Definisi dan Evolusi Pengelolaan Sampah Cerdas (SWM)
Pengelolaan Sampah Cerdas (Smart Waste Management – SWM) didefinisikan sebagai sistem yang memanfaatkan teknologi dan data—terutama Internet of Things (IoT) dan Kecerdasan Buatan (AI)—untuk menciptakan industri limbah yang lebih efisien, mengoptimalkan alokasi sumber daya, mengurangi biaya operasional, dan secara substansial meningkatkan keberlanjutan layanan. SWM merupakan respons kritis terhadap masalah manajemen limbah tradisional yang ditandai oleh praktik yang sangat tidak efisien, seperti mengandalkan rute pengumpulan tetap. Pendekatan lama ini sering mengakibatkan pengumpulan tempat sampah yang hampir kosong, menyebabkan peningkatan konsumsi bahan bakar dan dampak lingkungan negatif.
Paradigma Smart Waste Management bertransisi menuju pendekatan yang didorong oleh data real-time, mendasarkan operasi pada kebutuhan aktual tingkat kepenuhan tempat sampah. Prinsip dasar Smart Waste Management mencakup penggunaan sensor pada wadah, platform digital terpusat, perutean cerdas (intelligent routing), dan sistem pelacakan kontainer. Elemen-elemen ini secara kolektif memungkinkan kota untuk beralih ke praktik limbah yang lebih hijau, bersih, dan jauh lebih cerdas.
Keterkaitan Smart Waste Management dalam Ekosistem Smart City dan Smart Environment
Smart Waste Management adalah komponen krusial dalam ekosistem Smart City atau Kota Cerdas, yang bertujuan mengintegrasikan solusi teknologi inovatif dengan pendekatan berpusat pada masyarakat untuk mencapai gaya hidup perkotaan yang berkelanjutan. Peningkatan populasi dan urbanisasi yang cepat telah meningkatkan timbulan limbah global, yang diperkirakan akan mencapai 3,4 miliar ton pada tahun 2050. Sayangnya, sekitar 33% limbah padat saat ini dikelola secara tidak benar, berakhir di tempat pembuangan ilegal atau TPA yang tidak diawasi.
Pengelolaan limbah yang tidak tepat ini menimbulkan risiko lingkungan dan kesehatan yang parah, termasuk kontaminasi air tanah, degradasi lahan, dan peningkatan risiko insiden kanker. Oleh karena itu, Smart Waste Management tidak hanya berfungsi sebagai alat efisiensi operasional tetapi juga sebagai pilar utama Smart Environment untuk mitigasi polusi dan perlindungan kesehatan publik di lingkungan urban.
Smart Waste Management sebagai Katalisator Circular Economy
Smart Waste Management memainkan peran penting dalam mendorong transisi dari ekonomi linier (take-make-dispose) menuju Circular Economy atau Ekonomi Sirkular. Ekonomi sirkular adalah sistem yang dirancang untuk bersifat restoratif dan regeneratif, berfokus pada tiga prinsip inti: menghilangkan limbah dan polusi; mensirkulasikan produk dan material; dan meregenerasi alam.
Teknologi Smart Waste Management , terutama pemilahan yang didukung AI, secara dramatis meningkatkan efektivitas prinsip Recycle dan Recover. Data menunjukkan bahwa, meskipun sekitar 75% dari aliran limbah di Amerika Serikat berpotensi didaur ulang, hanya sekitar 30% yang benar-benar didaur ulang. Kesenjangan ini menunjukkan bahwa masalahnya bukan hanya ketersediaan material, tetapi juga inefisiensi dan ketidakakuratan dalam proses pemilahan. Dengan akurasi penyortiran AI yang sangat tinggi (mencapai hingga 99,95% ), SWM menjamin kemurnian bahan baku sekunder. Jaminan kualitas ini mengubah limbah dari kewajiban biaya (liability) menjadi aset bernilai tinggi (feedstock) yang menarik bagi industri, sehingga mendorong pertumbuhan ekonomi berkelanjutan melalui pemulihan sumber daya.
Pilar Teknologi Inti dan Mekanisme Operasional Smart Waste Management
Sistem Smart Waste Management modern dibangun di atas tiga pilar teknologi yang saling terintegrasi: IoT untuk pengumpulan data, AI untuk pemrosesan data dan optimasi, serta inovasi infrastruktur fisik.
