Konstruksi Utama, Infrastruktur Hosting, dan Model Penawaran TP Catalyst
TP Catalyst merupakan sebuah platform perangkat lunak dan basis data khusus yang dikembangkan oleh Bureau van Dijk, sebuah entitas di bawah Moody’s Analytics, untuk mengotomatisasi dan menyederhanakan proses penentuan harga transfer (transfer pricing).
Sistem ini berfungsi untuk mengidentifikasi perusahaan pembanding komparabel, memilih Indikator Tingkat Laba (Profit Level Indicator atau PLI), menerapkan penyesuaian ekonomi, serta menghasilkan laporan dokumentasi yang memenuhi standar internasional dan ketentuan domestik.
Secara arsitektural, TP Catalyst terbagi menjadi dua wilayah fungsional utama yang berdiri sendiri namun saling terintegrasi :
- Document Manager: Berfungsi sebagai gudang data (data warehouse) berbasis web yang mengonsolidasikan seluruh dokumen teks dan lembar kerja (seperti analisis fungsional, matriks transaksi, dan spreadsheet alokasi biaya). Modul ini dapat diintegrasikan secara langsung dengan sistem perencanaan sumber daya perusahaan (Enterprise Resource Planning atau ERP) serta sistem akuntansi internal perusahaan untuk memfasilitasi otomatisasi pengunggahan laporan keuangan komersial. Integrasi ini memungkinkan pengisian otomatis dokumen Country-by-Country Report (CbCR) serta mempermudah penyusunan Master File dan Local File sesuai standar BEPS Action 13.
- Benchmarking Zone: Basis data berbasis web yang menyediakan akses ke laporan keuangan perusahaan, tarif royalti, margin pinjaman, dan kontrak komoditas. Wilayah ini memandu praktisi penentuan harga transfer langkah-demi-langkah melalui algoritma khusus untuk menyaring, membandingkan, dan menghitung rentang kewajaran (arm’s length range).
Secara teknis, platform web TP Catalyst dikembangkan dengan spesifikasi infrastruktur awan privat (private cloud) dengan hosting utama menggunakan layanan Amazon Web Services (AWS) yang berlokasi di Frankfurt, Jerman, dengan lapisan penyimpanan cadangan sekunder di Wina, Austria.
Sistem ini dirancang untuk beroperasi secara kontinu selama 24 jam sehari dan 7 hari seminggu dengan tingkat ketersediaan layanan (Service Level Agreement atau SLA) minimum sebesar 99,5%.
Pemulihan bencana didukung oleh kebijakan pencadangan (backup) harian dan mingguan untuk semua aplikasi hos, yang menjamin nilai batas waktu pemulihan (Recovery Time Objective atau RTO) serta batas titik pemulihan (Recovery Point Objective atau RPO) berada pada rentang waktu kurang dari atau sama dengan 24 jam.
Pembbaruan basis data dikirimkan melalui rilis bulanan, yang memungkinkan proses pembaruan data secara bergulir (roll-forward) untuk memperbarui studi pembandingan yang ada dengan meminimalkan kesalahan input manual.
Aksesibilitas dan pemanfaatan komersial platform ini ditawarkan melalui struktur lisensi berjenjang yang disesuaikan dengan volume pengujian dan jumlah pengguna terdaftar.
Model lisensi ini mencakup penyediaan pelatihan jarak jauh dan dukungan teknis penuh.
| Biaya Kontrak Tahunan | Batas Pengguna Terdaftar | Alokasi Pengujian (Benchmark Limit) | Akses Modul Tambahan |
| £30.000 | 1 Pengguna departemen | Maksimal 5 uji pembandingan per tahun | Hanya akses basis data dasar perusahaan. |
| £62.500 | 1 Pengguna profesional | Maksimal 25 uji pembandingan per tahun | Hanya akses basis data dasar perusahaan. |
| £122.000 | 20 Pengguna terdaftar | Maksimal 200 uji pembandingan per tahun | Akses penuh ke modul kekuatan finansial, royalti, margin pinjaman, dan komoditas. |
| £245.000 | 50 Pengguna terdaftar | Maksimal 3.000 uji pembandingan per tahun | Akses penuh ke seluruh modul spesialis dan analisis lanjutan. |
| £375.000 | $> 1.000$ Pengguna (Korporasi Besar) | Tidak terbatas (unlimited) | Akses penuh ke seluruh portofolio modul dan integrasi API korporasi. |
| £495.000 | $> 5.000$ Pengguna (Enterprise Global) | Tidak terbatas (unlimited) | Akses penuh di tingkat grup korporasi multinasional secara global. |
Mekanisme Aggregasi, Verifikasi, dan Standardisasi Data Keuangan Orbis
Kekuatan analisis dari TP Catalyst berakar pada integrasi data dari Orbis, yang merupakan basis data global milik Bureau van Dijk dengan cakupan informasi keuangan yang sangat luas.
