Skripsi
PENERAPAN K-MEANS CLUSTERING UNTUK SEGMENTASI WAJIB PAJAK SEBAGAI DASAR PENYUSUNAN STRATEGI CUSTOMER RELATIONSHIP MANAGEMENT DI SAMSAT KOTA PRABUMULIH
Pengelolaan data wajib pajak yang efektif sangat penting untuk meningkatkan tingkat kepatuhan dan mengoptimalkan pendapatan daerah. Penelitian ini bertujuan untuk mengatasi keterbatasan penerapan segmentasi wajib pajak berbasis data pada instansi Samsat tingkat lokal dengan menerapkan metode K-Means Clustering sebagai pendukung penyusunan strategi Customer Relationship Management (CRM) yang lebih terarah. Dataset yang digunakan terdiri dari 3.999 data wajib pajak kendaraan bermotor periode September 2025 yang telah melalui proses pembersihan data, seleksi fitur, dan penskalaan sebelum dilakukan proses clustering. Hasil analisis menghasilkan tiga kelompok wajib pajak yang berbeda berdasarkan ketepatan waktu pembayaran, konsistensi kepatuhan, dan usia kendaraan. Validitas klaster dikonfirmasi menggunakan Davies–Bouldin Index dengan nilai −41,327 pada k = 3 serta didukung oleh uji ANOVA untuk memastikan signifikansi statistik. Temuan penelitian menunjukkan bahwa metode clustering mampu mengidentifikasi pola perilaku wajib pajak yang dapat dimanfaatkan dalam personalisasi layanan dan penyusunan program peningkatan kepatuhan. Kebaruan penelitian ini terletak pada integrasi hasil clustering dengan rekomendasi CRM yang aplikatif bagi instansi pelayanan publik, sehingga menyediakan kerangka kerja berbasis data untuk meningkatkan keterlibatan wajib pajak dan kinerja pendapatan daerah. Namun, penelitian ini masih terbatas pada penggunaan data satu periode dan atribut terkait kendaraan, tanpa memasukkan faktor sosial-ekonomi maupun perilaku lain yang berpotensi memengaruhi pola kepatuhan.
| Title | Edition | Language |
|---|---|---|
| IMPLEMENTASI FUZZY TIME SERIES CHEN DAN K-MEANS CLUSTERING PADA PERAMALAN NILAI TUKAR RUPIAH TERHADAP US DOLLAR | id |