Internet of Things (IoT) dan Tempat Sampah Cerdas (Smart Bins)
Tempat sampah pintar merupakan fondasi utama dari Smart Waste Management , dilengkapi dengan sensor—terutama sensor ultrasonik—yang bertugas memantau tingkat isi sampah secara real-time. Sensor-sensor ini mengirimkan notifikasi ke pusat manajemen data hanya ketika tempat sampah mendekati kapasitas penuh, memungkinkan pengumpulan yang responsif sesuai permintaan (dinamis) dan menghindari luapan. Beberapa prototipe Smart Waste Management juga mencakup fitur tambahan seperti sistem deteksi hujan dan mekanisme pembuangan otomatis.
Penggunaan tempat sampah pintar secara efektif membantu mencegah luapan sampah di ruang publik dan meminimalkan pembuangan ilegal, yang secara langsung berkontribusi pada lingkungan kerja yang lebih aman dan saniter bagi petugas kebersihan.
Kecerdasan Buatan (AI) dalam Optimasi Logistik dan Penyortiran
Optimasi Logistik dan Perutean Cerdas (Intelligent Routing)
Kecerdasan Buatan (AI) memainkan peran krusial dalam mengubah data real-time yang dikumpulkan oleh sensor IoT menjadi keputusan operasional yang efisien. Algoritma pembelajaran mesin dan optimasi (seperti Ant colony optimization, Genetic algorithm, dan Simulated annealing) menggunakan data GPS dan tingkat kepenuhan tempat sampah untuk menghitung rute pengumpulan yang paling optimal.
Optimalisasi logistik ini secara drastis mengurangi perjalanan truk yang tidak perlu ke tempat sampah kosong, yang merupakan inefisiensi utama dalam sistem tradisional. Penerapan AI dalam logistik ini menghasilkan dampak kuantitatif yang signifikan, termasuk potensi pengurangan jarak transportasi hingga 36,8% dan pengurangan waktu operasional hingga 28,22%.
Robotika dan AI dalam Penyortiran Material Daur Ulang
Di fasilitas daur ulang, robotika berbasis AI meningkatkan akurasi pemilahan secara eksponensial. Robot penyortir limbah menggunakan AI yang dikombinasikan dengan citra spektral (Near-red extra-specular spectral image) dan peta ketinggian (Height map) untuk mengidentifikasi dan memisahkan jenis sampah dengan presisi tinggi.
Akurasi identifikasi material yang dapat didaur ulang yang dicapai oleh sistem AI berkisar antara 72,8% hingga 99,95%. Tingkat akurasi ini sangat penting untuk menjamin kualitas material feedstock yang digunakan kembali. Selain itu, robot-robot ini mampu beroperasi dengan efisiensi tinggi, mencapai penyortiran hingga 2028 pilihan/jam. Robotika AI juga membantu mengatasi kekurangan tenaga kerja di pusat daur ulang dan dapat mengidentifikasi material yang sulit, seperti plastik hitam, yang sering dilewatkan oleh pemilah optik konvensional.
Keberhasilan robotika AI dengan akurasi tinggi ini sangat bergantung pada kualitas data yang dikumpulkan oleh jaringan sensor IoT. Jika infrastruktur digital, seperti jaringan serat optik yang masif yang menjadi tulang punggung di Barcelona , tidak memadai, sistem perutean dan pemilahan AI tidak akan dapat berfungsi secara optimal. Oleh karena itu, Smart Waste Management yang efektif harus diperlakukan sebagai solusi end-to-end, di mana investasi pada infrastruktur jaringan digital adalah prasyarat keberhasilan logistik dan penyortiran AI.
Inovasi Infrastruktur dan Perangkat Keras Lain
Selain tempat sampah pintar, terdapat beberapa inovasi infrastruktur lain yang memperkuat SWM:
- Sistem Pipa Limbah Vakum (Automated Waste Collection System – AWCS): Sistem ini menyalurkan sampah melalui jaringan pipa pneumatik bawah tanah langsung ke pusat pengumpulan. Seperti yang diterapkan di Oslo, teknologi ini secara efektif menghilangkan kebutuhan akan truk sampah di jalanan area yang dilayani, meningkatkan estetika, mengurangi kebisingan, dan meningkatkan kualitas udara.