Proses pembentukan data ini diawali dengan pengumpulan data mentah yang bersumber dari lebih dari 170 penyedia data lokal spesialis di seluruh dunia. Jaringan penyedia ini bertugas mengumpulkan berkas pelaporan resmi (official filings) dari lembaga pendaftaran badan usaha pemerintah setempat, bursa efek, serta pelaporan wajib lainnya.
Untuk menghasilkan data keuangan yang dapat diperbandingkan di berbagai yurisdiksi yang memiliki sistem akuntansi komersial yang berbeda, Bureau van Dijk menjalankan proses verifikasi, penyelarasan, dan standardisasi secara berkala.
Langkah pertama adalah pencocokan identitas unik entitas hukum, pembersihan data (cleansing), dan penyelarasan tanggal akhir tahun buku.
Setelah itu, tim jurnalis riset internal yang ditempatkan di Manchester, Brussels, dan Singapura melakukan verifikasi kepemilikan korporasi secara berkala guna melacak restrukturisasi kelompok usaha dan meminimalkan bias keterlambatan informasi.
Setelah dibersihkan, data laporan keuangan dikonversi ke dalam Format Standardisasi Keuangan Global (Global Standard Accounting Format).
Melalui format ini, data dari laporan keuangan yang tidak homogen dipetakan secara seragam ke dalam struktur templat standar. Standardisasi ini mencakup klasifikasi yang terdiri dari :
- 26 Pos Neraca (Balance Sheet Items): Menyeragamkan klasifikasi aset lancar, aset tetap (termasuk aset tidak berwujud), kewajiban jangka pendek, kewajiban jangka panjang, dan komponen ekuitas.
- 26 Pos Laporan Laba Rugi (Profit and Loss Items): Mengelompokkan pendapatan operasional, beban pokok penjualan, biaya administrasi dan umum, beban penyusutan, biaya keuangan, serta pajak secara konsisten.
- 32 hingga 33 Rasio Keuangan Standar: Menyediakan metrik likuiditas, solvabilitas, efisiensi aset, dan profitabilitas yang dihitung secara seragam untuk seluruh entitas.
Melalui standardisasi pos-pos keuangan ini, formula penentuan laba operasi dan perhitungan margin margin keuangan dapat dijalankan secara konsisten di tingkat global.
Standardisasi ini meniadakan variasi penamaan akun lokal yang sering kali membingungkan praktisi, sehingga perhitungan Indikator Tingkat Laba (PLI) seperti Margin Laba Operasi (OM) atau Rasio Berry dapat dievaluasi secara andal pada tingkat akurasi yang setara.
Penilaian Struktur Kepemilikan dan Algoritma Indikator Independensi
Salah satu tahapan paling krusial dalam analisis kesebandingan penentuan harga transfer adalah memverifikasi independensi entitas pembanding.
Berdasarkan pedoman internasional, perusahaan pembanding harus merupakan pihak yang independen dan tidak dipengaruhi oleh transaksi hubungan istimewa yang dapat mendistorsi profitabilitas mereka.
Untuk memfasilitasi kebutuhan ini secara otomatis dan objektif, TP Catalyst memanfaatkan sistem pengkodean kepemilikan yang dikenal sebagai BvD Independence Indicator.
Indikator ini dihitung berdasarkan persentase kepemilikan saham langsung (direct) maupun tidak langsung (indirect) hingga ke tingkat pemegang saham individu, korporasi, atau entitas publik.
