Memberantas Korupsi dengan Data Spasial
oleh Fahmi Amhar pada 8 Oktober 2012 pukul 15:04 ·
Data Spasial
Data Spasial adalah data yang posisi atau lokasinya berperan penting dalam pengambilan keputusan. Sebagai contoh: setiap orang pasti memiliki data. Ada data nama, nama orang tua, tanggal lahir, tempat lahir, sekolah, pekerjaan, hingga alamatnya sekarang. Dari data tersebut, tempat lahir, sekolah dan alamat adalah data spasial, sedang selain itu bukan data spasial. Dengan data tempat lahir dan sekolah, dapat dilacak lingkungan tempat orang itu tumbuh dewasa. Bagi sebuah institusi, informasi ini sedikit banyak dapat digunakan misalnya, untuk memberi penugasan bagi orang tersebut (misalnya survei atau pemasaran) pada lingkungan yang dia kenal baik. Sedang dengan data alamat sekarang, dapat diprediksi tingkat efisiensi perjalanan dari rumah ke kantornya.
Data spasial dapat tersimpan dalam berbagai bentuk. Yang paling sederhana adalah daftar alamat. Data tabular semacam ini, selama dapat dihubungkan dengan dunia nyata yang dikenali, adalah data spasial yang berguna. Pada level yang lebih tinggi, data spasial tersimpan dalam bentuk peta, citra satelit, hingga database geografis berformat digital.
Cerdas Spasial
Kegunaan data spasial sangat tergantung kepada kecerdasan spasial seseorang. Bagi orang yang cerdas spasial, data spasial sekecil apapun dapat dikaitkan dengan upaya optimasi aktivitasnya. Seorang atlet sepakbola yang cerdas spasial selalu memikirkan posisi bola, gawang, kawan maupun lawan mainnya. Seorang turis, selalu memikirkan lokasi perhentian angkutan umum, hotel, tempat makan dan objek yang akan dikunjunginya. Dengan itu dia merancang rute perjalanannya. Kalau tidak cerdas spasial, maka seluruh data posisi tadi tidak dia hiraukan. Bahkan tanpa cerdas spasial, data spasial secanggih apapun tidak akan berperan dalam pengambilan keputusan.
Dalam pemberantasan korupsi, cerdas spasial diperlukan baik untuk mencegah (preventif) maupun memberantas korupsi yang telah terjadi. Secara preventif misalnya, pemasangan alat GPS di tiap kendaraan suatu armada taxi, akan membuat sopir taxi tak bisa seenaknya, karena pusat taxi (call center) jadi tahu persis posisi tiap taxi. Namun pada saat yang sama sopir taxi juga diuntungkan karena dengan sistem itu order langsung diberikan ke taxi terdekat yang kosong. Seandainya ada aturan bahwa dalam tiap LPJ kepala daerah wajib dilampiri peta / citra satelit yang menunjukkan kondisi lingkungan sebelum dan sesudah masa jabatan, tentu juga para kepala daerah tidak bisa seenaknya menguras kekayaan daerahnya. Rakyat yang cerdas spasial juga terbantu dalam ikut mengontrol jalannya pemerintahan.
Memberantas Korupsi dengan Data Spasial
Pepatah bilang, “tidak ada kejahatan yang sempurna”. Suatu pelanggaran hukum pasti meninggalan jejak. Di antara jejak itu adalah yang menyangkut posisinya dalam ruang. Itu data spasial. Tak terkecuali kejahatan luar biasa seperti korupsi. Oleh karena itu, dapat dikembangkan berbagai teknologi informasi spasial dalam membantu memberantas korupsi. Di sisi lain, potensi teknologi ini sekaligus dapat mencegah orang untuk melakukan korupsi, karena dia sadar ada teknologi yang mampu mengungkapkannya.
Dalam tulisan singkat ini, akan ditunjukkan tiga jenis teknologi informasi spasial untuk mengungkap korupsi: (1) korupsi di kehutanan; (2) korupsi di perpajakan; (3) korupsi di sektor property.
