Transformasi digital administrasi perpajakan di Indonesia terus berkembang melalui implementasi Coretax Administration System (CTAS). Sistem ini mengubah mekanisme layanan perpajakan, serta memperkuat pengawasan berbasis data melalui proses data matching yang terintegrasi. Dalam praktiknya, Coretax memungkinkan Direktorat Jenderal Pajak (DJP) melakukan pencocokan data antara laporan wajib pajak dengan berbagai sumber informasi lain untuk mendeteksi potensi ketidaksesuaian data perpajakan.
Penerapan sistem tersebut menjadi bagian dari reformasi administrasi perpajakan yang mendorong pengawasan lebih modern, terukur, dan berbasis risiko. Melalui Coretax, DJP tidak lagi hanya mengandalkan laporan yang disampaikan wajib pajak, tetapi juga memanfaatkan data yang berasal dari berbagai pihak lain. Informasi tersebut dapat berasal dari instansi pemerintah, lembaga, asosiasi, maupun pihak lain yang memiliki keterkaitan dengan aktivitas ekonomi wajib pajak.
Kewajiban penyampaian data oleh pihak ketiga tersebut memiliki dasar hukum yang kuat. Ketentuan mengenai akses data perpajakan diatur dalam Pasal 35A Undang-Undang Ketentuan Umum dan Tata Cara Perpajakan (UU KUP) sebagaimana telah diubah terakhir melalui UU Nomor 6 Tahun 2023. Selain itu, ketentuan teknisnya juga diperkuat melalui PMK Nomor 228/PMK.03/2017 jo. PMK Nomor 8 Tahun 2026. Melalui regulasi tersebut, DJP memiliki kewenangan untuk memperoleh data dan informasi perpajakan sebagai bagian dari pengawasan kepatuhan wajib pajak.
Dalam implementasinya, teknologi pada CTAS bekerja dengan memanfaatkan sistem penyimpanan data (storage) berkapasitas besar yang mampu menampung berbagai jenis informasi perpajakan. Seluruh data yang masuk ke dalam sistem akan diolah dan dianalisis sehingga menghasilkan output berupa informasi yang dapat digunakan sebagai dasar pengambilan keputusan. Dengan demikian, Coretax tidak hanya berfungsi sebagai sistem administrasi, tetapi juga sebagai pusat analisis data perpajakan nasional.
Seiring meningkatnya volume dan kompleksitas data, pemanfaatan teknologi Artificial Intelligence (AI) mulai menjadi bagian penting dalam proses analisis perpajakan. Teknologi AI memungkinkan sistem membaca pola transaksi, mengidentifikasi anomali, hingga memprediksi potensi risiko ketidakpatuhan berdasarkan berbagai variabel yang tersedia. Oleh karena itu, pengambilan keputusan dalam pengawasan perpajakan menjadi lebih berbasis data dan lebih objektif dibandingkan pendekatan konvensional.
Dalam konteks tersebut, data matching menjadi salah satu elemen utama dalam penerapan risk-based tax audit yang terhubung dengan konsep Compliance Risk Management (CRM). Pendekatan CRM digunakan untuk memetakan perilaku wajib pajak berdasarkan tingkat kepatuhan dan tingkat risikonya. Melalui pendekatan ini, DJP dapat menentukan strategi pengawasan yang berbeda sesuai karakteristik masing-masing wajib pajak.
Secara umum, strategi kepatuhan berbasis CRM membagi perilaku wajib pajak ke dalam beberapa kategori. Wajib pajak yang dinilai patuh akan memperoleh berbagai kemudahan administrasi, seperti pengurangan angsuran PPh, fasilitas perpajakan, maupun restitusi pendahuluan. Pendekatan ini bertujuan menciptakan sistem administrasi yang lebih efisien bagi wajib pajak dengan tingkat kepatuhan tinggi.
Sementara itu, terhadap wajib pajak yang masih berupaya memenuhi kewajiban perpajakan namun belum sepenuhnya berhasil, otoritas pajak akan mengambil pendekatan asistensi. Dalam kondisi ini, petugas pajak berfungsi memberikan konsultasi dan pendampingan agar wajib pajak dapat melaksanakan kewajibannya secara benar dan sesuai ketentuan.
Di sisi lain, apabila sistem mendeteksi indikasi ketidakpatuhan, DJP dapat memberikan efek pencegahan melalui surat imbauan atau yang sering disebut sebagai “surat cinta”. Surat tersebut biasanya berisi hasil analisis data beserta potensi kewajiban pajak yang perlu diperhatikan wajib pajak. Adapun terhadap wajib pajak yang dianggap telah memutuskan untuk tidak patuh, langkah penegakan hukum dapat dilakukan melalui pemeriksaan hingga penyidikan.
