English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

Bali Regional Income Board is a regional organization tasked with determining the amount of local tax revenue target for the next fiscal year. Currently, it is calculated manually in accordance to trends from previous years. It needs to be measured and forecasted accurately. Recent studies shows that forecasting by combining conventional and artificial intelligence (hybrid) methods results in better forecasting accuracy. By that reason, the writer tries to forecast the target of revenue from Motor Vehicle Tax (PKB and BBNKB), which contribute 70% to Bali Province income by combining ARIMA and Genetic Algorithm. The data used consisted of five groups: yearly and new Vehicles that have linear data types, and as Reverse Names, Entrance Mutations and Output Mutations that have non-linear data types. Each data group consisted of PKB and BBNKB, where it’s monthly realization data from 2011 to 2016 used to be training data and realization data for 2017 as test data. The Combined forecasting mechanism is performed using ARIMA to forecast linear data and using Genetic Algorithms for non-linear data. As a benchmark for forecasting using ARIMA and Genetic Algorithms, forecasting using ARIMA and Genetic Algorithms independently is used for all data types (linear and nonlinear). Testing is done by comparing data of forecasting result with that 3 different methods for year 2017 with data realization year 2017. Then the error percentage is counted using MAPE. From the test results obtained for ARIMA MAPE value of 3,63%, Genetic Algorithm 2,71% and combined ARIMA and Genetic Algorithm of 2,34%. Thus, the result of forecasting with combination ARIMA and Genetic Algorithm have the best result and then used to forecasting target of PKB for 2018. Intisari— Badan Pendapatan Daerah Provinsi Bali merupakan Organisasi Perangkat Daerah yang bertugas melakukan penentuan besaran target penerimaan pajak daerah untuk tahun anggaran selanjutnya. Saat ini masih dilakukan secara manual sesuai dengan tren peningkatan yang ada dari tahun tahun sebelumnya. Sehingga perlu dilakukan peramalan yang terukur dan akurat. Dalam beberapa penelitian terkini, menunjukkan bahwa peramalan dengan menggabungkan metode konvensional dan kecerdasan buatan (hybrid) menghasilkan tingkat akurasi peramalan yang lebih baik. Untuk itu penulis mencoba untuk melakukan peramalan target penerimaan dari Pajak Kendaraan Bermotor (PKB dan BBNKB), yang menyumbang 70% terhadap PAD Povinsi Bali dengan menggabungkan metode ARIMA dan Algoritma Genetik. Data yang digunakan terdiri dari lima kelompok yaitu Pengesahan dan Kendaraan Baru yang memiliki tipe data linear, serta Balik Nama, Mutasi Masuk dan Mutasi Keluar yang memiliki tipe data non linier. Setiap kelompok data terdiri dari PKB dan BBNKB dimana digunakan data realisasi perbulan dari tahun 2011 sampai dengan 2016 sebagai data training dan realisasi tahun 2017 sebagai data uji. Mekanisme peramalan Gabungan ini dilakukan menggunakan ARIMA untuk meramalkan data linier serta menggunakan Algoritma Genetik untuk data non linier. Sebagai pembanding untuk peramalan gabungan menggunakan ARIMA dan Algoritma Genetik, dilakukan peramalan menggunakan ARIMA dan Algoritma Genetik secara mandiri untuk semua tipe data (linier dan non linier). Pengujian dilakukan dengan membandingkan data hasil