ANALISIS CLUSTER UNTUK MENGELOMPOKKAN

KELURAHAN BERDASARKAN JUMLAH SPPT, TARGET,

TINGKAT KEPATUHAN, DAN CAPAIAN TOTAL PBB
BAPENDA KOTA BANDUNG
UPTD WILAYAH BANDUNG TENGAH
TAHUN 2021
LAPORAN KULIAH PRAKTIK :

DISUSUN OLEH :
ANEU NURKAMILAH (10060119077)
MUNIRA DIAHSTY MARASABESSY (10060119090)
CHOERUNNISA (10060119109)

Dosen Pembimbing : Dr. Nusar Hajarisman, S.Si.,M.Si Dosen Penguji : Muthia Nadhira Faladiba, S.Stat., M.Si
 BAB I
PENDAHULUAN
Latar Belakang:
• Kuliah Praktik (KP) merupakan salah satu mata kuliah wajib berbentuk praktik kerja di
lapangan yang diambil semua Mahaiswa Program Studi Statistika Unisba
• Badan Pendapatan Daerah yang berfokus pada pengelolaan pajak daerah terutama UPT Wilayah

Bandung Tengah yang berfokus pada pengelolaan Pajak Bumi dan Bangunan
• Beragam Karakteristik 36 kelurahan di wilayah Bandung Tengah yang menarik perhatian untuk

dilakukan pengelompokkan berdasarkan data jumlah SPPT, Target, Tingkat Kepatuhan, dan
Capaian Total PBB.
Identifikasi Masalah:
1
Bagaimana deskripsi variabel jumlah SPPT, target
pajak, tingkat kepatuhan, dan capaian total Pajak Bumi
dan Bangunan (PBB) Badan Pendapatan Daerah
2
(Bapenda) Kota Bandung Unit Pelayanan Teknis
Daerah (UPTD) Wilayah Bandung Tengah pada Tahun Bagaimana bentuk klasifikasi kelurahan berdasarkan variabel
2021? jumlah SPPT, target pajak, tingkat kepatuhan, dan capaian
total Pajak Bumi dan Bangunan (PBB) Badan Pendapatan
Daerah (Bapenda) Kota Bandung Unit Pelayanan Teknis
Daerah (UPTD) Wilayah Bandung Tengah pada Tahun 2021
menggunakan teknik analisis Cluster Ward, Complete
Linkage (Tetangga Terjauh), dan K-Means Cluster?
Tujuan:
Tujuan Penelitian:
• Untuk mendeskripsikan variabel jumlah SPPT, target
pajak, tingkat kepatuhan, dan capaian total Pajak Bumi
dan Bangunan (PBB) Badan Pendapatan Daerah
(Bapenda) Kota Bandung Unit Pelayanan Teknis Daerah
Tujuan Kuliah Praktik: (UPTD) Wilayah Bandung Tengah pada Tahun 2021?
• Untuk mengklasifikasikan kelurahan berdasarkan
• Untuk memenuhi salah satu persyaratan mata kuliah
variabel jumlah SPPT, target pajak, tingkat kepatuhan,
wajib di Program Studi Statistika
dan capaian total Pajak Bumi dan Bangunan (PBB)
• Untuk memperkenalkan dunia kerja
Badan Pendapatan Daerah (Bapenda) Kota Bandung
• Untuk menerapkan berbagai metode statistika
Unit Pelayanan Teknis Daerah (UPTD) Wilayah
• Untuk memberikan wawasan pengetahuan serta
Bandung Tengah pada Tahun 2021 menggunakan teknik
pengalaman
analisis Cluster Ward, Complete Linkage (Tetangga
Terjauh), dan K-Means?
 Manfaat Kuliah Praktik:
Manfaat: 1. Terpenuhinya mata kuliah wajib Program Studi (Prodi) Statistika
Universitas Islam Bandung.
2. Mendapat gambaran serta pengalaman mengenai dunia kerja terkait
sikap, etika, kerjasama tim, dan tantangan pekerjaan.
3. Mendapat wawasan pengetahuan serta pengaplikasian ilmu Statistik.

