IMPLEMENTASI METODE RANDOM FOREST DALAM PREDIKSI PENYEBAB TUNGGAKAN PEMBAYARAN PAJAK KENDARAAN BERMOTOR DI SAMSAT MEDAN UTARA

Muhammad Ridwan Hasibuan, Sayuti Rahman, Kalvin Chiuloto

Sari


Penelitian ini bertujuan untuk menerapkan metode Random Forest dalam melakukan prediksi penyebab tunggakan pembayaran pajak kendaraan bermotor di Samsat Medan Utara. Metode Random Forest digunakan untuk mengidentifikasi faktor-faktor yang berkontribusi terhadap tunggakan pembayaran pajak kendaraan bermotor, sehingga dapat membantu dalam pengambilan keputusan yang lebih efektif dalam menangani tunggakan tersebut. Data yang digunakan dalam penelitian ini merupakan data historis tentang pembayaran pajak kendaraan bermotor dan faktor-faktor terkait dari Samsat Medan Utara. Proses analisis dimulai dengan tahap pra-pemrosesan data, termasuk pemilihan fitur yang relevan dan penanganan missing data. Selanjutnya, model Random Forest dikembangkan dan dilatih menggunakan data yang ada. Hasil prediksi kemudian dievaluasi menggunakan metrik evaluasi yang tepat. Dengan menerapkan metode Random Forest, penelitian ini dapat memberikan informasi yang berharga tentang faktor-faktor yang berkontribusi terhadap tunggakan pembayaran pajak kendaraan bermotor di Samsat Medan Utara. Hasil prediksi yang akurat dapat membantu pihak berwenang untuk mengidentifikasi faktor-faktor risiko yang berpotensi menyebabkan tunggakan pembayaran pajak dan mengambil tindakan yang sesuai untuk mengurangi jumlah tunggakan tersebut.Penelitian ini diharapkan dapat memberikan kontribusi positif dalam pengelolaan pembayaran pajak kendaraan bermotor di Samsat Medan Utara dan dapat menjadi acuan dalam pengambilan keputusan yang lebih efektif dalam menangani masalah tunggakan pajak kendaraan bermotor.


Teks Lengkap:

PDF

Referensi


Baskoro, B. B., Susanto, I., & Khomsah, S. (2021). Analisis Sentimen Pelanggan Hotel di Purwokerto Menggunakan Metode Random Forest dan TF-IDF (Studi Kasus: Ulasan Pelanggan Pada Situs TRIPADVISOR). Journal of Informatics Information System Software Engineering and Applications (INISTA), 3(2), 21–29.

Bintary, A. A. (2020). Analisis Kepatuhan Wajib Pajak Kendaraan Bermotor dalam upaya Meningkatkan Penerimaan Pajak Daerah pada Kantor Bersama Samsat Jakarta Timur Tahun 2015-2018. Jurnal Pajak Vokasi (JUPASI), 1(2), 86–101.

Damayanti, A. Y., Afifah, A. N., & Sunaningsih, S. N. (2023). Analisis Kontribusi Pemungutan Pajak Kendaraan Bermotor (PKB) terhadap Peningkatan Pendapatan Asli Daerah (PAD) Di Kota Magelang Tahun 2018-2021. Jurnal Maneksi (Management Ekonomi Dan Akuntansi), 12(2), 241–245.

Faharudin, F., & Wulandari, S. (2024). TINJAUAN YURIDIS PEMUNGUTAN PAJAK HOTEL DAN HIBURAN BERDASARKAN UNDANG-UNDANG NOMOR 28 TAHUN 2009 TENTANG PAJAK DAERAH DAN RETRIBUSI DAERAH. Jurnal Ilmu Hukum Kanturuna Wolio, 32–40.

Harahap, B., Umbara, R. F., & Danang Triantoro, M. T. (n.d.). Prediksi Indeks Harga Saham Menggunakan Metode Gabungan Support Vector Regression dan Random Forest Prediction Of Stock Market Index Using Hybrid of Support Vector Regression and Random Forest.