peramalan dengan 3 metode tersebut untuk tahun 2017 dengan data realisasi tahun 2017. Untuk kemudian dihitung persentase kesalahannya menggunakan MAPE. Dari hasil pengujian diperoleh hasil untuk ARIMA nilai MAPE sebesar 3,63%, Algoritma Genetik 2,71% serta gabungan ARIMA dan Algoritma Genetik sebesar 2,34%. Sehingga dengan demikian hasil peramalan dengan gabungan ARIMA dan Algoritma Genetik memiliki hasil terbaik dan selanjutnya digunakan untuk melakukan peramalan untuk menentukan target penerimaan PKB tahun 2018. Kata Kunci — Peramalan, ARIMA, Algoritma Genetik, Gabungan ARIMA dan Algoritma Genetik, MAPE, penetuan target. I. PENDAHULUAN Kebijakan dalam penyusunan Rencana Anggaran Pendapatan Belanja Daerah (RAPBD) harus memperhatikan kondisi dan potensi yang dimiliki suatu daerah sesuai dengan kewenangan. Dengan demikian pemerintah daerah dapat merencanakan anggaran pendapatan sendiri dengan kebijakan dan aspirasi daerah berdasarkan potensi riil yang dimiliki. Saat ini Sumber penerimaan yang dominan memberikan kontribusi pada Pendapatan Asli Daerah (PAD) Provinsi Bali Tahun 2014 adalah Pajak Daerah. Pajak Daerah terdiri dari Pajak Kendaraan Bermotor (PKB), Bea Balik Nama Kendaraan Bermotor (BBNKB), Pajak Bahan Bakar Kendaraan Bermotor (PBBKB), Pajak Air Permukaan (AP) dan Pajak Rokok [1]. Pajak Daerah tersebut di atas berkontribusi sebesar 86,45% terhadap PAD Provinsi Bali, dimana, rincian kontribusi terhadap PAD adalah PKB : 29,45%, BBNKB : 40,75%, disusul oleh PBBKB : 11,99%, Pajak Air Permukaan : 0,06% dan Pajak Rokok : 4,19%. Dari data di atas, pajak yang berhubungan dengan kendaraan bermotor (PKB dan BBNKB) memberikan kontribusi 70.20% terhadap PAD Provinsi Bali dari Pajak Daerah [2]. Mahasiswa, Program Studi Magister Teknik Elektro, Badan Pendapatan Daerah Provinsi Bali, Jalan Cok Agung Tresna Nomor 14 Renon, Denpasar Bali INDONESIA (tlp: (0361 – 222642); fax (0361 – 263225) hp : 0852333081999; e-mail: raiwidhura@gmail.com) 2, 3 Dosen, Program Studi Magister Teknik Elektro, Jalan Panglima Besar Sudirman, Denpasar Bali Indonesia (tlp: 0361239599; fax: 0361-239599; e-mail: rukmisari@unud.ac.id, msudarma@unud.ac.id) 346 Majalah Ilmiah Teknologi Elektro, Vol. 17, No. 3, September Desember 2018 ISSN 1693 – 2951 I Gusti Ngurah Rai Dharma Widhura : Penentuan Target Pajak Kendaraan ... Dinas Pendapatan Provinsi Bali merupakan Satuan Kerja Perangkat Daerah yang bertugas melakukan pemungutan pajak daerah yang menjadi kewenangan Provinsi Bali sehingga juga bertugas menentukan besaran target penerimaan pajak daerah untuk tahun anggaran selanjutnya [3]. Dari penelitian awal penulis di Dinas Pendapatan Provinsi Bali, dalam menentukan target PAD untuk Provinsi Bali, masih dilakukan secara manual berdasarkan data capaian/realisasi tahun terakhir ditambah dengan besaran persentase yang diperkirakan akan dicapai sesuai dengan tren peningkatan yang ada dari tahun tahun sebelumnya. Padahal adanya perkiraan penerimaan tahun kedepan yang akurat merupakan syarat utama dalam penyusunan RAPBD. Perkiraaan atau dalam hal ini peramalan (forecasting) adalah suatu proses untuk melakukan perkiraan terhadap kondisi dan data di masa depan berdasarkan data masa lalu dan saat ini dan analisis terhadap perkembangan (trend) yang ada [4]. Metode peramalan berdasarkan teknik penerapannya secara umum dibagi menjadi 2 (dua) pendekatan yaitu secara konvensional