Manfaat Penelitian:
1. Memperoleh gambaran terkait data jumlah SPPT, target pajak, tingkat
kepatuhan, dan capaian total Pajak Bumi dan Bangunan (PBB)
2. Memperoleh informasi terkait pengklasifikasian kelurahan berdasarkan
variabel jumlah SPPT, target pajak, tingkat kepatuhan, dan capaian total Pajak
Bumi dan Bangunan (PBB)
BAB II
ORGANISASI INSTANSI
DAN TINJAUAN PUSTAKA
 Organisasi dan Sejarah Bapenda
Badan Pendapatan Derah (Bapenda) merupakan Lembaga teknis Pemerintah Kota
Bandung yang mengelola pendapatan daerah. Badan Pendapatan Daerah Kota Bandung
berlokasi di Jl. Wastukencana No. 2, Babakan Ciamis., Kec. Sumur Bandung, Kota
Bandung, Jawa Barat 40117.

Bandung memiliki pertumbuhan ekonomi yang cukup tinggi salah satunya dari sumber
pokonya yaitu perolehan pembayaran pajak daerah. Sektor pajak memiliki andil yang
cukup tinggi bagi pendapatan daerah yaitu 1/3 dari keseluruhan pendapatan daerah.
Sehingga hal tersebut mendorong terbentuknya Badan Pendapatan Daerah (Bapenda)
atau yang sebelumnya dikenal dengan nama Badan Pengelolaan Pendapatan Daerah
(BPPD) sebagai badan yang mengelola perpajakan, retribusi dan pendapatan daerah
sesuai dengan UU No. 28 tahun 2009. Bapenda sendiri terlibat dalam pengelolaan
pajak daerah tingkat II (Pajak Kabupaten/Kota) seperti Pajak BPHTB, Pajak reklame,
PAT, PBB, pajak hotel, restoran, tempat parkir, dan lain sebagainya.
 Tahun 2017
Badan Pendapatan Daerah

Unit Pelaksanaan Teknis

Daerah (UPTD)

Membawahi beberapa
kecamatan

Setiap UPTD dipimpin oleh Kepala

UPTD dan didukung oleh Kasubbag
TU, dan petugas masing-masing
wilayah kecamatan
Visi Misi Badan Pendapatan Daerah (Bapenda)Kota
Bandung
Visi Bapenda
“Terwujudnya Kota Bandung Yang Unggul, Nyaman Sejahtera dan Agamis”.

Misi Bapenda
Untuk mewujudkan Visi diatas maka disusun Misi sebagai langkah pelaksanaan
Visi oleh Bapenda sebagai berikut:
1. Pendapatan pajak daerah sebagai bagian pembiayaan pembangunan daerah.
2. Mewujudkan tata kelola pemerintah yang efektif, efisien, bersih dan melayani.
Tujuan Badan Pendapatan Daerah (Bapenda) Kota
Bandung
• Mengoptimalkan Pengelolaan Pajak
Daerah;
• Mengoptimalkan Pengelolaan Pendapatan
Asli Daerah Bukan Pajak Daerah;
• Tercapainya Kepuasan Masyarakat terhadap
Kualitas Pelayanan Pajak Daerah.
Struktur Badan Pendapatan Daerah
(Bapenda) Kota Bandung
Pusat UPTD Bandung Tengah
 Definisi
Pajak Berdasarkan Undang-Undang Republik Indonesia Nomor 28 Tahun 2007
Tentang Perubahan Ketiga Atas Undang-Undang Nomor 6 Tahun 1983
Tentang Ketentuan Umum dan Tata Cara Perpajakan Pasal 1 menjelaskan
bahwa "Pajak adalah kontribusi wajib kepada negara yang terutang oleh
orang pribadi atau badan yang bersifat memaksa berdasarkan Undang-
Undang, dengan tidak mendapatkan imbalan secara langsung dan
diperuntukkan bagi keperluan negara dalam rangka memakmuran
rakyat".

