04839nam a22003857a 4500 PE-TmUNAS 20260303114153.0 ta 260303b |||||||| |||| 00| 0 eng d Biblioteca Central de la Universidad Nacional Agraria de la Selva. spa Catalogación de la Biblioteca Central de la Universidad Nacional Agraria de la Selva, transcrito por la Biblioteca Central de la Universidad Nacional Agraria de la Selva, sin modificaciones posteriores. Biblioteca Central de la Universidad Nacional Agraria de la Selva. rda spa spa 22 006.31 Junco Aranciaga, Antonio Gabriel, 1986-, autor 3649 Evaluación comparativa en el desempeño de modelos de machine learning en la predicción de pagadores del impuesto predial de la ciudad de Tingo María para el año 2019 / presentado por Antonio Gabriel Junco Aranciaga ; [Hubel Solis Bonifacio, asesor] Tingo María, Perú : Universidad Nacional Agraria de la Selva, facultad de Ingeniería en Informática y Sistemas, 2023. [11], 71 hojas : ilustraciones (color), tablas (blanco y negro), figuras (color) ; 30 cm + 1 CD-ROM. rdacontent texto impreso rdamedia sin mediación rdacarrier volumen Incluye 1 CD-ROM (12CM) con ilustraciones y gráficos en la investigación. En la bibliografía de su tesis incluyó artículos de internet. Incluye registro de tesis para la obtención de título universitario. Incluye acta de sustentación de tesis. Tesis (Ingeniería)--Universidad Nacional Agraria de la Selva, facultad de Ingeniería en Informática y Sistemas, 2023. Bibliografía: páginas 58-62. 41 Introducción : Objetivos general. Objetivos específicos -- Revisión de literatura : Marco teórico. Estado del arte -- Metodología : Tipo y nivel de investigación. Población y muestra. Hipótesis. Variables de investgación. Operacionalización de variables. Herramientas de recolección de datos. Metodología -- Resultados y discusión : Descripción e influencia de características. Evaluación de la exactitud. Evaluación de la precisión. Evaluación del recall. Puntuación F1 o desempeño -- Conclusión -- Referencias bibliográficas -- Anexos. La evasión fiscal y el retraso en el pago de impuestos son problemas persistentes a nivel mundial que afectan la mejora de ingresos y la prestación de servicios sociales. En contextos locales, como en la ciudad de Tingo María, estos problemas se manifiestan de manera más aguda. Según los datos de la Municipalidad Provincial de Leoncio Prado, de los 12,821 contribuyentes registrados, 8,269 no pagan sus impuestos y 187 pagan con retraso, lo que representa una pérdida significativa de ingresos para la municipalidad. Para abordar esta problemática, se implementó una metodología de clasificación de pagadores basada en la recopilación de información socioeconómica y de percepción a través de encuestas telefónicas. Se seleccionó una muestra de 372 contribuyentes, distribuida equitativamente entre las categorías de pagadores puntuales, impuntuales y no pagadores. Los datos recopilados se sometieron a un análisis descriptivo utilizando un mapa de calor y la prueba de Chi², revelando una evaluación significativa entre el ingreso económico y la puntualidad en el pago de impuestos. Para mejorar la identificación temprana de contribuyentes impuntuales o no pagadores, se evaluaron seis modelos de Machine Learning en términos de exactitud, precisión y sensibilidad. Los modelos de K-Nearest Neighbors (KNN) y Redes Neuronales (RNN) demostraron ser los más precisos, con una exactitud superior al 97%. Estos hallazgos sugieren que las autoridades fiscales podrían utilizar estos modelos para tomar medidas proactivas y prevenir la evasión fiscal. Además, se recomienda la inclusión de más variables socioeconómicas y de percepción para mejorar aún más la precisión de estos modelos. La implementación de estas recomendaciones podría permitir a las autoridades fiscales optimizar sus recursos, mejorar la recaudación de impuestos y, en última instancia, mejorar la prestación de servicios sociales en la ciudad de Tingo María. Material bibliográfica para estudiantes universitarios, docentes e investigadores. PE-TmUNAS Ingeniería en Informática y Sistemas. En español. 3648 Solis Bonifacio, Hubel, 1979-, asesor 2369 Universidad Nacional Agraria de la Selva (Tingo María). Facultad de Ingeniería en Informática y Sistemas ddc TESIS mmdlcg /mmdlcg/ñnoc/bipf 187193 187193 0 0 ddc 0 0 BCUNAS BCUNAS BANKB 2026-03-03 T-SIS 006.31 8522 J95 2023 0024182 2026-03-03 00:00:00 1 2026-03-03 TESIS Préstamo en sala