PERBANDINGAN ALGORITMA K-MEANS DAN K-MEDOIDS UNTUK CLUSTERING WILA YAH DUSUN BERDASARKAN PAJAK TERHUTANG PADA DOKUMEN KETETAPAN PAJAK

Penelitian ini bertujuan untuk membandingkan efektivitas Algoritma K-Means dan K-Medoids dalam melakukan clustering wilayah dusun berdasarkan pajak terhutang pada dokumen ketetapan pajak di desa pandanarum. Dengan menggunakan metode deskriptif kuantitatif, kedua algoritma tersebut diterapkan untuk mengelompokkan dusun berdasarkan data pajak terhutang sebagai variabel utama. Proses clustering dianalisis menggunakan evaluasi seperti Sum of Squared Errors (SSE) dan Silhouette Score untuk menentukan efektivitas masing-masing algoritma. Hasil penelitian menunjukkan bahwa algoritma K-Medoids memiliki performa yang lebih rendah dibandingkan dengan K-Means, terutama dalam hal stabilitas cluster dan nilai Silhouette Score yang tinggi dengan nilai 0.454615 dan SSE 480.9462. Selain itu, algoritma K-Medoids lebih robust terhadap outlier dalam data pajak terhutang, serta menghasilkan nilai Silhoutte Score yang lebih rendah dengan nilai 0.382616 dan SSE 567,6125 yang menunjukkan clustering yang lebih lemah. Dengan demikian, penelitian ini menyimpulkan bahwa algoritma K -Means lebih unggul dalam melakukan clustering wilayah dusun berdasarkan pajak terhutang dibandingkan dengan algoritma K-Medoids.