Klasifikasi Profil Risiko Pengusaha Cukai: Studi Kasus Direktorat Jenderal Bea dan Cukai
Abstract
Rencana Strategis Direktorat Jenderal Bea dan Cukai (DJBC) Tahun 2015-2019 menyebutkan bahwa penerapan teknologi informasi diharapkan dapat mendukung pengambilan keputusan dalam memberikan pelayanan di bidang kepabeanan dan cukai yang berbasis manajemen risiko. Penggolongan profil risiko pengusaha cukai pada penerapannya mengalami kendala ketika klasifikasi profil risiko pengusaha cukai tidak tersedia sehingga berdampak pada terganggunya pengambilan keputusan dalam pemberian fasilitas penundaan pembayaran dan dalam pelayanan permohonan penyedian pita cukai. Sistem manajemen risiko di lingkungan administrasi kepabeanan dan cukai dapat diterapkan menggunakan metode klasifikasi pada teknologi data mining. Penelitian ini termasuk kategori klasifikasi multi kelas karena atribut output atau target terdiri dari tiga kelas yaitu risiko rendah (L), sedang (M), dan tinggi (H). Metode klasifikasi yang digunakan untuk membangun model yaitu multinomial logistic regression dan naïve bayes, kemudian dilakukan evaluasi terhadap model dengan teknik k-fold cros. Hasil pengujian memperlihatkan bahwa multinomial logistic regression memiliki akurasi yang lebih baik dibanding naïve bayes dalam mengklasifikasi profil risiko pengusaha cukai.References
Kementerian Keuangan. (2015). Peraturan menteri keuangan nomor 234/PMK.01/2015 tentang organisasi dan tata kerja kementerian keuangan. Jakarta: Kementerian Keuangan.
Kementerian Keuangan. (2014). Keputusan menteri keuangan nomor 36/KMK.1/2014 tentang cetak biru transformasi kelembagaan kementerian keuangan 2014-2025. Jakarta: Kementerian Keuangan.
World Customs Organization. (2011). WCO customs risk management compendium. Brussels: World Customs Organization.
Direktorat Jenderal Bea dan Cukai. (2011). Instruksi direktur jenderal bea dan cukai nomor INS-6/BC/2011 tentang profil pengusaha pabrik dan importir hasil tembakau dalam rangka pelayanan dan pengawasan di bidang cukai. Jakarta: Direktorat Jenderal Bea dan Cukai.
Kementerian Keuangan. (2011). Peraturan menteri keuangan nomor 169/PMK.04/2011 tentang penundaan pembayaran cukai untuk pengusaha pabrik atau importir barang kena cukai. Jakarta: Kementerian Keuangan.
Direktorat Jenderal Bea dan Cukai. (2014). Peraturan direktur jenderal bea dan cukai nomor PER-08/BC/2014 tentang penyediaan dan pemesanan pita cukai. Jakarta: Direktorat Jenderal Bea dan Cukai.
Direktorat Jenderal Bea dan Cukai. (2015). Rencana strategis direktorat jenderal bea dan cukai 2015-2019. Jakarta: Direktorat Jenderal Bea dan Cukai.
Laporte, B. (2011). Risk management systems: using data mining in developing countries customs administrations. World Customs Journal- Volume 5 No 1 - 2011.
Arundina, T., Omar, M., & Kartiwi, M. (2015). The predictive accuracy of sukuk ratings. Pacific-Basin Finance Journal 34 , 273-292.
Hoe, A. C., & Dhillon, J. S. (2014). Predicting bad utility consumers in malaysia. International Conference on IT and Multimedia – ICIMU , 234-237.
Cleary, D. (2011). Predictive analytics in the public sector: using data mining to assist better target selection for audit. Electronic Journal of e-Government Volume 9 Issue 2, 132-140.
Han, J., Kamber, M., & Pei, J. (2012). Data mining concepts and techniques third edition. San Fransisco: Morgan Kaufmann.
Ledolter, J. (2013). Data mining and business analytics with R. New Jersey: Wiley.
Azevedo, A., & Santos, M. F. (2008). KDD, SEMMA and CRISP-DM: a parallel overview. In Proceedings of the IADIS European Conference on Data Mining , 182-185.
