penanganan_tahun <dbl>,
## # persen_penanganan <dbl>, jml_kelola <dbl>, persen_kelola <dbl>,
## # jml_daur_ulang <dbl>, jml_bahan_baku <dbl>, persen_recycling_rate <dbl>,
## # jml_sampah_tpa_sanitary_control <dbl>, jml_sampah_tpa_open_dumping <dbl>
##
## $`Sulawesi Tenggara`
## # A tibble: 8 × 17
## tahun periode nama_provinsi nama_kabkota jml_timbulan_harian
## <dbl> <dbl> <chr> <chr> <dbl>
## 1 2025 2 Sulawesi Tenggara Kab. Kolaka 126.
## 2 2025 2 Sulawesi Tenggara Kab. Konawe 134.
## 3 2025 2 Sulawesi Tenggara Kab. Konawe Selatan 166.
## 4 2025 2 Sulawesi Tenggara Kab. Wakatobi 59.5
## 5 2025 2 Sulawesi Tenggara Kab. Konawe Utara 33.4
## 6 2025 2 Sulawesi Tenggara Kab. Kolaka Timur 64.9
## 7 2025 2 Sulawesi Tenggara Kota Kendari 259.
## 8 2025 2 Sulawesi Tenggara Kota Bau Bau 81.9
## # ℹ 12 more variables: jml_timbulan_tahun <dbl>, jml_pengurangan_tahun <dbl>,
## # persen_pengurangan <dbl>, jml_penanganan_tahun <dbl>,
## # persen_penanganan <dbl>, jml_kelola <dbl>, persen_kelola <dbl>,
## # jml_daur_ulang <dbl>, jml_bahan_baku <dbl>, persen_recycling_rate <dbl>,
## # jml_sampah_tpa_sanitary_control <dbl>, jml_sampah_tpa_open_dumping <dbl>
##
## $`Sulawesi Utara`
## # A tibble: 15 × 17
## tahun periode nama_provinsi nama_kabkota jml_timbulan_harian
## <dbl> <dbl> <chr> <chr> <dbl>
## 1 2025 2 Sulawesi Utara Kab. Bolaang Mongondow 129.
## 2 2025 2 Sulawesi Utara Kab. Minahasa 178.
## 3 2025 2 Sulawesi Utara Kab. Kepulauan Sangihe 56.2
## 4 2025 2 Sulawesi Utara Kab. Kepulauan Talaud 40.4
## 5 2025 2 Sulawesi Utara Kab. Minahasa Selatan 96.5
## 6 2025 2 Sulawesi Utara Kab. Minahasa Utara 121.
## 7 2025 2 Sulawesi Utara Kab. Minahasa Tenggara 48.5
## 8 2025 2 Sulawesi Utara Kab. Bolaang Mongondow Utara 35.2
## 9 2025 2 Sulawesi Utara Kab. Kep. Siau Tagulandang … 28.2
## 10 2025 2 Sulawesi Utara Kab. Bolaang Mongondow Timur 36.5
## 11 2025 2 Sulawesi Utara Kab. Bolaang Mongondow Sela… 30.4
## 12 2025 2 Sulawesi Utara Kota Manado 296.
## 13 2025 2 Sulawesi Utara Kota Bitung 142.
## 14 2025 2 Sulawesi Utara Kota Tomohon 52.1
## 15 2025 2 Sulawesi Utara Kota Kotamobagu 60.9
## # ℹ 12 more variables: jml_timbulan_tahun <dbl>, jml_pengurangan_tahun <dbl>,
## # persen_pengurangan <dbl>, jml_penanganan_tahun <dbl>,
## # persen_penanganan <dbl>, jml_kelola <dbl>, persen_kelola <dbl>,
## # jml_daur_ulang <dbl>, jml_bahan_baku <dbl>, persen_recycling_rate <dbl>,
## # jml_sampah_tpa_sanitary_control <dbl>, jml_sampah_tpa_open_dumping <dbl>
##
## $`Sumatera Barat`
## # A tibble: 14 × 17
## tahun periode nama_provinsi nama_kabkota jml_timbulan_harian
## <dbl> <dbl> <chr> <chr> <dbl>
## 1 2025 2 Sumatera Barat Kab. Pesisir Selatan 160.
