Page 4 - Working Paper (Metode dan Teknik Proyeksi Penerimaan Pajak: Panduan dan Aplikasi)
P. 4
9
100%. Estimasi tersebut umumnya menghasilkan berbagai indikator kinerja penerimaan, seperti
10
daya pajak (tax effort), kapasitas pajak (tax capacity), tax gap, atau tax coverage ratio. Estimasi ini
pada umumnya ditujukan untuk mengidentifikasi permasalahan administrasi pajak maupun
kebijakan dalam rangka mencapai penerimaan yang optimal.
Secara umum, ketersediaan studi proyeksi penerimaan pajak saat ini masih relatif terbatas, terutama
pengembangan yang dikhususkan secara kontekstual untuk suatu negara. Padahal, dibutuhkan suatu
instrumen proyeksi penerimaan yang terus berkembang dan mampu menyaring data dan informasi
11
yang relevan dan berkualitas.
Keberhasilan menjaga pengembangan metode proyeksi tersebut akan menentukan kredibilitas fiskal
negara, yang saat ini turut semakin menjadi perhatian pemangku kepentingan sistem pajak, termasuk
masyarakat luas. Terlepas dari kualitas metode yang digunakan, tidak sedikit institusi di luar
pemerintah yang turut melakukan proyeksi penerimaan pajak.
Merespons hal tersebut, dalam DDTC Working Paper kali ini tim penulis memaparkan bagaimana
kriteria proyeksi penerimaan pajak yang baik, mengulas berbagai pendekatan metode proyeksi
penerimaan pajak yang kredibel, serta mengaplikasikan metode tersebut. Kemudian, dari masing-
masing pendekatan akan dijelaskan konsep, data yang dibutuhkan, metode, beserta pengulasan
mengenai keunggulan dan kelemahan penggunaannya.
Dari studi ini, diharapkan setiap proyeksi penerimaan pajak dapat semakin berkembang dan berpijak
pada kaidah-kaidah akademis, objektif, dan akurat.
B. Proyeksi Penerimaan Pajak: Pendahuluan
B.1. Konsep Dasar
Bagaimana karakteristik proyeksi penerimaan pajak yang baik? Diebold menjelaskan terdapat enam
elemen yang perlu diperhatikan dalam melakukan proyeksi. Pertama, lingkungan keputusan &
12
fungsi kerugian (decision environment & loss function). Decision environment merupakan salah satu
keadaan yang didasari oleh sebuah estimasi, yaitu suatu proses pengambilan keputusan yang mana
hasil dari estimasi tersebut akan mempengaruhi keputusan yang akan diambil, sedangkan loss
function lebih menitikberatkan kepada besaran kesalahan estimasi tersebut.
Kedua, objek yang diproyeksi (forecast object). Pihak yang melakukan proyeksi perlu memperhatikan
karakteristik, pola, dan faktor-faktor yang turut mempengaruhi objek yang akan diproyeksi. Ketiga,
pernyataan proyeksi (forecast statement). Elemen ini yang merupakan format atau bentuk dari hasil
estimasi; apakah berupa poin, interval, maupun berbentuk pernyataan statistik.
Keempat, horizon proyeksi (forecast horizon). Rentang waktu proyeksi menentukan sejauh mana dan
karakteristik data seperti apa yang perlu digunakan dalam melakukan proyeksi. Kemudian, rentang
waktu tersebut perlu dibatasi dengan spesifik, apakah berupa harian, mingguan, bulanan, triwulanan,
tahunan, atau bentuk lainnya. Kelima, kumpulan informasi (information set). Information set
9 Ricardo Fenochietto dan Carola Pessino, “Understanding Countries’ Tax Effort”, IMF Working Paper WP/13/244
(2013): 4.
10 Ibid. Lihat juga Joseph Mawweje dan Rachel K. Sebudde, “Tax Revenue Potential and Effort: Worldwide
Estimates Using A New Dataset”, Economic Analysis and Policy No. 63 (2019).
11 Nate Silver, The Signal and the Noise: Why So Many Predictions Fail – but Some Don’t (New York: Penguin Press,
2012), 61.
12 Lihat Francis X. Diebold, Elements of Forecasting (Cincinnati: South-Western CENGAGE Learning, 2006).
2