Cara Penyidik Pajak Gunakan “Big Data” dari SPT hingga Medsos
Pajak.com, Jakarta – Direktorat Jenderal Pajak (DJP) berwenang melakukan kegiatan penyidikan dalam proses penegakan hukum tindak pidana perpajakan. Penyidik pajak akan menggunakan big data yang bersumber dari Surat Pemberitahuan (SPT) tahunan/masa hingga media sosial (medsos). Lalu, apa lagi sumber big data yang digunakan penyidik pajak? Dan, bagaimana cara penyidik pajak menggunakan big data tersebut? Simak ulasan komprehensif Pajak.com ini yang mengacu dari paparan resmi Subdirektorat Penyidikan Direktorat Jenderal Pajak (DJP).
Adapun penyidikan pajak adalah serangkaian tindakan yang dilakukan oleh penyidik untuk mencari serta mengumpulkan bukti guna membuat terang tindak pidana serta menemukan tersangkanya.
Tujuan Penggunaan “Big Data” dalam Penegakan Hukum Pajak
Penggunaan big data yang dilakukan oleh penyidik bertujuan untuk:
- Medeteksi dini tindak pidana bidang perpajakan;
- Profiling Wajib Pajak terkait risiko ketidakpatuhan;
- Analisis jaringan hubungan antar-perusahaan dan individu, serta keterkaitan tindak pidana perpajakan;
- Efisiensi penanganan kasus berisiko tinggi dan alat pengumpulan bukti; dan
- Mengurangi tax gap.
Sumber “Big Data” Penyidik Pajak
Penyidik pajak membedakan dua sumber big data, yaitu internal dan eksternal. Berikut lengkapnya:
1. Data internal
- Bersumber dari DJP:
- SPT tahunan/masa;
- E-Faktur;
- E-Bupot;
- Laporan DJP; dan
- Kegiatan pengumpulan data (KPD).
- Data dari Kementerian Keuangan (Kemenkeu):
- Konsolidasi data milik eselon I Kemenkeu dan kementerian/lembaga (K/L) lainnya yang dikelola Badan Teknologi Informasi dan Intelijen Keuangan (BTIIK) Kemenkeu.
2. Data eksternal:
- Automatic Exchange of Information (AEoI);
- Instansi pemerintah, lembaga, asosiasi, dan pihak lain, (ILAP);
- Marketplace;
- Medsos; dan
- Putusan pengadilan.
Cara Penyidik Pajak Gunakan “Big Data”
DJP memerinci mekanisme penggunaan big data oleh penyidik pajak, sebagai berikut:
1. Text mining
DJP melakukan analisis dokumen SPT, laporan keuangan, dan invoice Wajib Pajak;
2. Machine learning
DJP mendeteksi pola transaksi mencurigakan, manajemen risiko, dan early warning;
3. Network analysis
DJP memetakan grup usaha, beneficial ownership, dan keterkaitan kasus; dan
4. Data matching
DJP menganalisis laporan keuangan versus gaya hidup.

Comments