// <![CDATA[PREDIKSI JUMLAH TARGET DAN REALISASI WAJIB PAJAK ATAS PAJAK BUMI DAN BANGUNAN – P2 MENGGUNAKAN METODE REGRESI]]> Jasman Pardede, Dr., S.SI., M.T. Dosen Pembimbing 1 Maleakhi Ekklesia / 152019003 Penulis
Perubahan besaran Pajak Bumi dan Bangunan memberikan dampak bagi beberapa sektor maupun masyarakat di Kota Bandung, karena perubahan yang cukup signifikan dalam besaran Pajak Bumi dan Bangunan ini memberikan pengaruh pada kesadaran dan juga kepedulian masyarakat dalam membayar pajak. Terdapat beberapa penggunaan machine learning dalam penentuan pajak ini dimana salah satunya adalah dengan memprediksikan sebuah besaran Target dan Realisasi pada Pajak Bumi Bangunan, sehingga dilakukan sebuah penelitian dengan membandingkan metode Multi Regression, Regression Lasso, dan PCR (Principle Component Regression) untuk menentukan jumlah prediksi terbaik pada Target dan Realisasi penerimaan Pajak Bumi dan Bangunan di Kota Bandung. Hasil pengujian yang telah dilakukan, didapatkan bahwa Regression Lasso memiliki nilai akurasi terbaik dengan nilai prediksi keakuratan sebesar 79,08%. Hasil tersebut diakibatkan karena Regression Lasso dapat mengestimasi parameter, mengatasi permasalah multicolinearity yang terjadi dan menyeleksi variabel yang ada untuk mendapatkan nilai keakuratan prediksi terbaik. Sehingga dapat disimpulkan bahwa terdapat pengaruh positif pada variabel Ketetapan, Target, dan Realisasi yang saling berkaitan. Hal tersebut saling mempengaruhi besarannya, dimana ketetapan mempengaruhi jumlah target, dan jumlah target mempengaruhi jumlah realisasi pada model yang terbentuk, dan proses pre – processing membuat model Regression Lasso ini menjadi lebih baik.