Akses terbuka Jurnal SINTA 1
An application of machine learning on corporate tax avoidance detection model
IAES International Journal of Artificial Intelligence · Vol. 9 No. 4 (2020) · hlm. 721–725
- ISSN
- 2252-8938, 2089-4872
- Terbit
- 2020-12-01
- Penerbit
- Institute of Advanced Engineering and Science
- Bahasa
- eng
Abstrak
Corporate tax avoidance reduces government revenues which could limit country development plans. Thus, the main objectives of this study is to establish a rigorous and effective model to detect corporate tax avoidance to assist government to prevent such practice. This paper presents the fundamental knowledge on the design and implementation of machine learning model based on five selected algorithms tested on the real dataset of 3,365 Malaysian companies listed on bursa Malaysia from 2005 to 2015. The performance of each machine learning algorithms on the tested dataset has been observed based on two approaches of training. The accuracy score for each algorithm is better with the cross-validation training approach. Additionationally, with the cross-validation training approach, the performances of each machine learning algorithm were tested on different group of features selection namely industry, governance, year and firm characteristics. The findings indicated that the machine learning models present better reliability with industry, governance and firm characteristics features rather than single year determinant mainly with the Random Forest and Logistic Regression algorithms.
Kata kunci
Jaringan kolaborasi para penulis
29 penulis · 82 tautan kepenulisan bersama
Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.
- Universiti Teknologi MARA
- Afiliasi tidak diketahui
- Organisasi berbeda
- Organisasi sama
- Afiliasi tidak diketahui
- Garis lebih tebal = lebih banyak artikel bersama · lingkaran lebih besar = lebih banyak artikel
Tampilkan sebagai tabel
| Rekan penulis | Organisasi | Artikel bersama |
|---|---|---|
| Abdullah Sani Abd Rahman | Afiliasi tidak diketahui | 4 |
| Norhayati Baharun | Afiliasi tidak diketahui | 4 |
| Masurah Mohamad | Universiti Teknologi MARA | 2 |
| Thuraiya Mohd | Afiliasi tidak diketahui | 2 |
| Rahayu Abdul Rahman | Afiliasi tidak diketahui | 1 |
| Md. Nahidul Islam | Afiliasi tidak diketahui | 1 |
| Wan Noraswaniaty Wan Ahmad | Afiliasi tidak diketahui | 1 |
| Erna Hernawati | Afiliasi tidak diketahui | 1 |
| Yudi Nur Supridi | Afiliasi tidak diketahui | 1 |
| Afif Deni Irawan | Afiliasi tidak diketahui | 1 |
| Anis Zulaikha Mohd Zukri | Afiliasi tidak diketahui | 1 |
| Siti Rasidah Md Sakip | Afiliasi tidak diketahui | 1 |
| Syafiqah Jamil | Afiliasi tidak diketahui | 1 |
| Nasiroh Omar | Afiliasi tidak diketahui | 1 |
| Shahirah Mohamed Hatim | Afiliasi tidak diketahui | 1 |
| Nor Faezah Mohamad Razi | Afiliasi tidak diketahui | 1 |
| Teoh Sian Hoon | Afiliasi tidak diketahui | 1 |
| Nadirah Othman | Afiliasi tidak diketahui | 1 |
| Nor Aslily Sarkam | Afiliasi tidak diketahui | 1 |
| Nor Faezah Mohamad Razi | Afiliasi tidak diketahui | 1 |
| Yohanes Totok Suyoto | Afiliasi tidak diketahui | 1 |
| Noor Saatila Mohd Isa | Afiliasi tidak diketahui | 1 |
| Norhayati Zamri | Afiliasi tidak diketahui | 1 |
| Endang Pitaloka | Afiliasi tidak diketahui | 1 |
| Mohd Hadli Shah Mohamad Yunus | Afiliasi tidak diketahui | 1 |
Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.