Clustering Klasifikasi Lapangan Usaha (KLU) Wajib Pajak Badan Potensial Menggunakan Metode K-Means

Nugroho, Jessica Rahmawati (2021) Clustering Klasifikasi Lapangan Usaha (KLU) Wajib Pajak Badan Potensial Menggunakan Metode K-Means. Masters thesis, Institut Teknologi Sepuluh Nopember.

Preview	Text 07111950067012_JessicaRN_TESIS_ALL_FINISH.pdf - Accepted Version Download (2MB) | Preview
	Text 07111950067012-Master_Thesis.pdf Download (2MB)

Abstract

Belum optimalnya penerimaan pajak yang terlihat dari tax gap dan tax ratio menunjukkan bahwa tingkat kepatuhan di Indonesia masih rendah. Salah satu upaya untuk meminimalisir resiko ketidakpatuhan Wajib Pajak (WP) adalah dengan melakukan pengawasan dan pemeriksaan terhadap WP. Sebagai penopang penerimaan terbesar, WP badan berdasarkan sektor usahanya/klasifikasi lapangan usahanya mempunyai kontribusi dominan terhadap penerimaan negara setiap tahunnya. Namun, terbatasnya jumlah pemeriksa pajak menyebabkan kegiatan pemeriksaan dan pengawasan menjadi kurang optimal. Dari latar belakang tersebut, diambil pendekatan menggunakan metode clustering dengan algoritma K-Means untuk mengelompokkan Klasifikasi Lapangan Usaha (KLU) yang memiliki potensi bagi penerimaan pajak dari data yang dimiliki oleh Direktorat Jenderal Pajak (DJP). Hasil pengujian clustering dengan algoritma K-Means menunjukkan, 173 KLU memiliki tingkat kepatuhan rendah, 156 KLU memiliki tingkat kepatuhan sedang, 684 KLU memiliki tingkat kepatuhan tinggi, 967 KLU memiliki dampak fiskal rendah, 38 KLU memiliki dampak fiskal sedang, dan 8 KLU memiliki dampak fiskal tinggi. Validasi clustering menggunakan uji silhouette, diperoleh nilai 0.69 untuk variabel x dan 0.92 untuk variabel y. Informasi yang dihasilkan dari penelitian ini dapat digunakan untuk mendukung pengambilan keputusan dalam penentuan daftar KLU yang perlu diprioritaskan untuk dilakukan pemeriksaan dan pengawasan.
==============================================================================================================================
Not yet optimal tax revenue, which can be seen from the tax gap and tax ratio, indicates that the compliance level in Indonesia is still low. One of the efforts to minimize the risk of non-compliance taxpayers is to carry out supervision and inspection of taxpayers. As one of the largest sources of revenue, corporate taxpayers based on their business sector have a dominant contribution to state revenues every year. With limited human resources, it makes supervision and inspection, less than optimal. Thus, in this study, the researcher tries to implement the clustering method with the K-Means algorithm to grouping business classification (Klasifikasi Lapangan Usaha/KLU) with the potential for tax from the Directorate General of Taxes (DGT) data. This study used the K-Means clustering method. The clustering test results utilizing the K-Means algorithm revealed that 173 KLUs had a low level of compliance, 156 KLUs had a medium level of compliance, 684 KLUs had a high level of compliance, 967 KLUs had a low fiscal impact, 38 KLUs had a medium fiscal impact, and 8 KLUs had a high fiscal impact. Clustering validation using the silhouette index, obtained values of variable x and variable y, respectively 0,69 and 0,92. The information provided from this study can be used to support decision making in determining the list of KLUs that need to be prioritized for supervising and inspecting.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	clustering, DJP, KLU, K-Means, pajak, clustering, DGT, KLU, K-Means, tax
Subjects:	Q Science > QA Mathematics > QA278.55 Cluster analysis
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Electrical Engineering > 20101-(S2) Master Thesis
Depositing User:	Jessica Rahmawati Nugroho
Date Deposited:	17 Aug 2021 05:23
Last Modified:	18 Nov 2024 00:32
URI:	http://repository.its.ac.id/id/eprint/87060

Actions (login required)

View Item