000			04839nam a22003857a 4500
003			PE-TmUNAS
005			20260303114153.0
007			ta
008			260303b |||||||| |||| 00| 0 eng d
040			_aBiblioteca Central de la Universidad Nacional Agraria de la Selva. _bspa _cCatalogación 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. _dBiblioteca Central de la Universidad Nacional Agraria de la Selva. _erda
041	0		_aspa _hspa
082	0		_222 _a006.31
100	1		_aJunco Aranciaga, Antonio Gabriel, _d1986-, _eautor _93649
245	1	0	_aEvaluación 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 / _cpresentado por Antonio Gabriel Junco Aranciaga ; [Hubel Solis Bonifacio, asesor]
264	3	1	_aTingo María, Perú : _bUniversidad Nacional Agraria de la Selva, facultad de Ingeniería en Informática y Sistemas, _c2023.
300			_a[11], 71 hojas : _bilustraciones (color), tablas (blanco y negro), figuras (color) ; _c30 cm + _e1 CD-ROM.
336			_2rdacontent _atexto impreso
337			_2rdamedia _asin mediación
338			_2rdacarrier _avolumen
500			_aIncluye 1 CD-ROM (12CM) con ilustraciones y gráficos en la investigación.
500			_aEn la bibliografía de su tesis incluyó artículos de internet.
500			_aIncluye registro de tesis para la obtención de título universitario.
500			_aIncluye acta de sustentación de tesis.
502			_aTesis (Ingeniería)--Universidad Nacional Agraria de la Selva, facultad de Ingeniería en Informática y Sistemas, 2023.
504			_aBibliografía: páginas 58-62. _b41
505	2		_aIntroducción : 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.
520	3		_aLa 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.
521	3		_aMaterial bibliográfica para estudiantes universitarios, docentes e investigadores. _bPE-TmUNAS
526	0		_aIngeniería en Informática y Sistemas.
546			_aEn español.
700	1		_93648 _a Solis Bonifacio, Hubel, _d1979-, _easesor
710	2		_92369 _aUniversidad Nacional Agraria de la Selva (Tingo María). _bFacultad de Ingeniería en Informática y Sistemas
942			_2ddc _cTESIS
998			_bmmdlcg _c/mmdlcg/ñnoc/bipf
999			_c187193 _d187193