Pengaruh Pemanfaatan AI terhadap Implementasi Core Tax Administration System: Studi Empiris pada Kantor Pelayanan Pajak Pratama Bangka

Ucik Budiman; Iwan Iwan; Erwin Erwin

doi:10.69693/ijmst.v4i3.13016

Authors

Ucik Budiman ISB Atma Luhur Pangkalpinang
Iwan Iwan ISB Atma Luhur Pangkalpinang
Erwin Erwin ISB Atma Luhur Pangkalpinang

DOI:

https://doi.org/10.69693/ijmst.v4i3.13016

Keywords:

Artificial Intelligence, Core Tax Administration System, Coretax DJP, Administrasi Perpajakan

Abstract

Transformasi digital dalam administrasi perpajakan menjadi salah satu strategi utama Direktorat Jenderal Pajak (DJP) untuk meningkatkan efektivitas pelayanan, efisiensi operasional, dan kepatuhan wajib pajak. Salah satu implementasi transformasi tersebut adalah pengembangan Core Tax Administration System (Coretax DJP) yang mengintegrasikan seluruh proses bisnis administrasi perpajakan dalam satu platform digital. Seiring dengan implementasi Coretax, pemanfaatan Artificial Intelligence (AI) menjadi teknologi strategis yang diharapkan mampu meningkatkan kualitas analisis data, mempercepat proses administrasi, mendukung pengambilan keputusan berbasis data, serta meningkatkan kualitas pelayanan perpajakan. Penelitian ini bertujuan menganalisis pengaruh pemanfaatan Artificial Intelligence terhadap implementasi Coretax pada Kantor Pelayanan Pajak (KPP) Pratama Bangka. Penelitian menggunakan pendekatan kuantitatif dengan metode survei eksplanatori. Data primer diperoleh melalui penyebaran kuesioner kepada pegawai KPP Pratama Bangka yang menggunakan Coretax dalam pelaksanaan tugas administrasi perpajakan. Analisis data dilakukan menggunakan Structural Equation Modeling–Partial Least Squares (SEM-PLS) dengan bantuan perangkat lunak SmartPLS 4. Hasil penelitian menunjukkan bahwa pemanfaatan Artificial Intelligence berpengaruh positif dan signifikan terhadap implementasi Coretax dengan nilai koefisien jalur sebesar 0,827, t-statistic sebesar 18,463, dan p-value sebesar 0,000. Nilai R-Square sebesar 0,684 menunjukkan bahwa sebesar 68,4% implementasi Coretax dapat dijelaskan oleh pemanfaatan Artificial Intelligence. Selain itu, model penelitian memiliki kemampuan prediktif yang baik dengan nilai Q² sebesar 0,512, nilai Effect Size (f²) sebesar 0,684, dan nilai SRMR sebesar 0,061, sehingga model dinyatakan memenuhi kriteria kelayakan. Temuan penelitian menunjukkan bahwa pemanfaatan Artificial Intelligence mampu meningkatkan efektivitas implementasi Coretax melalui peningkatan kecepatan pengolahan data, akurasi analisis informasi, efisiensi administrasi, serta dukungan terhadap pengambilan keputusan berbasis data. Penelitian ini memberikan kontribusi teoritis dalam pengembangan kajian transformasi digital sektor publik serta memberikan rekomendasi praktis bagi Direktorat Jenderal Pajak dalam mengoptimalkan pemanfaatan Artificial Intelligence untuk mendukung modernisasi administrasi perpajakan di Indonesia.

References

Babbie, E. (2023). The Practice Of Social Research (16th Ed.). Boston, MA: Cengage Learning.

Creswell, J. W., & Creswell, J. D. (2023). Research Design: Qualitative, Quantitative, And Mixed Methods Approaches (6th Ed.). Thousand Oaks, CA: SAGE Publications.

Davis, F. D. (1989). Perceived Usefulness, Perceived Ease Of Use, And User Acceptance Of Information Technology. MIS Quarterly, 13(3), 319–340.

Delone, W. H., & Mclean, E. R. (2003). The Delone And Mclean Model Of Information Systems Success: A Ten-Year Update. Journal Of Management Information Systems, 19(4), 9–30.

Direktorat Jenderal Pajak. (2025a). Core Tax Administration System (Coretax DJP). Direktorat Jenderal Pajak. Https://Pajak.Go.Id/Id/Reformdjp/Coretax

Direktorat Jenderal Pajak. (2025b). Profil Kantor Pelayanan Pajak Pratama Bangka. Direktorat Jenderal Pajak.

Direktorat Jenderal Pajak. (2025c). Rencana Strategis Direktorat Jenderal Pajak Tahun 2025–2029. Kementerian Keuangan Republik Indonesia.

Hair, J. F., Jr., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. (2022). A Primer On Partial Least Squares Structural Equation Modeling (PLS-SEM) (4th Ed.). Thousand Oaks, CA: SAGE Publications.

Hair, J. F., Jr., Sarstedt, M., Ringle, C. M., & Gudergan, P. N. (2018). Advanced Issues In Partial Least Squares Structural Equation Modeling (PLS-SEM). Thousand Oaks, CA: SAGE Publications.

Henseler, J., Ringle, C. M., & Sarstedt, M. (2015). A New Criterion For Assessing Discriminant Validity In Variance-Based Structural Equation Modeling. Journal Of The Academy Of Marketing Science, 43(1), 115–135.

Kementerian Pendayagunaan Aparatur Negara Dan Reformasi Birokrasi Republik Indonesia. (2018). Peraturan Presiden Republik Indonesia Nomor 95 Tahun 2018 Tentang Sistem Pemerintahan Berbasis Elektronik. Jakarta, Indonesia: Kementerian PANRB.

Likert, R. (1932). A Technique For The Measurement Of Attitudes. Archives Of Psychology, 22(140), 1–55.

Nunnally, J. C., & Bernstein, I. H. (1994). Psychometric Theory (3rd Ed.). New York, NY: Mcgraw-Hill.

Organisation For Economic Co-Operation And Development. (2024). Tax Administration 2024: Digital Transformation And The Use Of Artificial Intelligence. Paris, France: OECD Publishing.

Ringle, C. M., Wende, S., & Becker, J. (2024). Smartpls 4 User Manual. Oststeinbek, Germany: Smartpls Gmbh.

Sekaran, U., & Bougie, R. (2024). Research Methods For Business: A Skill-Building Approach (9th Ed.). Hoboken, NJ: John Wiley & Sons.

Shin, D. (2024). Artificial Intelligence In Public Administration: A Systematic Literature Review. Government Information Quarterly, 41(2).

Venkatesh, V., Thong, J. Y. L., & Xu, X. (2012). Consumer Acceptance And Use Of Information Technology: Extending The Unified Theory Of Acceptance And Use Of Technology. MIS Quarterly, 36(1), 157–178.

Zikmund, W. G., Babin, B. J., Carr, J. C., & Griffin, M. (2021). Business Research Methods (10th Ed.). Boston, MA: Cengage Learning.