Kode indikator ini terdiri dari huruf A, B, C, D, dan U, yang masing-masing merepresentasikan tingkat konsentrasi kepemilikan dan kemandirian entitas usaha.
| Kode BvD | Penjelasan Struktur Kepemilikan | Batas Ambang Kepemilikan (Threshold) | Klasifikasi dalam Studi Pembandingan (Decision) |
| A | Entitas Sangat Independen | Tidak ada pemegang saham yang memiliki saham $>25\%$ secara langsung maupun tidak langsung. | Diterima secara Otomatis. Merupakan standar utama pembanding independen. |
| A+ | Sangat Independen (Informasi Pemegang Saham Terbuka) | Tidak ada pemegang saham $>25\%$ secara langsung, tidak ada indikasi pemegang saham pengendali yang tersembunyi. | Diterima secara Otomatis. Menunjukkan kepatuhan tinggi terhadap kebebasan bertransaksi. |
| A- | Sangat Independen (Informasi Pemegang Saham Terbatas) | Tidak ada pemegang saham $>25\%$ secara langsung, namun rincian pemegang saham minoritas tidak sepenuhnya tercatat. | Diterima. Dianggap independen karena tidak terdeteksi adanya pengendali mayoritas. |
| B | Entitas Independen secara Substansial | Tidak ada pemegang saham tunggal yang memiliki kepemilikan $>50\%$ secara langsung maupun total. | Diterima. Digunakan sebagai batas aman bawaan (safe default) di banyak yurisdiksi. |
| B+ | Independen secara Substansial (Kepemilikan Minoritas Signifikan) | Tidak ada pemegang saham $>50\%$ secara langsung, meskipun ada pemegang saham dengan porsi kepemilikan $>25\%$. | Diterima. Umumnya dimasukkan dalam penyaringan kuantitatif awal. |
| B- | Cukup Independen (Informasi Kepemilikan Terbatas) | Tidak ada pemegang saham $>50\%$ secara langsung, namun beberapa informasi sekunder pemegang saham lainnya tidak lengkap. | Wajib Ditinjau Ulang secara Manual. Perlu memeriksa ada tidaknya pengaruh pengendali tidak langsung. |
| C | Tidak Independen (Memiliki Pengendali Mayoritas) | Terdapat minimal satu pemegang saham dengan kepemilikan langsung atau tidak langsung $>50\%$. | Ditolak. Perusahaan merupakan anak perusahaan aktif dari suatu kelompok usaha. |
| D | Sangat Terikat (Anak Perusahaan Langsung) | Perusahaan dimiliki secara langsung oleh entitas induk tunggal dengan porsi kepemilikan saham $>50\%$. | Wajib Ditolak. Profitabilitas perusahaan rentan terdistorsi transaksi intra-grup. |
| U | Status Kepemilikan Tidak Diketahui | Informasi kepemilikan saham tidak dilaporkan atau tidak tersedia dalam basis data registrasi publik. | Wajib Ditolak. Ketiadaan informasi kepemilikan mengeliminasi keandalan status independensinya. |
Meskipun klasifikasi algoritma ini memberikan efisiensi yang signifikan dalam penyaringan otomatis, para profesional penentuan harga transfer tetap diharuskan melakukan analisis kualitatif manual lanjutan.
Hal ini dilakukan karena terdapat kemungkinan perusahaan dengan peringkat independensi tinggi (“A” atau “B”) memiliki transaksi afiliasi material tidak langsung, hubungan kepengurusan yang tumpang tindih (interlocking directorates), atau perjanjian kemitraan eksklusif dengan kelompok usaha tertentu yang dapat memengaruhi penentuan harga pasar mereka.
Segmentasi Data Transaksional dalam Modul Spesialis TP Catalyst
Untuk memfasilitasi pengujian kesebandingan yang akurat bagi berbagai jenis transaksi afiliasi, TP Catalyst mengintegrasikan sejumlah modul data transaksional spesifik yang dikembangkan bersama mitra penyedia data global :
1. Modul Transaksi Barang Berwujud dan Jasa Rutin
Modul ini memanfaatkan basis data utama Orbis yang memuat informasi keuangan lengkap dari sekitar 37 juta entitas usaha di seluruh dunia.
