Pada hari Jumat, 20 Agustus 2021 lalu, DJP menggelar DJP IT Summit 2021 hari ketiga. Salah satu sesi simposium pada hari ketiga adalah pemaparan para pemenang lomba Hackaton yang diadakan oleh DJP sebelumnya. Topik yang akan dibahas pada artikel ini adalah VAT and Cross Border Detection, dimana para peserta lomba mengembangkan solusi untuk mendeteksi ketidakwajaran pada pembayaran PPN. Lomba ini diadakan oleh DJP berkaitan dengan kepatuhan wajib pajak, yaitu mendeteksi wajib pajak yang melakukan fraud secara akurat.
Pemenang ke-3, ‘GASPOL’, memberikan solusi bernama RaCFI (Ratio and Cluster Fraud Indicator). Solusi ini, sesuai dengan namanya, menggunakan pendekatan ratio dan cluster untuk mendeteksi wajib pajak yang tergolong fraud.
Pada tahap pertama akan dilakukan word clustering dan word filtering untuk menyaring banyaknya data menjadi beberapa cluster. Cluster yang sudah terbentuk, nantinya akan dilakukan labelling secara manual menjadi beberapa kategori.
Tahap selanjutnya merupakan ratio untuk membandingkan satu label dengan label lainnya. Jika rationya lebih tinggi maka akan cenderung untuk melakukan fraud. Dari satu WP yang terindikasi kemungkinan melakukan fraud, dapat juga mengetahui WP lain yang melakukan fraud karena kita dapat melihat dengan siapa saja WP tersebut melakukan transaksi.
Ada 3 solusi yang diberikan oleh tim ‘Gaspol’, yaitu RaCFI Dashboard, Group Auto Discovery, dan Input Ouput Correlation. RaCFI Dashboard merupakan solusi yang sudah dijelaskan sebelumnya menggunakan ratio dan clustering untuk mendeteksi fraud. Group Auto Discovery menggunakan algoritma khusus, dimana setelah mendapatkan WP yang fraud, sistem akan secara otomatis mencari hubungan fraud tersebut dengan WP yang lain dan mencari WP yang melakukan fraud sejenis. Input Output Correlation mencari tahu hubungan antara satu objek dengan objek lainnya. Jika korelasinya jauh, maka ada kemungkinan terjadinya fraud.
Pemenang ke-2, ‘Sederhana namun Penting’, memberikan solusi yaitu sebuah sistem bernama SynTax (Sistem Informasi for Tax). Sistem ini digunakan untuk menangkap ketidakwajaran yang terjadi dalam perpajakan, termasuk Value Added Tax (VAT) dan Cross Border Fraud. Syntax menggunakan teknologi machine learning yang mengolaborasikan beberapa metode pendekatan untuk mendapatkan hasil analisis yang komprehensif.
Pertama, data pajak transaksi faktur dan ekspor impor, akan dilakukan analisis perhitungan VAT yang dilakukan per NPWP. Setelah itu dilakukan perhitungan pajak pengeluaran dan pajak masukan per NPWP. Dari sana dapat diketahui tindakan yang harus dilakukan, apakah harus dilakukan penambahan atau pengembalian.
Tahapan kedua, dilakukannya Cross Border Fraud Detection. Informasi transaksi yang didapatkan sebelumnya akan dilakukan scraping dan setelah itu preprocessing. Tahapan preprocessing akan menggunakan 3 metode analisis yaitu Topic Modeling, Cosine Similarity, dan Social Network Analysis. Hasil analisis yang nantinya didapatkan, lalu digabungkan dengan hasil VAT analisis sebelumnya untuk mendapatkan Anomaly Detection (deteksi kejanggalan).
Setelah mengumpulkan hasil analisis, dilakukan Anomaly Detection menggunakan metode DBSCAN Clustering. Clustering dilakukan untuk membentuk cluster NPWP dengan kemiripan jenis transaksi dan sekaligus mengetahui NPWP Anomali, yaitu NPWP yang berbeda jenis transaksi dari keseluruhan. Dari sanalah dapat diketahui mana yang merupakan fraud.
Pemenang ke-1, ‘ABC’, memberikan solusi bernama TAX ALIGN yang merupakan singkatan dari Tax Anomaly Detection Engine. TAX ALIGN menggunakan framework Google Analysis sebagai framework yang terdiri dari 6 proses, yaitu Ask, Prepare, Process, Analyze, Share, dan Act.
Data ekspor, impor, faktur dan obyek per WP per nama orang akan melalui proses pengkategorian dengan fuzzy grouping (membentuk ID barang utama dan ID barang yang mirip) dan scrapping menggunakan bantuan Google. Jika kategori barang tidak sesuai dengan keywordnya (misalkan transaksi pembelian alat musik tetapi kata kuncinya industri kayu), maka WP akan dicurigai melakukan fraud.