- Pemadat Sampah Bertenaga Surya: Perangkat ini memadatkan sampah saat menumpuk, meningkatkan kapasitas tempat sampah hingga lima kali lipat dibandingkan wadah tradisional. Pemadat juga mengirimkan data tingkat kepenuhan, berkontribusi pada perampingan proses pengumpulan dan pengurangan frekuensi perjalanan.
- Mekanisme Penimbangan Truk Sampah: Mirip dengan sensor, mekanisme ini dipasang pada truk untuk mengukur berat wadah limbah, yang kemudian digunakan untuk memprediksi tingkat kepenuhan dan mengoptimalkan jadwal pengumpulan. Kota-kota seperti Amsterdam telah menerapkan teknologi ini untuk menciptakan jadwal pengumpulan yang lebih hemat biaya dan efisien.
Inovasi seperti pemadat surya dan mekanisme penimbangan, sama dengan tempat sampah pintar IoT, memiliki tujuan kausal yang sama: meminimalkan volume limbah di lokasi dan memprediksi kebutuhan pengumpulan, yang semuanya ditujukan untuk mengurangi emisi karbon yang dihasilkan dari pengangkutan limbah.
Table 4: Taksonomi Teknologi Smart Waste Management dan Fungsi Utamanya
| Inovasi Teknologi | Teknologi Pendorong | Fungsi Utama SWM | Dampak Operasional |
| Tempat Sampah Pintar | IoT Sensor Ultrasonik | Pemantauan tingkat kepenuhan real-time, notifikasi | Memungkinkan pengumpulan dinamis dan optimalisasi rute |
| Robot Penyortir | AI Visi Komputer, Pembelajaran Mesin | Identifikasi dan pemilahan material akurat | Peningkatan akurasi daur ulang (hingga 99.95%) dan efisiensi |
| Sistem Vakum Pneumatik | Jaringan Pipa Bawah Tanah | Transportasi limbah otomatis tanpa truk | Eliminasi truk di jalanan, peningkatan kebersihan kota |
| Pemadat Sampah Surya | Tenaga Surya, Mekanisme Pemadatan | Peningkatan kapasitas tempat sampah 5x | Mengurangi frekuensi perjalanan dan luapan |
Analisis Kuantitatif Efisiensi Operasional dan Dampak Lingkungan
Implementasi Smart Waste Management dapat diukur berdasarkan metrik kinerja utama (KPI) yang menunjukkan peningkatan efisiensi secara nyata.
Efisiensi Logistik dan Pengurangan Biaya Operasional
Penerapan AI dan intelligent routing dalam logistik sampah menghasilkan penghematan biaya yang signifikan. Pengurangan jarak transportasi dapat mencapai hingga 36,8% (menggunakan algoritma pencarian Backtracking). Selain itu, terdapat potensi pengurangan waktu operasional hingga 28,22% dan pengurangan biaya keseluruhan hingga 13,35% (menggunakan algoritma Simulated annealing).
Peningkatan efisiensi ini juga tercermin dalam efektivitas pengumpulan, dengan studi simulasi menunjukkan potensi peningkatan efektivitas pengumpulan sampah hingga 36,78%. Meskipun biaya implementasi awal Smart Waste Management seringkali tinggi , penghematan jangka panjang dalam biaya bahan bakar, tenaga kerja, dan pemeliharaan TPA yang dihasilkan dari efisiensi logistik ini memvalidasi investasi sebagai solusi pembiayaan yang efektif.
Peningkatan Akurasi dan Volume Daur Ulang
Akurasi adalah faktor penentu dalam daur ulang yang berkelanjutan. AI memungkinkan identifikasi dan penyortiran material daur ulang dengan akurasi yang tinggi, berkisar antara 72,8% hingga 99,95%. Peningkatan kualitas pemilahan ini sangat penting karena mengurangi jumlah limbah yang salah urus dan meningkatkan jumlah bahan yang dapat dialihkan dari Tempat Pembuangan Akhir (TPA). Dengan meningkatkan tingkat daur ulang yang efektif, Smart Waste Management berfungsi sebagai alat untuk menutup kesenjangan antara potensi daur ulang yang ada dan realisasi yang rendah saat ini.
