Pemanfaatan Machine Learning dalam Mendeteksi Tax Evasion

Penggelapan pajak (Tax Evasion) merupakan salah satu masalah paling signifikan yang mempengaruhi pendapatan pemerintah di seluruh dunia. Tax Evasion adalah tindakan yang disengaja untuk mengubah informasi pajak untuk menurunkan beban pajak yang harus dibayar. Dapat dilakukan dengan mengurangi penjualan atau meningkatkan pembelian. Akibatnya pemerintah kehilangan pendapatan yang seharusnya menjadi milik negara. Hal ini memicu pemerintah untuk menerapkan strategi deteksi dini yang efisien.

Pengertian Tax Evasion

Taslim dalam jurnalnya di tahun 2007 mendefiniskan tax evasion sebagai usaha-usaha untuk memperkecil pajak yang terutang atau menggeser beban pajak terutang secara illegal dengan melanggar peraturan undang-undang yang berlaku. Tax evasion merupakan pelanggaran dalam bidang pajak yang dapat dikenakan sanksi administratif maupun sanksi pidana. Sementara Rahayu di tahun 2010 juga memberikan pemahaman lain terkait tax evasion yaitu sebuah usaha yang dilakukan oleh wajib pajak untuk mengurangi, menghapuskan dan memanipulasi secara illegal utang pajak atau meloloskan diri agar tidak membayar pajak. Penellitian lain menyebutkan bahwa wajib pajak besar lebih beresiko melakukan tax evasion karena memiliki biro hukum atau tim lawyer yang mampu mencari celah dalam undang-undang pajak. Penggelapan pajak dapat diukur dengan indikator kebijakan penetapan tarif pajak, adanya  kerja sama yang  baik  dan berkesinambungan  antara  wajib  pajak dan fiskus sebagai badan penyelenggara, pentingnya kesadaran bagi wajib pajak untuk melaporkan SPT dengan benar serta mendaftarkan dirinya sebagai wajib pajak. 

Dalam menghadapi permasalahan penggelapan pajak, Amerika Serikat (AS) menjadi salah satu negara terdepan yang gencar melakukan berbagai langkah strategi pencegahan. Mari kita simak apa saja langkah-langkah tersebut.

Strategi Awal

Terdapat dua strategi yang awalnya diterapkan oleh otoritas pajak AS, yaitu (1) pengalaman auditor dan (2) sistem berbasis aturan. Dimana strategi pertama auditor memeriksa laporan pajak secara manual dan memilih untuk memeriksa apa yang terlihat mencurigakan berdasarkan pengalamannya. Sedangkan strategi kedua berfokus pada membangun aturan yang sistematis berupa pernyataan, misalnya SPT dianggap mencurigakan apabila melanggar sejumlah aturan tertentu. Kedua strategi ini memiliki kelemahan yaitu bersifat subjektif, manual, memerlukan banyak waktu dan model berbasis aturan dapat menjadi tidak relevan setelah jangka waktu tertentu. Hal inilah yang kemudian memunculkan ide untuk mengadopsi pendekatan teknologi yang baru yaitu machine learning.

Apa itu Machine Learning?

Machine learning (ML) merupakan studi ilmiah tentang algoritma dan model statistik yang digunakan sistem komputer untuk melakukan tugas tertentu tanpa diprogram secara eksplisit. Machine learning banyak kita temui dalam aplikasi yang kita gunakan setiap hari. Seperti Google yang digunakan untuk mencari informasi di internet, salah satu alasan mengapa mesin pencari tersebut bekerja dengan baik adalah karena machine learning yang telah mempelajari cara menentukan peringkat halaman web. Algoritma ini digunakan untuk berbagai tujuan seperti penggalian data, pemrosesan gambar, prediksi analitik, dan lain-lain. Keuntungan utama menggunakan machine learning adalah dapat melakukan pekerjaannya secara otomatis.

Alogritma Machine Learning

Terdapat lima algoritma machine learning yang umum yaitu:

• Artificial neural networks

Jaringan neural ini terdiri dari populasi neuron yang saling berhubungan melalui jalur yang kompleks. Jaringan ini terinspirasi dari jaringan saraf biologis manusia.

• Decision trees

Bagian yang membuat serangkaian aturan keputusan berdasarkan variable masukan yang berkelanjutan untuk meprediksi suatu hasil.

• Support vector machines

Adalah serangkaian metode pembelajaran terawasi yang digunakan dalam hal klasifikasi dan regresi. Bagian ini membangun batas optimal yang disebut hyperplane yang memisahkan observasi dari kelas yang berbeda.

• Naive bayes

Algoritma naïve bayes merupakan serangkaian algoritma klasifikasi probabilistic sederhana berdasarkan teorema Bayes yang membuat asumsi ‘naif’ tentang independensi antara variable prediktif. Algoritma ini menghitung probabilitas yang terkait dengan setiap kelas.

• K-means clustering

K-means clustering adalah salah satu contoh machine learning tanpa pengawasan yang paling sederhana. Ini membagi observasi menjadi sejumlah cluster yang berbeda sesuai yang telah ditentukan sebelumnya.

Pemanfaatan Machine Learning

Transformasi teknologi telah membuat terobosan paling penting di bidang perpajakan, merevoluasi cara pemerintah dan organisasi dalam melakukan pendekatan terhadap pengelolaan kewajiban perpajakan. Artificial Intelligence adalah alat yang ampuh untuk mendeteksi kecurangan pajak dengan menganalisis data dalam jumlah yang besar untuk mengetahui pola yang tidak normal. Teknologi AI yang digunakan dapat berupa machine learning yang dapat mendeteksi adanya kecurangan pajak. Model machine learning dilatih dengan kumpulan data historis pajak yang luas. Sistem kerja dari machine learning adalah dengan mengidentifikasi pola, anomali, dan fitur yang terkait dengan transaksi pajak.

Contoh nyata penggunaan machine learning dalam mendeteksi tax evasion adalah seperti yang telah dilakukan di Kanada. Penggunaan machine learning digunakan oleh Canada Revenue Agency (CRA) yang menggunakan machine learning untuk memerangi penggelapan pajak. CRA ini menggunakan algoritma machine learning untuk menganalisis dan mengidentifikasi indikator-indikator potensi penggelapan, seperti pemotongan pajak yang tidak normal, variasi yang sangat signifikan dari tahun-tahun sebelumnya, hingga pola pendapatan yang tidak sesuai. Kemampuan machine learning yang memberikan warning (peringatan) digunakan oleh CRA untuk memfokuskan investigasi lebih lanjut pada lingkup yang bermasalah, sehingga tercipta keefisienan dan keefektifan dalam pemeriksaan pajak.