Klasifikasi Surat Pemberitahuan Pajak Daerah Menggunakan Metode Regresi Logistik Biner Untuk Mengetahui Patuh Dan Tidak Patuh Dalam Pembayaran Pajak Daerah

  • Mohamad Ripai STMIK IKMI CIREBON
  • Umi Hayati STMIK IKMI Cirebon
  • Wita Widyawati STMIK IKMI Cirebon
  • Heliyanti Susana STMIK IKMI Cirebon
  • Fathurrohman STMIK IKMI Cirebon
Keywords: Machine Learning, Pajak Daerah, Regresi Logistik, Dataming, Klasifikasi

Abstract

Pajak adalah sebagai suatu kewajiban warga negara berupa pengabdian serta peran aktif warga negara untuk
pembangunan nasional maupun daerah berdasarkan Peraturan Undang-Undangan. Tetapi Tingkat kepatuhan wajib pajak yang masih rendah karena belum tercapainya target penerimaan pajak daerah, oleh karena itu peneliti tertarik untuk meneliti bagaimana tingkat kepatuhan wajib pajak di Badan Pengelola Keuangan dan Pendapatan Daerah (BPKPD) Kota Cirebon. Tujuan dari penelitian ini adalah untuk menklasifikasikan jenis dan wajib pajak mana saja yang masih banyak menunggak terhadap Kepatuhan Wajib Pajak. Metode yang digunakan dalam penelitian ini yaitu menggunakan metode Regresi Logistik, untuk mencari hubungan antara variabel respon (y) yang bersifat biner dengan variabel prediktor (x) dari 2 kategori yaitu tepat waktu dan tidak yang dinotasikan dengan y=1 (patuh) dan y=0 (tidak patuh). Hasil yang diharapkan yaitu diketahuinya tingkat kepatuhan wajib pajak berdasarak jenis pajaknya.

References

m. Abdurohman, r. Husna, i. Ali, g. Dwilestari, and n. Rahaningsih, “penerapan model klasifikasi dalam tingkat kepuasan layanan publik kelurahan karyamulya dengan menggunakan algoritma decision tree,” inf. Manag. Educ. Prof. J. Inf. Manag., vol. 6, no. 1, p. 81, 2022, doi: 10.51211/imbi.v6i1.1678.

p. Studi, t. Informatika, p. Studi, s. Informasi, p. Studi, and r. Perangkat, “pengelompokkan hasil belajar siswa dengan metode clustering k-means saeful anwar 1) , tati suprapti 2) , gifthera dwilestari 3) irfan ali 4),” vol. 4, no. 2, pp. 60–72, 2022.

f. M. Basysyar, g. Dwilestari, a. Bahtiar, martanto, and d. N. Nuris, “market basketball analysis algorithm for determining products association,” iop conf. Ser. Mater. Sci. Eng., vol. 1088, no. 1, p. 012040, 2021, doi: 10.1088/1757-899x/1088/1/012040.

f. M. Basysyar, “clustering data disabilitas menggunakan algoritma k-means di kabupaten cirebon,” jursima (jurnal sist. Inf. Dan …, vol. 9, no. 3, 2021.

s. Suhari, a. Faqih, and f. M. Basysyar, “sistem informasi kepegawaian mengunakan metode agile development di cv. Angkasa raya,” j. Teknol. Dan inf., vol. 12, no. 1, pp. 30–45, 2022, doi: 10.34010/jati.v12i1.6622.

s. M. A. K-means, . “kata kunci : data mining, kualitas, ujian nasional, algoritma k-means.,” vol. 10, no. 1, 2022.

c. L. Rohmat, i. Ali, t. Suprapti, and u. Aryanti, “aplikasi pemesanan online barbershop berbasis android untuk meningkatkan layanan,” vol. 4, no. 2, pp. 37–45, 2021.