yang menggunakan perhitungan matematika serta menggunakan metode yang berdasarkan kecerdasan buatan [5]. Masing masing metode ini memiliki kelebihan. Metode konvensional, seperti misalnya ARIMA memiliki keunggulan dalam peramalan jangka pendek serta data uji yang linier [6]. Sedangkan metode yang berdasarkan kecerdasan buatan, seperti misalnya Algoritma Genetik memiliki kemampuan untuk melakukan peramalan dalam jangka waktu yang pendek maupun panjang serta data yang linier maupun nonlinier [7]. Dalam beberapa penelitian terkini, menunjukkan bahwa peramalan dengan menggabungkan metode konvensional dan kecerdasan buatan (hybrid) menghasilkan tingkat akurasi peramalan yang lebih baik [8], [9], [10], [11],[12]. Melihat kondisi diatas, penulis berpendapat bahwa penghitungan target penerimaan dapat dilakukan dengan lebih terukur menggunakan metode yang sudah teruji sehingga penentuan target PKB dan BBNKB yang berkontribusi sebesar 70,2% terhadap pajak daerah dapat memberikan gambaran yang lebih riil. Oleh karena itu, penulis mencoba untuk melakukan peramalan target penerimaan dari PKB dan BBNKB untuk tahun selanjutnya menggunakan penggabungan metode (hybrid) [13], [14], yaitu ARIMA dan Algoritma Genetik serta untuk mengetahui akurasi dari peramalan menggunakan kombinasi antara metode ARIMA dan Algoritma Genetik dibandingkan dengan peramalan menggunakan ARIMA dan Algoritma Genetik secara tersendiri Penelitian ini menggunakan alat ukur Mean Absolute Percentage Error (MAPE). Dalam melakukan pengujian, hasil peramalan tahun 2017 akan dibandingkan dengan data realisasi tahun 2017. Sedangkan data per bulan dari tahun 2011 sampai dengan 2016 sebagai dasar dalam menentukan formula perhitungan. Batas kewajaran persentase MAPE sebesar 10% [15], [16], [17]. II. METODE PENELITIAN A. Analisa Kebutuhan dan Pengumpulan Data Data dikumpulkan dan dilakukan analisa kebutuhan untuk mengidentifikasi jenis informasi apa saja yang diperlukan. Dalam proses ini meliputi koleksi data pada database SAMSAT Bali melalui proses query yang dilakukan oleh penulis. Data hasil query diklasifikasikan berdasarkan jenis transaksi. Pada Tabel 1, dapat dilihat total perolehan transaksi SAMSAT diseluruh Bali selama periode 2011 sampai dengan 2017. TABEL I REKAPITULASI PER TRANSAKSI TAHUN 2011 SAMPAI 2017 Jika dilihat persentase transaksi terhadap nilai total pada data Tabel 1 di atas, maka diperoleh 10 (sepuluh) transaksi yang memiliki persentase tertinggi. 10 (sepuluh) transaksi ini dapat diklasifikasikan menjadi 5 (lima) kelompok variabel data yaitu ; 1. Pengesahan (Pengesahan STNK setiap tahun dan pengesahan STNK 5 Tahun) 2. Kendaraan baru (Pendaftaran kendaraan baru) 3. Mutasi Masuk (Mutasi Masuk Antar Samsat dan Mutasi Masuk Antar Provinsi) 4. Mutasi Keluar Daerah 5. Balik Nama (Balik Nama, STNK Rusak/hilang, Ganti No Polisi, Ganti Warna Kendaraan) Data 1 dan 2 merupakan tipe data yang linier sedangkan 3, 4 dan 5 merupakan tipe data non linier. Dari 5 (lima) vaiabel di atas, dilakukan koleksi data perbulan dari tahun 2011 sampai tahun 2016 yang akan digunakan sebagai data training untuk menentukan formula peramalan. Pada Tabel 2 dan Tabel 3 merupakan salah satu contoh data dari 5 (lima) kelompok variabel diatas. NO NAMA TRANSAKSI TOTAL PERSEN TASE 1 Balik Nama 39.09

Penentuan Target Pajak Kendaraan Bermotor Di Provinsi Bali Menggunakan ARIMA Dan Algoritma Genetik