Fungsi:
• Fungsi Penerimaan (Budgeter)
Membiayai Pengeluaran Pemerintah (APBN)
• Fungsi Mengatur (Reguler)
Alat untuk mengatur atau menjalankan kebijakan di
bidang sosial dan ekonomi (Menekan Pajak)
Pengelompokkan
Pajak
 Pajak Daerah
Pajak Daerah merupakan kontribusi
wajib kepada Daerah yang terutang
oleh orang pribadi atau badan hukum
yang sifatnya memaksa berdasarkan
aturan yang berlaku, dengan tidak
memperoleh imbalan secara instan dan
diperuntukkan bagi keperluan Daerah
dalam mewujudkan kemakmuran
rakyat.
PBB
Pajak Bumi dan Bangunan, adalah
pajak atas bumi dan/atau bangunan
yang dimiliki, dikuasai, serta
dimanfaatkan oleh orang pribadi atau
Badan, kecuali kawasan yang
diperuntukkan bagi usaha perkebunan,
perhutanan, serta pertambangan.
 Target Pajak
Target Pajak Bumi dan Bangunan merupakan penjumlahan
antara ketetapan PBB dengan piutang PBB itu sendiri.
Dalam hal ini, target pajak bumi dan bangunan (PBB)
dibuat sebagai suatu perencanaan yang dibuat pemerintah
dalam rangka mencapai hasil yang sesuai harapan.

SPPT
Surat pemberitahuan pajak terutang yaitu surat keputusan Kepala
Kantor Pelayanan Pajak Bumi dan Bangunan mengenai pajak
terutang yang harus dibayar dalam satu tahun pajak SPPT diterbitkan
berdasarkan SPOP. Pelunasannnya paling lambat 6 bulan
keterlambatan akan dikenakan sanksi 2% per bulan maksimal 24
bulan (Suandy, 2002).
 Tingkat Kepatuhan
Kepatuhan didefinisikan sebagai upaya individu atau organisasi untuk
mematuhi peraturan hukum, dengan ciri-ciri seperti: berupaya
memahami semua ketentuan peraturan perundang-undangan, mengisi
formulir pajak dengan benar, hitung pajak dengan jumlah yang benar,
serta membayar pajak tepat waktu.

Capaian Total
Capaian dapat dikaitkan dengan hasil atau output dari sebuah target yang dibuat dan
proses yang berjalan, sehingga dalam keberlangsungannya memiliki hasil capaian
atau dapat kita sebut dengan capaian total. Capaian total dapat ditampilkan dalam
bentuk persentase. Sehingga berdasarkan persentase tersebut dapat dilihat potensi
pajak keseluruhan dari setiap kelurahan yang termasuk dalam wilayah cakupannya.
 Statistika Deskriptif
Statistika Deskriptif merupakan bagian statistika yang berkaitan
dengan pengumpulan data, penyajian, penentuan nilai-nilai
statistika, pembuatan diagram atau gambar mengenai suatu hal
dalam hal ini, data yang disajikan berbentuk tampilan yang mudah
untuk dipahami