## 2 2025 2 Sumatera Barat Kab. Solok 164.
## 3 2025 2 Sumatera Barat Kab. Sijunjung 101.
## 4 2025 2 Sumatera Barat Kab. Tanah Datar 132.
## 5 2025 2 Sumatera Barat Kab. Padang Pariaman 23.0
## 6 2025 2 Sumatera Barat Kab. Agam 224.
## 7 2025 2 Sumatera Barat Kab. Pasaman 129.
## 8 2025 2 Sumatera Barat Kab. Solok Selatan 67.7
## 9 2025 2 Sumatera Barat Kota Padang 669.
## 10 2025 2 Sumatera Barat Kota Sawahlunto 19.2
## 11 2025 2 Sumatera Barat Kota Padang Panjang 51.3
## 12 2025 2 Sumatera Barat Kota Bukittinggi 135.
## 13 2025 2 Sumatera Barat Kota Payakumbuh 97.4
## 14 2025 2 Sumatera Barat Kota Pariaman 41.8
## # ℹ 12 more variables: jml_timbulan_tahun <dbl>, jml_pengurangan_tahun <dbl>,
## # persen_pengurangan <dbl>, jml_penanganan_tahun <dbl>,
## # persen_penanganan <dbl>, jml_kelola <dbl>, persen_kelola <dbl>,
## # jml_daur_ulang <dbl>, jml_bahan_baku <dbl>, persen_recycling_rate <dbl>,
## # jml_sampah_tpa_sanitary_control <dbl>, jml_sampah_tpa_open_dumping <dbl>
##
## $`Sumatera Selatan`
## # A tibble: 11 × 17
## tahun periode nama_provinsi nama_kabkota jml_timbulan_harian
## <dbl> <dbl> <chr> <chr> <dbl>
## 1 2025 2 Sumatera Selatan Kab. Ogan Komering Ulu 156.
## 2 2025 2 Sumatera Selatan Kab. Muara Enim 261.
## 3 2025 2 Sumatera Selatan Kab. Lahat 227.
## 4 2025 2 Sumatera Selatan Kab. Musi Rawas 172.
## 5 2025 2 Sumatera Selatan Kab. Musi Banyuasin 288.
## 6 2025 2 Sumatera Selatan Kab. Banyuasin 509.
## 7 2025 2 Sumatera Selatan Kab. Ogan Komering Ulu Ti… 283.
## 8 2025 2 Sumatera Selatan Kab. Ogan Komering Ulu Se… 163.
## 9 2025 2 Sumatera Selatan Kab. Penukal Abab Lematan… 107.
## 10 2025 2 Sumatera Selatan Kota Pagar Alam 78.1
## 11 2025 2 Sumatera Selatan Kota Prabumulih 103.
## # ℹ 12 more variables: jml_timbulan_tahun <dbl>, jml_pengurangan_tahun <dbl>,
## # persen_pengurangan <dbl>, jml_penanganan_tahun <dbl>,
## # persen_penanganan <dbl>, jml_kelola <dbl>, persen_kelola <dbl>,
## # jml_daur_ulang <dbl>, jml_bahan_baku <dbl>, persen_recycling_rate <dbl>,
## # jml_sampah_tpa_sanitary_control <dbl>, jml_sampah_tpa_open_dumping <dbl>
##
## $`Sumatera Utara`
## # A tibble: 7 × 17
## tahun periode nama_provinsi nama_kabkota jml_timbulan_harian
## <dbl> <dbl> <chr> <chr> <dbl>
## 1 2025 2 Sumatera Utara Kab. Nias 59.5
## 2 2025 2 Sumatera Utara Kab. Simalungun 534.
## 3 2025 2 Sumatera Utara Kab. Toba 110.
## 4 2025 2 Sumatera Utara Kab. Mandailing Natal 206.
