Deteksi Dini Peluang Fraud dalam Sistem Pengawasan Kepabeanan di Indonesia, Studi Dugaan Kasus Keterlibatan Raffi Ahmad

Uwrite.id - Jakarta - Sistem kepabeanan Indonesia menjadi simpul kritis dalam lalu lintas perdagangan internasional. Dengan volume impor-ekspor yang menembus 1,1 miliar ton pada 2025 dan nilai transaksi lebih dari USD 430 miliar, celah sekecil apa pun dapat dimanfaatkan untuk praktik fraud. Karena itu, deteksi dini terhadap peluang terbuka fraud bukan hanya tugas penindakan, tetapi bagian dari desain sistem pengawasan yang preventif.

Fraud kepabeanan secara umum terbagi menjadi tiga klaster: fiscal fraud, regulatory fraud, dan procedural fraud. Fiscal fraud berkaitan dengan hilangnya penerimaan negara melalui undervaluation, misclassification HS Code, dan manipulasi asal barang. Regulatory fraud menyasar larangan pembatasan seperti impor ilegal limbah B3 atau komoditas kuota. Sementara procedural fraud memanfaatkan kelemahan administrasi dan diskresi petugas. Ketiga klaster ini menuntut pendekatan deteksi yang berbeda.

Nama Raffi Ahmad sempat disinggung oleh Komisi Pemberantasan Korupsi (KPK) dalam perkembangan penanganan perkara yang melibatkan Blueray Cargo Group.

Pelaksana Tugas Direktur Penyidikan KPK, Taufik Ahmad Husein, menyampaikan bahwa penyidik menemukan fakta terkait penitipan barang elektronik milik Raffi kepada perusahaan tersebut.

"Betul, ada fakta saudara RA itu menitip," ujar Taufik Ahmad Husein di Gedung KPK, Kuningan, beberapa hari berselang.

Kendatipun demikian, KPK menegaskan temuan tersebut tidak dikembangkan lebih jauh karena belum ditemukan indikasi keterlibatan Raffi dalam dugaan penyelundupan yang menjadi fokus perkara.

Titik rawan dalam dalam fraud di lingkungan DJBC pasca terkuaknya nama Raffi dalam pusaran penyimpangan itu, mengemuka. Pertama, terletak pada proses pemberitahuan pabean. Sistem CEISA 4.0 memang telah menutup ruang tatap muka, namun data yang diinput importir/PPJK tetap berbasis self-assessment. Peluang manipulasi muncul saat validasi awal masih mengandalkan rule-based sederhana. Barang high-risk bisa lolos jalur hijau jika profil risiko importir belum terbentuk atau sengaja dipecah ke beberapa entitas baru. Deteksi dini harus dimulai dari profiling dinamis berbasis perilaku, bukan hanya historis.

Titik rawan kedua adalah penetapan nilai pabean. Metode transaksi kerap dimanipulasi melalui invoice ganda, transfer pricing, atau mark-down nilai. DJBC telah menggunakan Database Nilai Pabean, namun pelaku yang terorganisir mampu bermain di “grey area” 10-15% di bawah harga wajar. Di sinilah data pembanding eksternal seperti Comtrade UN, Panjiva, dan harga bursa komoditas global perlu diintegrasikan ke sistem CEISA sebagai early warning.

Titik rawan ketiga muncul pada pemeriksaan fisik barang. Kebijakan random sampling 5-10% pada jalur hijau membuka peluang pelaku memprediksi probabilitas lolos. Modus splitting consignment menjadi beberapa PIB dengan nilai di bawah threshold pemeriksaan juga marak. Deteksi dini membutuhkan algoritma machine learning yang membaca anomali pola pengiriman: frekuensi, pola jam, pelabuhan asal, dan konsistensi komoditas dari satu importir.

Titik rawan keempat adalah fasilitas kepabeanan. Kawasan berikat, kemudahan impor tujuan ekspor, dan pusat logistik berikat memberi insentif fiskal besar. Penyalahgunaannya berupa penjualan barang BK ke pasar domestik tanpa bayar PDRI. Audit BC 2.3 secara manual sudah tidak cukup. Deteksi dini menuntut sinkronisasi data IT Inventory perusahaan dengan CEISA secara real time, ditambah geofencing untuk memantau pergerakan fisik barang.

Peluang fraud juga terbuka dari sisi SDM dan diskresi. Meski CEISA memangkas interaksi, keputusan penetapan jalur, nota pembetulan, dan sanksi administrasi tetap memerlukan intervensi manusia. Area ini rawan benturan kepentingan dan gratifikasi. Deteksi dini di level ini menggunakan fraud triangle: tekanan, kesempatan, dan rasionalisasi. Data remunerasi, LHKPN, gaya hidup, dan mutasi jabatan menjadi variabel yang harus dimonitor oleh sistem compliance internal.

Teknologi menjadi game changer untuk deteksi dini. DJBC Command Center kini mengoperasikan Customs Data Analytics yang memproses 2,3 juta PIB per tahun. Dengan anomaly detection, sistem bisa menandai lonjakan impor tekstil 400% oleh importir baru tanpa rekam jejak, atau perubahan drastis negara asal pada komoditas yang sama. Pola ini menjadi “red flag” sebelum barang direlease.