Analisis Cluster
Analisis Cluster merupakan teknik multivariat yang tujuan utamanya untuk
mengelompokkan objek berdasarkan karakteristiknya. Salah satu kelebihannya
adalah skala yang digunakan dapat ordinal, interval, maupun rasio sedangkan
kelemahannya pengelompokannya bersifat subjektivitas bagi peneliti karena
hanya melihat dari gambar dendogram juga output cluster.
 Tahapan Analisis Cluster
1 Melakukan Proses Standarisasi Data
Proses Standarisasi data dilakukan ketika satuan variabel yang diteliti berbeda, karena ketika
terdapat perbedaan satuan yang mencolok dapat mengakibatkan perhitungan tidak valid. Rumus:
 Tahapan Analisis Cluster
2 Menentukan Ukuran Jarak antar Objek
Mengikuti prinsip dasar mengelompokkan hal-hal yang serupa. Serta metode pengukuran jarak yang
populer adalah Euclidean Distance yang pada dasarnya metode ini memasukkan data ke dalam
cluster tertentu dengan mengukur jaral data ke pusat cluster (centroid). Rumus:
 Tahapan Analisis Cluster
3 Melakukan Pengklasteran
A. Metode Hierarki
1. Metode Ward
Ward (1963) mengusulkan metode pembentukan cluster yang berdasarkan pada hilangnya informasi
yang diakibatkan oleh pengelompokkan objek atau individu ke dalam cluster-cluster. Ukuran yang
digunakan adalah jumlah kuadrat galat setiap observasi dari rata-rata cluster di mana observasi
tersebut berada dan dihitung berdasarkan persamaan berikut:
 Tahapan Analisis Cluster
3 Melakukan Pengklasteran
A. Metode Hierarki
2. Complete Linkage
Metode ini seringkali juga dikatakan sebagai furthest neighbour atau tetangga terjauh. Metode ini dapat
terjadi ketika kelompok tersebut digabungkan menurut jarak yang terjauh diantara semua anggota-
anggotanya. Jarak antara satu cluster ke cluster lainnya diukur berdasarkan objek terjauh. Metode ini
juga seringkali disebut segabai metode pautan lengkap yang didasarkan pada jarak maksimum. Untuk
memperoleh cluster (UV). Pada tahap 3 dari algoritma tersebut, maka jarak antara (UV) dengan cluster
lainnya, W, dihitung melalui:

Sehingga dalam hal ini 𝑑𝑈𝑊 dan 𝑑𝑉𝑊 masing-masing menyatakan jarak yang paling jauh dari anggota-
anggota cluster U dan W serta cluster V dan W.
 Tahapan Analisis Cluster
3 Melakukan Pengklasteran
B. Metode Non-Hierarki
1. Metode K-Means

Metode ini diawali dengan menentukan jumlah cluster yang diinginkan. K-Means cluster menggelompokkan
objek dengan karakteristik yang sama dalam satu kelompok dan antar kelompoknya memiliki karakteristik
yang berbeda. Berikut tahapannya:

• Menentukan jumlah K cluster,

• Memilih K centroid,
• Menghitung jarak objek ke setiap centroid,
• Tempatkan satu persatu objek ke dalam pusat cluster terdekat,
• Lakukan iterasi untuk menentukan centorid baru,
• Ulangi langkah 3 jika posisi centroid baru tidak sama.
 BAB III
DATA DAN METODE
 Deskripsi Data
Data yang digunakan pada laporan ini merupakan data
sekunder yang berjumlah 36 data dari Badan Pendapatan
Daerah (Bapenda) Kota Bandung Unit Pelayanan Teknis
Daerah (UPTD) wilayah Bandung Tengah tentang Target
dan Realisasi Pajak Bumi dan Bangunan (PBB) pada
Tahun 2021. Data ini meliputi 36 kelurahan yang berada
di wilayah Bandung Tengah, target dan realisasi Pajak
Bumi dan Bangunan (PBB). Variabel yang penulis
gunakan dalam penyusunan laporan ini meliputi variabel
Jumlah SPPT (X1), Target (X2), Tingkat Kepatuhan
(X3), dan Capaian Total (X4).
 Data Jumlah SPPT, Target, Tingkat Kepatuhan, dan Capaian Total PBB
No Kelurahan Jumlah SPPT Target (Rp) Tingkat Kepatuhan Capaian Total (%)
(%)

