PREDIKSI TARGET PENDAPATAN PAJAK DAERAH DI KABUPATEN SUMBAWA MENGGUNAKAN ALGORITMA EXTREME GRADIENT BOOSTING (XGBOOST)

Sukarti Sukarti; Ekastini Ekastini

doi:10.46764/teknimedia.v7i1.366

Sukarti Sukarti Universitas Teknologi Sumawa
Ekastini Ekastini Informatika Universitas Teknologi Sumbawa

DOI: https://doi.org/10.46764/teknimedia.v7i1.366

Kata Kunci: Regional Tax, XGBoost, Prediction, CRISP-DM, Machine Learning

Abstrak

Pendapatan Asli Daerah (PAD) merupakan sumber pembiayaan utama pemerintah daerah, di mana pajak daerah menjadi komponen terbesar dalam penyokong penerimaan. Di Kabupaten Sumbawa, penetapan target pajak masih bertumpu pada potensi dan realisasi historis sehingga ketepatan dalam menetapkan target pajak belum optimal. Penelitian ini bertujuan untuk membangun model prediksi target pendapatan pajak daerah menggunakan algoritma XGBoost. Metode penelitian yang digunakan adalah kerangka kerja Cross Industry Standard Process For Data mining (CRISP-DM) dengan tahapan business understanding, data understanding, preprocessing, modelling, evaluation, dan deployment. Data yang digunakan dalam penelitian ini merupakan data sekunder diperoleh dari Bapenda Kabupaten Sumbawa, mencakup berbagai jenis pajak daerah pada periode 2021–2025. Hasil evaluasi menunjukkan nilai RMSE sebesar 777,824,418.79 atau 777 juta, MAPE 5,14%, dan R² 98% yang menunjukkan kesalahan prediksi rendah serta kemampuan model memahami pola data dengan baik. Model kemudian diimplementasikan ke dalam sistem web berbasis flask untuk mendukung proses input data data, proses pelatihan model (training) serta proses memprediksi target pendapatan pajak pajak daerah secara lebih akurat dan berbasis data. Sistem ini diharapkan dapat menjadi alat bantu strategis bagi pemerintah daerah dalam pengambilan keputusan terkait penetapan target pajak daerah.

Referensi

[1] H. Yasser and T. D. Widajantie, “Pengaruh Pajak Daerah dan Retribusi Daerah Terhadap Pendapatan Asli Daerah Provinsi Jatim,” JIMEA | J. Ilm. MEA (Manajemen, Ekon. dan Akuntansi), vol. 6, no. 1, pp. 611–619, 2022.
[2] Mahfudh, H. Saleh, and M. Y. Saleh, Analisis Peningkatan Pendapatan Asli Daerah, vol. 1, no. 1. 2022.
[3] J. Martaviona and S. Nurhalimah, “Peran pajak daerah dalam pembangunan ekonomi lokal,” vol. 3, no. 1, pp. 265–277, 2025.
[4] M. R. Q. Rahmat Maulana, Pandri Ferdias, Agus Lukman Hakim, Zaenal Abidin, Ali Salmande, Miftah Faiz Ali Ramdhani, “Analisis Proyeksi Target Capaian Pajak Daerah Berbasis Potensi Wilayah,” J. Adm. Negara, vol. 4039, pp. 67–80, 2023, doi: 10.30656/sawala.v11i1.6554.
[5] Munaldi, Algoritma Random Forest Dan Xgboost Menggunakan Python. PT. Ganesha Kreasi Semesta, 2025.
[6] F. Puteri Marchanda Izzati, “Implementation of the XGBoost Algorithm for Predicting Monthly Regional Revenue Performance in Bandung,” J. Comput. Sci. Inf. Technol., vol. 6, no. 2, pp. 104–111, 2025.
[7] S. Hasibuan, “Analisis Clustering Pendapatan Pajak dan Retribusi Daerah di Kabupaten Sumbawa Dengan Model KDD Menggunakan Algoritma K-Means,” J. Inform. J. Pengemb. IT, no. xx, pp. 1–10, 2024.
[8] M. E. Jasman Pardede, “Prediksi Jumlah Target dan Realisasi Wajib Pajak Atas PBB – P2 Menggunakan Multi Regression, Regression Lasso, dan PCR,” J. Edukasi dan Penelit. Inform., vol. 10, no. 1, p. 1, 2024, doi: 10.26418/jp.v10i1.68890.
[9] A. P. P. Saragih, E. Irawan, and M. Safii, “Optimalisasi Metode Conjugate Gradient Polak Rebiere Untuk Memprediksi Target PBB Kecamatan Dolok Merawan,” Semin. Nas. Inform., vol. 4, no. 3, pp. 241–248, 2023, https://www.ejournal.pelitaindonesia.ac.id/ojs32/index.php/SENATIKA/article/view/3701
[10] D. R. Darmawanti, Yundari, and N. M. Huda, “Prediksi Realisasi Penerimaan Pajak Bumi Dan Bangunan Provinsi Kalimantan Barat Dengan Model Grey-Markov (1, 1),” Bul. Ilm. Math. Stat dan Ter., vol. 11, no. 3, pp. 503–512, 2022.
[11] M. Nidaa Rifdah Rahima Hambali, Memi Nor Hayati, “Peramalan Jumlah Penerimaan Bea Perolehan Hak Atas Tanah Dan Bangunan ( Bphtb ) Kota Samarinda Menggunakan Metode Single Moving Average,” J. Ris. Pembang., vol. 7, no. October 2024, pp. 78–87, 2025.
[12] A. Syahza, Metode Penelitian. Riau: UR Press Pekanbaru, 2021.