(1) Setiap pemegang Hak Penguasaan Hutan (HPH) diwajibkan menyetor foto / citra Landsat setiap tahun. Pemerintah ingin menilai berapa persen hutan yang benar-benar ditebang dan sejauh mana penanaman kembali. Praktek yang terjadi saat ini, foto atau citra itu sering dimanipulasi. Sepintas memang tampak mudah mengambil suatu bagian citra atas lahan yang masih berpohon untuk dicopy di bagian lain yang sudah gundul. Penebangan berlebih jadi tersembunyi. Hanya saja, teknik ini mustahil dilakukan sempurna untuk semua kanal Landsat. Dengan analisis spektrum di semua kanal akan ditemukan discontinuity. Gambar akan tampak aneh di kanal yang lain. Hanya gambar yang natural (asli) yang tidak menunjukkan efek itu. Korupsi pajak HPH dan pelanggaran konsesi yang amat membahayakan lingkungan dapat terdeteksi.
(2) Sistem perpajakan di Indonesia menganut asas self-assesment. Sayangnya, berbagai hal membuat tingkat kejujuran wajib pajak sangat rendah. Bahkan jumlah orang kaya ber-NPWP masih di bawah 20%. Namun dengan citra resolusi tinggi (misal Quickbird) dapat diidentifikasi dengan cepat asset-asset yang ada di suatu tempat (rumah, kolam renang, lapangan golf) untuk diuji silang dengan status kepemilikan dan perpajakannya. Tentunya akan janggal bila seseorang yang memiliki rumah mewah dengan kolam renang, namun belum punya NPWP. Akan janggal pula bila sebuah pabrik yang sangat besar (tampak di citra), ternyata melaporkan jumlah produksi yang kecil – dan tentunya besaran PPN atau PPh yang kecil. Dengan ini, upaya main mata pemeriksa pajak dengan wajib pajak (dan ini korupsi “sektor hulu” terbesar) dapat dideteksi lebih awal – untuk kemudian dicegah!
(3) Di sektor property (misal pembangunan gedung, pembukaan lahan, penyiapan infrastruktur), laporan “ABS” suatu proyek property yang belum selesai – namun sudah dilaporan selesai, juga dapat lebih mudah terdeteksi. Tinggal dilakukan komparasi atas foto sebelum dan sesudah dibangun.
Data Spasial adalah data yang posisi atau lokasinya berperan penting dalam pengambilan keputusan. Sebagai contoh: setiap orang pasti memiliki data. Ada data nama, nama orang tua, tanggal lahir, tempat lahir, sekolah, pekerjaan, hingga alamatnya sekarang. Dari data tersebut, tempat lahir, sekolah dan alamat adalah data spasial, sedang selain itu bukan data spasial. Dengan data tempat lahir dan sekolah, dapat dilacak lingkungan tempat orang itu tumbuh dewasa. Bagi sebuah institusi, informasi ini sedikit banyak dapat digunakan misalnya, untuk memberi penugasan bagi orang tersebut (misalnya survei atau pemasaran) pada lingkungan yang dia kenal baik. Sedang dengan data alamat sekarang, dapat diprediksi tingkat efisiensi perjalanan dari rumah ke kantornya.
Data spasial dapat tersimpan dalam berbagai bentuk. Yang paling sederhana adalah daftar alamat. Data tabular semacam ini, selama dapat dihubungkan dengan dunia nyata yang dikenali, adalah data spasial yang berguna. Pada level yang lebih tinggi, data spasial tersimpan dalam bentuk peta, citra satelit, hingga database geografis berformat digital.
Cerdas Spasial
Kegunaan data spasial sangat tergantung kepada kecerdasan spasial seseorang. Bagi orang yang cerdas spasial, data spasial sekecil apapun dapat dikaitkan dengan upaya optimasi aktivitasnya. Seorang atlet sepakbola yang cerdas spasial selalu memikirkan posisi bola, gawang, kawan maupun lawan mainnya. Seorang turis, selalu memikirkan lokasi perhentian angkutan umum, hotel, tempat makan dan objek yang akan dikunjunginya. Dengan itu dia merancang rute perjalanannya. Kalau tidak cerdas spasial, maka seluruh data posisi tadi tidak dia hiraukan. Bahkan tanpa cerdas spasial, data spasial secanggih apapun tidak akan berperan dalam pengambilan keputusan.
