PREDIKSI MENENTUKAN POTENSI KEPATUHAN WAJIB PAJAK BERDASARKAN DATA PBB 2020 MENGGUNAKAN METODE ALGORITMA NAIVE BAYES
Total View This Week0
Total View This Week0
Institusion
Universitas Teknokrat Indonesia
Author
Anggraini, Citra
Subject
Pengambilan keputusan
Datestamp
2021-12-10 04:08:00
Abstract :
Pemasukan kas dari Pajak Bumi dan/atau Bangunan merupakan bagian terpenting untuk pembangunan suatu daerah, dengan hasil yang telah didapatkan pemerintah daerah dapat meningkatkan pembangunan daerah dengan berbagai infrastruktur yang membantu masyarakat dalam melakukan berbagai aktivitas serta menjadikan daerah tersebut menjadi lebih maju. Kepatuhan yang tinggi dari wajib pajak adalah suatu keadaan dimana wajib pajak memenuhi semua kewajibannya dalam membayar pajak, namun pada kenyataannya masih ada permasalahan yang dihadapi oleh wajib pajak dalam realitanya tidak semua bahkan rendahnya tingkat wajib pajak patuh dalam membayar pajak. Oleh karena itu untuk mengoptimalkan pengelolaan pajak bumi dan bangunan maka diperlukan adanya sebuah perencanaan, pengorganisasian, penggerakan serta pengawasan yang baik oleh Pemerintah Kota Bandar Lampung khususnya bagi Badan Pengelola Pajak dan Retribusi Daerah Kota Bandar Lampung dalam hal pemungutan Pajak Bumi dan Bangunan. Metode yang digunakan untuk klasifikasi adalah Algoritma Naive bayes dimana algoritma ini terbukti memiliki akurasi dan kecepatan yang tinggi saat diaplikasikan ke dalam database dengan data yang besar. Algoritma naïve bayes adalah algoritma yang mempunyai fungsi untuk memprediksi atau meramalkan sebuah kejadian dimasa mendatang dengan menggunakan data sebelumnya. Data primer dari Badan Pengelola Pajak dan Retribusi kemudian akan divalidasi menggunakan tools RapidMiner. Hasil penelitian dengan menggunakan data mining pengelompokan data atau yang sering disebut dengan klasifikasi data ini sangat berguna untuk memprediksi wajib pajak mana yang akan lancar ataupun tidak lancar dalam pembayaran pajak PBB pada kecamatan tanjung senang. Perhitungan dilakukan dengan menentukan nilai probabilitas setiap atribut kemudian akan di validasi dengan Ten-fold Cross Validation untuk mengetahui tingkat akurasi, presisi, dan recall dari hasil prediksi klasifikasi. Kata Kunci : Pajak, Cross Validation, Algoritma naïve bayes, RapidMiner.
Pemasukan kas dari Pajak Bumi dan/atau Bangunan merupakan bagian terpenting untuk pembangunan suatu daerah, dengan hasil yang telah didapatkan pemerintah daerah dapat meningkatkan pembangunan daerah dengan berbagai infrastruktur yang membantu masyarakat dalam melakukan berbagai aktivitas serta menjadikan daerah tersebut menjadi lebih maju. Kepatuhan yang tinggi dari wajib pajak adalah suatu keadaan dimana wajib pajak memenuhi semua kewajibannya dalam membayar pajak, namun pada kenyataannya masih ada permasalahan yang dihadapi oleh wajib pajak dalam realitanya tidak semua bahkan rendahnya tingkat wajib pajak patuh dalam membayar pajak. Oleh karena itu untuk mengoptimalkan pengelolaan pajak bumi dan bangunan maka diperlukan adanya sebuah perencanaan, pengorganisasian, penggerakan serta pengawasan yang baik oleh Pemerintah Kota Bandar Lampung khususnya bagi Badan Pengelola Pajak dan Retribusi Daerah Kota Bandar Lampung dalam hal pemungutan Pajak Bumi dan Bangunan. Metode yang digunakan untuk klasifikasi adalah Algoritma Naive bayes dimana algoritma ini terbukti memiliki akurasi dan kecepatan yang tinggi saat diaplikasikan ke dalam database dengan data yang besar. Algoritma naïve bayes adalah algoritma yang mempunyai fungsi untuk memprediksi atau meramalkan sebuah kejadian dimasa mendatang dengan menggunakan data sebelumnya. Data primer dari Badan Pengelola Pajak dan Retribusi kemudian akan divalidasi menggunakan tools RapidMiner. Hasil penelitian dengan menggunakan data mining pengelompokan data atau yang sering disebut dengan klasifikasi data ini sangat berguna untuk memprediksi wajib pajak mana yang akan lancar ataupun tidak lancar dalam pembayaran pajak PBB pada kecamatan tanjung senang. Perhitungan dilakukan dengan menentukan nilai probabilitas setiap atribut kemudian akan di validasi dengan Ten-fold Cross Validation untuk mengetahui tingkat akurasi, presisi, dan recall dari hasil prediksi klasifikasi. Kata Kunci : Pajak, Cross Validation, Algoritma naïve bayes, RapidMiner.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
