Policy Strategies to Increase Motor Vehicle Tax Revenue to Support Regional Development in Lampung Province
Notice bibliographique
Résumé
The Provincial Government of Lampung faces significant challenges in increasing its Regional Own-Source Revenue, one of which is through the Motor Vehicle Tax sector. Despite the continuous growth in the number of vehicles, taxpayer compliance remains very low, ranging only between 30–38%. This situation directly affects the region's fiscal capacity to fund development and public services. This policy paper examines the underlying causes of low PKB revenue and formulates data-driven policy recommendations based on field surveys and public policy theories. The data analysis employs a qualitative descriptive approach. Survey results reveal that 86 percent of taxpayers encounter obstacles when paying taxes, such as long queues at Samsat offices or disruptions in the online payment system. Additionally, 44 percent of taxpayers perceive the tax payment procedures to be overly complicated. The analysis indicates that the core issue is the low compliance rate among motor vehicle taxpayers, primarily due to limited access to payment services caused by uneven digital infrastructure and restricted service hours. These factors have significantly contributed to the low PKB revenue in Lampung Province. This policy paper adopts the New Public Management (NPM) approach and the principles of Good Governance by promoting the integrated digitalization of PKB payment services through mobile and web-based applications. Furthermore, extending service hours into the evenings and weekends is recommended to provide greater time flexibility for the public. As a concrete step, it is recommended that the Provincial Government of Lampung issue a new Governor Regulation outlining the technical aspects of PKB services, including coordination among the Regional Revenue Agency, Samsat, the police department, and financial institutions. This initiative is expected to significantly enhance tax compliance, strengthen PAD, and support more autonomous and sustainable regional development.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».