<![CDATA[Penerimaan pajak dari Wajib Pajak Orang Pribadi (WPOP) merupakan salah satu sumber pendapatan negara yang sangat penting dalam mendukung pembangunan nasional. Namun, karakteristik WPOP sangat beragam, baik dari segi penghasilan maupun status keluarga yang memengaruhi besaran Penghasilan Tidak Kena Pajak (PTKP). Keberagaman ini menuntut adanya strategi pengelolaan pajak yang berbasis data agar kebijakan perpajakan menjadi lebih tepat sasaran. Penelitian ini bertujuan untuk melakukan segmentasi terhadap WPOP berdasarkan kode PTKP dan penghasilan neto menggunakan algoritma K-Means Clustering. Penelitian menggunakan metode Knowledge Discovery in Database (KDD) yang terdiri dari lima tahapan: seleksi data, praproses data, transformasi data, pemodelan dengan algoritma K-Means, dan evaluasi hasil menggunakan Davies-Bouldin Index (DBI). Hasil pengelompokan menunjukkan adanya beberapa klaster wajib pajak dengan karakteristik serupa yang dapat menjadi dasar dalam merancang kebijakan perpajakan yang lebih adil, personal, dan efisien. Segmentasi ini diharapkan dapat membantu otoritas pajak dalam meningkatkan kepatuhan dan optimalisasi penerimaan pajak]]>
Copyrights © 2025