## 5 2025 2 Sumatera Utara Kab. Humbang Hasundutan 104.
## 6 2025 2 Sumatera Utara Kota Sibolga 55.3
## 7 2025 2 Sumatera Utara Kota Tanjung Balai 94.0
## # ℹ 12 more variables: jml_timbulan_tahun <dbl>, jml_pengurangan_tahun <dbl>,
## # persen_pengurangan <dbl>, jml_penanganan_tahun <dbl>,
## # persen_penanganan <dbl>, jml_kelola <dbl>, persen_kelola <dbl>,
## # jml_daur_ulang <dbl>, jml_bahan_baku <dbl>, persen_recycling_rate <dbl>,
## # jml_sampah_tpa_sanitary_control <dbl>, jml_sampah_tpa_open_dumping <dbl>II. Data Wrangling
1. Provinsi dengan persentase sampah terkelola tertinggi?
library(dplyr)
data_sampah <- select(datasampah, nama_provinsi, persen_kelola)
head(data_sampah, n=327)## # A tibble: 327 × 2
## nama_provinsi persen_kelola
## <chr> <dbl>
## 1 Aceh 0.05
## 2 Aceh 0.01
## 3 Aceh 1.28
## 4 Aceh 2.68
## 5 Aceh 91.7
## 6 Aceh 56.0
## 7 Aceh 41.2
## 8 Aceh 1.23
## 9 Aceh 4.87
## 10 Aceh 11.1
## # ℹ 317 more rowsdataprovinsi <- data_sampah %>%
group_by(nama_provinsi) %>%
summarise(rata_rata = mean(persen_kelola, na.rm = TRUE))
head(dataprovinsi, n=37)## # A tibble: 37 × 2
## nama_provinsi rata_rata
## <chr> <dbl>
## 1 Aceh 23.5
## 2 Bali 39.3
## 3 Banten 22.4
## 4 Bengkulu 1.82
## 5 DKI Jakarta 25.7
## 6 Daerah Istimewa Yogyakarta 49.3
## 7 Gorontalo 64.3
## 8 Jambi 7.44
## 9 Jawa Barat 33.3
## 10 Jawa Tengah 33.5
## # ℹ 27 more rowspersentase_tertinggi <- dataprovinsi %>%
arrange(desc(rata_rata)) %>%
head(1)
persentase_tertinggi## # A tibble: 1 × 2
## nama_provinsi rata_rata
## <chr> <dbl>
## 1 Gorontalo 64.32. Provinsi dengan persentase sampah terkelola terendah
persentase_terendah <- dataprovinsi %>%
arrange(rata_rata) %>%
head(1)
persentase_terendah## # A tibble: 1 × 2
## nama_provinsi rata_rata
## <chr> <dbl>
## 1 Maluku 0.0653. Provinsi dengan persentase sampah terkelola lebih dari 50%?
dataprovinsi %>%
filter(rata_rata > 50)## # A tibble: 3 × 2
## nama_provinsi rata_rata
## <chr> <dbl>
## 1 Gorontalo 64.3
## 2 Kalimantan Utara 53.6
## 3 Nusa Tenggara Barat 58.94. Provinsi dengan persentase sampah terkelola kurang dari 50%?
dataprovinsi %>%
filter(rata_rata < 50)## # A tibble: 34 × 2
## nama_provinsi rata_rata
## <chr> <dbl>
## 1 Aceh 23.5
## 2 Bali 39.3
## 3 Banten 22.4
## 4 Bengkulu 1.82
## 5 DKI Jakarta 25.7
## 6 Daerah Istimewa Yogyakarta 49.3
## 7 Jambi 7.44
## 8 Jawa Barat 33.3
## 9 Jawa Tengah 33.5
## 10 Jawa Timur 48.7
## # ℹ 24 more rows5. Rata-rata persentase sampah terkelola?
mean(dataprovinsi$rata_rata, na.rm = TRUE)## [1] 24.545196. Provinsi dengan persentase sampah terkelola di bawah rata-rata?
