Peramalan Pertumbuhan Penerimaan Bea Balik Nama Kendaraan Bermotor di Provinsi Jawa Timur Menggunakan Model Hybrid ARIMA-ANN

Nugroho, Arianto (2026) Peramalan Pertumbuhan Penerimaan Bea Balik Nama Kendaraan Bermotor di Provinsi Jawa Timur Menggunakan Model Hybrid ARIMA-ANN. Masters thesis, Institut Teknologi Sepuluh November.

Text 6025202006-Master_Thesis.pdf - Accepted Version Restricted to Repository staff only Download (6MB) | Request a copy

Abstract

Bea Balik Nama Kendaraan Bermotor (BBNKB) merupakan salah satu sumber Pendapatan Asli Daerah (PAD) yang penting bagi Provinsi Jawa Timur. Sejak diberlakukannya Undang-Undang Nomor 1 Tahun 2022 tentang Hubungan Keuangan antara Pemerintah Pusat dan Pemerintahan Daerah (UU HKPD), pemungutan BBNKB hanya dikenakan pada penyerahan pertama kendaraan bermotor. Perubahan kebijakan ini membuat penerimaan BBNKB sangat bergantung pada penjualan kendaraan baru, sehingga diperlukan perencanaan fiskal yang berbasis data untuk memproyeksikan potensi pendapatan secara akurat. Penelitian ini bertujuan untuk meramalkan penerimaan BBNKB menggunakan data penerimaan mingguan agar pola fluktuasi dapat diamati secara lebih rinci dan rutin. Dengan pendekatan mingguan, Badan Pendapatan Daerah (Bapenda) Jawa Timur dapat melakukan pemantauan dan evaluasi yang lebih cepat terhadap efektivitas kebijakan yang telah diterapkan. Informasi dari hasil peramalan ini dapat digunakan untuk menentukan target penerimaan yang realistis serta mendukung pengambilan kebijakan yang tepat. Model yang digunakan dalam penelitian ini adalah model hybrid ARIMA dan Artificial Neural Network (ANN). ARIMA dipilih karena kemampuannya dalam menangkap pola linier dan musiman, sementara ANN digunakan untuk memodelkan komponen nonlinier dalam data. Kombinasi kedua metode ini diharapkan mampu meningkatkan akurasi peramalan dan memberikan hasil yang dapat dijadikan dasar dalam penyusunan strategi penerimaan BBNKB ke depan,
terutama sejak diberlakukannya UU HKPD pada tahun 2025.
=======================================================================================================================================
The Motor Vehicle Title Transfer Fee (BBNKB) is one of the key sources of local revenue for East Java Province. Since the implementation of Law No. 1 of 2022 concerning the Financial Relationship Between the Central and Regional Governments (UU HKPD), BBNKB has only been imposed on the first transfer of vehicle ownership. This policy shift makes BBNKB revenue highly dependent on new vehicle sales, requiring a data-driven fiscal planning approach to accurately project potential revenue. This study aims to forecast BBNKB revenue using weekly revenue data to capture fluctuations in greater detail and with higher frequency. Through a weekly data approach, the East Java Regional Revenue Agency (Bapenda) can monitor and evaluate policy effectiveness more frequently. The information derived from forecasting results may support the setting of realistic revenue targets and inform appropriate policy decisions. The forecasting model employed in this study is a hybrid of ARIMA and Artificial Neural Network (ANN). ARIMA is chosen for its ability to model linier and seasonal patterns, while ANN complements it by handling nonlinier components in the data. This hybrid approach is expected to improve forecast accuracy and provide valuable insights for formulating BBNKB revenue strategies, especially in response to the policy changes brought by the 2025 UU HKPD implementation.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	ARIMA, Artificial Neural Network, BBNKB, Data Mingguan, Kendaraan Bermotor, Penerimaan Daerah ============================================================ ARIMA, Artificial Neural Network, BBNKB, Motor Vehicle, Regional Revenue, Weekly Data
Subjects:	T Technology > T Technology (General) > T174 Technological forecasting T Technology > T Technology (General) > T57.5 Data Processing
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55101-(S2) Master Thesis
Depositing User:	Arianto Nugroho
Date Deposited:	04 Feb 2026 09:26
Last Modified:	04 Feb 2026 09:26
URI:	http://repository.its.ac.id/id/eprint/132144

Actions (login required)

View Item