IS THERE ANY PERSONAL DATA PROTECTION IN THE CORE TAX ADMINISTRATION SYSTEM?
Notice bibliographique
Résumé
Objective: This study examines the adequacy of personal data protection within Indonesia’s Core Tax Administration System (CTAS), focusing on compliance with the national Personal Data Protection Law and alignment with international standards. Theoretical Framework: The research is grounded in legal and regulatory analysis, referencing Indonesia’s Personal Data Protection Law (UU PDP) and international frameworks such as the EU’s GDPR and Canada’s PIPEDA, to evaluate the protection of taxpayer data in digital tax administration systems Method: A qualitative approach is utilized, involving literature review, document analysis of relevant laws and policies, and comparative analysis with data protection practices in other jurisdictions. The study synthesizes findings from academic sources, legal documents, and international case studies Results and Discussion: The findings reveal significant gaps in the implementation of personal data protection in CTAS. Despite the enactment of the PDP Law, Indonesia lacks specific regulations and enforcement mechanisms tailored to the tax sector, leaving sensitive taxpayer data vulnerable to unauthorized access, misuse, and breaches. Comparative analysis highlights that international best practices require clear guidelines, robust security protocols (such as encryption and access controls), regular audits, and a culture of transparency and accountability. The absence of a dedicated data protection authority and insufficient employee training further exacerbate risks Research Implications: The study underscores the urgent need for Indonesia to strengthen its legal and operational framework for data protection in tax administration. Recommendations include developing sector-specific regulations, enhancing technological safeguards, instituting regular audits, and fostering public awareness to ensure taxpayer trust and system integrity Originality/Value: This research provides a comprehensive, context-specific analysis of personal data protection challenges in Indonesia’s CTAS, offering actionable recommendations informed by international standards and highlighting the critical importance of privacy in digital tax systems
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».