Melalui modul ini, pengguna dapat mencari dan melakukan analisis pembandingan menggunakan Metode Margin Neto Transaksional (TNMM), Metode Harga Penjualan Kembali (Resale Price Method), atau Metode Biaya-Plus (Cost Plus Method).
Fokus data terletak pada identifikasi profitabilitas operasi dari distributor rutin, produsen maklon, atau penyedia jasa intra-grup.
2. Modul Royalti dan Transaksi Harta Tak Berwujud (Powered by ktMINE)
Pembentukan data dalam modul ini ditujukan untuk mendukung analisis transaksi pengalihan atau pemanfaatan harta tak berwujud menggunakan Metode Perbandingan Harga Antara Pihak yang Independen (Comparable Uncontrolled Transaction/Price atau CUT/CUP).
Basis data ini mengonsolidasikan lebih dari 70.000 tarif royalti aktif dan lebih dari 20.000 perjanjian lisensi komersial yang bersumber dari keterbukaan informasi publik secara global.
Setiap data perjanjian diindeks berdasarkan klausul hukum, wilayah yurisdiksi, jenis aset tidak berwujud (seperti paten, merek dagang, formulasi rahasia), serta besaran tarif royalti atau biaya komisi yang disepakati.
3. Modul Pinjaman dan Transaksi Keuangan Intra-Grup (Powered by CUFTanalytics)
Modul ini menyediakan data pembanding berupa suku bunga dan margin pinjaman (lending margins) untuk memverifikasi kewajaran transaksi pembiayaan afiliasi.
Data terbentuk dari pencatatan lebih dari 15.000 margin pinjaman pihak ketiga serta perjanjian fasilitas kredit senior yang dinegosiasikan secara independen.
Informasi dalam modul ini mencakup struktur jatuh tempo, jenis mata uang, persyaratan jaminan, serta komitmen keuangan yang melekat pada kontrak pinjaman tersebut.
4. Modul Penilaian Risiko Kredit (Powered by Moody’s Analytics RiskCalc™)
Modul ini mengintegrasikan data dari CUFTanalytics dengan algoritma penilaian risiko kredit milik Moody’s.
Pengguna dapat mengunggah laporan keuangan entitas debitur afiliasi untuk menganalisis kapasitas utang (debt capacity) serta menghitung probabilitas gagal bayar entitas tersebut menggunakan parameter Expected Default Frequency (EDF).
Jika entitas anak perusahaan merupakan bagian dari grup korporasi multinasional berskala besar, risiko gagal bayarnya secara ekonomi dianggap lebih rendah karena adanya asumsi implisit bahwa induk usaha akan memberikan talangan finansial (bailout) jika terjadi kondisi kesulitan keuangan.
Oleh karena itu, peringkat kredit mandiri (stand-alone) entitas anak disesuaikan naik (notched up), yang secara otomatis menuntut pengenaan tingkat suku bunga pinjaman afiliasi yang lebih rendah demi memenuhi prinsip kewajaran.
5. Modul Harga Komoditas (Powered by TPRD)
Modul ini dirancang khusus untuk memfasilitasi pengujian transaksi komoditas menggunakan Metode CUP atau Metode Keenam (Sixth Method).
Pembentukan datanya mencakup pengarsipan 8,5 juta data harga harian yang mencakup lebih dari 380 jenis komoditas dari 20 pasar bursa komoditas utama dunia yang dicatat secara historis sejak tahun 2013.
Metodologi Penyaringan Data dan Pembuatan Laporan Pembandingan
Untuk menjamin keandalan hasil studi pembandingan, TP Catalyst menerapkan alur kerja penyaringan terstruktur yang menggabungkan filter kuantitatif otomatis dan tinjauan kualitatif manual.
Proses ini dirancang untuk menyaring jutaan entitas dalam basis data Orbis menjadi sekelompok kecil pembanding yang memiliki tingkat kesebandingan fungsi, aset, dan risiko (FAR) yang tinggi.
