Detail Karya Ilmiah

  • PROYEKSI PENERIMAAN PENDAPATAN PAJAK DAERAH DI KABUPATEN SUMENEP MENGGUNAKAN METODE LEAST SQUARE, ARIMA DAN NEURAL NETWORK
    Penulis : MAMIK INDRIANI
    Dosen Pembimbing I : Dr. Tarjo, S.E., M.Si., CFE., CPAI
    Dosen Pembimbing II :Dr. Bambang Haryadi, S.E., M.Si., Ak., CA
    Abstraksi

    Tujuan penelitian ini adalah untuk mengkaji metode manakah yang merupakan metode terbaik untuk memproyeksikan penerimaan pendapatan pajak. Penelitian ini menggunakan metode kualitatif dengan kajian dari beberapa penelitian dan literatur. Metode penelitian yang digunakan adalah deskriptif. Hasil penelitian ini mengungkapkan Melihat hasil riset dari beberapa penelitian diatas, maka dapat dikatakan bahwa metode least square, ARIMA dan neural network dapat digunakan untuk melakukan peramalan pendapatan. Metode time series yang digunakan dalam penelitian ini bagus untuk perkiraan jangka pendek. Setiap model memiliki beberapa kelebihan dan kekurangan yang bergantung pada penggunaan model. Studi ini merekomendasikan penggunaan metode ini saat meramalkan penerimaan pendapatan pajak di masa depan. Jika tidak ada perubahan kebijakan pajak, metode ini akan tepat digunakan dalam meramalkan pendapatan pajak dibandingkan dengan metode yang selama ini pemerintah daerah gunakan. Kata Kunci: Least Square, ARIMA, Neural Network, Pajak Daerah, Peramalan, Pendapatan.

    Abstraction

    The purpose of this study is to examine which method is the best method for projecting tax revenue revenues. This research uses qualitative method with study from several research and literature. The research method used is descriptive. The results of this study reveal Looking at the results of research from several studies above, it can be said that least square method, ARIMA and Neural Network can be used to forecast revenue. The time series method used in this study is good for short-term estimates. Each model has several advantages and disadvantages that depend on the use of the model. This study recommends the use of this method when forecasting future tax revenue revenues. If there is no change in tax policy, this method will be appropriately used in forecasting tax revenues compared to methods that local governments have used. Keywords: Least Square, ARIMA, Neural Network, Local Tax, Forecasting, Revenue.

Detail Jurnal