Identifikasi Kesesuaian Pajak Lima Tahunan Kendaraan Bermotor dengan Pendekatan Transformer Optical Character Recognition (TROCR)

Abstract

Tingginya pertumbuhan jumlah kendaraan bermotor di Indonesia menjadi perhatian khusus dalam pengelolaan administrasi lalu lintas terutama pada pajak kendaraan. Upaya menghadirkan solusi inovatif untuk administrasi perpajakan kendaraan dilakukan penelitian untuk pendeteksian status pajak 5 tahunan kendaraan bermotor di Indonesia. Penelitian ini menggunakan model Transformer Optical Character Recognition (TrOCR). Tujuan penelitian adalah untuk melihat kinerja model TrOCR dalam mengenali teks pada plat kendaraan bermotor di Indonesia serta mengklasifikasi plat kendaraan yang telah dan belum membayar pajak. Data yang digunakan dalam penelitian ini adalah gambar plat kendaraan bermotor di Indonesia yang diambil secara primer di sekitar area Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Islam Indonesia dengan menggunakan metode simple random sampling. Hasil penelitian ini menunjukkan bahwa model TrOCR berhasil menghasilkan nilai Character Error Rate (CER) sebesar 2,9%, dengan penerapan skenario data 90%:10% dan penggunaan Epoch 8. Evaluasi kinerja model menunjukkan bahwa deteksi teks secara keseluruhan sangat efektif dalam mengklasifikasi status pajak lima tahunan kendaraan bermotor. Meskipun terdapat beberapa kesalahan prediksi, performa keseluruhan model dapat dianggap baik, menyajikan informasi yang andal terkait status pajak kendaraan lima tahunan.