1 Ciseureuh 1.078 2.757.197.885 0,935064935 0,663512844

2 Pasirluyu 1.371 3.577.635.194 0,918307805 0,895308618

3 Ancol 1.999 3.444.910.600 0,951475738 0,872926661

4 Cigereleng 1.989 4.413.130.882 0,948215184 0,697431818

5 Ciateul 1.128 1.989.341.652 0,962765957 0,843467447

6 Pungkur 1.207 1.743.465.342 0,950289975 0,854537096

7 Balong Gede 1.364 4.849.349.696 0,974340176 0,893349927

8 Cijagra 1.719 6.699.187.614 0,926701571 0,789435941

9 Turangga 2.541 8.817.161.275 0,957890594 0,915126818

10 Lingkar Selatan 723 2.312.212.875 0,939142462 0,774616175

⋮ ⋮ ⋮ ⋮ ⋮ ⋮

⋮ ⋮ ⋮ ⋮ ⋮ ⋮

⋮ ⋮ ⋮ ⋮ ⋮ ⋮

36 Kebon Waru 890 4.508.389.662 0,937078652 0,925122361

Tahapan Analisis
1 3
Melakukan analisis cluster pada software SPSS
Menyiapkan data yang akan
dengan tahapan sebagai berikut:
diolah pada software SPSS.
a. Melakukan analisis cluster menggunakan metode Ward,
2 Complete Linkage, K-Means Cluster.
b. Melakukan penamaan pada cluster-cluster yang telah
terbentuk.
Melakukan analisis statistika
c. Terakhir, melakukan interpretasi cluster atau penamaan
deskriptif. pada cluster yang terbentuk.
 BAB IV
PEMBAHASAN
 Kegiatan Kuliah Praktik

Lokasi
Melaksanakan kegiatan kuliah praktik di Badan Pendapatan Daerah (Bapenda)
bagian UPTD Wilayah Bandung Tengah berlokasi Jl. Cianjur No.34 Kota
Bandung
Waktu Pelaksanaan
Kegiatan kuliah praktik dimulai pada tanggal 04 Juli 2022 sampai 19 Agustus
2022. Waktu Pelaksanaan setiap hari Senin sampai Jum`at secara WHO atau
bekerja dari kantor, dimulai pukul 08.00 WIB sampai dengan 16.30 WIB

Kegiatan Kuliah Praktik

Kegiatan kuliah praktik, kami ditempatkan pada pelayanan diantaranya
melakukan validasi berkas pengajuan PBB, menginput berkas pengajuan PBB
dan mengikuti operasi terpadu (OPDU) yang dilakukan secara bergiliran Pembagian Laporan
dengan rekan-rekan sekantor
• Aneu Nurkamilah mengerjakan analisis complete linkage
• Munira Diahsty Marasabessy mengerjakan analisis K-Means­
• Choerunnisa mengerjakan analisis Ward
Kendala Kuliah Praktik

Kurangnya penjelasan lebih rinci mengenai kelengkapan persyaratan berkas

pengajuan PBB serta pada proses penginputan berkas pengajuan PBB. Hal ini
dapat diatasi dengan selalui berkoordinasi dengan petugas baik di kantor
maupun dilapangan.

Website pajak terkadang mengalami down sehingga terhambatnya pelayanan, solusinya kami menyimpan nomor
telepon wajib pajak agar dapat dihubungi kembali. Beragam permasalahan yang disampaikan kepada kami
terkadang sulit dipahami serta sikap wajib pajak yang diluar dugaan, namun kami terus belajar dan
mengevaluasi setiap kejadian yang terjadi dan selalu berkomunikasi serta berkoordinasi dengan petugas.

