DOI: https://doi.org/10.59890/ijfbm.v4i1.176
تاريخ النشر: 2026-02-04
المؤلف: Sarsiti Sarsiti وآخرون
الموضوع الرئيسي: دراسات الضرائب والامتثال
نظرة عامة
تبحث هذه الدراسة في دمج بيانات السكان الفردية مع سجلات تسجيل الأسر لتعزيز إيرادات الضرائب الإقليمية في إندونيسيا. باستخدام نهج مختلط عبر ثلاثة مناطق من 2021 إلى 2024، تكشف الدراسة أن أنظمة البيانات المدمجة يمكن أن تزيد من الامتثال الضريبي بنسبة 23-31% وتوسع قاعدة الضرائب بنسبة 18-26%. حققت التحليلات التنبؤية، باستخدام التعلم الآلي، دقة بنسبة 84% في تحديد دافعي الضرائب المحتملين و78% في التنبؤ بسلوك الدفع. بالإضافة إلى ذلك، أدى الدمج إلى تقليل التكاليف الإدارية بنسبة 35-42% وتحسين دقة توقع الإيرادات من 68% إلى 89%. على الرغم من مواجهة تحديات تتعلق بالأطر القانونية والقدرة المؤسسية، تؤكد النتائج على إمكانيات أنظمة البيانات المدمجة لتعزيز كفاءة إدارة الضرائب وتعزيز التنمية الإقليمية العادلة.
تؤكد الخاتمة على أن دمج البيانات الديموغرافية مع معلومات الأسر يحسن بشكل كبير إدارة الضرائب على المستوى الفرعي وتخطيط التنمية الإقليمية. تفيد الدراسة بزيادة الإيرادات بنسبة 31.7-48.3%، وتحسين معدلات الامتثال بمقدار 15.6-18.3 نقطة مئوية، وتوسع قاعدة دافعي الضرائب بنسبة 58.5-71.1%. أدت كفاءة الإدارة المحسنة إلى تقليل تكاليف التحصيل وتحسين توقع الإيرادات. تسلط الدراسة الضوء على أهمية الالتزام السياسي، والتنسيق بين الإدارات، وتصميم نظام سهل الاستخدام في التغلب على تحديات التنفيذ. علاوة على ذلك، تقترح أن الدروس المستفادة من تجربة إندونيسيا يمكن أن تُفيد جهودًا مماثلة في البلدان النامية، داعيةً إلى استخدام أنظمة تقديم خدمات السكان المدمجة لتعزيز قدرة الحكومة وتعزيز التنمية العادلة. تدعو الدراسة إلى التطور المستمر لهذه الأنظمة، مع دمج التقنيات المتقدمة وتعزيز مشاركة المواطنين لضمان استجابة المؤسسات العامة ومساءلتها.
مقدمة
تسلط مقدمة هذه الورقة البحثية الضوء على الدور الحاسم لإيرادات الضرائب الإقليمية في اللامركزية المالية وتخطيط التنمية داخل الاقتصادات الناشئة. تحدد عدم الكفاءة الكبيرة في إدارة الضرائب، الناتجة عن أنظمة البيانات المجزأة والقدرات التحليلية غير الكافية، والتي تعيق جهود تعبئة الإيرادات. الفجوة المقدرة بنسبة 35-50% بين التحصيل الضريبي المحتمل والفعلي في العديد من المناطق النامية تبرز القضايا النظامية المتعلقة بتحديد دافعي الضرائب، ودقة التقييم، ومراقبة الامتثال. تشير الأدبيات إلى أن التقنيات الرقمية وتحليلات البيانات يمكن أن تحدث ثورة في إدارة الضرائب، حيث تمثل أنظمة تسجيل السكان المدمجة وقواعد بيانات الضرائب نهجًا واعدًا لتحسين أداء الإيرادات.
تركز الدراسة على إندونيسيا، وتهدف إلى استكشاف كيفية تحسين أنظمة بيانات الأفراد والأسر المدمجة لإيرادات الضرائب وتوجيه تخطيط التنمية الإقليمية. يوفر السياق الإندونيسي، الذي يتميز بهيكل حوكمة معقد وظروف اجتماعية واقتصادية متنوعة، رؤى قيمة حول التحديات والفرص لتعبئة الضرائب. تستخدم الدراسة تصميمًا مختلطًا، يجمع بين التحليل الكمي للبيانات الإدارية، والنمذجة التنبؤية، والتقييمات النوعية، لتقييم تأثيرات دمج البيانات على أداء الإيرادات، وسلوك الامتثال، وفعالية التخطيط عبر ثلاثة مناطق إندونيسية من 2021 إلى 2024. تم استخدام تقنيات تحليل متقدمة، بما في ذلك التعلم الآلي ونمذجة الانحدار، لاستخراج رؤى ذات مغزى من البيانات.
