The Sriwijaya University Library

  • Home
  • Information
  • News
  • Help
  • Login
  • Librarian
  • Member Area
  • Select Language :
    Arabic Bengali Brazilian Portuguese English Espanol German Indonesian Japanese Malay Persian Russian Thai Turkish Urdu

Search by :

ALL Author Subject ISBN/ISSN Advanced Search

Last search:

{{tmpObj[k].text}}
Image of PENERAPAN K-MEANS CLUSTERING UNTUK SEGMENTASI WAJIB PAJAK SEBAGAI DASAR PENYUSUNAN STRATEGI CUSTOMER RELATIONSHIP MANAGEMENT DI SAMSAT KOTA PRABUMULIH
Bookmark Share

Skripsi

PENERAPAN K-MEANS CLUSTERING UNTUK SEGMENTASI WAJIB PAJAK SEBAGAI DASAR PENYUSUNAN STRATEGI CUSTOMER RELATIONSHIP MANAGEMENT DI SAMSAT KOTA PRABUMULIH

Tammam, Bimmo Fathin - Personal Name;

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.


Availability
#
Central Library (Reference) T1895942025
T189594
Available but not for loan - Not for Loan
Detail Information
Series Title
-
Call Number
T1895942025
Publisher
Indralaya : Prodi Sistem Informasi, Fakultas Ilmu Komputer Universitas Sriwijaya., 2025
Collation
xiv, 82 hlm.; ilus.; tab.; 29 cm.
Language
Indonesia
ISBN/ISSN
-
Classification
336.207
Content Type
Text
Media Type
-
Carrier Type
-
Edition
-
Subject(s)
Prodi Sistem Informasi
Segmentasi Wajib Pajak
Specific Detail Info
-
Statement of Responsibility
MI
Other version/related
TitleEditionLanguage
IMPLEMENTASI FUZZY TIME SERIES CHEN DAN K-MEANS CLUSTERING PADA PERAMALAN NILAI TUKAR RUPIAH TERHADAP US DOLLARid
File Attachment
  • PENERAPAN K-MEANS CLUSTERING UNTUK SEGMENTASI WAJIB PAJAK SEBAGAI DASAR PENYUSUNAN STRATEGI CUSTOMER RELATIONSHIP MANAGEMENT DI SAMSAT KOTA PRABUMULIH
Comments

You must be logged in to post a comment

The Sriwijaya University Library
  • Information
  • Services
  • Librarian
  • Member Area

About Us

As a complete Library Management System, SLiMS (Senayan Library Management System) has many features that will help libraries and librarians to do their job easily and quickly. Follow this link to show some features provided by SLiMS.

Search

start it by typing one or more keywords for title, author or subject

Keep SLiMS Alive Want to Contribute?

© 2026 — Senayan Developer Community

Powered by SLiMS
Select the topic you are interested in
  • Computer Science, Information & General Works
  • Philosophy & Psychology
  • Religion
  • Social Sciences
  • Language
  • Pure Science
  • Applied Sciences
  • Art & Recreation
  • Literature
  • History & Geography
Icons made by Freepik from www.flaticon.com
Advanced Search
Where do you want to share?