FUADI, KHAIRUL (2026) PERBANDINGAN METODE REGRESI LOGISTIK DAN RANDOM FOREST DALAM MEMPREDIKSI KEPATUHAN PEMBAYARAN PAJAK KENDARAAN DI SAMSAT ACEH UTARA. S2 thesis, Universitas Malikussaleh.

	Text COVER KHAIRUL'.pdf Download (127kB)
	Text ABSTRAK KHAIRUL.pdf Download (538kB)
	Text BAB I KHAIRUL.pdf Download (1MB)
	Text DAPUS KHAIRUL.pdf Download (568kB)
	Text Tesis khairul fuadi CETAK.pdf Restricted to Registered users only Download (29MB)

Abstract

Pajak kendaraan bermotor merupakan sumber utama Pendapatan Asli Daerah (PAD). Namun, tingkat kepatuhan pembayaran pajak kendaraan bermotor di Kabupaten Aceh Utara masih suboptimal, terutama terkait dengan keterlambatan pembayaran. Pendekatan berbasis data diperlukan untuk memprediksi dan memahami pola kepatuhan wajib pajak secara lebih akurat. Studi ini bertujuan untuk membandingkan kinerja metode Regresi Logistik dan Random Forest dalam memprediksi kepatuhan pembayaran pajak kendaraan bermotor, serta mengidentifikasi faktor-faktor yang mempengaruhi perilaku kepatuhan wajib pajak di Samsat Aceh Utara (Sat). Studi ini menggunakan data sekunder berupa transaksi pembayaran pajak kendaraan bermotor di Samsat Aceh Utara periode 2022–2024, dengan total 100.000 observasi. Variabel respons adalah status kepatuhan pembayaran pajak (patuh dan tidak patuh), sedangkan variabel prediktor meliputi umur kendaraan, jenis kepemilikan, jenis kendaraan, dan merek kendaraan. Data dibagi menjadi 70% data pelatihan dan 30% data pengujian. Evaluasi kinerja model dilakukan menggunakan metrik akurasi, presisi, recall, dan Area Under Curve (AUC). Hasil analisis menunjukkan bahwa Random Forest memiliki kinerja prediksi yang lebih baik daripada Regresi Logistik, dengan akurasi dan nilai AUC yang lebih tinggi. Usia kendaraan dan jenis kepemilikan merupakan variabel yang paling berpengaruh dalam memprediksi kepatuhan pembayaran pajak, sedangkan merek kendaraan memiliki pengaruh yang relatif lebih kecil. Regresi Logistik memberikan interpretasi yang jelas tentang hubungan antar variabel, tetapi memiliki kemampuan diskriminasi yang lebih rendah daripada Random Forest. Random Forest terbukti lebih efektif sebagai model prediksi untuk kepatuhan pembayaran pajak kendaraan bermotor di Samsat Aceh Utara. Penerapan model prediksi berbasis pembelajaran mesin berpotensi mendukung pembuatan kebijakan yang lebih tepat sasaran dalam upaya meningkatkan kepatuhan pembayaran pajak kendaraan bermotor, terutama dalam mengurangi keterlambatan pembayaran.

Item Type:	Thesis (S2)
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software T Technology > T Technology (General)
Divisions:	Pascasarjana > 71102 - Magister Teknologi Informasi
Depositing User:	mr Khairul Fuadi
Date Deposited:	03 Sep 2026 03:44
Last Modified:	03 Sep 2026 03:44
URI:	https://rama.unimal.ac.id/id/eprint/22188

Actions (login required)

View Item