Waste has always been a problem in big cities in Indonesia. The volume of waste is increasing but the Final Disposal Site (TPA) is limited, of course, it becomes a problem if it is not handled carefully. So at this time the use of waste management can be used as an alternative as a primary energy source for power plants. Information technology has a very important role in the effort to achieve the target of New and Renewable Energy (EBT) that has been set by the government, especially processing the data generated during the energy supply chain process so that an efficient and optimal WTE model will be obtained in achieving the EBT target. In this case, the authors take advantage of working with supervisors and the Waste to Energy Lab of the PLN Institute of Technology to be able to make this happen by converting waste into New and Renewable Energy (EBT). The author obtained data on the composition of municipal waste throughout Indonesia and then clusified the data using the Naïve Bayes method. Classification using the method of generating a model of the Naïve Bayes algorithm using 300 datasets of waste types. After Determining the Classification Model with the Naïve Bayes Method, the Model Testing was carried out using the Confusion Matrix Method using 240 datasets as Testing data, so the level of accuracy of the Classification Model in this study was 97.50%.

Sampah selalu menjadi permasalahan kota- kota besar di Indonesia. Volume sampah yang semakin meningkat namun Tempat Pembuangan Akhir (TPA) yang terbatas tentunya menjadi suatu persoalan jika tidak ditangani dengan seksama. Maka saat ini pemanfaatan pengelolaan sampah bisa dijadikan alternatif sebagai sumber energi primer pembangkit listrik. Teknologi informasi sangat berberan penting dalam upaya pencapaian target Energi baru dan Terbarukan (EBT) yang telah ditetapkan oleh pemerintah, khususnya pengolahan data-data yang dihasilkan selama proses rantai penyediaan energi sehingga akan didapat sebuah model WTE yang efesien dan optimal dalam pencapaian target EBT.
Pada kasus ini, penulis memanfaatkan bekerjasama dengan pembimbing dan Lab Waste to Energy Institut Teknologi PLN untuk dapat mewujudkan hal tersebut dengan mengubah sampah menjadi Energi baru dan Terbarukan (EBT). Penulis mendapatkan data-data komposisi sampah kota di seluruh Indonesia lalu mengklasifikasi data dengan menggunakan metode Naïve Bayes. Klasifikasi dengan menggunakan metode tersebut menghasilkan model algoritma Naïve bayes dengan menggunakan 300 dataset jenis sampah. Setelah Menentukan Model Klasifikasi dengan Metode Naïve Bayes, dilakukan Pengujian Model dengan menggunakan Metode Confusion Matrix dengan menggunakan 240 dataset sebagai data Testing, Maka tingkat Keakurasian dari Model Klasifikasi Pada Penelitian ini adalah 97,50%.