PENGELOMPOKAN DATA PENERIMAAN PAJAK BUMI DAN BANGUNAN BERDASARKAN KELURAHAN DI KOTA TASIKMALAYA MENGGUNAKAN ALGORITMA K-MEANS

Abstract

Pajak adalah aspek penting dalam ekonomi sebuah negara, karena digunakan untuk meningkatkan kesejahteraan masyarakat. Pajak Bumi dan Bangunan (PBB) merupakan salah satu jenis pajak daerah yang dipungut oleh Pemerintah Daerah. Masalah yang terjadi adalah target dan penerimaan realisasi PBB-P2 pada tahun 2021 masih belum memenuhi target yang telah ditetapkan. Hal ini menunjukkan perbedaan dalam tingkat kepatuhan pajak disetiap kelurahan di kota Tasikmalaya yang dapat mempengaruhi jumlah penerimaan pajak. Akar masalah penelitian ini adalah belum diketahui kelompok penerimaan PBB terendah dan tertinggi, sehingga memerlukan penerapan algoritma K-Means Clustering dalam mengelompokkan data untuk mencari solusinya. Penelitian ini menggunakan tahapan KDD dan data yang digunakan yaitu data jumlah penerimaan PBB tahun 2021 oleh Badan Pendapatan Daerah bersumber dari website Open Data Kota Tasikmalaya dengan jumlah data sebanyak 69 data. Hasil yang diperoleh yaitu nilai Davies Bouldin Index sebesar 0,370 merupakan nilai paling optimal dengan 6 cluster. cluster 0 dengan jumlah data 8 kelurahan, cluster 1 dengan jumlah data 30 kelurahan, cluster 2 dengan jumlah data 3 kelurahan, cluster 3 dengan jumlah data 19 kelurahan, cluster 4 dengan jumlah data 8 kelurahan, cluster 5 dengan jumlah data 1 kelurahan. Penerimaan PBB tertinggi terletak pada cluster 2 serta penerimaan PBB terendah terletak pada cluster 1.