Klasterisasi Data Kendaraan Bermotor Berdasarkan Tunggakan Pajak Pada Kantor Samsat Kabupaten Bengkulu Selatan Menggunakan Metode K-Means Clustering

Authors

  • Edoar Wiradiansya Universitas Dehasen Bengkulu
  • Lena Elfianty Universitas Dehasen Bengkulu
  • Jhoanne Fredricka Universitas Dehasen Bengkulu

Keywords:

Klasterisasi, Tunggakan Pajak, K-Means Clustering, Samsat Bengkulu Selatan

Abstract

Kantor Samsat  Kabupaten Bengkulu Selatan merupakan instansi pemerintah yang memberikan pelayanan ke masyarakat salah satunya yaitu pembayaran pajak kendaraan bermotor. Selama ini untuk pengelolaan data pembayaran pajak kendaraan bermotor di kantor tersebut sudah menggunakan aplikasi, dimana semua kendaraan bermotor akan terdata baik yang sudah membayar pajak maupun yang mengalami tunggakan pajak kendaraan bermotor. Namun data-data tersebut hanya sebatas pengarsipan dan tidak diolah lebih lanjut untuk mendapatkan informasi yang bermanfaat, seperti mengidentifikasi kendaraan bermotor berdasarkan hasil pengelompokan data tunggakan pajak kendaraan bermotor. Klasterisasi data kendaraan bermotor berdasarkan tunggakan pajak pada Kantor Samsat menggunakan Metode K-Means Clustering dapat memberikan informasi hasil pengelompokan data kendaraan berdasarkan tunggakan pajak yang masuk ke dalam cluster tinggi dan cluster rendah sebagai bahan evaluasi di Kantor Samsat Kabupaten Bengkulu Selatan, serta dapat mempermudah pihak Kantor Samsat Kabupaten Bengkulu Selatan dalam mengidentifikasi kendaraan bermotor berdasarkan hasil pengelompokan data tunggakan pajak. Berdasarkan pengujian yang telah dilakukan pada data tunggakan pajak kendaraan bermotor, diperoleh hasil pengelompokan melalui Metode K-Means yakni wilayah pada Kabupaten Bengkulu Selatan yang memiliki tingkat tunggakan pajak tertinggi (Cluster C1) yaitu Kelurahan/Desa Padang Kapuk, Air Sulau, Padang Sialang, dan Pagar Gading, sedangkan wilayah (Cluster C2) yang memiliki tingkat tunggakan pajak terendah yaitu Kelurahan/Desa Air Sulau, Padang Burnai, Padang Nibung, Tanjung Aur, dan Pasar Pino.

Downloads

Download data is not yet available.

References

Adriansyah, M. & Nurwani, 2022. AnalisisFaktor-faktor yang Menyebabkan Tunggakan Pembayaran Air Pelanggan Pada Perusahaan Daerah Air Minum (PDAM) Tirtanadi Cabang Medan Kota. Jurnal Pendidikan Tambusai, Volume Vol.6 No.2 e-ISSN:2614 3097.

Basry, H. & Ahad, A. A. A., 2018.Kontribusi Pajak Kendaraan Bermotor Terhadap Pendapatan Asli Daerah (PAD) Provinsi Sulawesi Selatan (Studi Pada Kantor Dispenda Provinsi Sulawesi Selatan). Jurnal Supremasi, Volume Vol.13 No.1.

Debbyang, M. A., Darma, I. K. & Purnami, A. S., 2018. Pengaruh Jumlah Pajak Kendaraan Bermotor (PKB) dan Jumlah Bea Balik Nama Kendaraan Bermotor (BBNKB) Terhadap Belanja Daerah Provinsi Bali Periode Tahun 2003-2017. Warmadewa Economic Development Journal, Volume Vol.1 No.2.

Febianto, N. I. & Palasara, N. D., 2019. Analisis Clustering K-Means Pada Data Informasi Kemiskinan di Jawa Barat Tahun 2018. Jurnal Sisfokom, Volume Vol.8 No.2 2019.

Firman, A., 2019. Analisis dan Perancangan Sistem Informasi. Surabaya: Penerbit Qiara Media.

Fitri, Wahyudi, T. & Ajidin, 2021. Analisis Pertumbuhan Penerimaan Pajak Kendaraan Bermotor dan Bea Balik Nama Kendaraan Bermotor Terhadap Pemeliharaan dan Perluasan Jalan di Kabupaten Purwakarta. Jurnal Ekonomi dan Bisnis (E-Qien) , Volume Vol.8. No.2 e-ISSN:2654-5837.

Haerani, R. & Nugraha, D., 2019. Rancangan Aplikasi Pemesanan Makanan Dengan Macromedia Dreamweaver dan MySQL. Seminar Nasional Sains Teknologi dan Inovasi Indonesia (Senastindo AAU), Volume Vol.1 No.1 ISSN:2685-8991.

Hardiansyah, A. D. & Dewi, C. N. P., 2020. Perancangan Basis Data Sistem Informasi Perwira Tugas Belajar (SIPATUBEL) Pada Kementrian Pertahanan. Jakarta, Senamika ISBN.978-623-93343-1-4.

Helmud, E., 2021. Optimasi Basis Data Oracle Menggunakan Complex View Studi Kasus : PT. Berkat Optimis Sejahtera (PT.BOS) Pangkalpinang. Jurnal Informatika, Volume Vol.7 No.1 ISSN.2407-1730.

Jannah, M., Sarwandi & Creative, C., 2019. Mahir Bahasa Pemrograman PHP. Jakarta: PT. Elex Media Komputindo.

Jollyta, D., Ramdhan, W. & Zarlis, M., 2020. Konsep Data Mining Dan Penerapan. Yogyakarta: Penerbit Deepublish.

Prianto, C. & Bunyamin, S., 2020. Panduan Pembuatan Aplikasi Clustering Gangguan Jaringan Menggunakan Metode K-Means Clustering. Cetakan Pertama penyunt. Bandung: Penerbit Kreatif Industri Nusantara.

Suprapto, U., 2021. Pemodelan Perangkat Lunak (C3) Kompentesi Keahlian : Rekayasa Perangkat Lunak Untuk SMK/MAK Kelas XI. Jakarta: Grasindo.

Wahyudi, M., Masitha, Saragih, R. & Solikhun, 2020. Data Mining : Penerapan Algoritma K-Means Clustering dan K-Medoids Clustering. Medan: Penerbit Yayasan Kita Menulis.

Wanto, A. et al., 2020. Data Mining : Algoritma Dan Implementasi. Medan: Yayasan Kita Menulis.

Downloads

Published

2024-11-30

How to Cite

Wiradiansya, E. ., Elfianty, L., & Fredricka, J. . (2024). Klasterisasi Data Kendaraan Bermotor Berdasarkan Tunggakan Pajak Pada Kantor Samsat Kabupaten Bengkulu Selatan Menggunakan Metode K-Means Clustering. JUKI : Jurnal Komputer Dan Informatika, 6(2), 164–173. Retrieved from https://ioinformatic.org/index.php/JUKI/article/view/690