Mitigasi Dampak Lingkungan: Reduksi Emisi Karbon
Salah satu dampak lingkungan yang paling signifikan dari Smart Waste Management adalah pengurangan emisi gas rumah kaca. Dalam sistem tradisional, jadwal pengumpulan tetap sering memaksa truk untuk beroperasi dengan wadah yang hampir kosong, menyebabkan lebih banyak kendaraan di jalanan dan meningkatkan konsumsi bahan bakar.
Dengan mengoptimalkan rute berdasarkan data real-time, Smart Waste Management secara signifikan mengurangi jejak karbon kota. Angka pengurangan jarak transportasi hingga 36,8% yang dicapai melalui intelligent routing memiliki korelasi langsung dengan pengurangan emisi karbon. Setiap persentase pengurangan jarak tempuh truk adalah pengurangan emisi yang setara, menjadikannya metrik ganda yang penting bagi pemerintah kota: penghematan biaya bahan bakar sekaligus pemenuhan target iklim.
Table 1: Matriks Pengaruh Teknologi AI pada Efisiensi Logistik Smart Waste Management
| Metrik Kinerja Logistik | Parameter Kuantitatif | Teknologi/Algoritma Pendorong | Konteks Dampak |
| Pengurangan Jarak Transportasi | Hingga 36,8% | Backtracking search algorithm (AI/GPS) | Mengurangi konsumsi bahan bakar dan emisi CO2 |
| Pengurangan Biaya Logistik | Hingga 13,35% | Simulated annealing algorithm | Penghematan anggaran operasional kota |
| Pengurangan Waktu Operasi | Hingga 28,22% | Genetic algorithm, Parallel simulated annealing | Peningkatan efisiensi tenaga kerja dan layanan |
| Peningkatan Akurasi Penyortiran | 72,8% hingga 99,95% | Robotika Berbasis Visi dan AI | Meningkatkan kualitas material feedstock untuk Circular Economy |
Studi Kasus Global: Inovasi Pendorong Lingkungan
Dua kota Eropa, Barcelona dan Oslo, menyediakan studi kasus yang kontras namun sama-sama sukses dalam menerapkan Smart Waste Management .
Model Barcelona: Optimalisasi Rute Berbasis IoT (Smart Bins)
Barcelona menggunakan jaringan fiber optik sepanjang 500 kilometer yang telah dibangun sejak lama sebagai tulang punggung digitalnya. Kesiapan infrastruktur digital ini memungkinkan kota untuk menyebarkan tempat sampah pintar yang dilengkapi sensor IoT secara luas. Sensor ini memantau tingkat isi dan mengirimkan peringatan hanya saat pengumpulan diperlukan.
Hasil implementasi ini terukur secara signifikan, menghasilkan pengurangan biaya pengumpulan sampah sebesar 20%. Selain penghematan biaya operasional, optimalisasi rute ini secara drastis memangkas emisi karbon dari truk pengumpul. Kasus Barcelona menunjukkan bahwa keberhasilan SWM sangat bergantung pada digital readiness; ketersediaan infrastruktur digital yang masif memungkinkan proyek IoT direplikasi dengan biaya marjinal yang lebih rendah.
Model Oslo: Vacuum Waste System (Sistem Pneumatik Bawah Tanah)
Oslo memilih pendekatan infrastruktur fisik yang intensif modal melalui penerapan Automated Waste Collection System (AWCS) atau Sistem Pipa Limbah Vakum di beberapa area kota. Dalam sistem ini, sampah disalurkan melalui jaringan pipa pneumatik bawah tanah ke pusat pengumpulan sentral.
Dampak operasionalnya sangat transformatif: sistem ini menghilangkan kebutuhan truk sampah di jalanan, mengurangi kemacetan, meminimalkan polusi suara, dan meningkatkan kebersihan serta estetika kota dengan menghilangkan bau atau kekacauan yang terkait dengan tempat sampah konvensional.
Oslo juga menggabungkan AWCS dengan teknologi optical sorting Envac yang memiliki kapasitas tahunan 180.000 ton. Melalui penyortiran ini, limbah makanan diubah menjadi biogas dan bio-pupuk, sementara fraksi limbah residu digunakan untuk menghasilkan pemanas distrik dan listrik. Model Oslo melampaui manajemen logistik; ini mengintegrasikan limbah ke dalam sistem energi dan pertanian kota, mencerminkan adopsi prinsip ekonomi sirkular tingkat tinggi (waste-to-energy).
