Kiamat Importir Nakal: Bagaimana AI Menutup Celah Underinvoicing di Bea Cukai
Saya merupakan Mahasiswa Politeknik Keuangan Negara STAN dengan fokus keilmuan pada bidang akuntansi, pengelolaan keuangan negara, serta Kepabeanan dan Cukai
·waktu baca 5 menit
Tulisan dari Tri Yofan Agusti Rahmat Dani tidak mewakili pandangan dari redaksi kumparan
PerbesarUnder-invoicing menjadi istilah rentan dalam menggerogoti penerimaan negara. Apalagi, sejak Menteri Keuangan Purbaya Yudhi Sadewa menempatkan under-invoicing sebagai musuh utama dalam reformasi institusi. Bagaimana tidak, dalam kunjungannya ke Pelabuhan Tanjung Perak pada November 2025, ia menemukan indikasi under-invoicing yang berpotensi merugikan negara miliaran rupiah per kontainer. Isu ini dipandang sangat serius karena dampak ekonominya yang masif dan memicu digitalisasi sistem.
Evolusi Algoritma Paradigma Pengawasan
Sistem konvensional memang membuka peluang untuk importir nakal dalam melakukan under-invoicing yang berharap kontainer bermasalah tersebut tidak terpilih secara acak. Dalam sisi petugas, keterbatasan personil mampu memperlebar celah yang lolos, di mana pemeriksaan fisik sering kali tidak efektif karena dilakukan tanpa indikasi yang kuat berdasarkan urutan antrean.
Munculnya potensi negosiasi antara petugas dan perusahaan jika barang bermasalah ditemukan menjadi potensi kebocoran penerimaan negara karena dinilai sistem belum sepenuhnya transparan. Celah ini memunculkan tuntutan dalam digitalisasi sistem, di mana yang konvensional belum sepenuhnya transparan.
Purbaya secara tegas berkomitmen dalam menutup kebocoran ini dengan memperkuat pengawasan bea cukai menggunakan Artificial Intelligence (AI) dan mengancam akan mencabut izin impor perusahaan besar yang terlibat. Lantas, bagaimana deteksi under-invoicing dalam penentuan nilai pabean?
Membedah Deteksi Under-Invoicing dalam Penentuan Nilai Pabean
Alur proses deteksi under-invoicing secara otomatis di dalam “mesin” sistem kepabeanan, yakni CEISA 4.0 segera setelah importir mengirimkan data Pemberitahuan Impor Barang (PIB). Di sini, sistem AI bekerja membaca dokumen, mulai dari invoice hingga daftar isi kontainer dengan sangat detail.
Setelah datanya dibaca, sistem AI akan bertanya: Apakah harga ini masuk akal? Secara otomatis, AI membandingkan harga yang dilaporkan dengan database harga dunia. Logikanya cukup mudah, misalnya jika importir melaporkan harga IPhone 17 Pro Max hanya 10 juta, padahal data harga dunia dengan tipe tersebut adalah 22 juta, sistem akan langsung menaruh flagging anomali atau bendera peringatan.
Sistem secara tidak langsung menghukum, tapi memberikan skor. Jika selisihnya sangat jauh, scoring berisiko menjadi merah atau berisiko tinggi, sehingga hal ini akan membantu petugas bea cukai agar tidak perlu mengecek semua kontainer satu per satu, tapi cukup fokus pada scoring risk-nya.
Barang yang berlabel merah tidak bisa langsung keluar pelabuhan. Secara otomatis, sistem akan memerintahkan kontainer tersebut untuk dibuka dan diperiksa fisiknya oleh petugas. Tentu, pemilik barang akan diminta untuk menunjukkan bukti transfer bank yang asli untuk membuktikan bahwa pemilik barang benar-benar membeli dengan harga murah.
Machine Learning (ML) Menjadi Kunci Utama Strategi Transisi
Tentunya, AI dirancang dengan ML yang bertindak sebagai super-analis yang bekerja secara real-time dalam pencegahan kerugian negara melalui tiga mekanisme utama: database harga dinamis, Natural Languange Processing (NLP), serta predictive modelling & pattern recognition.
Dalam database harga dinamis, ML akan terus memperbarui basis data harga pasar global setiap detik. Bagaimana bisa? Hal ini dikarenakan sistem menggunakan web-scraping dan historical analysis, di mana dalam web-scraping, harga ditarik dari marketplace global seperti Alibaba, Amazon, atau platform B2B industri lainnya. Jika historical analysis menggunakan data transaksi impor sebelumnya yang telah disetujui dalam membentuk harga wajar saat ini.
NLP akan difokuskan dalam proses klasifikasi barang, dimana seringkali importir menggunakan deskripsi barang yang ambigu untuk mengelabui sistem. Sehingga, NLP akan membaca deskripsi teks dengan mencocokkan-nya dengan HS Code dan menentukan harga pasar secara spesifik tersebut. Ini tentu mencegah manipulasi harga melalui penyamaran kategori barang
Terakhir, ML bersifat predictive modelling dan pattern recognition dengan tidak hanya melihat harga barang tapi juga pola perilaku. Dalam aspek logistik, jika freight tidak masuk dalam logika dibandingkan berat barang, ML akan secara otomatis mendeteksipotensi double invoicing. Selain itu, ML akan mampu mengenal seorang importir yang sering bertransaksi dengan eksportir yang sama dengan riwayat under-invoicing di masa lalu.
Mengulas Makna di Balik Transisi Sistem Kepabeanan
Kebocoran yang sering kali terjadi pada interaksi fisik antara manusia yang membuka ruang bagi diskresi tidak sehat. Menggunakan AI berbasis ML telah mengubah esensi standar kebenaran dari subjektif menjadi objektif. Maknanya adalah penguatan integritas institusi Bea dan Cukai, yang menjadi institusi harapan masyarakat dalam penggalian potensi penerimaan
Dulu, under-invoicing dianggap erat dengan istilah “perjudian”, dimana importir nakal gambling dan berharap tidak terpilih dalam pemeriksaan acak. Transisi ke AI ini mengubah permainan secara total untuk kepastian hukum. Dimana sistem tidak lagi memilih berdasarkan keburuntungan, melainkan berdasarkan indikasi data yang kuat. Juga menutup celah bagi mereka yang terbiasa kucing-kucingan dengan petugas Bea Cukai
Selama ini, perusahaan yang memberikan data dengan jujur sering kalah bersaing dengan mereka yang melakukan under-invoicing karena barang ilegal yang bisa dijual jauh lebih murah di pasar domestik. Maka, transisi ini bermakna sebagai bentuk perlindungan negara terhadap ekonomi nasional. Dengan menutup kebocoran pajak, pemerintah memastikan adanya level playing field yang menjunjung keadilan, sehingga pengusaha taat pajak tidak akan kalah oleh persaingan
Makna utama dalam transisi sistem kepabeanan ini adalah modernisasi kepercayaan publik. Dengan AI, dweiling time dan energi petugas bea cukai akan dapat digunakan secara maksimal dengan proses bongkar muat yang lebih cepat. Sebab, paradigma importir negara hadir sebagai penghambat perdagangan mereka. Namun, dengan adanya AI paradigma tersebut bergeser dengan negara yang hadir bukan sebagai penghambat, melainkan sebagai penjaga yang cerdas dan efisien.