<![CDATA[Pendapatan Asli Daerah (PAD) Kabupaten Bantul yang bersumber dari pajak hotel, restoran, dan parkir telah dipungut secara elektronik melalui perangkat tapping box. Namun, data transaksi yang telah terkumpul selama bertahun-tahun belum dimanfaatkan secara optimal untuk mendukung peramalan penerimaan daerah. Hasil wawancara dengan Badan Pengelolaan Keuangan, Pendapatan, dan Aset Daerah (BPKPAD) Kabupaten Bantul menunjukkan bahwa proses estimasi penerimaan selama ini masih dilakukan berdasarkan intuisi dan analisis tren sederhana menggunakan aplikasi spreadsheet. Penelitian ini bertujuan untuk mengidentifikasi model peramalan yang paling akurat untuk penerimaan pajak hotel, restoran, dan parkir dengan membandingkan metode ARIMA dan SARIMA sebagai pendekatan statistik, Long Short-Term Memory (LSTM) sebagai pendekatan deep learning, serta XGBoost sebagai pendekatan machine learning berdasarkan kerangka kerja CRISP-DM. Data yang digunakan terdiri atas sekitar 4,8 juta transaksi tapping box periode 2020–2025 yang diolah menjadi data deret waktu dan dievaluasi menggunakan metode rolling-origin backtest dengan indikator Root Mean Square Error (RMSE) dan Mean Absolute Percentage Error (MAPE). Hasil penelitian menunjukkan bahwa tidak terdapat satu model yang secara konsisten memberikan akurasi terbaik pada seluruh sektor dan horizon peramalan. XGBoost menghasilkan akurasi tertinggi pada sektor restoran dengan nilai MAPE terendah sebesar 1,86%, sedangkan ARIMA(1,1,1) menjadi model terbaik pada sektor parkir dengan nilai MAPE berkisar antara 7% hingga 9%. Pada sektor hotel yang memiliki tingkat volatilitas tinggi, model Seasonal Naïve memberikan hasil terbaik dengan nilai MAPE antara 10% hingga 14%. Temuan ini menunjukkan bahwa pemilihan model peramalan harus disesuaikan dengan karakteristik masing-masing sektor serta menegaskan pentingnya kualitas data tapping box dalam mendukung perencanaan penerimaan daerah yang lebih akurat dan berbasis data.]]>
Copyrights © 2026
