AI dan Satelit untuk Pengawasan Pajak yang Lebih Setara

INGATKAH dengan permainan petak umpet masa kecil kita? Selalu ada satu anak dengan strategi paling percaya diri: bersembunyi di balik pohon yang jauh lebih kecil dari badannya, lalu menutup matanya rapat-rapat.

Logikanya sederhana: “Kalau aku tidak bisa melihat si penjaga, si penjaga juga tak bisa melihatku.” Jika dipikir kembali, ada sesuatu yang menggelitik dari logika itu. Bukan karena sepenuhnya salah, melainkan karena kita tahu persis bagaimana permainan itu berakhir. Cepat atau lambat, penjaga akan menemukan kita.

Saat dewasa, kita mungkin tak lagi bermain petak umpet, tetapi cara berpikir tentang “bersembunyi” dan “tidak terlihat” ternyata masih bisa muncul dalam bentuk yang berbeda.

Bedanya, konsekuensinya tidak lagi sekadar ditemukan oleh penjaga dan mendapat giliran jaga. Ketika logika permainan itu dibawa ke urusan perpajakan, sesuatu yang dulu menjadi bagian dari permainan masa kecil dapat berubah menjadi persoalan yang jauh lebih serius.

Beberapa waktu lalu, otoritas pajak Prancis menemukan ribuan kolam renang pribadi yang belum tercatat di kawasan permukiman. Menariknya, penemuan itu bukan dilakukan dengan mencari dari rumah ke rumah, melainkan dengan melihat dari sudut yang berbeda, antara lain melalui citra udara yang dianalisis dengan teknologi pengenalan objek untuk menemukan keberadaan kolam-kolam tersebut (OECD, 2025).

Kolam-kolam itu sebenarnya tidak pernah benar-benar tersembunyi. Mereka hanya tidak terlihat dari cara pandang yang selama ini digunakan.

Hal serupa terjadi di Shillong, India, ketika pemerintah kota memanfaatkan analisis citra satelit untuk mengidentifikasi properti yang belum terdaftar sekaligus memperbarui basis data kadaster (Khan et al., 2025).

Pengalaman tersebut menunjukkan potensi analisis citra geospasial, baik citra udara maupun satelit, sebagai sumber informasi pelengkap. Ternyata, tidak terlihat bukan berarti benar-benar tersembunyi, tetapi karena belum ditemukan dengan cara yang tepat.

Di Indonesia, persoalannya serupa, hanya saja arena permainannya jauh lebih luas. Aset atau objek yang belum teridentifikasi dalam basis data perpajakan dapat muncul dalam berbagai bentuk. Kita mungkin langsung membayangkan aset seperti kripto atau rekening di luar negeri.

Padahal, bentuknya bisa jauh lebih sederhana dan nyata di depan mata, seperti bangunan baru, perluasan properti, gudang yang berubah fungsi, hingga aktivitas pertambangan di pelosok.

DJP bukannya diam. Integrasi NIK dengan NPWP telah dilakukan untuk memperkuat basis data wajib pajak, disertai integrasi berbagai data melalui Coretax DJP.

Namun, integrasi data tetap memiliki keterbatasan apabila objek atau perubahan fisik tertentu belum tercermin dalam sumber data yang tersedia (Hernando & Wahyudin, 2020). Oleh karena itu, sebagian pekerjaan masih perlu dilakukan melalui penyisiran lapangan.

Cara tersebut berguna, tetapi membutuhkan SDM, waktu, dan biaya yang tidak sedikit. Akibatnya, cakupan penyisiran dapat menjadi terbatas dan pencarian cenderung dilakukan berdasarkan prioritas tertentu (Olivia, 2019).

Melihat dengan Teknologi AI

Lantas, bagaimana jika penjaga tidak lagi harus mencari sambil berjalan kaki? Bagaimana jika ia bisa melihat seluruh arena dari atas? Di sinilah computer vision mulai menawarkan cara pandang yang berbeda.

Cabang kecerdasan buatan tersebut memungkinkan komputer mengenali dan menafsirkan objek dalam gambar, sebagaimana manusia mengenali apa yang dilihatnya (LeCun et al., 2015).

Salah satu teknologi yang banyak digunakan adalah convolutional neural network (CNN), yang belajar mengenali pola visual secara bertahap, mulai dari garis dan tekstur hingga bentuk bangunan (Krizhevsky et al., 2017).

Sejumlah penelitian menunjukkan pendekatan tersebut mampu mengenali bangunan dari citra satelit beresolusi tinggi dengan tingkat akurasi yang menjanjikan, termasuk di wilayah padat dengan bayangan dan vegetasi yang dapat mengganggu pengamatan (Alsabhan et al., 2022; Yang et al., 2022).

