Pengembangan Metode Pemulihan Penerimaan Pajak Pasca Pandemi Covid-19
Notice bibliographique
Résumé
The case of the Covid-19 pandemic caused a slowdown in economic growth in Indonesia, which in turn resulted in a decrease in the amount of tax revenue, which eventually led the government to provide tax incentives to taxpayers. The COVID-19 pandemic has had a tremendous impact on all countries in the world, including Indonesia. The Central Statistics Agency (BPS) announced that the Indonesian economy experienced a slowdown in the first quarter of 2020, which was 2.97%. Compared to the fourth quarter of 2019, Indonesia's economic growth was recorded at minus 2.41%. This study aims to develop a method of tax revenue that has been adapted to the conditions of the Covid-19 pandemic. This study uses an exploratory method with a quantitative approach. The data used are the annual reports of companies listed on the Indonesia Stock Exchange (IDX) in 2018 and 2019. The sample selection method uses a purposive sampling method and obtained 233 samples for 2018 and 227 samples for 2019. With the results in the form of suggestions given in improving Post-covid-19 tax revenues, namely (1) Optimization of the withholding tax (WHT) mechanism, (2) Imposition of Final PPh for non-SME taxpayers, and (3) Efficiency of tax collection costs. This proposal requires in-depth study before implementation
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 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 ».