dataprovinsi %>%
filter(rata_rata < mean(rata_rata, na.rm = TRUE))## # A tibble: 19 × 2
## nama_provinsi rata_rata
## <chr> <dbl>
## 1 Aceh 23.5
## 2 Banten 22.4
## 3 Bengkulu 1.82
## 4 Jambi 7.44
## 5 Kalimantan Barat 4.50
## 6 Kepulauan Bangka Belitung 22.9
## 7 Lampung 7.19
## 8 Maluku 0.065
## 9 Maluku Utara 0.938
## 10 Nusa Tenggara Timur 14.3
## 11 Papua 1.52
## 12 Papua Barat 1.89
## 13 Papua Barat Daya 6.22
## 14 Papua Selatan 0.25
## 15 Papua Tengah 2.51
## 16 Riau 17.9
## 17 Sulawesi Barat 3.26
## 18 Sulawesi Utara 18.1
## 19 Sumatera Utara 13.67. Berapa persentase sampah yang terkelola dari total timbulan sampah?
library(dplyr)
hasil_nasional <- datasampah %>%
summarise(total_timbulan = sum(jml_timbulan_tahun, na.rm = TRUE),
total_kelola = sum(jml_kelola, na.rm = TRUE),
persen_kelola = (total_kelola / total_timbulan) * 100)
hasil_nasional## # A tibble: 1 × 3
## total_timbulan total_kelola persen_kelola
## <dbl> <dbl> <dbl>
## 1 34674703. 10915388. 31.5III. Visualisasi Data
1. Visualisasi 10 provinsi dengan persentase sampah terkelola terendah
library(ggplot2)
library(readxl)
library(dplyr)
data_sampah <- read_excel ("C:/Users/dahayu/Downloads/Data_Capaian_SIPSN_KLHK_2025.xlsx")
head(data_sampah)## # A tibble: 6 × 17
## tahun periode nama_provinsi nama_kabkota jml_timbulan_harian
## <dbl> <dbl> <chr> <chr> <dbl>
## 1 2025 2 Aceh Kab. Aceh Selatan 96.8
## 2 2025 2 Aceh Kab. Aceh Tenggara 118.
## 3 2025 2 Aceh Kab. Aceh Timur 185.
## 4 2025 2 Aceh Kab. Aceh Tengah 115.
## 5 2025 2 Aceh Kab. Aceh Barat 84.4
## 6 2025 2 Aceh Kab. Aceh Besar 152.
## # ℹ 12 more variables: jml_timbulan_tahun <dbl>, jml_pengurangan_tahun <dbl>,
## # persen_pengurangan <dbl>, jml_penanganan_tahun <dbl>,
## # persen_penanganan <dbl>, jml_kelola <dbl>, persen_kelola <dbl>,
## # jml_daur_ulang <dbl>, jml_bahan_baku <dbl>, persen_recycling_rate <dbl>,
## # jml_sampah_tpa_sanitary_control <dbl>, jml_sampah_tpa_open_dumping <dbl>df_provinsi <- data_sampah %>%
group_by(nama_provinsi) %>%
summarise(
total_timbulan = sum(jml_timbulan_tahun, na.rm = TRUE),
total_kelola = sum(jml_kelola, na.rm = TRUE)
) %>%
mutate(
persen_kelola_total = (total_kelola / total_timbulan) * 100
)
head(df_provinsi, 10)## # A tibble: 10 × 4
## nama_provinsi total_timbulan total_kelola persen_kelola_total
## <chr> <dbl> <dbl> <dbl>
## 1 Aceh 827763. 200785. 24.3
## 2 Bali 1141777. 406611. 35.6
## 3 Banten 2067115. 496152. 24.0
## 4 Bengkulu 153475. 4314. 2.81
## 5 DKI Jakarta 3353343. 830308. 24.8
## 6 Daerah Istimewa Yogyakarta 692035. 309499. 44.7
## 7 Gorontalo 52459. 33746. 64.3
## 8 Jambi 186383. 7315. 3.92
## 9 Jawa Barat 3381620. 807552. 23.9
## 10 Jawa Tengah 5755883. 1929040. 33.5df_terendah <- df_provinsi %>%
arrange(persen_kelola_total) %>%
slice_head(n = 10)
p2 <- ggplot(df_terendah, aes(x = reorder(nama_provinsi, persen_kelola_total), y = persen_kelola_total, fill = persen_kelola_total)) +
geom_col(show.legend = FALSE) +
coord_flip() +
scale_fill_gradient(low = "firebrick", high = "orange") +
labs(title = "10 Provinsi dengan Persentase Sampah Terkelola Terendah",
subtitle = "Berdasarkan Data SIPSN KLHK 2025",
x = "Nama Provinsi",
y = "Persentase Sampah Terkelola (%)") +
theme_minimal(base_size = 12) +
theme(plot.title = element_text(face = "bold", size = 14))
print(p2)
2.Perbandingan Provinsi (Kategori > 50% vs < 50% Persentase Sampah Terkelola)
df_provinsi <- df_provinsi %>%
mutate(kategori_kelola = ifelse(persen_kelola_total > 50, "> 50% (Tinggi)", "<= 50% (Rendah/Sedang)"))
df_kategori_count <- df_provinsi %>%
