Penerapan Data Mining menggunakan Metode Teknik Classification untuk Melihat Potensi Kepatuhan Wajib Pajak Bumi dan Bangunan

Arif Rahmat  Shaumi; Muhammad Faridz  Ali; Muhammad Tsaqif Al Mutawakkil  Simbolon

Authors

Arif Rahmat Shaumi Universitas Islam Negeri Sumatera Utara
Muhammad Faridz Ali Universitas Islam Negeri Sumatera Utara
Muhammad Tsaqif Al Mutawakkil Simbolon

Keywords:

POTENSI KEPATUHAN WAJIB PAJAK BUMI DAN BANGUNAN, DATA MINING, TEKNIK CLASSIFICATION

Abstract

Pemerintah melaksanakan pembangunan di Indonesia ini tentu memerlukan dana yang cukup besar. Pemasukan kas dari Pajak Bumi dan/atau Bangunan merupakan bagian terpenting untuk pembangunan suatu daerah, dengan hasil yang telah didapatkan pemerintah daerah dapat meningkatkan pembangunan daerah dengan berbagai infrastruktur yang membantu masyarakat dalam melakukan berbagai aktivitas serta menjadikan daerah tersebut menjadi lebih maju. Salah satu jenis pajak adalah Pajak Bumi dan Bangunan (PBB). Dengan semakin banyak nya wajib pajak dan data yang membayar iuran langsung masuk ke kas keuangan negara menyebabkan pihak UPT BPPRD kota Medan tidak mengetahui seberapa banyak wajib pajak yang patuh dan tidak patuh. Pada penelitian ini menggunakan teknik data mining yaitu classification dengan menerapkan algoritma naive bayes dan mendapatkan dari jumlah wajib pajak sebanyak 1.647 wajib pajak dengan akurasi sebesar 99.33% yang berpotensi tidak tepat waktu terdapat pada Kecamatan medan amplas sebesar 0.437 dan kecamatan medan area dengan data sebesar 0.229

References

Y. Irawan, “Penerapan Data Mining Untuk Evaluasi Data Penjualan Menggunakan Metode Clustering Dan Algoritma Hirarki Divisive Di Perusahaan Media World Pekanbaru,” J. Teknol. Inf. Univ. Lambung Mangkurat, vol. 4, no. 1, pp. 13–20, 2019.

N. L. W. S. R. Ginantra et al., Data mining dan penerapan algoritma. Yayasan Kita Menulis, 2021.

D. P. Utomo and M. Mesran, “Analisis Komparasi Metode Klasifikasi Data Mining dan Reduksi Atribut Pada Data Set Penyakit Jantung,” J. Media Inform. Budidarma, vol. 4, no. 2, pp. 437–444, 2020.

A. F. O. Pasaribu and others, “Analisis Pola Menggunakan Metode C4. 5 Untuk Peminatan Jurusan Siswa Berdasarkan Kurikulum (Studi Kasus: Sman 1 Natar),” J. Teknol. Dan Sist. Inf., vol. 2, no. 1, pp. 80–85, 2021.

I. Istiningsih and others, “IMPLEMENTASI DATA MINING PENGELOMPOKKAN PELANGGAN MENGGUNAKAN RFM DAN K-MEANS CLUSTERING STUDI KASUS DI INDONESIA DIGITAL PRINTING YOGYAKARTA,” STMIK AKAKOM YOGYAKARTA, 2020.

R. N. Situmorang, “Klasifikasi Kesegaran Ikan Berdasarkan Ekstraksi Fitur Menggunakan Metode K-Nearest Neighbor Dan Hue Saturation Value,” Universitas Islam Negeri Sumatera Utara Medan, 2021.

A. Sapitri, “PERBANDINGAN METODE K-NEAREST NEIGHBOR (K-NN) DAN METODE K-MEANS DALAM MENENTUKAN TINGKAT PENJUALAN PRODUK PADA PERUSAHAAN KAYU ELANG PERKASA,” Universitas Darma Persada, 2021.

R. Y. Hayuningtyas, “Penerapan Algoritma Na{"i}ve Bayes untuk Rekomendasi Pakaian Wanita,” J. Inform., vol. 6, no. 1, pp. 18–22, 2019.

N. Pramesti, “Klasifikasi Persediaan Barang Menggunakan Naive Bayes,” J. DATA Sci. & Inform., vol. 1, no. 2, pp. 53–57, 2021.

M. F. Rifai, H. Jatnika, and B. Valentino, “Penerapan Algoritma Na{"i}ve Bayes Pada Sistem Prediksi Tingkat Kelulusan Peserta Sertifikasi Microsoft Office Specialist (MOS),” 2019.

M. Misdram, F. Syarifuddin, and A. A. Widodo, “Klasifikasi Data Set Virus Corona Menggunakan Metode Na{"i}ve Bayes Classifier,” SPIRIT, vol. 12, no. 2, 2020.