Oct 15, 2026
Bisnis

DJP Kembangkan AI untuk Pantau Harta Wajib Pajak Super Kaya

Berdasarkan data Kementerian Keuangan per akhir 2024, penerimaan negara dari sektor perpajakan masih menjadi tulang punggung Anggaran Pendapatan dan Belanja Negara (APBN) dengan kontribusi mencapai se...

DJP Kembangkan AI untuk Pantau Harta Wajib Pajak Super Kaya

Berdasarkan data Kementerian Keuangan per akhir 2024, penerimaan negara dari sektor perpajakan masih menjadi tulang punggung Anggaran Pendapatan dan Belanja Negara (APBN) dengan kontribusi mencapai sekitar 70 persen dari total pendapatan negara. Di tengah target rasio pajak yang diproyeksikan berada di kisaran 10,07 persen terhadap Produk Domestik Bruto (PDB) pada 2024, otoritas fiskal terus mencari cara untuk mengoptimalkan pengawasan, terutama terhadap kelompok wajib pajak beraset besar. Langkah terbaru yang tengah digodok adalah pemanfaatan kecerdasan buatan atau artificial intelligence (AI) oleh Direktorat Jenderal Pajak (DJP) untuk memantau perubahan kekayaan individu beraset besar.

AI sebagai Alat Deteksi Dini Perubahan Profil Kekayaan

Wakil Menteri Keuangan, Nurkholisoh Ibnu Aman, mengungkapkan bahwa pengembangan teknologi ini bertujuan mendeteksi secara dini pergeseran portofolio dan profil kekayaan wajib pajak bernilai ekonomi tinggi. Teknologi AI memungkinkan otoritas untuk menganalisis data lintas sektor secara masif, mulai dari transaksi keuangan, kepemilikan aset, hingga aliran dana lintas negara. Dalam bahasa sederhana, AI akan bekerja seperti radar yang memindai anomali dari pola kekayaan seseorang, sehingga potensi ketidaksesuaian antara harta yang dilaporkan dan kondisi riil dapat teridentifikasi lebih cepat.

Pendekatan ini sejalan dengan tren global di mana otoritas pajak negara-negara maju telah lebih dulu mengadopsi analitik berbasis data untuk memperkuat kepatuhan sukarela. Negara-negara anggota Organisasi untuk Kerja Sama dan Pembangunan Ekonomi (OECD) bahkan telah menerbitkan panduan penggunaan AI untuk keperluan administrasi perpajakan, mencakup identifikasi risiko, pemeriksaan, hingga penagihan. Jika diimplementasikan secara penuh, DJP berpotensi meningkatkan rasio kepatuhan wajib pajak berisiko tinggi tanpa harus menambah jumlah pemeriksa pajak secara signifikan.

Pro: Efisiensi Pengawasan dan Potensi Tambahan Penerimaan

Di satu sisi, langkah ini dipandang sebagai terobosan yang logis. Selama ini, pengawasan terhadap wajib pajak kaya sangat bergantung pada sumber daya manusia yang terbatas. Dengan jumlah pegawai DJP yang tidak sebanding dengan jumlah wajib pajak yang harus diawasi, penggunaan AI dapat menutup celah tersebut. Beberapa kalangan menilai, AI berpeluang mengungkap potensi penerimaan yang selama ini tidak terjangkau, misalnya dari aset yang tersebar di berbagai instrumen keuangan, capital outflow yang tidak dilaporkan, hingga struktur kepemilikan yang kompleks melalui entitas di yurisdiksi dengan tarif pajak rendah.

“Digitalisasi dan pemanfaatan analitik data adalah keniscayaan. Yang penting adalah bagaimana kerangka tata kelolanya dibangun agar tidak menimbulkan distorsi,” ujar seorang pengamat fiskal dalam sebuah diskusi publik.

Selain itu, pendekatan berbasis AI memungkinkan pemetaan risiko yang lebih akurat. Wajib pajak yang patuh tidak akan terganggu, sementara sumber daya pemeriksaan bisa difokuskan pada profil yang benar-benar memerlukan pendalaman. Efisiensi ini berpotensi memperbaiki tax gap atau selisih antara potensi pajak dan realisasi penerimaan yang selama ini menjadi pekerjaan rumah besar.

Kontra: Isu Privasi, Validitas Data, dan Kesiapan Infrastruktur

Di sisi lain, sejumlah kalangan menyoroti risiko yang menyertai implementasi AI dalam pengawasan harta. Pertama, isu privasi dan pelindungan data pribadi menjadi sangat sensitif. Tanpa kerangka hukum dan mekanisme audit yang ketat, penggunaan AI berpotensi memicu kekhawatiran di kalangan wajib pajak, terutama mereka yang memiliki portofolio lintas negara. Kepastian hukum harus dijamin agar data yang dikumpulkan tidak disalahgunakan.

Kedua, kualitas data menjadi faktor penentu. AI hanya seakurat data yang menjadi bahan masukannya. Jika data dari lembaga keuangan, notaris, hingga otoritas perdagangan belum terintegrasi dan tervalidasi dengan baik, hasil analisis berisiko menghasilkan false positive yang justru merugikan wajib pajak dan membebani petugas. Ketiga, kesiapan infrastruktur teknologi dan sumber daya manusia di internal DJP perlu menjadi perhatian. Investasi untuk sistem, pelatihan, dan tata kelola tidaklah kecil, sehingga perlu dihitung apakah manfaatnya sebanding dengan biaya yang dikeluarkan.

Dari perspektif pasar, kebijakan ini dapat memengaruhi sentimen kalangan berpenghasilan tinggi. Apabila dipersepsikan sebagai langkah pengawasan yang agresif tanpa kepastian hukum, bukan tidak mungkin muncul dorongan untuk menata ulang struktur kekayaan, termasuk memindahkan aset ke luar negeri. Namun, jika dikomunikasikan sebagai upaya menciptakan keadilan fiskal, langkah ini justru dapat memperkuat legitimasi sistem perpajakan nasional.

Proyeksi dan Prasyarat Keberhasilan

Ke depan, keberhasilan pemanfaatan AI oleh DJP akan sangat bergantung pada tiga hal: integrasi data lintas institusi, kerangka hukum yang melindungi hak wajib pajak, dan transparansi dalam penggunaan algoritma. Tanpa ketiganya, teknologi ini berisiko menjadi instrumen yang kontraproduktif. Pemerintah perlu memastikan bahwa pengawasan berbasis AI bukan sekadar proyek teknologi, melainkan bagian dari reformasi perpajakan yang menyeluruh dan berkeadilan.

Bagi pembaca awam, istilah AI dalam konteks ini dapat dipahami sebagai sistem komputer yang mampu mengenali pola dari data dalam jumlah besar, lalu memberi sinyal jika ada kejanggalan. Dengan kata lain, AI bukan penentu akhir, melainkan alat bantu bagi otoritas untuk memilah prioritas. Pada akhirnya, fundamental kebijakan tetap terletak pada keseimbangan antara penerimaan negara, kepastian usaha, dan keadilan bagi seluruh wajib pajak.

What's Your Reaction?

Like Like 0
Dislike Dislike 0
Love Love 0
Funny Funny 0
Wow Wow 0
Sad Sad 0
Angry Angry 0
PENULIS mega-lestari

Data Journalist. Mengolah data ekonomi menjadi narasi. Alumnus Columbia Journalism School.

Comments (0)

User