<![CDATA[Pajak kendaraan bermotor merupakan salah satu sumber utama Pendapatan Asli Daerah (PAD) yang berperan penting dalam mendukung pembangunan daerah. Namun, pengelolaan data pajak kendaraan masih menghadapi berbagai permasalahan, terutama pada aspek efisiensi, akurasi data, dan kecepatan pemrosesan akibat meningkatnya volume data. Penelitian ini bertujuan untuk mengoptimalkan sistem informasi pengelolaan pajak kendaraan dengan menerapkan metode Divide and Conquer yang diintegrasikan dengan algoritma machine learning, yaitu Decision Tree, Random Forest, dan Naïve Bayes. Metode yang digunakan adalah pendekatan kuantitatif dengan metode eksperimental, yang meliputi tahap preprocessing data, pembagian data (divide), proses klasifikasi (conquer), serta penggabungan hasil (combine). Hasil penelitian menunjukkan peningkatan kinerja sistem secara signifikan, dengan peningkatan akurasi dari 78% menjadi 92%, peningkatan nilai precision dan recall, serta penurunan waktu eksekusi dari 12 detik menjadi 6 detik. Selain itu, model menghasilkan nilai AUC sebesar 0.91 yang menunjukkan kemampuan klasifikasi yang sangat baik. Penelitian ini memberikan kontribusi berupa pendekatan integratif antara metode algoritmik dan machine learning yang mampu meningkatkan akurasi dan efisiensi sistem secara simultan.]]>