Perbandingan Sistem: Kelebihan, Kekurangan, dan Replikasi
Kedua model global ini menyoroti bahwa tidak ada solusi Smart Waste Management tunggal yang berlaku secara universal. Barcelona menunjukkan bahwa efisiensi tinggi dapat dicapai melalui kecerdasan digital (soft infrastructure). Oslo menunjukkan bahwa optimalisasi lingkungan tertinggi—penghapusan truk dan pemulihan energi terintegrasi—membutuhkan investasi modal yang sangat besar dalam infrastruktur fisik bawah tanah (hard infrastructure).
Pemilihan teknologi yang tepat harus didasarkan pada kepadatan kota, anggaran modal, dan tujuan keberlanjutan. Oslo’s AWCS mungkin lebih cocok untuk pembangunan baru atau renovasi distrik padat, sedangkan sistem IoT Barcelona lebih mudah diskalakan dan diimplementasikan melalui retrofitting pada infrastruktur yang sudah ada.
Table 2: Perbandingan Model Inovasi Pengelolaan Sampah Global
| Fitur/Metrik | Barcelona (IoT Smart Bins & Intelligent Routing) | Oslo (Vacuum Waste System/AWCS) | Implikasi Strategis |
| Teknologi Inti | Sensor IoT, Analisis Data Real-Time | Jaringan Pipa Pneumatik Bawah Tanah, Optical Sorting | Dua pendekatan untuk masalah yang berbeda: Logistik vs. Infrastruktur |
| Biaya Awal (Investasi) | Moderat hingga Tinggi (tergantung infrastruktur digital) | Sangat Tinggi (membutuhkan penggalian infrastruktur tetap) | AWCS lebih cocok untuk pembangunan baru atau renovasi besar. |
| Dampak Utama (KPI) | Reduksi biaya koleksi hingga 20%, Pengurangan emisi karbon | Eliminasi truk di jalanan, peningkatan estetika kota, integrasi energi | |
| Skalabilitas | Tinggi, dapat diimplementasikan di infrastruktur yang sudah ada (retrofitting) | Rendah, mahal untuk diimplementasikan di kota tua yang padat |
Mitigasi
Meskipun menawarkan manfaat besar yang terukur, implementasi SWM menghadapi hambatan yang signifikan, terutama dalam konteks sosial dan finansial.
Hambatan Finansial: Biaya Investasi Awal yang Tinggi
Tantangan utama adalah biaya awal yang besar yang dibutuhkan untuk pengadaan perangkat keras (sensor), pembangunan infrastruktur Internet of Things (IoT), dan pengembangan perangkat lunak manajemen data yang dirancang khusus. Biaya investasi ini dapat menjadi penghalang bagi banyak pemerintah daerah.
Namun, studi kasus menunjukkan bahwa penghematan jangka panjang dalam biaya operasional—seperti yang terlihat dari pengurangan biaya logistik 13,35% dan pengurangan biaya pengumpulan 20% di Barcelona —dapat bertindak sebagai solusi pembiayaan yang efektif. Mitigasi hambatan ini memerlukan model pembiayaan yang inovatif, seperti kemitraan pemerintah-swasta (KPS), yang memungkinkan pembagian risiko modal dan memanfaatkan penghematan operasional di masa depan.
Tantangan Sosial: Kurangnya Kesadaran dan Keterlibatan Masyarakat
Smart Waste Management adalah masalah sistem sosial-teknis. Artinya, efisiensi teknologi akan runtuh jika pilar sosialnya gagal. Kurangnya kesadaran masyarakat dan perubahan perilaku dalam memilah sampah di sumbernya adalah tantangan utama. Meskipun robot penyortir AI dapat mencapai akurasi hingga 99,95%, volume sampah campuran yang tidak dipilah di sumbernya akan membebani dan memperlambat efisiensi fasilitas pemrosesan.
Untuk memitigasi tantangan perilaku, kampanye edukasi yang berkelanjutan harus digalakkan. Penggunaan aplikasi digital dan kios e-waste, seperti ecoATM dan RecycleNation , dapat meningkatkan komunikasi publik dan memberikan panduan praktis tentang pemilahan dan daur ulang, sehingga meningkatkan keterlibatan masyarakat dan akurasi pemilahan di sumber.