┌────────────────────────────────────────────────────────┐│ Populasi Perusahaan Global Orbis (~400 Juta) │└───────────────────────────┬────────────────────────────┘ │ ▼ (Filter Kuantitatif Awal)┌────────────────────────────────────────────────────────┐│ - Filter Wilayah Geografis yang Setara ││ - Klasifikasi Kode Industri Utama (NACE/SIC) ││ - Filter Status Perusahaan Aktif / Berjalan │└───────────────────────────┬────────────────────────────┘ │ ▼ (Filter Independensi & Laporan)┌────────────────────────────────────────────────────────┐│ - Penyaringan Kode Independensi BvD A/B ││ - Seleksi Format Laporan Keuangan Tunggal (U1) ││ - Ketersediaan Data Keuangan 3 Tahun Berurutan │└───────────────────────────┬────────────────────────────┘ │ ▼ (Filter Batas Keuangan)┌────────────────────────────────────────────────────────┐│ - Batas Minimum Penjualan (misalnya > $1 Juta) ││ - Eliminasi Perusahaan Rugi Terus-Menerus ││ - Eliminasi Perusahaan Tahap Awal (Start-up) │└───────────────────────────┬────────────────────────────┘ │ ▼ (Tahap Penyaringan Kualitatif Manual)┌────────────────────────────────────────────────────────┐│ - Peninjauan Situs Web Resmi Perusahaan ││ - Analisis Profil Fungsional & Catatan Atas Laporan ││ - Pembuatan Matriks Penolakan (Rejection Matrix) │└───────────────────────────┬────────────────────────────┘ │ ▼ (Hasil Akhir & Penyesuaian)┌────────────────────────────────────────────────────────┐│ - Rekonstruksi Laporan Keuangan Pembanding ││ - Penerapan Penyesuaian Modal Kerja (Working Capital) ││ - Perhitungan Rentang Interkuartil Laba Bersih (EBIT) │└────────────────────────────────────────────────────────┘
Alur kerja penyaringan terstruktur di atas terdiri dari beberapa tahapan kritis :
1. Tahap Penyaringan Kuantitatif (Quantitative Filtering)
Proses dimulai dengan memasukkan parameter pencarian objektif pada antarmuka pencarian TP Catalyst.
Pengguna menentukan kode industri utama (seperti kode NACE Rev. 2 atau SIC) yang sesuai dengan karakteristik operasional pihak yang diuji.
Batas geografis ditentukan untuk mencakup area pasar yang memiliki kondisi ekonomi serupa.
Filter status kelangsungan usaha (going concern) diterapkan untuk mengecualikan perusahaan yang tidak aktif atau bangkrut.
Selanjutnya, sistem hanya menyertakan entitas yang menyusun laporan keuangan tunggal (unconsolidated accounts dengan kode konsolidasi U1) guna memastikan profitabilitas yang dianalisis murni merepresentasikan kinerja operasional entitas tersebut tanpa pengaruh konsolidasi grup.
Perusahaan dalam tahap rintisan (start-up) dielementasi dengan membatasi tahun pendirian guna menghindari distorsi biaya investasi awal yang tinggi pada masa awal siklus hidup perusahaan.
Terakhir, kriteria keandalan data diterapkan dengan mensyaratkan ketersediaan data keuangan yang lengkap untuk seluruh periode tahun analisis.
2. Tahap Penyaringan Kualitatif (Qualitative Filtering)
Hasil penyaringan kuantitatif yang biasanya menyisakan puluhan hingga ratusan kandidat pembanding ditinjau secara manual.
Praktisi melakukan peninjauan terhadap deskripsi bisnis resmi, laporan tahunan, serta situs web masing-masing perusahaan kandidat.
Tujuannya adalah memastikan tidak ada perbedaan fungsional yang signifikan, kepemilikan aset tidak berwujud yang unik, atau penanggungan risiko luar biasa yang dapat merusak tingkat kesebandingan.
Setiap perusahaan yang ditolak selama proses manual ini wajib dicatat dalam Matriks Penolakan (Rejection Matrix).
Matriks ini menyajikan daftar transparan mengenai identitas perusahaan yang ditolak beserta justifikasi teknis penolakannya, yang berfungsi sebagai dokumen pembuktian utama (audit trail) guna menghadapi audit pajak di masa mendatang.
3. Penyesuaian Kesebandingan (Comparability Adjustments)
Untuk meminimalkan dampak perbedaan modal kerja, TP Catalyst mengintegrasikan modul kalkulasi matematis untuk melakukan penyesuaian otomatis.