y. A. Wijaya, n. Suarna, iin, r. Hamonangan, and r. Nining, “comparison of machine learning algorithm for santander dataset,” iop conf. Ser. Mater. Sci. Eng., vol. 1088, no. 1, p. 012032, 2021, doi: 10.1088/1757-899x/1088/1/012032.

n. Suarna, y. A. Wijaya, mulyawan, t. Hartati, and t. Suprapti, “comparison k-medoids algorithm and k-means algorithm for clustering fish cooking menu from fish dataset,” iop conf. Ser. Mater. Sci. Eng., vol. 1088, no. 1, p. 012034, 2021, doi: 10.1088/1757-899x/1088/1/012034.

s. Turangga and y. A. W, “analisis internet menggunakan parameter quality of service pada alfamart tuparev 70,” vol. 6, no. 1, pp. 392–398, 2022.

t. Hartati and y. A. Wijaya, “analisis data lalu lintas jaringan di kantor cangehgar cyber operation center menggunakan algoritma k-means network traffic data analysis at cangehgar cyber operation center office using k-means algorithm,” vol. 7, no. 1, pp. 75–84, 2022.

h. Putri, a. I. Purnamasari, a. R. Dikananda, o. Nurdiawan, and s. Anwar, “penerima manfaat bantuan non tunai kartu keluarga sejahtera menggunakan metode naïve bayes dan knn,” build. Informatics, technol. Sci., vol. 3, no. 3, pp. 331–337, 2021, doi: 10.47065/bits.v3i3.1093.

a. Z. Zami, o. Nurdiawan, and g. Dwilestari, “klasifikasi kondisi gizi bayi bawah lima tahun pada posyandu melati dengan menggunakan algoritma decision tree,” j. Sist. Komput. Dan inform., vol. 3, pp. 305–310, 2022, doi: 10.30865/json.v3i3.3892.

e. W. Ramadhona, t. Prasetya, and a. I. Purnamasari, “game edukasi ‘ nihongo kurabu ’ belajar bahasa menggunakan unity 2d berbasis android,” inf. Manag. Educ. Prof., vol. 6, no. 1, pp. 71–80, 2022.

a. Z. Zami, o. Nurdiawan, and g. Dwilestari, “klasifikasi kondisi gizi bayi bawah lima tahun pada posyandu melati dengan menggunakan algoritma decision tree,” j. Sist. Komput. Dan inform., vol. 3, pp. 305–310, 2022, doi: 10.30865/json.v3i3.3892.

h. Putri, a. I. Purnamasari, a. R. Dikananda, o. Nurdiawan, and s. Anwar, “penerima manfaat bantuan non tunai kartu keluarga sejahtera menggunakan metode naïve bayes dan knn,” build. Informatics, technol. Sci., vol. 3, no. 3, pp. 331–337, 2021, doi: 10.47065/bits.v3i3.1093.

d. A. K. Irfan nurdiyanto, odi nurdiawan, nining rahaningsih, ade irfma purnamasari, “penentuan keputusan pemberian pinjaman kredit menggunakan algoritma c.45,” j. Data sci. Dan inform., vol. 1, no. 1, pp. 16–20, 2021.

a. Faqih, o. Nurdiawan, and a. Setiawan, “ethnomathematics : utilization of crock , ladle , and chopping board for learning material of geometry at the elementary school,” vol. 4, no. 1, pp. 46–55, 2021.

o. Nurdiawan, f. A. Pratama, d. A. Kurnia, kaslani, and n. Rahaningsih, “optimization of traveling salesman problem on scheduling tour packages using genetic algorithms,” j. Phys. Conf. Ser., vol. 1477, no. 5, 2020, doi: 10.1088/1742-6596/1477/5/052037.

f. Arie pratama, k. Kaslani, o. Nurdiawan, n. Rahaningsih, and n. Nurhadiansyah, “learning innovation using the zahir application in improving understanding of accounting materials,” j. Phys. Conf. Ser., vol. 1477, no. 3, pp. 0–6, 2020, doi: 10.1088/1742-6596/1477/3/032018.

Published
2022-06-25

Most read articles by the same author(s)