Segmentasi Wajib Pajak Pribadi Berdasarkan Kode PTKP dan Penghasilan Neto Menggunakan Algoritma K-Means Clustering

Dimastito Prasetyo; Muhammad Rifkhan; Yoel Michael Sihombing; Zurnan Alfian

doi:10.31004/riggs.v4i2.1288

Authors

Dimastito Prasetyo Universitas Pamulang
Muhammad Rifkhan Universitas Pamulang
Yoel Michael Sihombing Universitas Pamulang
Zurnan Alfian Universitas Pamulang

DOI:

https://doi.org/10.31004/riggs.v4i2.1288

Keywords:

Wajib Pajak Pribadi, Penghasilan Neto, K-Means Clustering, Segmentasi Data, Data Mining

Abstract

Penerimaan pajak dari Wajib Pajak Orang Pribadi (WPOP) merupakan salah satu sumber pendapatan negara yang sangat penting dalam mendukung pembangunan nasional. Namun, karakteristik WPOP sangat beragam, baik dari segi penghasilan maupun status keluarga yang memengaruhi besaran Penghasilan Tidak Kena Pajak (PTKP). Keberagaman ini menuntut adanya strategi pengelolaan pajak yang berbasis data agar kebijakan perpajakan menjadi lebih tepat sasaran. Penelitian ini bertujuan untuk melakukan segmentasi terhadap WPOP berdasarkan kode PTKP dan penghasilan neto menggunakan algoritma K-Means Clustering. Penelitian menggunakan metode Knowledge Discovery in Database (KDD) yang terdiri dari lima tahapan: seleksi data, praproses data, transformasi data, pemodelan dengan algoritma K-Means, dan evaluasi hasil menggunakan Davies-Bouldin Index (DBI). Hasil pengelompokan menunjukkan adanya beberapa klaster wajib pajak dengan karakteristik serupa yang dapat menjadi dasar dalam merancang kebijakan perpajakan yang lebih adil, personal, dan efisien. Segmentasi ini diharapkan dapat membantu otoritas pajak dalam meningkatkan kepatuhan dan optimalisasi penerimaan pajak

Downloads

Download data is not yet available.

References

F. Primadeni, A. I. Pradana, and E. Purwanto, “Analisis Clustering Untuk Segmentasi Wilayah Berdasarkan Karakteristik PBB di Kabupaten Sragen,” Jurnal Pendidikan dan Teknologi Indonesia, vol. 1, no. 3, pp. 45–56, Juli 2024.

https://doi.org/10.52436/1.jpti.500

E. Prayitno, I. J. Perdana, E. Iskandar, B. H. Winarno, and A. A. Subagyo, “Optimalisasi Profitabilitas Ritel Melalui Segmentasi Pelanggan dengan K‑Means Clustering,” Informasi Interaktif: Jurnal Informatika dan Teknologi Informasi, vol. 9, no. 3, pp. 107–116, November 2024.

https://doi.org/10.37159/jii.v9i3.107.

E. Worabai, A. H. M. Muhammad, and T. Hidayat, “Implementasi Metode Cluster Analysis K‑Means dalam Segmentasi,” Jurnal Ilmiah Komputasi, vol. 22, no. 3, pp. 441–447, Oktober 2023.

https://doi.org/10.32409/jikstik.22.3.3493

K. Auliasari and M. Kertaningtyas, “Penerapan Algoritma K‑Means untuk Segmentasi Konsumen Menggunakan R,” Jurnal Teknologi dan Manajemen Informatika, vol. 5, no. 2, pp. 34–41, 2023.

https://doi.org/10.26905/jtmi.v5i2.3644

D. Irawan, G. Wijaya, and T. T. Warisaji, “Penerapan Algoritma K‑Means Clustering untuk Segmentasi Nasabah Bank,” BIOS: Jurnal Teknologi Informasi dan Rekayasa Komputer, vol. 6, no. 1, pp. 162–170, 2023.

https://doi.org/10.37148/bios.v6i1.162

A. Hadi, “Segmentasi Pelanggan Internet Service Provider (ISP) Berbasis Pillar K‑Means,” Jurnal Ilmiah Teknologi Informasi Asia, vol. 13, no. 2, pp. 413–422, 2023.

https://doi.org/10.32815/jitika.v13i2.413

E. Tjatur Puteri, G. Kusnanto, and C. J. Thomas, “Penerapan K‑Means Clustering untuk Segmentasi Pelanggan pada CRM di PT. Unichem Candi Indonesia,” Konvergensi, vol. 15, no. 2, pp. 51–60, 2024.

https://doi.org/10.30996/konv.v15i2.3651