Efektivitas seluruh strategi tersebut sangat bergantung pada kualitas data dan kemampuan sistem dalam melakukan pencocokan data secara akurat. Oleh sebab itu, teknik data matching menjadi fondasi penting dalam pengawasan perpajakan modern di era Coretax.
Teknik Data Matching Berbasis Coretax
Dalam praktiknya, perilaku kepatuhan wajib pajak yang kompleks disederhanakan ke dalam beberapa kategori utama agar lebih mudah dianalisis. Penyederhanaan tersebut memungkinkan DJP menerapkan strategi kepatuhan yang lebih tepat sasaran dan efisien. Pendekatan inilah yang menjadi esensi dari Compliance Risk Management sebagai salah satu proses bisnis utama dalam Coretax.
Salah satu teknik utama yang digunakan adalah penerapan Single Identity Number melalui integrasi NIK sebagai NPWP. Dengan penggunaan identitas tunggal tersebut, seluruh data perpajakan wajib pajak dapat saling terhubung dalam satu basis data yang sama. Hal ini mempermudah proses pelacakan transaksi, penghasilan, maupun kepemilikan harta sehingga potensi ketidaksesuaian data dapat lebih cepat terdeteksi.
Selain itu, Coretax juga menerapkan mekanisme pre-populated SPT atau pengisian data SPT secara otomatis. Melalui metode ini, sebagian data perpajakan wajib pajak telah terisi berdasarkan informasi yang dimiliki DJP. Dengan demikian, proses pencocokan data dapat dilakukan sejak awal pelaporan sehingga potensi kesalahan pelaporan dapat diminimalkan.
Teknik lainnya adalah network and link analysis yang digunakan untuk membaca hubungan antartransaksi maupun keterkaitan antarwajib pajak. Melalui pendekatan ini, sistem dapat mengidentifikasi pola transaksi tertentu, hubungan afiliasi, hingga transaksi yang dianggap tidak wajar. Analisis jaringan tersebut menjadi penting terutama dalam mendeteksi potensi penghindaran pajak maupun transaksi yang memiliki risiko tinggi.
Selain analisis hubungan transaksi, Coretax juga menerapkan pencocokan antara aset dan penghasilan wajib pajak. Dalam SPT Pajak Penghasilan Orang Pribadi, seluruh informasi mengenai penghasilan, harta, dan kewajiban pada dasarnya saling berkaitan. Secara umum, penghasilan yang diperoleh seseorang akan digunakan untuk konsumsi atau menambah harta bersih (net wealth). Oleh karena itu, apabila terjadi peningkatan harta yang tidak sebanding dengan penghasilan yang dilaporkan, sistem dapat mendeteksi adanya potensi ketidaksesuaian data.
Prinsip yang sama juga berlaku dalam data matching SPT PPh Badan. Dalam konteks wajib pajak badan, persamaan dasar yang digunakan adalah penghasilan sama dengan konsumsi ditambah tambahan harta. Seluruh elemen tersebut sebenarnya telah tersedia dalam laporan keuangan yang menjadi lampiran SPT Tahunan badan, baik melalui laporan laba rugi maupun laporan posisi keuangan.
Penghasilan dan konsumsi perusahaan tercermin dalam laporan laba rugi, sedangkan tambahan harta tercermin dalam neraca atau laporan posisi keuangan. Dari sini terlihat bahwa proses data matching pada SPT badan tidak dapat dilepaskan dari logika dasar bahwa pajak muncul dari transaksi, sedangkan transaksi muncul dari kesepakatan para pihak.
Kesepakatan tersebut dapat terjadi dalam berbagai hubungan bisnis, seperti hubungan antara penjual dan pembeli, pesewa dan penyewa, maupun franchisor dan franchisee. Selanjutnya, kesepakatan tersebut direalisasikan dalam bentuk transaksi yang dikenai pajak sesuai ketentuan perpajakan dan dibukukan berdasarkan standar akuntansi keuangan.
Pada akhirnya, laporan pajak dapat ditandingkan dengan berbagai sumber informasi lain, seperti aturan perpajakan, PSAK, maupun bukti transaksi yang menjadi dasar pembukuan. Namun demikian, karena setiap transaksi memiliki karakteristik yang berbeda, proses pencocokan data sering kali memerlukan interpretasi. Perbedaan interpretasi tersebut tidak jarang memunculkan perbedaan sudut pandang antara wajib pajak dan otoritas pajak yang pada akhirnya dapat berkembang menjadi sengketa perpajakan maupun proses litigasi.
Melalui implementasi Coretax, pengawasan perpajakan di Indonesia bergerak menuju sistem yang semakin terintegrasi, berbasis data, dan berbasis risiko. Dengan dukungan teknologi analitik dan AI, data matching diproyeksikan menjadi fondasi utama dalam menciptakan administrasi perpajakan yang lebih efektif, akurat, dan adaptif terhadap perkembangan ekonomi digital.
