OPTIMASI KLASTERISASI PENERIMAAN PAJAK BUMI DAN BANGUNAN MENGGUNAKAN ALGORITMA K-MEDOIDS

Abstract

Pajak Bumi dan Bangunan (PBB) merupakan komponen strategis dalam Pendapatan Asli Daerah (PAD) yang berperan penting dalam mendukung penyelenggaraan pembangunan dan pelayanan publik. Namun, heterogenitas data dan variasi karakteristik objek pajak menyebabkan pemerintah daerah mengalami kesulitan dalam memetakan potensi fiskal dan tingkat kepatuhan wajib pajak secara akurat. Penelitian ini bertujuan menganalisis efektivitas algoritma K-Medoids dalam mengelompokkan wajib pajak di Kecamatan Tanjung berdasarkan atribut numerik, yaitu luas tanah, luas bangunan, NJOP tanah, NJOP bangunan, dan nilai PBB tahun berjalan. Metode penelitian meliputi tahapan pengumpulan data, pra-pemrosesan, transformasi logaritmik, normalisasi, implementasi algoritma K-Medoids, serta evaluasi hasil klaster menggunakan metrik Silhouette Coefficient dan Davies–Bouldin Index. Proses komputasi dilakukan menggunakan Python dengan pustaka pyClustering dan scikit-learn. Hasil penelitian menunjukkan terbentuknya empat klaster wajib pajak dengan karakteristik berbeda: klaster aset besar berkontribusi rendah, klaster premium berkontribusi tinggi, klaster ekonomi rendah dengan pola pembayaran tidak stabil, dan klaster ekonomi menengah dengan kepatuhan cukup baik. Evaluasi kualitas model menghasilkan Silhouette Coefficient sebesar 0,4204 dan Davies–Bouldin Index sebesar 0,7893, yang menunjukkan struktur klaster cukup baik dan stabil. Temuan ini memberikan kontribusi empiris dalam mendukung optimalisasi pengelolaan PBB berbasis analitik, serta dapat digunakan sebagai dasar penyusunan strategi penagihan berbasis prioritas dan formulasi kebijakan fiskal yang lebih tepat sasaran.