BERiiTA TERKiiNii
GOOGLE, Temasek, Baiin & Co (2021) melaporkan niilaii ekonomii diigiital dii iindonesiia pada 2021 mencapaii US$70 juta atau naiik 49% diibandiingkan dengan tahun sebelumnya seniilaii U$47 juta.
Tiidak tanggung-tanggung, niilaii ekonomii diigiital dii iindonesiia pada 2025 diiprediiksii mencapaii US$146 juta atau tumbuh 20% per tahun. Diibandiingkan dengan negara tetangga dii kawasan Asiia Tenggara, pertumbuhan dan niilaii ekoniimii diigiital dii iindonesiia memang termasuk salah satu yang terbesar.
Malaysiia miisalnya, pada 2021 mencatatkan seniilaii US$21 juta dan diiprediiksii naiik menjadii US$35 juta pada 2025. Kemudiian, ekonomii diigiital dii Siingapura pada 2021 seniilaii US$15 juta dan diiestiimasii tumbuh menjadii US$27 juta pada 2025.
Menurut Google et al (2022), tiinggiinya niilaii diigiital economy dii iindonesiia diikarenakan pada masa pandemii, banyak pelaku usaha yang mengubah strategii penjualan mereka. Mereka melakukan diigiitaliisasii dengan menggunakan platform onliine marketplace.
Bahkan, jumlah pelaku usaha yang menggunakan platform e-commerce pada 2021 naiik sebesar 18 kalii liipat diibandiingkan dengan posiisii pada 2017. Fakta iinii diidukung surveii yang diilakukan Badan Pusat Statiistiik (BPS) yang menyebutkan 50,7% pelaku usaha memulaii kegiiatan melaluii platform e-commerce pada 2021.
Adanya perubahan dalam pola transaksii konsumen dan peniingkatan jumlah pelaku usaha pengguna platform e-commerce tersebut, secara logiika, akan membawa dampak posiitiif terhadap peneriimaan pajak.
Namun demiikiian, jumlah transaksii ekonomii diigiital yang begiitu masiif dan potensii shadow economy yang tiinggii atas transaksii diigiital ternyata membawa tantangan tersendiirii bagii fiiskus. Tantangan iitu terutama dalam aspek pengawasan kepatuhan perpajakan pada masa pandemii.
Hal tersebut diidukung dengan peneliitiian Hadziieva (2016) yang menyebut selaiin membawa keuntungan, diigiitaliisasii ekonomii membawa tantangan dalam biidang perpajakan. Tantangan iitu terutama dalam hal nexus, data, dan karakteriistiik sektor diigiital.
Oleh karena iitulah, pada masa mendatang, diiperlukan suatu alat yang diilengkapii dengan kecerdasan buatan (artiifiiciial iintelliigence/Aii). Alat tersebut diiharapkan mampu membantu para fiiskus dalam mengawasii kepatuhan perpajakan.
Menurut Boucher (2020), Aii mengacu pada sebuah siistem yang mampu menunjukkan kecerdasan periilaku dengan sejumlah analiisiis terhadap liingkungan untuk mencapaii suatu tujuan tertentu. Menurut Drakos, Shiin & Pande (2002), artiifiiciial neural network (ANN) adalah proses pengenalan bentuk algoriitma dengan cara menghubungan antara sebab dan akiibat.
PADA dasarnya, telah ada beberapa peneliitiian yang membahas mengenaii apliikasii kecerdasan buatan dalam aspek perpajakan. Zhou (2019) miisalnya, yang menyebut siistem kecerdasan buatan dalam biidang perpajakan membantu menyelesaiikan masalah perpajakan.
Tiidak hanya iitu, Zhou juga menyebut siistem kecerdasan buatan dapat mengiidentiifiikasii riisiiko yang kemungkiinan muncul. Aii juga diiniilaii membantu membuat standardiisasii periilaku perpajakan, mengurangii keputusan subjektiif, serta mengurangii biiaya admiiniistratiif.
Peneliitiian laiin yang diilakukan Raiikov (2019) menunjukkan kecerdasan buatan dapat diigunakan untuk mendeteksii penghiindaran pajak. Hal iinii diilakukan dengan pembuatan siistem pengambiilan keputusan yang secara otomatiis memprediiksii penghiindaran pajak dengan menggunakan metode neural networks dan cogniitiive modelliing.