Keterbatasan wawasan informasi yang perlu kami sampaikan kepada wajib pajak dan disaat bersamaan juga keterbatasan
petugas pajak yang dapat membantu dikarenakan agenda kantor yang juga melaksanakan kegiatan di lapangan. Hal ini
kami atasi dengan menyampaikan informasi yang diketahui serta memaksimalkan lagi komunikasi dengan petugas baik
langsung maupun tidak langsung.
 Hasil Analisis Deskriptif
• Jumlah SPPT
Berdasarkan 36 Kelurahan di UPTD Wilayah Bandung Tengah. Jumlah
SPPT terendah dimiliki Kelurahan Samoja sebesar 556 SPPT, dan Jumlah
SPPT tertinggi dimiliki Kelurahan Antapani Kidul sebesar 4.286 SPPT.
• Target (Juta Rupiah)
Berdasarkan 36 Kelurahan di UPTD Wilayah Bandung Tengah. Target
terendah dimiliki Kelurahan Kebon Gedang sebesar Rp. 343 satuan juta
rupiah, dan Target tertinggi dimiliki Kelurahan Batununggal sebesar Rp.
9.872 satuan juta rupiah.
• Tingkat Kepatuhan (%)
Berdasarkan 36 Kelurahan di UPTD Wilayah Bandung Tengah. Tingkat
kepatuhan terendah dimiliki Kelurahan Pasirluyu, Kujangsari, Antapani
Wetan, dan Kebon Gedang sebesar 91,74%, , dan Tingkat Kepatuhan
tertinggi dimiliki Kelurahan Burangrang dan Kelurahan Kebon Jayanti
sebesar 97,96%
• Capaian Total (%)
Berdasarkan 36 Kelurahan di UPTD Wilayah Bandung Tengah. Capaian
Total terendah dimiliki Kelurahan Wates sebesar 65,38%, , dan Capaian
Total tertinggi dimiliki Kelurahan Burangrang sebesar 94,54%.
 Analisis Cluster

Tahap 1: Standarisasi Data

Sebelum memulai tahap analisis cluster, terlebih dahulu memeriksa apakah satuan dari masing-
masing variabel data yang digunakan bervariasi atau tidak. Dikarenakan satuan variabel pada
penelitian ini berbeda maka diperlukan standarisasi pada data dengan bantuan software SPSS maka
akan didapat nilai z-score untuk masing-masing variabel.
 Analisis Cluster (Metode Ward)

Tahap 2: Metode Ward

dengan menggunakan software SPSS, setelah jarak antar variabel diukur dengan jarak Euclidean, maka selanjutnya dilakukan proses
pengklasteran metode Ward. Berikut hasil pengklasteran Ward:
 Analisis Cluster (Metode Ward)

Tahap 3: Interpretasi cluster

setelah anggota kelompok cluster terbentuk, langkah selanjutnya memberi karakteristik untuk masing-masing cluster dengan menggunakan
rata-rata dari masing-masing variabel pada setiap cluster-nya

Berdasarkan hasil rata-rata dari masing-masing variabel yaitu Jumlah SPPT, Target (Juta Rupiah), Tingkat Kepatuhan (%), dan Capaian Total
(%) menunjukkan bahwa rata-rata pada cluster 2 lebih besar dibandingkan cluster 1. Hal ini disebakan karena kelurahan-kelurahan yang berada
pada cluster 2 termasuk kawasan dengan perekonomian menengah ke atas serta didukung dengan wajib pajak yang patuh dalam membayar
pajak
 Analisis Cluster (Metode Complete Linkage)

Tahap 2: Metode Complete Linkage

dengan menggunakan software SPSS, setelah jarak antar variabel diukur dengan jarak Euclidean, maka selanjutnya dilakukan proses
pengklasteran metode Complete Linkage. Berikut hasil pengklasteran Ward:
 Analisis Cluster (Metode Complete Linkage)

Tahap 3: Interpretasi cluster

setelah anggota kelompok cluster terbentuk, langkah selanjutnya memberi karakteristik untuk masing-masing cluster dengan menggunakan
rata-rata dari masing-masing variabel pada setiap cluster-nya

Berdasarkan hasil rata-rata dari masing-masing variabel yaitu Jumlah SPPT, Target (Juta Rupiah) menunjukkan bahwa rata-rata pada cluster 2
lebih besar dibandingkan cluster 1 sedangkan rata-rata dari Tingkat Kepatuhan (%) dan Capaian Total (%) lebih tinggi pada cluster 1 daripada
rata-rata pada cluster 2. Hal ini dapat disimpulkan meskipun rata-rata dari Jumlah SPPT dan Target pada cluster 2 lebih tinggi, namun
kelurahan-kelurahan yang berada pada cluster 1 memiliki wajib pajak lebih baik dari segi kepatuhannya dalam membayar pajak dibandingkan
pada cluster 2.
 Analisis Cluster (Metode K-Means)