Penyesuaian ini menyelaraskan tingkat piutang usaha (receivables), persediaan (inventories), dan utang usaha (payables) pembanding dengan mengacu pada tingkat bunga penyesuaian pasar.
Kalkulasi ini membantu menyamakan kondisi kapasitas pembiayaan perdagangan antara pembanding dan pihak yang diuji, sehingga menghasilkan perbandingan profitabilitas operasi yang lebih adil.
Sinkronisasi Regulasi Domestik Indonesia dan Kepatuhan PMK 172/2023
Penerapan basis data komersial global dalam analisis transfer pricing di Indonesia harus disesuaikan secara ketat dengan kerangka hukum domestik.
Sejarah pengawasan harga transfer di Indonesia telah berkembang pesat sejak pertama kali diatur secara sederhana dalam Pasal 18 ayat (2) dan (3) Undang-Undang Nomor 7 Tahun 1983 tentang Pajak Penghasilan, yang memberikan kewenangan kepada Direktorat Jenderal Pajak (DJP) untuk menentukan kembali jumlah penghasilan dan pengurangan bagi wajib pajak yang memiliki hubungan istimewa.
Kini, regulasi tersebut dikonsolidasikan dan diperbarui melalui Peraturan Menteri Keuangan Nomor 172/PMK.03/2023 (PMK 172/2023), yang menyatukan ketentuan mengenai tata cara penerapan prinsip kewajaran dan kelaziman usaha, kewajiban pelaporan TP Doc (Master File, Local File, CbCR), kesepakatan harga transfer proaktif (Advance Pricing Agreement), serta prosedur kesepakatan bersama (Mutual Agreement Procedure).
1. Prinsip Prioritas Pembanding Internal
Sesuai dengan ketentuan PMK 172/2023, Direktorat Jenderal Pajak menetapkan aturan prioritas dalam pemilihan data pembanding.
Wajib Pajak diwajibkan untuk mengidentifikasi dan menggunakan pembanding internal terlebih dahulu (yaitu transaksi sejenis antara Wajib Pajak dengan pihak independen) sebelum diperbolehkan beralih mencari pembanding eksternal dalam basis data komersial seperti TP Catalyst.
Pembanding eksternal baru dapat digunakan apabila pembanding internal tidak tersedia, atau tingkat keandalan dan kesebandingannya lebih rendah setelah diuji menggunakan parameter kesebandingan.
2. Penentuan Rentang Kewajaran secara Statistik
PMK 172/2023 memberikan pedoman tegas mengenai penentuan rentang harga atau laba wajar (arm’s length range).
Penggunaan metode penentuan rentang ini bergantung pada jumlah sampel perusahaan pembanding independen yang berhasil lolos dari seluruh tahapan penyaringan kuantitatif dan kualitatif :
- Rentang Penuh (Full Range): Diterapkan apabila hasil studi pembandingan hanya menghasilkan maksimal dua perusahaan pembanding independen yang sebanding. Batas bawah nilai wajar adalah nilai terkecil (minimum) dan batas atasnya adalah nilai terbesar (maksimum) dari pembanding tersebut.
- Rentang Interkuartil (Interquartile Range): Wajib diterapkan apabila jumlah perusahaan pembanding independen yang diperoleh berjumlah lebih dari dua entitas. Pendekatan statistik ini bertujuan meminimalkan distorsi yang disebabkan oleh nilai-nilai ekstrem pada sampel.
Formulasi perhitungan statistik Rentang Interkuartil dihitung dengan membagi populasi data profitabilitas pembanding (X) yang telah diurutkan menjadi empat bagian yang sama besar.
Rentang kewajaran yang diakui secara hukum dibatasi oleh nilai kuartil bawah (Q_1 atau Persentil ke-25) dan nilai kuartil atas (Q_3 atau Persentil ke-75). Nilai tengah (Q_2 atau Persentil ke-50) bertindak sebagai nilai Median.
