Page 7 - Working Paper (Metode dan Teknik Proyeksi Penerimaan Pajak: Panduan dan Aplikasi)

membutuhkan biaya yang tidak sedikit sehingga tidak banyak pemerintah yang melakukannya. Pada
akhirnya, permodelan mikrosimulasi yang dilakukan lebih ditujukan untuk mengestimasi potensi
22
penerimaan menggunakan data survei ekonomi perusahaan atau rumah tangga.
Meskipun tetap dapat digunakan untuk memprediksi penerimaan pajak, mikrosimulasi di bidang ini
lebih umum digunakan untuk menyusun usulan kebijakan baru (policy proposal) maupun analisis
23
dampak kebijakan (impact evaluation). Hal ini disebabkan oleh karakteristiknya yang dapat
menunjukkan dampak – salah satunya terhadap penerimaan pajak – dengan adanya berbagai
24
perubahan kebijakan pajak di unit mikro sehingga dapat terlihat pihak mana saja yang mendapat
25
benefit dari skenario tersebut.
Sumber data untuk melakukan estimasi penerimaan pajak berbasis mikrosimulasi ini dapat berasal
26
dari internal maupun eksternal otoritas pemerintah. Untuk keperluan proyeksi realisasi
penerimaan pajak, sumbernya dapat berupa data internal, yakni Surat Pemberitahuan (SPT) tahunan.
Sementara itu, data yang bersumber dari luar unit pemerintahan ialah data survei. Data survei ini
dapat digunakan untuk mengestimasi potensi penerimaan pajak ketimbang untuk keperluan
proyeksi.
Penting pula untuk dicatat bahwa data SPT untuk melakukan estimasi penerimaan pajak berbasis
simulasi mikro umumnya tidak tersedia untuk publik. Bahkan, unit dalam pemerintahan yang
melakukan estimasi penerimaan pajak pun harus memahami bahwa informasi tersebut dilindungi
secara hukum dan kerahasiaannya sangat dijaga. Salah satu caranya ialah melalui peng’anonim’an
identitas wajib pajak. Oleh karena itu, pendekatan mikro pada umumnya dilakukan untuk
27
mengestimasi potensi pajak.

Kualitas estimasi penerimaan pajak berbasis mikrosimulasi ini sendiri secara garis besar ditentukan
oleh dua aspek. Pertama ialah kualitas dari data yang digunakan di mana sampel dari unit penentu
keputusan tersebut mampu mereprentasikan kondisi populasi keseluruhan yang akan diestimasi.

Kedua ialah rancangan model yang mampu menghasilkan estimasi dari dampak kebijakan yang rinci
dan berkualitas. Berkaitan dengan hal ini, kualitas permodelan kemudian merupakan aspek yang lebih
penting dibandingkan aspek pertama.
28
Dua jenis pajak yang sering diestimasi dengan menggunakan mikrosimulasi ialah Pajak Penghasilan
Orang Pribadi (PPh OP) dan PPh Badan. Sementara itu, jenis pajak lain yang berkontribusi signifikan
terhadap penerimaan, yakni PPN, jarang sekali diestimasi menggunakan mikrosimulasi dikarenakan
tidak adanya data atau pendekatan basis data lain yang dapat digunakan selain berupa laporan pajak
29
dari pelaku usaha.

22 Iris Claus, “Forecasting Tax Revenue” (2016), Internet, dapat diakses melalui:
https://www.imfconnect.org/content/dam/PFTAC/Documents/Meetings/Revenue%20Administration/Facil
itator%20Presentations/THURSDAY%20Revenue%20forecasting.ppt.
23 Analisis mikrosimulasi yang dilakukan, baik dalam bidang ekonomi maupun pajak, lebih sering bersifat ex ante.
Analisis ex-post sendiri sebenarnya dapat diterapkan namun sangat jarang. Salah satu bentuk mikrosimulasi
yang dapat bersifat ex-post ialah analisis dampak kebijakan dengan menggunakan data longitudinal.
24 Salah satu aspek pajak yang paling sering dianalisis dengan menggunakan metode ini ialah implikasi dari
perubahan kebijakan pajak pada setiap kelompok wajib pajak (distributional analysis). Lebih lanjut, analisis dari
metode yang bersifat “bottom-up” ini juga dapat menjadi landasan yang digunakan pemerintah apabila ingin
menunda suatu perubahan kebijakan.
25 Glenn P. Jenkins, Chun-Yan Kuo, dan Gangadhar P. Shukla, Tax Analysis and Revenue Forecasting: Issues and
Techniques (Harvard Institute for International Development: 2000), 77.
26 Ibid., 65.
27 Martin Grote, Op. Cit., 10.
28 Glenn P. Jenkins, Chun-Yan Kuo, dan Gangadhar P. Shukla, Op. Cit., 65.
29 Tuan Minh Le, Leif Jensen, G.P. Shukla, dan Nataliya Biletska “Assessing Domestic Revenue Mobilization:
Analytical Tools and Techniques,” Discussion Paper MFM Global Practice No. 15 (Oktober 2016): 20.
5