الطرق
تستخدم الدراسة تصميمًا مختلطًا متقاربًا، يجمع بين التحليل الكمي لمجموعات البيانات الإدارية مع التقييمات النوعية لتنفيذ السياسات عبر ثلاثة مناطق إندونيسية: منطقة حضرية (المنطقة أ)، ومنطقة شبه حضرية (المنطقة ب)، ومنطقة ريفية (المنطقة ج). يضمن هذا الاختيار تمثيلًا متنوعًا للتنمية الاقتصادية، والقدرة الإدارية، وتركيبة قاعدة الضرائب. تشمل مصادر البيانات الأولية قواعد بيانات إدارة الضرائب المحلية، وسجلات السكان والتسجيل المدني، وبيانات نظام بطاقة الأسرة، ومستندات تخطيط التنمية الإقليمية، مما يؤدي إلى مجموعة بيانات شاملة تضم 2.23 مليون سجل فردي، و587,000 وحدة أسرية، و1.47 مليون حساب ضريبي. تم ضمان جودة البيانات من خلال بروتوكولات التحقق وفحوصات الاتساق.
تضمنت الأساليب التحليلية تحليلات وصفية ومقارنة لتوصيف ملفات دافعي الضرائب وأنماط الامتثال، باستخدام تقدير الفرق في الفروق لتقييم التأثيرات السببية لدمج البيانات على كفاءة التحصيل. بالإضافة إلى ذلك، تم تطوير نماذج تصنيف التعلم الآلي للتنبؤ بالامتثال الضريبي، باستخدام مجموعة بيانات مقسمة إلى مجموعات تدريب، والتحقق، والاختبار. تم مقارنة خمسة خوارزميات—الانحدار اللوجستي، شجرة القرار، الغابة العشوائية، آلة تعزيز التدرج (GBM)، وتعزيز التدرج المتطرف (XGBoost)—مع إجراء تحسينات على المعلمات عبر البحث الشبكي والتحقق المتقاطع. تم تقييم أداء النموذج باستخدام مقاييس مثل الدقة، والدقة، والاسترجاع، ودرجة F1، والمساحة تحت منحنى ROC (AUC)، بينما حدد تحليل أهمية الميزات المؤشرات الرئيسية لسلوك الامتثال. تم إجراء توقع الإيرادات باستخدام نماذج السلاسل الزمنية (ARIMA، Prophet) وتقنيات الانحدار التي دمجت البيانات الديموغرافية-المالية المدمجة.
المناقشة
تسلط الدراسة الضوء على الإمكانيات التحويلية لدمج البيانات الديموغرافية الفردية مع معلومات الأسر من بطاقة الأسرة لتعزيز إدارة الضرائب على المستوى الفرعي وتخطيط التنمية الإقليمية. كشفت الدراسة، التي أجريت عبر ثلاثة مناطق إندونيسية، عن تحسينات كبيرة: زيادات في الإيرادات بنسبة 31.7-48.3%، وتحسينات في معدل الامتثال بمقدار 15.6-18.3 نقطة مئوية، وتوسع قاعدة دافعي الضرائب بنسبة 58.5-71.1%. تتجاوز هذه النتائج النتائج النموذجية للإصلاحات الضريبية التقليدية، والتي تُعزى إلى الفوائد التراكمية لدمج البيانات، مما حسّن من تحديد دافعي الضرائب، ومراقبة الامتثال، وتقييم المخاطر. حققت التحليلات التنبؤية باستخدام مجموعات البيانات المدمجة دقة مثيرة للإعجاب بنسبة 84-85%، مما يظهر قيمة دمج المعلومات الاجتماعية والاقتصادية على مستوى الأسر في توقعات الامتثال الضريبي.
تؤكد النتائج أيضًا على أهمية الأطر القانونية القوية، والتشغيل البيني الفني، وبناء القدرات من أجل التنفيذ الناجح. تم معالجة التحديات مثل مقاومة المؤسسات ومشكلات جودة البيانات من خلال تنفيذ تدريجي ومشاركة أصحاب المصلحة. تدعو الدراسة إلى توصيات سياسية تشمل إنشاء تفويضات قانونية واضحة لمشاركة البيانات، واعتماد معايير التشغيل البيني، وتصميم برامج تدريب شاملة لموظفي الضرائب. بشكل عام، تسهم الدراسة في فهم الحوكمة الرقمية في السياقات النامية، موضحة كيف يمكن أن تسهل أنظمة البيانات المدمجة استراتيجيات التنمية المستندة إلى الأدلة وتحسن من المساءلة المالية.
