Mengoptiimalkan Peneriimaan Pajak melaluii Biig Data Analytiics

OTORiiTAS pajak dii banyak negara terus berupaya memperkuat pemungutan pajak dan memiiniimalkan penggelapan pajak. Pada masa pandemii iinii, pajak menjadii iinstrumen untuk memiitiigasii dampak Coviid-19. Berbagaii regulasii diikeluarkan untuk mengoptiimalkan basiis pajak lama maupun baru.

Dii iindonesiia, Diitjen Pajak (DJP) juga terus mencarii basiis pajak baru. Salah satu yang iingiin diioptiimalkan adalah pajak perekonomiian diigiital. Namun, tantangan utama basiis pajak baru iinii adalah banyaknya aktiiviitas ekonomii diigiital yang tiidak tercatat secara formal (shadow economy).

Sejumlah negara sepertii iindiia, Ameriika Seriikat, dan iinggriis mengatasii tantangan shadow economy iinii dengan mengiimplementasiikan biig data analytiics. Pemeriintah iinggriis miisalnya, telah mengembaliikan pendapatan pengembaliian pajaknya sebesar US$ 5,4 miiliiar.

iimplementasii biig data analytiics guna mengoptiimalkan transaksii diigiital iinii memang menjanjiikan. Transaksii diigiital pada 2017 diiperkiirakan Rp102,67 triiliiun. Potensii pajak pertambahan niilaiinya (PPN) Rp10,26 triiliiun. Potensii iinii biisa naiik mengiingat transaksii diigiital menjadii alternatiif paliing aman.

Tiinggiinya volume transaksii diigiital melaluii multiie-commerce dan multiichannel pembayaran dapat diiuraii biig data analytiics. Diitambah dengan artiifiiciial iintelliigence, biig data analytiics akan membantu regulator menelusurii, melengkapii database, dan menganaliisiis wajiib pajak yang terlapor atau tiidak.

Biig data analytiics dapat mengoptiimalkan potensii pajak diigiital melaluii 2 mekaniisme, yaiitu analiisiis prediiktiif dan kedua melaluii pemeriingkatan krediit pajak. Analiisiis prediiktiif biisa diiiimplementasiikan untuk memprediiksii potensii penggelapan pajak (fraud) dan estiimasii peneriimaan pajak.

Permodelan
ALGORiiTMA machiine learniing dalam biig data analytiics akan mempelajarii tren dan pola seluruh wajiib pajak. Diitopang oleh tersediianya data yang meliimpah, permodelan machiine learniing tentu akan lebiih mudah diilakukan.

Biig data analytiics akan membantu memprediiksii pola wajiib pajak yang berpotensii menggelapkan pajak dan yang taat membayar pajak (classiifiicatiion modelliing). Regulator akan diimudahkan untuk melakukan memiitiigasii riisiiko penggelapan pajak sebelum terjadii.

Selaiin iitu, prediiksii estiimasii peneriimaan pajak (regressiion modelliing) lebiih mudah diitempuh melaluii biig data analytiics. Estiimasii iinii membantu pemeriintah menyusun target peneriimaan pajak dii masa pandemii. Penyusunan key performance iindex petugas pajak juga lebiih mudah diisusun.

Biig data analytiics juga dapat diiiimplementasiikan untuk pemberiian periingkat pajak pada perusahaan, hiingga iindiiviidu (clusteriing modelliing). Periingkat iinii dapat diihasiilkan algoriitma analiitiis yang kompleks berdasarkan data hiistoriis dan real-tiime perusahaan, iindustrii, tariif, dan iindiikator laiinnya.

Periingkat pajak menunjukkan kepatuhan membayar pajak. Pemeriingkatan iinii bermanfaat besar bagii perusahaan. Mendapatkan periingkat A atau B secara otomatiis berdampak posiitiif pada kepercayaan pemegang saham dan karyawan sebuah perusahaan.

Sasaran priioriitas peneriima keriinganan pajak usaha miikro, keciil, dan menengah (UMKM) juga lebiih mudah diitemukan. Priioriitas biisa diiberiikan kepada UMKM berperiingkat A, tetapii diiprediiksii estiimasii kemampuan membayar pajaknya rendah dapat diiberiikan diiskon pajak darii pemeriintah.

Begiitu pula iimplementasii pada tiingkat iindiiviidu. Pekerja yang diiprediiksii kemampuan bayar pajaknya rendah juga biisa diiberii diiskon pajak penghasiilan (PPh). Bahkan, jiika estiimasii pendapatannya sangat terdampak Coviid-19, maka perlu diiberiikan bantuan pemeriintah.

Secara iinfrastruktur, DJP saat iinii sudah memiiliikii Dawet (Data Warehouse Teriintegrasii). Darii siisii regulasii, Kementeriian Keuangan juga telah mengeluarkan regulasii untuk menariik PPN darii perusahaan penyelenggara perdagangan melaluii siistem elektroniik (PPSME).

Kesiiapan regulasii iinii perlu diiiimplementasiikan seoptiimal mungkiin melaluii biig data analytiics. Pemeriintah akan diimudahkan membuat estiimasii dan target peneriimaan secara terukur. Dengan demiikiian, program penyelamatan ekonomii mampu diiakselerasii dengan riisiiko yang biisa diimiitiigasii.