Panen usaha via Google Places API
Membagi wilayah jadi grid, memecah otomatis sel yang padat, dan membuang duplikat. Memakai API resmi, bukan scraping halaman Maps.
1_panen_places.py8,4 KB Unduh Untuk ASN Bapenda/BPKAD yang ingin mencoba metodenya lebih dulu. Kit ini berisi skrip yang menjalankan kedua jalur AITax dalam bentuk paling sederhana: Python biasa, tanpa instalasi pustaka tambahan, bisa dijalankan di laptop kantor. Data contohnya fiktif, jadi aman untuk latihan sebelum memakai data daerah sendiri.
Urutannya mengikuti alur kerja di halaman peragaan. Skrip 1–4 menjalankan Jalur B (WP baru), skrip 5–6 menjalankan Jalur A (proyeksi dan kepatuhan). Setiap berkas diawali penjelasan dan contoh perintah dalam bahasa Indonesia.
Membagi wilayah jadi grid, memecah otomatis sel yang padat, dan membuang duplikat. Memakai API resmi, bukan scraping halaman Maps.
1_panen_places.py8,4 KB Unduh Duplikat persis dan duplikat dekat (< 50 m), usaha tutup permanen, titik di luar batas kecamatan, lalu saring kategori tiga keranjang.
2_bersihkan.py6,9 KB Unduh Kemiripan nama berbobot token dengan ambang yang mengikuti bukti lokasi. Hasilnya TERDAFTAR, PERLU_CEK, atau KANDIDAT_BARU.
3_cocokkan_register.py6,8 KB Unduh Skor 0–100 dari lima komponen dengan bobot yang bisa diubah, plus tabel cakupan per kecamatan sebagai peta selisih.
4_skor_prioritas.py4,6 KB Unduh Naif, rerata tumbuh, CAGR, rerata 3 tahun, linier, eksponensial, dan Holt diadu lewat MAPE. Keluarannya rentang target per jenis pajak.
5_backtest_proyeksi.py7,6 KB Unduh Mengelompokkan WP menjadi Andalan, Patuh, Mulai Renggang, Hilang, dan Baru/Kecil untuk menentukan prioritas imbauan dan penagihan.
6_rfm_wp.py4,2 KB Unduh Kirim template ke pengelola SIMPATDA/e-PAD supaya ekspor datanya langsung sesuai. Kamus kategori perlu disesuaikan dengan Perda PDRD daerah Anda, terutama keranjang abu-abu.
Format ekspor setoran dari SIMPATDA/e-PAD: satu baris per setoran, dengan tanggal bayar asli.
template_data_transaksi.csv320 B Unduh NPWPD, nama, alamat, kecamatan, dan koordinat bila ada. Dipakai untuk pencocokan.
template_register_wp.csv194 B Unduh Pemetaan tipe Google dan kata kunci nama ke sektor PBJT: inti, abu-abu, atau luar objek. Sesuaikan dengan Perda Anda.
kamus_kategori.csv2,5 KB Unduh Urutan menjalankan skrip, cara memakai data daerah sendiri, dan rambu yang wajib dipatuhi.
README.md5,2 KB Unduh
Ekstrak ZIP, buka Terminal (atau Command Prompt di Windows, ganti python3
dengan py), masuk ke folder kit, lalu jalankan:
python3 2_bersihkan.py --masukan contoh/contoh_panen.csv --batas contoh/contoh_batas_kecamatan.geojson --keluaran bersih.csvpython3 3_cocokkan_register.py --objek bersih.csv --register contoh/contoh_register.csv --keluaran hasil_cocok.csvpython3 4_skor_prioritas.py --masukan hasil_cocok.csv --keluaran daftar_survei.csvpython3 5_backtest_proyeksi.py --masukan contoh/contoh_transaksi.csv Hasilnya: corong penyaringan, daftar survei berperingkat, tabel cakupan per kecamatan, dan rentang proyeksi per jenis pajak — semuanya dari data contoh tiga kecamatan fiktif.