Penerapan Algoritma K-Means Clustering untuk Segmentasi Vendor Berdasarkan Data PPN Masukan pada PT Rifansi Dwi Putra

Penelitian

Abstrak

Pengelolaan data transaksi vendor merupakan bagian penting dalam mendukung pengambilan keputusan perusahaan. PT Rifansi Dwi Putra memiliki data transaksi pajak masukan yang berasal dari berbagai vendor dengan karakteristik transaksi yang berbeda-beda. Penelitian ini bertujuan untuk melakukan segmentasi vendor menggunakan algoritma K-Means Clustering berdasarkan frekuensi transaksi, nilai invoice, Pajak Pertambahan Nilai (PPN), dan Pajak Penghasilan (PPh). Data yang digunakan merupakan data PPN Masukan periode 21 Desember 2025 sampai 20 Januari 2026 yang terdiri atas 627 transaksi dari 183 vendor. Tahapan penelitian meliputi preprocessing data, agregasi data vendor, normalisasi data, penentuan jumlah cluster menggunakan Silhouette Coefficient, serta penerapan algoritma K-Means. Hasil pengujian menunjukkan bahwa jumlah cluster optimal adalah dua cluster dengan nilai Silhouette Coefficient sebesar 0,8710. Cluster pertama terdiri atas 176 vendor dengan rata-rata nilai transaksi yang relatif rendah hingga menengah, sedangkan cluster kedua terdiri atas 7 vendor dengan nilai transaksi dan kontribusi pajak yang jauh lebih tinggi. Hasil penelitian menunjukkan bahwa algoritma K-Means mampu mengidentifikasi kelompok vendor strategis sehingga dapat mendukung pengambilan keputusan dalam pengelolaan vendor perusahaan.