القيود
تسلط قيود الدراسة الضوء على عدة عوامل حاسمة قد تؤثر على إمكانية تعميم وموثوقية نتائجها. تقتصر الدراسة على ثلاثة مناطق في إندونيسيا، والتي قد لا تعكس الترتيبات المؤسسية المتنوعة، أو القدرات التقنية، أو الظروف الاجتماعية والاقتصادية الموجودة في مناطق أخرى. علاوة على ذلك، يركز التحليل على فترة التنفيذ من 2021 إلى 2024، مما يلتقط فقط التأثيرات الأولية وليس الاستدامة طويلة الأجل لجهود الدمج. تنشأ انحيازات اختيار محتملة من المناطق المختارة، على الرغم من أن استخدام نهج الفرق في الفروق مع مناطق المقارنة يساعد في التخفيف من هذه المشكلة. قد تؤدي مشكلات جودة البيانات، مثل التسجيلات غير المكتملة وأخطاء القياس، إلى التقليل من فوائد الدمج.
تُقترح اتجاهات البحث المستقبلية لمعالجة هذه القيود. يجب أن تقيم الدراسات طويلة الأجل استدامة تحسينات الامتثال وتطور استراتيجيات تهرب دافعي الضرائب بعد مرحلة التنفيذ الأولية. يمكن أن توفر الدراسات المقارنة عبر دول مختلفة رؤى حول كيفية تأثير السياقات المؤسسية المتنوعة على نتائج الدمج وتساعد في تحديد أفضل الممارسات. بالإضافة إلى ذلك، من الضروري فحص أبعاد العدالة لضمان توزيع الفوائد بشكل عادل عبر مجموعات الدخل والمناطق الجغرافية. يمكن أن تعزز تقنيات التحليل المتقدمة، مثل أساليب الاستدلال السببي والنمذجة الديناميكية، من قاعدة الأدلة. كما أن البحث في أطر حوكمة البيانات المثلى التي توازن بين الكفاءة واهتمامات الخصوصية أمر بالغ الأهمية. أخيرًا، يمكن أن يكشف استكشاف تطبيقات الدمج خارج الضرائب، مثل في الحماية الاجتماعية وتقديم الخدمات العامة، عن الإمكانيات الأوسع لتحولات الحكومة الرقمية.
DOI: https://doi.org/10.59890/ijfbm.v4i1.176
Publication Date: 2026-02-04
Author(s): Sarsiti Sarsiti et al.
Primary Topic: Taxation and Compliance Studies
Overview
This research investigates the integration of individual population data with family registration records to enhance regional tax revenue in Indonesia. Utilizing a mixed-methods approach across three districts from 2021 to 2024, the study reveals that such integrated data systems can increase tax compliance by 23-31% and expand the tax base by 18-26%. Predictive analytics, employing machine learning, achieved an accuracy of 84% in identifying potential taxpayers and 78% in predicting payment behavior. Additionally, the integration led to a reduction in administrative costs by 35-42% and improved revenue forecasting accuracy from 68% to 89%. Despite facing challenges related to legal frameworks and institutional capacity, the findings underscore the potential of integrated data systems to enhance tax administration efficiency and promote equitable regional development.
The conclusion emphasizes that integrating demographic data with household information significantly improves subnational tax administration and regional development planning. The study reports revenue increases of 31.7-48.3%, compliance rate improvements of 15.6-18.3 percentage points, and taxpayer base expansion of 58.5-71.1%. Enhanced administrative efficiency resulted in reduced collection costs and improved revenue forecasting. The research highlights the importance of political commitment, cross-departmental coordination, and user-friendly system design in overcoming implementation challenges. Furthermore, it suggests that the lessons learned from Indonesia’s experience can inform similar efforts in developing countries, advocating for the use of integrated population-service delivery systems to enhance government capacity and promote equitable development. The study calls for ongoing evolution of these systems, incorporating advanced technologies and fostering citizen engagement to ensure responsive and accountable public institutions.
Introduction
The introduction of this research paper highlights the critical role of regional tax revenue in fiscal decentralization and development planning within emerging economies. It identifies significant inefficiencies in tax administration, stemming from fragmented data systems and inadequate analytical capabilities, which hinder revenue mobilization efforts. The estimated 35-50% gap between potential and actual tax collection in many developing regions underscores systemic issues related to taxpayer identification, assessment accuracy, and compliance monitoring. The literature suggests that digital technologies and data analytics could modernize tax administration, with integrated population registration systems and tax databases presenting a promising approach to enhance revenue performance.