Apabila profitabilitas pihak yang diuji (misalnya nilai Margin Laba Operasi) berada dalam rentang kewajaran tersebut, maka transaksi dinilai telah memenuhi prinsip kewajaran :
Namun, apabila profitabilitas berada di luar rentang kewajaran, pemeriksa pajak dari Direktorat Jenderal Pajak berwenang melakukan koreksi harga transfer.
Koreksi tersebut akan menyesuaikan nilai transaksi atau profitabilitas pihak yang diuji secara langsung menuju titik Median (Q_2), yang kemudian memicu timbulnya kewajiban pajak kurang bayar beserta sanksi denda administrasi terkait.
3. Mitigasi Sengketa Pajak dan Relevansi TP Catalyst
Berdasarkan data statistik Direktorat Jenderal Pajak, persentase kesuksesan otoritas pajak dalam sengketa penentuan harga transfer di tingkat Pengadilan Pajak pada periode tahun 2019 hingga 2021 hanya sebesar 40,34%.
Hal ini mengindikasikan bahwa hampir 60% dari total sengketa penundaan harga transfer dimenangkan oleh Wajib Pajak.
Sengketa tersebut umumnya dipicu oleh perbedaan pemilihan data perusahaan pembanding (yang menyumbang sekitar 25% dari total kasus sengketa) serta sengketa kualifikasi jasa intra-grup yang menyumbang 20% kasus.
Bagi Wajib Pajak di Indonesia, penggunaan TP Catalyst memberikan posisi tawar dan mitigasi risiko sengketa yang sangat kuat :
- Keselarasan Alat Analisis dengan DJP: TP Catalyst didukung oleh basis data Orbis, yang juga merupakan basis data komersial utama yang dilisensikan dan digunakan secara resmi oleh tim pemeriksa pajak Direktorat Jenderal Pajak untuk melaksanakan analisis risiko transfer pricing (tax risk assessment) dan audit perpajakan. Penggunaan basis data yang serasi meminimalkan celah perbedaan pembanding awal (asymmetric information) antara Wajib Pajak dan fiskus.
- Pertahanan Audit yang Kredibel: Dengan menyajikan laporan pembandingan yang memuat dokumen jejak audit lengkap, pengolahan Rejection Matrix yang ketat, tangkapan layar verifikasi situs web, dan penyesuaian modal kerja otomatis, Wajib Pajak dapat membuktikan secara objektif bahwa kebijakan penentuan harga transfer mereka telah dirancang secara andal dan bebas dari motif penghindaran pajak. Hal ini meminimalkan risiko pengenaan denda administrasi atau koreksi sepihak yang kerap kali berujung pada pajak berganda (double taxation).
Kesimpulan
Pembentukan data TP Catalyst merupakan sebuah proses integrasi terstruktur yang berakar pada penyelarasan data mentah global dari basis data Orbis.
Standardisasi laporan keuangan ke dalam format standar global (terdiri dari pos neraca dan laba rugi 26 item) serta klasifikasi kepemilikan melalui sistem BvD Independence Indicator menghasilkan data pembanding yang andal untuk keperluan analisis kesebandingan.
Dengan dukungan modul spesialis untuk menguji transaksi barang berwujud, royalti (ktMINE), margin pinjaman (CUFTanalytics), risiko kredit (Moody’s RiskCalc), dan harga komoditas (TPRD), TP Catalyst menyediakan cakupan data multi-transaksional yang komprehensif bagi para profesional perpajakan internasional.
Di Indonesia, kehadiran PMK 172/2023 mempertegas kewajiban Wajib Pajak untuk membuktikan kewajaran transaksi afiliasi secara ilmiah dan terstruktur.
Penggunaan TP Catalyst membantu Wajib Pajak memenuhi kualifikasi kepatuhan formal tersebut dengan menyediakan metodologi penyaringan kuantitatif dan kualitatif yang objektif, pengarsipan Matriks Penolakan yang defensif, serta kalkulasi Rentang Interkuartil yang akurat secara statistik.
Menyelaraskan basis data yang digunakan dengan instrumen audit milik Direktorat Jenderal Pajak merupakan langkah strategis yang sangat efektif untuk meminimalkan potensi koreksi pajak, menghindari denda administrasi, serta memenangkan argumentasi hukum dalam proses pemeriksaan maupun persidangan di Pengadilan Pajak.
Diolah dari berbagai sumber