M., Jupri (2019) Klasifikasi Kepatuhan Wajib Pajak Menggunakan Data Mining Dan Perankingan Pengawasan Wajib Pajak Dengan Fuzzy AHP Dan TOPSIS. Masters thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
09211750053021-Master_Thesis.pdf Download (2MB) | Preview |
Abstract
Pajak merupakan sumber penerimaan negara yang sangat penting bagi pembangunan Indonesia, baik dari sisi ekonomi atau sisi sosial masyarakatnya. Lebih dari 70% dari total penerimaan negara Indonesia berasal dari penerimaan pajak. Pajak merupakan kontribusi wajib kepada negara yang terutang oleh orang pribadi atau badan yang bersifat memaksa berdasarkan Undang Undang, dengan tidak mendapat timbal balik secara langsung dan digunakan untuk keperluan negara bagi sebesar-besarnya kemakmuran rakyat. Sifat pajak yang memaksa dan bagi wajib pajak tidak memperoleh manfaat secara langsung diperlukan adanya pengawasan yang dilakukan oleh otoritas pajak agar penerimaan pajak dapat terealisasi secara optimal dan wajib pajak melakukan kewajiban pajaknya dengan sebenar-benarnya. Dengan menganut sistem perpajakan self-assessment yaitu wajib pajak menghitung, membayar dan melaporkan kewajiban pajak mereka sendiri ditambah dengan data yang bersumber dari ekternal akan menciptakan data yang sangat besar. Berdasarkan data yang sangat besar tersebut, otoritas pajak dituntut melakukan pengawasan kewajiban perpajakan secara efektif, efisien dan optimal. Mempertimbangkan masalah ini, tesis ini mengusulkan klasifikasi kepatuhan wajib pajak menggunakan algoritma data mining; yaitu C4.5, Support Vector Machine (SVM), K-Nearest Neighbor (KNN), Naive Bayes (NB), dan Multilayer Perceptron (MLP). Kepatuhan Wajib Pajak dapat diklasifikasikan ke dalam empat goal, yaitu (1) wajib pajak patuh formal dan material, (2) wajib pajak patuh material, (3) wajib pajak patuh formal, dan (4) wajib pajak tidak patuh formal dan material. Pemilihan algoritma klasifikasi terbaik dalam penelitian ini dilakukan dengan memberi pembobotan menggunakan Fuzzy AHP berdasarkan kriteria Akurasi, F-Score, dan Waktu yang dibutuhkan dalam membuat model serta perankingan menggunakan TOPSIS. Data pelaporan pajak hasil klasifikasi algoritma terbaik berdasarkan goal penelitian ini diberikan prioritas untuk diawasi dengan memberi pembobotan menggunakan Fuzzy AHP berdasarkan kriteria variabel dataset serta perankingan menggunakan TOPSIS. Hasil penelitian menunjukkan bahwa algoritma C4.5 adalah algoritma klasifikasi terbaik karena memiliki nilai preferensi paling tinggi yaitu 0.998. Fuzzy AHP dan TOPSIS merupakan solusi untuk memilih prioritas data pelaporan pajak dilakukan penelitian lebih lanjut dan ditindaklanjuti sesuai dengan peraturan perpajakan yang berlaku berdasarkan tingkat kepatuhan hasil klasfikasi algoritma terbaik.
==================================================================================================================================
Tax is a very important source of state revenues for Indonesia's development, whether from the economic or social side of its people. More than 70% of Indonesia's total revenues come from tax revenue. Tax is a compulsory contribution to the state, which is payable by individual or corporate under The Act, which is not get reciprocating directly and used for the state purposes for prosperity of the people as much as possible. Tax that have the nature of force and do not get benefit directly for the taxpayer, it is needed to do supervision by the tax authorities to ensure that tax revenue can be realized optimally and the taxpayer performs his tax liabilities correctly. By adopting the self-assessment taxation system, that is taxpayers calculate, pay and report their own tax liability and added with external data will create enormous data. With such huge data, the tax authorities are required to do the supervision of the tax liability effectively, efficiently and optimally. Considering this issue, this paper proposes the classification of taxpayer compliance using data mining algorithms; i.e. C4.5, Support Vector Machine, K-Nearest Neighbor, Naive Bayes, and Multilayer Perceptron based on the compliance of taxpayer data. The taxpayer compliance can be classified into four classes, which are (1) formal and material compliant taxpayers, (2) formal compliant taxpayers, (3) material compliant taxpayers, and (4) formal and material non-compliant taxpayers. The selection of the best classification algorithm in this research is done by giving weighting using Fuzzy AHP based on the criteria of Accuracy, F-Score, and Time needed to make the model and ranking using TOPSIS. Tax reporting data from the classification of the best algorithms based on the goal of this study are given priority to be supervised by giving weighting using Fuzzy AHP based on criteria for dataset variables and ranking using TOPSIS. The results showed that the C4.5 algorithm is the best classification algorithm because it has the highest preference value of 0.998. Fuzzy AHP and TOPSIS is a solution for selecting priority tax reporting data for further research and following up according to applicable tax regulations based on the taxpayer compliance of the best algorithm classification results.
| Item Type: | Thesis (Masters) |
|---|---|
| Additional Information: | RTMT 006.312 Jup k-1 |
| Uncontrolled Keywords: | Data Mining, Fuzzy AHP, TOPSIS |
| Subjects: | T Technology > T Technology (General) > T58.62 Decision support systems |
| Divisions: | Faculty of Creative Design and Digital Business (CREABIZ) > Technology Management > 61101-(S2) Master Thesis |
| Depositing User: | M. JUPRI JUPRI |
| Date Deposited: | 26 Mar 2025 03:18 |
| Last Modified: | 26 Mar 2025 03:18 |
| URI: | http://repository.its.ac.id/id/eprint/66866 |
Actions (login required)
 |
View Item |