Karlina, U. W., & Ethika, M. H. (2020). Pengaruh pengetahuan wajib pajak, kesadaran wajib pajak, dan sanksi perpajakan terhadap kepatuhan wajib pajak kendaraan bermotor. Jurnal Kajian Akuntansi Dan Auditing, 15(2), 143–154.

Khalim, K. A., Hayati, U., & Bahtiar, A. (2023). Perbandingan Prediksi Penyakit Hipertensi Menggunakan Metode Random Forest Dan Na{"i}ve Bayes. JATI (Jurnal Mahasiswa Teknik Informatika), 7(1), 498–504.

Mustakim, M., Pratama, Y. R., & others. (n.d.). Prediksi Jumlah Tunggakan Pajak Jatuh Tempo Menggunakan Algoritma Support Vector Regression. Seminar Nasional Teknologi Informasi Komunikasi Dan Industri, 115–122.

Nugroho, A., & Harini, D. (2024). Teknik Random Forest untuk Meningkatan Akurasi Data Tidak Seimbang. JSITIK: Jurnal Sistem Informasi Dan Teknologi Informasi Komputer, 2(2), 128–140.

Putri, F., & Arianto, D. B. (2024). PERBANDINGAN PERFORMA RANDOM FOREST DAN GRADIENT BOOSTING DALAM PREDIKSI PADA DATASET CUSTOMER SHOPPING TRENDS. Kohesi: Jurnal Sains Dan Teknologi, 5(11), 1–10.

Speiser, J. L., Miller, M. E., Tooze, J., & Ip, E. (2019). A comparison of random forest variable selection methods for classification prediction modeling. Expert Systems with Applications, 134, 93–101.

Sururama, R., Weku, J., & Syahbana, A. (2023). Pengelolaan Pajak Restoran Dalam Meningkatkan Pendapatan Asli Daerah (PAD) di Kota Medan. JEKP (Jurnal Ekonomi Dan Keuangan Publik), 10(1), 1–20.

Tenggono, A., Adryansyah, M., & others. (2021). Prediksi Potensi Kepatuhan Wajib Pajak PBB-P2 Menggunakan Metode Naïve Bayes di Kecamatan Seberang Ulu I Kota Palembang. Teknomatika, 11(01), 51–58.

Ulya, H. (2022). Efektivitas Program Pemutihan Pajak Kendaraan Bermotor dalam Meningkatkan Kepatuhan Wajib Pajak Membayar Pajak dalam Perspektif Maslahah Mursalah (Studi Kasus Pada Kantor Bersama SAMSAT Natal). Universitas Islam Negeri Sumatera Utara Medan.

Wang, S., Wang, Y., Wang, D., Yin, Y., Wang, Y., & Jin, Y. (2020). An improved random forest-based rule extraction method for breast cancer diagnosis. Applied Soft Computing, 86, 105941.

Waruwu, H. (2022). Kualitas Pelayanan Pajak Kendaraan Bermotor di Kantor Sistem Administrasi Manunggal Satu Atap (Samsat) Medan Selatan Kota Medan. Universitas Medan Area.

Wu, Y., & Chang, Y. (2024). Ransomware detection on linux using machine learning with random forest algorithm. Authorea Preprints.

Yohannes, Y., Devella, S., & Pandrean, A. H. (2019). Penerapan Speeded-Up Robust Feature pada Random Forest Untuk Klasifikasi Motif Songket Palembang. Jurnal Teknik Informatika Dan Sistem Informasi, 5(3).




DOI: https://doi.org/10.63854/comptech.v1i2.28

Refbacks

  • Saat ini tidak ada refbacks.


CompTech: Jurnal Ilmu Komputer dan Teknologi Terindex pada:

    
     
     

 

Diterbitkan oleh:

PT. Compart Digitech Solution

Alamat : Komplek Griya Nafisa 5, Deli Serdang - Sumut
Kontak : 0823 0642 2838
Email   : admin@compartdigital.com


CompTech: Jurnal Ilmu Komputer dan Teknologi by PT. Compart Digitech Solution is licensed under CC BY-SA 4.0