count(kategori_kelola)
p3_4 <- ggplot(df_kategori_count, aes(x = kategori_kelola, y = n, fill = kategori_kelola)) +
geom_col(width = 0.5, show.legend = FALSE) +
geom_text(aes(label = n), vjust = -0.5, size = 5, fontface = "bold") +
scale_fill_manual(values = c("orange", "chocolate")) +
labs(
title = "Jumlah Provinsi Berdasarkan Kategori Persentase Pengelolaan Sampah",
subtitle = "Batas Ambang 50% Pengelolaan Nasional",
x = "Kategori Persentase Terkelola",
y = "Jumlah Provinsi"
) +
ylim(0, max(df_kategori_count$n) + 5) +
theme_minimal(base_size = 12) +
theme(plot.title = element_text(face = "bold", size = 14))
print(p3_4)
3.Provinsi dengan Sampah Terkelola di Bawah Rata-Rata Nasional
rata_rata_nasional <- mean(df_provinsi$persen_kelola_total, na.rm = TRUE)
df_dibawah_rata <- df_provinsi %>%
filter(persen_kelola_total < rata_rata_nasional) %>%
arrange(persen_kelola_total)
rata_rata_nasional## [1] 24.24019p5_6 <- ggplot(df_dibawah_rata, aes(x = reorder(nama_provinsi, persen_kelola_total), y = persen_kelola_total)) +
geom_col(fill = "steelblue", alpha = 0.8) +
geom_hline(yintercept = rata_rata_nasional, color = "red", linetype = "dashed", size = 1) +
annotate("text", x = 5, y = rata_rata_nasional + 3, label = paste0("Rata-rata Nasional: ", round(rata_rata_nasional, 2), "%"), color = "red", fontface = "bold") +
coord_flip() + labs(title = "Provinsi dengan Persentase Sampah Terkelola di Bawah Rata-Rata",
subtitle = "Dibandingkan Terhadap Garis Rata-Rata Nasional",
x = "Nama Provinsi",
y = "Persentase Sampah Terkelola (%)") +
theme_minimal(base_size = 11) +
theme(plot.title = element_text(face = "bold", size = 13))## Warning: Using `size` aesthetic for lines was deprecated in ggplot2 3.4.0.
## ℹ Please use `linewidth` instead.
## This warning is displayed once per session.
## Call `lifecycle::last_lifecycle_warnings()` to see where this warning was
## generated.print(p5_6)
4.Proporsi Total Sampah Terkelola vs Belum Terkelola secara Nasional (Rasio Timbulan)
total_nasional_timbulan <- sum(df_provinsi$total_timbulan, na.rm = TRUE)
total_nasional_kelola <- sum(df_provinsi$total_kelola, na.rm = TRUE)
total_nasional_belum <- total_nasional_timbulan - total_nasional_kelola
df_rasio <- data.frame(
Status = c("Terkelola", "Belum Terkelola"),
Nilai = c(total_nasional_kelola, total_nasional_belum)
) %>%
mutate(
Proporsi = Nilai / sum(Nilai) * 100,
fraction = Nilai / sum(Nilai),
ymax = cumsum(fraction),
ymin = c(0, head(ymax, n = -1)),
pos_label = (ymax + ymin) / 2,
teks_persen = paste0(round(Proporsi, 1), "%")
)
p7 <- ggplot(df_rasio, aes(ymax = ymax, ymin = ymin, xmax = 4, xmin = 3, fill = Status)) +
geom_rect(color = "white") +
geom_text(aes(x = 3.5, y = pos_label, label = teks_persen), color = "white", size = 5, fontface = "bold") +
coord_polar(theta = "y") +
xlim(c(2, 4)) +
scale_fill_manual(values = c("chocolate", "orange")) +
labs(
title = "Persentase Total Sampah Terkelola dari Timbulan Nasional",
subtitle = "Proporsi Skala Nasional Tahun 2025"
) +
theme_void(base_size = 12) +
theme(
plot.title = element_text(face = "bold", size = 13, hjust = 0.5),
plot.subtitle = element_text(hjust = 0.5),
legend.position = "bottom")
print(p7)
5. Visualisasi rata-rata sampah terkelola per-provinsi
library(ggplot2)
library(dplyr)
dataprovinsi %>%
arrange(desc(rata_rata)) %>%
ggplot(aes(x = reorder(nama_provinsi, rata_rata),
y = rata_rata)) +
geom_col(fill = "pink") +
coord_flip() +
labs(
title = "Rata-rata Persentase Sampah Terkelola per Provinsi",
x = "Provinsi",
y = "Persentase Sampah Terkelola (%)"
) +
theme_minimal()