Tahap 2: Metode K-Means

Metode ini terlebih dahulu menentukan k buah kelompok yaitu sebanyak 2 kelompok. Berikut tahapan analisis cluster K-Means dengan
menggunakan software SPSS:

Berdasarkan tabel diatas, yaitu tampilan pertama proses clustering data sebelum dilakukan iterasi. Untuk mendeteksi
berapa kali proses iterasi yang dilakukan dalam proses clustering dari 36 objek yang diteliti.
 Analisis Cluster (Metode K-Means)

Tahap 2: Metode K-Means

Metode ini terlebih dahulu menentukan k buah kelompok yaitu sebanyak 2 kelompok. Berikut tahapan analisis cluster K-Means dengan
menggunakan software SPSS:

Berdasarkan tabel Final Cluster Center diatas jika data bernilai negatif berarti data berada di bawah rata-rata total sedangkan jika bernilai positif
berarti data berada diatas rata-rata total. Maka, dapat disimpulkan bahwa rata-rata Jumlah SPPT, Target, Tingkat Kepatuhan dan Capaian Total
yang berada pada cluster 1 jauh lebih tinggi (berada diatas rata-rata) dibandingkan cluster 2.
 Analisis Cluster (Metode K-Means)

Tahap 2: Metode K-Means

Selanjutnya dilakukan proses pengklasteran metode K-Means. Berikut hasil pengklasteran K-Means:
 Analisis Cluster (Metode K-Means)

Tahap 3: Interpretasi cluster

setelah anggota kelompok cluster terbentuk, langkah selanjutnya memberi karakteristik untuk masing-masing cluster dengan menggunakan
rata-rata dari masing-masing variabel pada setiap cluster-nya

Berdasarkan hasil rata-rata dari masing-masing variabel yaitu Jumlah SPPT, Target (Juta Rupiah), Tingkat Kepatuhan (%), dan Capaian Total
(%) menunjukkan bahwa rata-rata pada cluster 2 lebih besar dibandingkan cluster 1. Hal ini disebakan karena kelurahan-kelurahan yang berada
pada cluster 2 termasuk kawasan dengan perekonomian menengah ke atas serta didukung dengan wajib pajak yang patuh dalam membayar
pajak
 BAB V
KESIMPULAN
Kesimpulan
Kuliah Praktik
Mendapatkan pengalaman di dunia kerja Melatih tanggung jawab terhadap tugas
dan wawasan atau pengetahuan dalam yang diberikan dan mengasah
pengaplikasian ilmu Statistika di dunia kemampuan bekerja dan
kerja. berkomunikasi dalam tim maupun
individu.

Mendapatkan pengetahuan tentang Pajak

Bumi dan Bangunan di Bapenda Kota
Bandung UPTD Wilayah Bandung
Tengah.
 Kesimpulan Laporan
Kuliah Praktik
1. Berdasarkan hasil analisis deskriptif diperoleh bahwa :
• Variabel Jumlah SPPT tertinggi dari 36 kelurahan dimiliki oleh kelurahan Antapani Kidul dengan 4.286 SPPT,
sedangkan yang terendah dimiliki oleh kelurahan Samoja dengan 556 SPPT.
• Variabel Target PBB yang tertinggi dimiliki oleh kelurahan Batununggal sebesar Rp. 9.872.715.870, sedangkan
Target PBB terendah dimiliki oleh kelurahan Kebon Gedang sebesar Rp. 343.555.764.
• Variabel Tingkat Kepatuhan yang tertinggi dimiliki oleh kelurahan Burangrang dan kelurahan Kebon Jayanti
yaitu sebesar 97,96%, sedangkan Tingkat Kepatuhan terendah dimiliki oleh kelurahan Pasirluyu, Kujangsari,
Antapani Wetan, dan Kebon Gedang yaitu 91,74%.
• Variabel Capaian Total tertinggi dimiliki oleh kelurahan Burangrang sebesar 94,54%, sedangkan Capaian Total
terendah dimiliki oleh kelurahan Wates sebesar 65,38%.
 Kesimpulan Laporan
Kuliah Praktik
2. Berdasarkan hasil dari pengolahan data menggunakan analisis Cluster yaitu Metode Hirearki
(Cluster Ward dan Cluster Complete Linkage) dan metode Non Hirearki (Cluster K-Means)
diperoleh bahwa :

