Kohesi: Jurnal Sains dan Teknologi

Articles

Vol. 11 No. 3 (2026): Kohesi: Jurnal Sains dan Teknologi, ISSN 3025-1311

PENERAPAN ALGORITMA K-MEANS UNTUK PENGELOMPOKAN WAJIB PAJAK BUMI DAN BANGUNAN (PBB) BERMASALAH DI KELURAHAN BINJAI ESTATE

DOI:
https://doi.org/10.2238/8wtqpn92
Submitted
August 19, 2026
Published
2026-08-19

Abstract

Wajib pajak Pajak Bumi dan Bangunan (PBB) di Kelurahan Binjai Estate jumlahnya terus bertambah setiap tahun, namun data yang ada selama ini hanya digunakan untuk pencatatan dan administrasi rutin tanpa diolah lebih lanjut. Penelitian ini bertujuan menerapkan algoritma K-Means untuk mengelompokkan data wajib pajak PBB bermasalah berdasarkan variabel pekerjaan, status pembayaran, dan ketetapan PBB. Proses pengelompokan dilakukan melalui tahapan Knowledge Discovery in Database (KDD), yaitu data selection, preprocessing, transformation, data mining, dan evaluation, dengan bantuan aplikasi MATLAB melalui interface yang dibangun menggunakan MATLAB GUIDE. Proses perhitungan dalam algoritma ini menggunakan pengukuran Euclidean Distance untuk menentukan tingkat kedekatan antar data terhadap titik pusat cluster. Data yang digunakan sebanyak 600 data wajib pajak PBB periode 2021 –2025, yang diolah menggunakan interface yang telah diterapkan dengan dua jumlah cluster, yaitu k=2 dan k=3. Hasil penelitian menunjukkan kelompok yang paling dominan dan konsisten muncul pada kedua jumlah cluster adalah wajib pajak yang memiliki pekerjaan petani, dengan kondisi pembayaran diragukan serta ketetapan PBB berkisar Rp51.000 hingga Rp150.000. Interface yang dibangun mampu menampilkan jumlah anggota tiap cluster, nilai centroid, hasil pengelompokan, dan grafik 3 dimensi, sehingga dapat membantu Kelurahan Binjai Estate melakukan efisiensi penagihan PBB.

References

  1. [1] Primadeni, F., Pradana, A. I., & Purwanto, E. (2024). Analisis Clustering untuk Pengelompokkan Wilayah Berdasarkan Karakteristik PBB di Kabupaten Sragen. Jurnal Pendidikan dan Teknologi Indonesia, 4(11), 405–417. https://doi.org/10.52436/1.jpti.500
  2. [2] Sri Wahyuni & Sriani. (2025). Penerapan Algoritma K-Means untuk Pengelompokan Kepatuhan Wajib Pajak Bumi dan Bangunan di Kota Medan. Journal of Computer Engineering, System and Science, 10(1), 299–311.
  3. [3] Hakim, M. A., Prasetijo, A. B., & Eridani, D. (2023). Penerapan Data Mining dengan Algoritma K-Means Clustering Penyewaan Alat-Alat Event pada Studi Kasus CV. Dipo Rental Creativindo. 1(4), 148–155. https://doi.org/10.14710/jtk.v1i4.37011
  4. [4] Cantika, R., Fauzi, A., & Sihombing, A. (2024). Penerapan Metode Clustering untuk Mengetahui Kepatuhan Wajib Pajak Bumi dan Bangunan pada Desa Perkebunan Tanjung Keliling. (4).
  5. [5] Nursaniah, R., Rahaningsih, N., Ali, I., & Dienwati, N. (2024). Pengelompokan Data Penerimaan Pajak Bumi dan Bangunan Berdasarkan Kelurahan di Kota Tasikmalaya Menggunakan Algoritma K-Means. 8(2), 1477–1483.
  6. [6] Widiya, P., Rahaningsih, N., & Suarna, N. (2023). Pengelompokan Tingkat Kepatuhan Wajib Pajak Bumi dan Bangunan Menggunakan Algoritma K-Means. 7(2), 1358–1362.

Similar Articles

You may also start an advanced similarity search for this article.