Claim Missing Document
Check
Articles

Transformasi Sistem Perpajakan Menggunakan Teknologi Blockchain untuk Meningkatkan Transparansi dan Mengurangi Penyimpangan Iman Supriadi
Journal of Tax Policy, Economics, and Accounting (TAXPEDIA) Vol 2 No 1 (2024): Vol. 2 No. 1 (2024): Februari 2024
Publisher : MUC Tax Research Institute

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61261/muctj.v2i1.44

Abstract

Sistem perpajakan yang efisien, adil, dan transparan penting untuk mendukung pembangunan ekonomi yang berkelanjutan. Namun, masih ada tantangan yang dihadapi dalam sistem perpajakan saat ini, seperti kesulitan dalam memverifikasi informasi, potensi manipulasi data, dan kurangnya transparansi dalam proses perpajakan. Oleh karena itu, diperlukan inovasi teknologi untuk mengatasi masalah tersebut. Artikel ini bertujuan untuk menganalisis potensi transformasi sistem perpajakan melalui penggunaan teknologi blockchain. Penelitian ini menggunakan pendekatan kualitatif dan desain studi kasus untuk menganalisis transformasi sistem perpajakan dengan teknologi blockchain. Data diperoleh melalui studi kepustakaan, menggunakan sumber utama seperti jurnal ilmiah, artikel, buku, laporan penelitian, dan sumber daya elektronik terkait. Analisis data dilakukan secara kualitatif dengan mengumpulkan, membaca, dan menyusun data berdasarkan tema seperti keuntungan dan kendala penggunaan blockchain dalam perpajakan. Validitas data dijaga dengan menggunakan sumber yang valid dan terpercaya, serta menjaga objektivitas dalam interpretasi dan analisis data dengan meminimalkan bias peneliti. Penelitian ini mengungkapkan bahwa penggunaan teknologi blockchain dalam sistem perpajakan memiliki potensi besar untuk meningkatkan transparansi dan mengurangi penyimpangan. Dengan membangun register transaksi terdesentralisasi, blockchain dapat menyediakan bukti otomatis dan transparan tentang transaksi perpajakan, mengurangi peluang manipulasi atau korupsi data. Penelitian ini memberikan kontribusi pada pemahaman tentang manfaat transformasi sistem perpajakan menggunakan teknologi blockchain. Implementasi blockchain dapat meningkatkan transparansi, akuntabilitas, dan keamanan pada proses perpajakan. Artikel ini juga mendorong otoritas perpajakan dan pengambil kebijakan untuk mempertimbangkan adopsi teknologi blockchain sebagai solusi untuk memperkuat integritas sistem perpajakan.
SPATIAL CLUSTERING AND MACHINE LEARNING TO OPTIMIZE CARBON TAX DESIGN ACROSS ECONOMIC-ENVIRONMENTAL JURISDICTIONS Iman Supriadi
Journal of Tax Policy, Economics, and Accounting (TAXPEDIA) Vol 3 No 2 (2025): November 2025
Publisher : MUC Tax Research Institute

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61261/taxpedia.v3i2.89

Abstract

This study focuses on designing a carbon tax policy based on spatial clustering and machine learning to identify optimal jurisdictions based on environmental-economic performance. The research aims to identify spatial  patterns of environmental-economic performance across 38 countries, cluster countries based on similarity profiles using data-driven clustering methods, model the relationship between carbon prices/taxes, economic indicators, and environmental indicators, and recommend optimal carbon tax ranges for each jurisdictional cluster. Adopting a quantitative approach, this study utilizes secondary data from 38 countries, encompassing variables such as carbon prices/taxes, GDP, carbon emissions, energy consumption, industrial contribution to GDP, Environmental Performance Index (EPI), and climate change scores. The analysis employs Ward's hierarchical clustering method and evaluates silhouette coefficients to assess clustering validity. The results classify countries into five distinct clusters with varying environmental-economic characteristics. Developed nations with high environmental performance (e.g., Sweden, Norway, Denmark) are recommended to implement high carbon taxes (USD 100–150 per ton CO₂), while developing countries with high emission intensity (e.g., Indonesia, Kazakhstan) are advised to adopt low initial rates (<USD 15 per ton CO₂). Transitional economies are suggested to implement intermediate rates (USD 20–60 per ton CO₂). This study underscores the necessity of carbon tax policy differentiation based on economic capacity and environmental performance, as well as the importance of international cooperation in technology transfer and energy transition financing. The theoretical contribution lies in integrating Pigouvian Tax frameworks, spatial approaches, and machine learning to develop a more adaptive environmental fiscal policy design.