Studi Eksploratif Penanganan Faktur Pajak yang Tidak Berdasarkan Transaksi yang Sebenarnya
Notice bibliographique
Résumé
Upaya penanganan Faktur Pajak yang Tidak Berdasarkan Transaksi yang Sebenarnya (FP TBTS) atau faktur pajak fiktif oleh Direktorat Jenderal Pajak (DJP) melalui pembentukan Satuan Tugas Penanganan FP TBTS pada tahun 2014 dan 2015 belum dapat mencegah terjadinya kembali kasus tersebut pada tahun 2016. Melalui penelitian ini, peneliti bertujuan untuk menelaah penyebab berulangnya kasus tersebut dan strategi penanganan idealnya. Dengan menggunakan pendekatan studi kasus dalam metode kualitatif, peneliti memfokuskan unit analisis pada Direktorat Penegakan Hukum dan Direktorat Intelijen Perpajakan. Peneliti melakukan pengumpulan data melalui wawancara mendalam dan melakukan analisis dengan model Miles and Huberman. Adapun hasil penelitian yang didapat terdiri dari gambaran umum kasus dan penanganan, penyebab kasus berulang, dan strategi penanganan ideal. Berdasarkan hasil penelitian tersebut, peneliti mendapatkan simpulan bahwa penyebab berulangnya kasus adalah kesempatan pelaku seperti pihak penerbit faktur pajak fiktif dan pihak perantara, serta proses bisnis pada Kantor Pelayanan Pajak (KPP). Sebagai strategi penanganan ideal, diperlukan pembaharuan sistem informasi dan perubahan mekanisme PPN.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,029 | 0,004 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».