• Pada metode Ward diperoleh hasil analisis untuk anggota dari tiap cluster yaitu,
pada cluster 1 terdiri dari 27 kelurahan dan cluster 2 terdiri dari 9 kelurahan dan
diperoleh rata-rata tertinggi pada cluster 2 untuk setiap variabelnya, dalam hal ini
kelurahan-kelurahan yang berada pada cluster 2 memiliki wajib pajak yang patuh
dalam pembayaran Pajak Bumi dan Bangunan dibandingkan cluster 1.
 Kesimpulan Laporan
Kuliah Praktik
• Pada metode Complete Linkage diperoleh hasil analisis untuk anggota dari tiap cluster yaitu, pada cluster 1
terdiri dari 27 kelurahan dan cluster 2 terdiri dari 9 kelurahan dan diperoleh rata-rata tertinggi pada cluster 2
untuk variabel rata-rata Jumlah SPPT dan rata-rata Target. Sedangkan untuk variabel rata-rata Tingkat
Kepatuhan dan rata-rata Capaian Total yang tertinggi terdapat pada cluster 1. Dapat disimpulkan kelurahan-
kelurahan yang berada pada cluster 2 memiliki rata-rata Jumlah SPPT dan Target yang relatif lebih tinggi,
tetapi meskipun demikian, pada cluster 2 ini masih terdapat wajib pajak yang belum mematuhi
kewajibannya dalam membayar pajak dibandingkan dengan wajib pajak yang terdapat di cluster 1.
Kesimpulan Laporan
Kuliah Praktik

• Pada metode K-Means diperoleh hasil analisis untuk anggota dari tiap cluster yaitu, pada cluster 1 terdiri
dari 17 kelurahan dan cluster 2 terdiri dari 19 kelurahan. Setelah anggota kelompok cluster terbentuk
diperoleh rata-rata tertinggi pada cluster 2 untuk setiap variabelnya, dalam hal ini kelurahan-kelurahan
yang berada pada cluster 2 memiliki wajib pajak yang patuh dalam pembayaran Pajak Bumi dan
Bangunan dibandingkan cluster 1.
 Kesimpulan Laporan
Kuliah Praktik
3. Berdasarkan hasil-hasil pengklasteran melalui tiga metode dapat disimpulkan bahwa :

Metode Ward, metode Complete Linkage dan metode K-Means menunjukkan bahwa 2 metode pertama yaitu
metode Ward dan metode Complete Linkage memperoleh hasil pengklasteran yang relatif mirip yaitu 27 anggota
untuk cluster 1 dan 9 anggota untuk cluster 2. Sedangkan pada metode Cluster K-Means anggota pada cluster 1
terdiri dari 17 kelurahan dan cluster 2 terdiri dari 19 kelurahan. Dalam hal ini, kita dapat mengesampingkan
metode Cluster K-Means. Selanjutnya, pada hasil yang telah diperoleh dapat dilihat bahwa metode Ward
menunjukkan kekonsistenan untuk setiap variabelnya dengan menghasilkan rata-rata yang tinggi di setiap
variabel pada cluster 2. Sehingga, dapat disimpulkan bahwa metode Ward memiliki hasil yang relatif konsisten
dibandingkan metode complete linkage maupun metode Cluster K-Means.
Sekian dan Terima Kasih