Focusing on Indonesia, the study aims to explore how integrated individual-household data systems can optimize tax revenue and inform regional development planning. The Indonesian context, characterized by a complex governance structure and diverse socioeconomic conditions, offers valuable insights into the challenges and opportunities for tax mobilization. The research employs a mixed-methods design, combining quantitative analysis of administrative data, predictive modeling, and qualitative assessments, to evaluate the impacts of data integration on revenue performance, compliance behavior, and planning effectiveness across three Indonesian districts from 2021 to 2024. Advanced analytical techniques, including machine learning and regression modeling, are utilized to derive meaningful insights from the data.
Methods
The study employs a convergent mixed-methods design, combining quantitative analysis of administrative datasets with qualitative assessments of policy implementation across three Indonesian districts: an urban district (District A), a peri-urban district (District B), and a rural district (District C). This selection ensures a diverse representation of economic development, administrative capacity, and tax base composition. Primary data sources include local tax administration databases, population and civil registration records, family card system data, and regional development planning documents, resulting in a comprehensive dataset of 2.23 million individual records, 587,000 family units, and 1.47 million tax accounts. Data quality was ensured through validation protocols and consistency checks.
The analytical methods involved descriptive and comparative analyses to characterize taxpayer profiles and compliance patterns, employing difference-in-differences estimation to evaluate the causal impacts of data integration on collection efficiency. Additionally, machine learning classification models were developed to predict tax compliance, utilizing a dataset split into training, validation, and testing subsets. Five algorithms—Logistic Regression, Decision Tree, Random Forest, Gradient Boosting Machine (GBM), and Extreme Gradient Boosting (XGBoost)—were compared, with hyperparameter optimization conducted via grid search and cross-validation. Model performance was assessed using metrics such as accuracy, precision, recall, F1-score, and area under the ROC curve (AUC), while feature importance analysis identified key predictors of compliance behavior. Revenue forecasting was performed using time series models (ARIMA, Prophet) and regression techniques that incorporated integrated demographic-fiscal data.
Discussion
The research highlights the transformative potential of integrating individual demographic data with family card household information for enhancing subnational tax administration and regional development planning. The study, conducted across three Indonesian districts, revealed significant improvements: revenue increases of 31.7-48.3%, compliance rate enhancements of 15.6-18.3 percentage points, and a taxpayer base expansion of 58.5-71.1%. These outcomes surpass typical results from conventional tax reforms, attributed to the multiplicative benefits of data integration, which improved taxpayer identification, compliance monitoring, and risk assessment. Predictive analytics utilizing integrated datasets achieved an impressive accuracy of 84-85%, demonstrating the value of incorporating household-level socioeconomic information in tax compliance predictions.
The findings also underscore the importance of robust legal frameworks, technical interoperability, and capacity building for successful implementation. Challenges such as organizational resistance and data quality issues were addressed through phased rollouts and stakeholder engagement. The research advocates for policy recommendations that include establishing clear legal authorizations for data sharing, adopting interoperability standards, and designing comprehensive training programs for tax administrators. Overall, the study contributes to the understanding of digital governance in developing contexts, illustrating how integrated data systems can facilitate evidence-based development strategies and improve fiscal accountability.
Limitations
The limitations of the study highlight several critical factors that may affect the generalizability and robustness of its findings. The research is confined to three districts in Indonesia, which may not reflect the diverse institutional arrangements, technical capacities, or socioeconomic conditions present in other regions. Furthermore, the analysis focuses on the 2021-2024 implementation period, capturing only initial effects and not the long-term sustainability of integration efforts. Potential selection bias arises from the chosen districts, although the use of a difference-in-differences approach with comparison areas helps mitigate this issue. Data quality concerns, such as incomplete registrations and measurement errors, may lead to an underestimation of the benefits of integration.
Future research directions are suggested to address these limitations. Long-term studies should assess the sustainability of compliance improvements and the evolution of taxpayer evasion strategies beyond the initial implementation phase. Comparative studies across different countries could provide insights into how varying institutional contexts influence integration outcomes and help identify best practices. Additionally, examining equity dimensions to ensure benefits are distributed fairly across income groups and geographic areas is essential. Employing advanced analytical techniques, such as causal inference methods and dynamic modeling, could enhance the evidence base. Research on optimal data governance frameworks that balance efficiency with privacy concerns is also crucial. Lastly, exploring the applications of integration beyond taxation, such as in social protection and public service delivery, could reveal the broader potential of digital government transformations.