Tantangan Infrastruktur dan Digitalisasi yang Belum Merata
Di banyak wilayah, infrastruktur pengelolaan sampah tradisional masih minim, membuat implementasi teknologi canggih menjadi sulit. Selain infrastruktur fisik, infrastruktur digital yang memadai adalah prasyarat. Keberhasilan Smart Waste Management memerlukan jaringan yang kuat dan stabil (seperti serat optik di Barcelona) untuk memastikan transmisi data sensor real-time yang andal.
Peningkatan investasi dari pemerintah dan swasta diperlukan untuk membangun infrastruktur yang lebih baik, memastikan integrasi yang mulus antara sistem fisik (tempat sampah, truk) dan digital (jaringan, data center).
Kesimpulan dan Prospek Masa Depan SWM
Sintesis Manfaat Strategis dan Dampak Lingkungan SWM
Pengelolaan Sampah Cerdas (SWM) adalah strategi manajemen yang penting bagi kota-kota abad ke-21. Teknologi ini menjembatani kesenjangan antara pertumbuhan urban yang pesat dan kebutuhan mendesak akan keberlanjutan lingkungan. Analisis kuantitatif mengonfirmasi manfaat ganda Smart Waste Management : pengurangan biaya operasional yang signifikan (hingga 13,35% hingga 20% ) dan peningkatan efisiensi logistik (pengurangan jarak tempuh truk hingga 36,8% ), yang secara langsung mengurangi emisi karbon. Selain itu, Smart Waste Management secara kritis meningkatkan akurasi daur ulang melalui AI, meminimalkan volume limbah yang berakhir di TPA.
Dengan proyeksi bahwa limbah global akan berlipat ganda pada tahun 2050 , investasi mahal dalam SWM saat ini harus dipandang bukan sebagai biaya, tetapi sebagai asuransi yang diperlukan terhadap potensi krisis lingkungan global dan biaya penanganan limbah yang jauh lebih besar di masa depan. Keberhasilan SWM memerlukan komitmen politik jangka panjang, penguatan infrastruktur digital (seperti yang dicontohkan Barcelona), dan integrasi penuh dengan strategi Ekonomi Sirkular (seperti yang dicontohkan Oslo).
Table 3: Integrasi Smart Waste Management dengan Prinsip Circular Economy
| Prinsip Circular Economy (7 R’s) | Peran Teknologi SWM | Dampak pada Sumber Daya Kota |
| Reduce (Mengurangi) | Pemadatan sampah bertenaga surya; data historis SWM | Mengurangi volume limbah di sumber; menghemat ruang TPA |
| Reuse/Repair (Memakai Ulang/Memperbaiki) | Kios dan Aplikasi E-Waste; Komunikasi komunitas | Memperpanas siklus hidup produk, mengurangi limbah elektronik berbahaya |
| Recycle (Daur Ulang) | Robotika Berbasis AI; Penyortiran Optik | Memastikan kualitas material daur ulang yang tinggi (hingga 99.95% akurasi) |
| Recover (Memulihkan) | Sistem penyortiran fraksi sisa (Oslo); WTE | Mengubah limbah menjadi sumber energi terbarukan (biogas, listrik, panas) |
Arah Penelitian dan Pengembangan SWM di Masa Depan
Pengembangan Smart Waste Management di masa depan akan berfokus pada peningkatan kecerdasan sistem dan integrasi penuh dengan infrastruktur kota lainnya:
- Model Prediksi Timbulan Sampah Lanjutan: Pengembangan model prediksi berbasis AI yang lebih canggih untuk memperkirakan timbulan sampah di masa depan, memungkinkan perencana kota untuk mengoptimalkan infrastruktur pengumpulan, transportasi, dan pemrosesan secara proaktif.
- Integrasi Waste-to-Energy (WTE) yang Lebih Dalam: Peningkatan penggunaan AI dan analisis kimia untuk mengoptimalkan proses pirolisis, estimasi emisi karbon, dan konversi energi dari berbagai jenis limbah, memastikan pemulihan energi yang maksimum.
- Pengembangan Kebijakan dan Digitalisasi: Menciptakan kerangka kerja kebijakan yang memadai untuk mengatur keamanan data, privasi, dan keterlibatan komunitas dalam ekosistem Smart Waste Management yang semakin terdigitalisasi.