PENGETAHUAN PERPAJAKAN, KESADARAN WAJIB PAJAK, AKUNTABILITAS PELAYANAN PUBLIK DAN SANKSI PERPAJAKAN TERHADAP KEPATUHAN WAJIB PAJAK KENDARAAN BERMOTOR
Notice bibliographique
Résumé
Penelitian ini bertujuan untuk mengidentifikasi hubungan antara kepatuhan wajib pajak kendaraan bermotor dengan faktor-faktor seperti pengetahuan perpajakan, kesadaran wajib pajak, akuntabilitas pelayanan publik, dan penerapan sanksi perpajakan. Kepatuhan wajib pajak kendaraan bermotor merupakan salah satu faktor utama dalam penerimaan pajak daerah di Indonesia, yang sangat dipengaruhi oleh tingkat kesadaran dan pengetahuan perpajakan. Selain itu, akuntabilitas dalam pelayanan publik dan penerapan sanksi perpajakan yang efektif diharapkan dapat meningkatkan tingkat kepatuhan tersebut. Penelitian ini menggunakan pendekatan kuantitatif, dengan mengumpulkan data melalui survei yang dilakukan pada sampel wajib pajak kendaraan bermotor di suatu wilayah. Diharapkan hasil penelitian ini dapat memberikan pemahaman tentang bagaimana keempat faktor tersebut dapat meningkatkan kepatuhan pajak kendaraan bermotor serta menjadi acuan bagi pemerintah daerah dalam merancang peraturan perpajakan yang adil.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,040 | 0,010 |
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 ».