Namun teknologi tanpa kolaborasi data akan pincang. Deteksi dini fraud kepabeanan wajib terhubung dengan data DJP untuk cek profil pajak, AHU Kemenkumham untuk cek beneficial owner, Dukcapil untuk verifikasi NIK direksi, dan PPATK untuk aliran dana. Kasus underinvoicing sering terbongkar bukan dari dokumen pabean, tetapi dari ketidaksesuaian nilai impor dengan pembayaran valas di LLD.

Peran intelijen kepabeanan makin krusial. Unit Intel DJBC mengembangkan konsep Customs Intelligence Network yang mengumpulkan data dari asosiasi, marketplace, media sosial, hingga darkweb. Contoh: lonjakan iklan “jasa undername” di Telegram menjadi indikator dini peningkatan fraud dokumen. Intel tidak menunggu kejadian, tetapi membaca sinyal lemah di masyarakat.

Aspek regulasi juga menyisakan celah. Disharmoni HS Code 8 digit Indonesia dengan WCO 6 digit, aturan lartas yang tumpang tindih antar K/L, dan definisi “barang contoh” yang multitafsir memberi ruang abu-abu. Deteksi dini di level kebijakan dilakukan melalui regulatory mapping dan regulatory impact assessment sebelum aturan terbit. Setiap pasal harus diuji apakah membuka diskresi berlebihan.

Dari sisi pengguna jasa, AEO dan MITA adalah benteng pertama. Perusahaan dengan sertifikasi AEO memiliki tingkat kepatuhan 97% dan error rate <0,5%. Memberi kemudahan ke yang patuh sekaligus memperketat yang tidak dikenal adalah strategi deteksi dini berbasis risiko. Sistem harus otomatis menaikkan skor risiko importir yang tiga kali berturut-turut melakukan pembetulan PIB.

Pengawasan post-clearance audit tetap relevan sebagai lapisan kedua deteksi. Audit berbasis data CEISA + e-Faktur + rekening koran mampu mengungkap skema fraud yang lolos di border. Tahun 2024, PCA DJBC berhasil menagih Rp6,7 triliun dari temuan undervaluation yang tidak terdeteksi saat clearance. Ini bukti bahwa deteksi dini tidak berhenti di pelabuhan.

Whistleblowing system menjadi sensor eksternal yang efektif. Aplikasi CLICK dan Bravo Bea Cukai menerima 11.200 pengaduan sepanjang 2024, dengan 18% terbukti mengarah ke fraud. Perlindungan pelapor dan insentif reward meningkatkan partisipasi publik. Deteksi dini terbaik sering datang dari “orang dalam” yang melihat anomali lebih dulu dari sistem.

Tantangan baru muncul dari perdagangan digital. Barang kiriman e-commerce di bawah USD 3 via PJT dan PJK melonjak 230% sejak 2022. Modus pecah paket dan misdeclaration “gift” sulit dideteksi manual. DJBC menjawab dengan Mandatory CN dan data exchange dengan platform marketplace. Algoritma kini membandingkan deskripsi barang di invoice dengan gambar produk di marketplace untuk cek kewajaran nilai.

Kerja sama internasional menjadi kunci karena fraud kepabeanan bersifat transnasional. Melalui skema JICA, WCO, dan RILO AP, DJBC mendapat akses database Global Trade Alert dan CEN. Notifikasi dari Bea Cukai China soal eksportir fiktif bisa menjadi deteksi dini sebelum barang dikapalkan ke Indonesia. Prinsipnya: fraud dicegah di negara asal, bukan di negara tujuan.

Budaya organisasi menentukan efektivitas semua sistem. Zona Integritas dan ISO 37001 Sistem Manajemen Anti Penyuapan yang diterapkan 52 kantor DJBC menurunkan persepsi korupsi internal. Survei KPK 2024 menempatkan DJBC dengan skor integritas 78,4, naik dari 72,1 di 2021. Pegawai yang berintegritas adalah sensor deteksi dini yang paling murah dan paling akurat.

Ke depan, deteksi dini harus bergeser ke predictive customs. Memanfaatkan AI generatif untuk simulasi modus baru, digital twin pelabuhan untuk stress-test SOP, dan blockchain untuk end-to-end visibility. Tujuannya satu: menutup peluang sebelum pelaku sempat berpikir. Sebab dalam kepabeanan, mencegah kerugian USD 1 lebih murah daripada menagihnya kemudian.

Simpulannya, peluang fraud dalam sistem kepabeanan tidak akan pernah nol karena akan selalu ada asimetri informasi dan inovasi pelaku. Namun dengan desain pengawasan berbasis risiko, integrasi data lintas sektor, penguatan SDM berintegritas, dan teknologi prediktif, peluang itu bisa dipersempit sedini mungkin. Deteksi dini bukan tentang menangkap basah, tetapi tentang membuat pelaku berpikir dua kali karena tahu sistem sudah melihatnya lebih dulu. (*)