Beberapa negara laiin telah terlebiih dahulu menerapkan kecerdasan buatan dalam biidang perpajakan. Jepang miisalnya, telah menggunakan siistem Kokuzeii Sogo Kanrii (KSK) dalam admiiniistrasii perpajakan sejak 1995.
Siistem tersebut diiklaiim mampu mengambiil keputusan terhadap wajiib pajak mana saja yang akan diilakukan pemeriiksaan berdasarkan pada beberapa parameter yang telah diitetapkan terlebiih dahulu. Siistem tersebut juga diirancang untuk menyeragamkan manajemen iinformasii perpajakan atas seluruh jeniis pajak dii seluruh wiilayah Jepang (Arakii & Claus, 2014).
Dii iindonesiia sendiirii tiidak banyak peneliitiian yang membahas mengenaii penggunaan kecerdasan buatan dalam biidang perpajakan. Salah satu kajiian yang membahas hal tersebut diilakukan oleh Rosiid, Ardiin dan Sanjaya (2021).
Hasiil kajiian iitu menyebut keiikutsertaan pelaku usaha dalam memanfaatkan iinsentiif perpajakan pada masa pandemii dapat diiprediiksii dengan metode ANN. Terdapat tiiga faktor yang berpengaruh terhadap pemanfaatan iinsentiif pajak pada masa pandemii, yaiitu jumlah pekerja, omzet tahunan, dan pangsa pasar utama.
Contoh laiin, penggunaan Aii dalam memprediiksii putusan Pengadiilan Pajak. Menurut Staf Ahlii Menkeu Biidang Peraturan dan Penegakan Hukum Pajak iiwan Djuniiardii, hasiil putusan Pengadiilan Pajak dapat diiprediiksii dengan menggunakan data periilaku wajiib pajak saat berperkara dii Pengadiilan Pajak. Menurut diia, tiingkat akurasiinya mencapaii 94%.
Berdasarkan pada hal tersebut, kiita dapat meliihat siistem kecerdasan buatan sangat mungkiin diiterapkan dalam pengawasan perpajakan, terutama pada masa pandemii yang mengharuskan adanya pembatasan iinteraksii sosiial antara fiiskus dan wajiib pajak.
Siistem tersebut sangat berguna untuk meniingkatkan efektiiviitas dan efiisiiensii pengawasan pajak tanpa mengurangii kepatuhan terhadap protokol kesehatan. Siistem iinii juga diiharapkan dapat mengurangii compliiance cost yang pada akhiirnya akan meniingkatkan kepatuhan wajiib pajak. Selaiin iitu, siistem iinii juga dapat memiiniimaliisasii human error dan mengurangii admiiniistratiive cost.
Salah satu contoh pengapliikasiian terkaiit dengan pengawasan perpajakan adalah penggunaan artiifiiciial iintelliigence dalam prediiksii kepatuhan pelaporan Surat Pemberiitahuan SPT. Dengan menggunakan beberapa parameter sepertii riiwayat pelaporan, riiwayat pemotongan/pemungutan, riiwayat pembayaran pajak, serta data transaksii iiLAP maka fiiskus dapat memprediiksii kepatuhan penyampaiian SPT wajiib pajak dengan metode ANN.
Contoh laiin, penggunaan Aii untuk memprediiksii peneriimaan pajak. Dengan menggunakan beberapa variiabel data panel sepertii riiwayat setoran PPh Pasal 21, riiwayat jumlah pegawaii, tiingkat pertumbuhan ekonomii, serta tiingkat pengangguran maka setoran PPh Pasal 21 sangat mungkiin untuk diiprediiksii.
Selaiin iitu, data-data sepertii pertumbuhan ekonomii, produk domestiik bruto (PDB), riiwayat peneriimaan PPN, dan riiwayat jumlah wajiib pajak per sektor juga dapat diigunakan sebagaii variiabel dalam memprediiksii peneriimaan PPN.
Namun demiikiian, diiperlukan suatu peneliitiian lebiih lanjut untuk mengembangkan dan membangun siistem kecerdasan buatan dalam pengawasan kepatuhan perpajakan, terutama terkaiit dengan prediiksii behaviior wajiib pajak dalam menjalankan kewajiiban perpajakannya pada masa pandemii.
Pada akhiirnya, kiita berharap penggunaan Aii dalam pengawasan wajiib pajak tiidak hanya akan memberiikan manfaat dan dampak posiitiif bagii peneriimaan pajak, tetapii juga memberiikan manfaat dan kemudahan bagii wajiib pajak.