Meski demikian, akurasinya tetap dipengaruhi oleh resolusi citra, tutupan vegetasi, bayangan, kondisi geografis, serta kualitas data pembanding. Alhasil, hasil deteksi perlu ditempatkan sebagai indikator awal yang masih memerlukan verifikasi, bukan sebagai bukti ketidakpatuhan.

Cara kerjanya sebenarnya cukup sederhana untuk dibayangkan. Citra satelit dipadukan dengan informasi ketinggian permukaan, kemudian CNN digunakan untuk mengenali objek yang memiliki karakteristik seperti bangunan.

Hasil deteksi tersebut lalu dibandingkan dengan basis data resmi yang relevan. Jika sebuah bangunan terlihat pada citra, tetapi tidak memiliki padanan dalam basis data, objek tersebut dapat menjadi kandidat untuk ditelusuri lebih lanjut (Li et al., 2020).

Perubahan ketinggian dan bentuk objek juga dapat membantu mengidentifikasi bangunan lama yang belum tercatat, bangunan baru, maupun perluasan atau renovasi yang datanya belum diperbarui (Li et al., 2020). Pendekatan serupa bahkan telah digunakan untuk memantau tambang emas skala kecil yang sulit dijangkau oleh pengawasan konvensional (Moomen et al., 2022).

Dalam konteks perpajakan, hasil tersebut dapat dipadukan dengan data administrasi perpajakan serta data geospasial, pertanahan, bangunan, atau sumber data pemerintah lainnya yang relevan.

Namun, ada satu hal yang penting untuk ditegaskan: mesin tidak menentukan siapa yang bersalah. Hasil deteksi CNN hanyalah daftar kandidat yang membantu petugas menentukan lokasi atau objek mana yang perlu diperiksa lebih dahulu. Temuan tersebut tetap harus diverifikasi oleh manusia, sebuah pendekatan yang dikenal sebagai human-in-the-loop (Li et al., 2020).

Artinya, satelit hanya menunjukkan ke mana penjaga sebaiknya melihat. Keputusan tetap berada di tangan manusia. Ketidaksesuaian antara citra dan basis data juga tidak serta-merta menunjukkan adanya ketidakpatuhan. Bisa saja terdapat perbedaan waktu pembaruan data, perubahan fisik yang belum tercatat, atau faktor administratif lainnya yang perlu diklarifikasi.

Teknologi hanya membantu mengurangi langkah yang harus ditempuh petugas, bukan mengurangi hak wajib pajak untuk memperoleh perlakuan yang adil. Nilainya justru terletak pada kemampuan untuk membuat pengawasan lebih terarah sehingga petugas tidak lagi harus mencari secara acak di arena yang begitu luas.

Pemanfaatan teknologi pada akhirnya bukan semata-mata persoalan memperluas kemampuan negara menemukan potensi pajak. Dalam pajak sebagai kesepakatan bersama, kepatuhan perlu berjalan beriringan dengan keyakinan bahwa aturan diterapkan secara setara. Teknologi dapat membantu memperkuat kesetaraan tersebut sepanjang hasil analisis tetap diverifikasi, penggunaannya dilakukan secara akuntabel, dan hak wajib pajak tetap terlindungi.

Menutup Permainan dengan Cara yang Adil

Mari kita kembali ke halaman rumah tadi. Petak umpet pada akhirnya selalu selesai: mereka yang bersembunyi ditemukan, permainan berakhir, dan semua kembali bermain. Yang membuat permainan menjadi tidak menyenangkan bukanlah ketika seseorang ditemukan, melainkan ketika permainan berlangsung terlalu lama karena penjaga kesulitan menemukan pemain lainnya.

Dalam perpajakan, persoalannya kurang lebih serupa. Ketika sebagian aset atau aktivitas ekonomi masih luput dari pengawasan karena keterbatasan cara melihat, kewajiban perpajakannya tidak serta-merta hilang.

Pada saat yang sama, mereka yang sejak awal berada dalam sistem—seperti karyawan yang pajaknya dipotong setiap bulan dan pelaku usaha yang tertib memenuhi kewajibannya—tetap menjalankan kewajiban sesuai dengan ketentuan.

Karena itu, ketika satelit dan kecerdasan buatan ikut membantu penjaga, tujuannya bukan sekadar menemukan objek yang belum teridentifikasi. Tujuannya adalah membantu memastikan bahwa setiap orang berada dalam aturan permainan yang sama.

Seperti anak kecil yang akhirnya membuka mata setelah mencari ke sana kemari, mungkin kita hanya perlu melihat permainan ini dengan cara yang berbeda. Sebab, bisa jadi, selama ini bukan tidak ada yang perlu ditemukan. Kitalah yang mungkin hanya belum melihatnya. (rig)