Dalam pemberantasan korupsi, cerdas spasial diperlukan baik untuk mencegah (preventif) maupun memberantas korupsi yang telah terjadi. Secara preventif misalnya, pemasangan alat GPS di tiap kendaraan suatu armada taxi, akan membuat sopir taxi tak bisa seenaknya, karena pusat taxi (call center) jadi tahu persis posisi tiap taxi. Namun pada saat yang sama sopir taxi juga diuntungkan karena dengan sistem itu order langsung diberikan ke taxi terdekat yang kosong. Seandainya ada aturan bahwa dalam tiap LPJ kepala daerah wajib dilampiri peta / citra satelit yang menunjukkan kondisi lingkungan sebelum dan sesudah masa jabatan, tentu juga para kepala daerah tidak bisa seenaknya menguras kekayaan daerahnya. Rakyat yang cerdas spasial juga terbantu dalam ikut mengontrol jalannya pemerintahan.
Memberantas Korupsi dengan Data Spasial
Pepatah bilang, “tidak ada kejahatan yang sempurna”. Suatu pelanggaran hukum pasti meninggalan jejak. Di antara jejak itu adalah yang menyangkut posisinya dalam ruang. Itu data spasial. Tak terkecuali kejahatan luar biasa seperti korupsi. Oleh karena itu, dapat dikembangkan berbagai teknologi informasi spasial dalam membantu memberantas korupsi. Di sisi lain, potensi teknologi ini sekaligus dapat mencegah orang untuk melakukan korupsi, karena dia sadar ada teknologi yang mampu mengungkapkannya.
Dalam tulisan singkat ini, akan ditunjukkan tiga jenis teknologi informasi spasial untuk mengungkap korupsi: (1) korupsi di kehutanan; (2) korupsi di perpajakan; (3) korupsi di sektor property.
(1) Setiap pemegang Hak Penguasaan Hutan (HPH) diwajibkan menyetor foto / citra Landsat setiap tahun. Pemerintah ingin menilai berapa persen hutan yang benar-benar ditebang dan sejauh mana penanaman kembali. Praktek yang terjadi saat ini, foto atau citra itu sering dimanipulasi. Sepintas memang tampak mudah mengambil suatu bagian citra atas lahan yang masih berpohon untuk dicopy di bagian lain yang sudah gundul. Penebangan berlebih jadi tersembunyi. Hanya saja, teknik ini mustahil dilakukan sempurna untuk semua kanal Landsat. Dengan analisis spektrum di semua kanal akan ditemukan discontinuity. Gambar akan tampak aneh di kanal yang lain. Hanya gambar yang natural (asli) yang tidak menunjukkan efek itu. Korupsi pajak HPH dan pelanggaran konsesi yang amat membahayakan lingkungan dapat terdeteksi.
(2) Sistem perpajakan di Indonesia menganut asas self-assesment. Sayangnya, berbagai hal membuat tingkat kejujuran wajib pajak sangat rendah. Bahkan jumlah orang kaya ber-NPWP masih di bawah 20%. Namun dengan citra resolusi tinggi (misal Quickbird) dapat diidentifikasi dengan cepat asset-asset yang ada di suatu tempat (rumah, kolam renang, lapangan golf) untuk diuji silang dengan status kepemilikan dan perpajakannya. Tentunya akan janggal bila seseorang yang memiliki rumah mewah dengan kolam renang, namun belum punya NPWP. Akan janggal pula bila sebuah pabrik yang sangat besar (tampak di citra), ternyata melaporkan jumlah produksi yang kecil – dan tentunya besaran PPN atau PPh yang kecil. Dengan ini, upaya main mata pemeriksa pajak dengan wajib pajak (dan ini korupsi “sektor hulu” terbesar) dapat dideteksi lebih awal – untuk kemudian dicegah!
(3) Di sektor property (misal pembangunan gedung, pembukaan lahan, penyiapan infrastruktur), laporan “ABS” suatu proyek property yang belum selesai – namun sudah dilaporan selesai, juga dapat lebih mudah terdeteksi. Tinggal dilakukan komparasi atas foto sebelum dan sesudah dibangun.
Komentar
Posting Komentar