Systematic Literature Review: Strategi dan Efektivitas Manajemen Penagihan Pajak
Article Sidebar
Abstract Views: 0
File Views: 0
Main Article Content
Abstract
Penagihan utang pajak merupakan tahap kritis dalam administrasi perpajakan karena menentukan keberhasilan akhir penerimaan negara dan menjadi titik penegakan hukum yang melibatkan interaksi penagihan aktif seperti penyitaan dan pelelangan aset. Penelitian ini bertujuan mengidentifikasi strategi manajemen penagihan pajak, indikator efektivitas, bukti keberhasilan, faktor yang memengaruhi efektivitas, serta kesenjangan penelitian. Metode yang digunakan dalam penelitian ini adalah Systematic Literature Review dilakukan pada basis data Scopus untuk publikasi 2017–2026 dengan proses seleksi mengacu pada PRISMA 2020 dengan bantuan Rayyan.ai. Sebanyak 18 studi yang memenuhi kriteria akhir setelah penghapusan duplikasi, penyaringan judul-abstrak, penelusuran full text, dan penilaian kelayakan dari 129 artikel yang didapatkan di awal pencarian. Berdasarkan hasil ekstraksi data dan penilaian kualitas studi, penelitian ini mengidentifikasi enam tema utama yang mencakup strategi perilaku dan komunikasi, penegakan dan sanksi, pengampunan pajak dan penyelesaian utang, digitalisasi/otomatisasi/machine learning, segmentasi debitur dan manajemen risiko, serta manajemen administratif atas utang pajak. Efektivitas strategi penagihan pajak bersifat kondisional dan dipengaruhi oleh karakteristik utang serta bentuk intervensi yang diterapkan. Strategi pengingat dan komunikasi personal cenderung lebih efektif pada utang dengan nilai relatif kecil dan masih dapat segera ditindaklanjuti, sedangkan penerapan sanksi menunjukkan efektivitas yang lebih tinggi ketika konsekuensinya dirasakan secara langsung dan diarahkan secara terarah kepada kelompok debitur tertentu. Kebijakan tax amnesty menunjukkan hasil yang beragam, sementara digitalisasi dan analitik prediktif memiliki potensi untuk mendukung segmentasi debitur dan penetapan prioritas penagihan. Berdasarkan hasil sintesis literatur, penelitian ini merumuskan kerangka adaptive tax debt management yang mengintegrasikan segmentasi risiko, fasilitasi pembayaran, intervensi perilaku, penegakan bertingkat, serta pemantauan berkelanjutan
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
References
Abedin, M. Z., Chi, G., Uddin, M. M., Satu, M. S., Khan, M. I., & Hajek, P. (2021). Tax default prediction using feature transformation-based machine learning. IEEE Access, 9, 19864–19881. https://doi.org/10.1109/access.2020.3048018
Angeli, A., Lattarulo, P., Palmieri, E., & Pazienza, M. G. (2023). Tax evasion and tax amnesties in regional taxation. Economia Politica, 40(1), 343–369. https://doi.org/10.1007/s40888-023-00297-9
Biddle, N., Fels, K. M., & Sinning, M. (2018). Behavioral insights on business taxation: Evidence from two natural field experiments. Journal of Behavioral and Experimental Finance, 18, 30–49. https://doi.org/https://doi.org/10.1016/j.jbef.2018.01.004
Canavire-Bacarreza, G., Eguino, H., Heller, L., & Roman, S. (2023). When do tax amnesties work? J. Econ. Behav. Organ., 207, 350–375. https://doi.org/10.1016/j.jebo.2022.12.018
Dimitrov, Y., Hristova, V., & Vlaev, I. (2026). Behavioural insights in action: Improving tax compliance through behaviourally informed training. Behav. Public Policy, 1–15. https://doi.org/10.1017/bpp.2026.10031
Dwenger, N., & Treber, L. (2022). Shaming for tax enforcement. Manage. Sci., 68(11), 8202–8233. https://doi.org/10.1287/mnsc.2021.4295
Gillitzer, C., & Sinning, M. (2020). Nudging businesses to pay their taxes: Does timing matter? Journal of Economic Behavior & Organization, 169, 284–300. https://doi.org/https://doi.org/10.1016/j.jebo.2019.11.020
Höglund, H. (2017). Tax payment default prediction using genetic algorithm-based variable selection. Expert Syst. Appl., 88, 368–375. https://doi.org/10.1016/j.eswa.2017.07.027
Kuchumova, Y. (2026). Tax debt collection enforcement: When are collateral tax sanctions effective due to their prompt impact? International Review of Law and Economics, 86, 106333. https://doi.org/https://doi.org/10.1016/j.irle.2026.106333
Labarrère, N., Ribeiro, N., Lima, R. M., Aquere de Cerqueira e Souza, A. L., & Leite Vieira, M. S. (2024). Redesigning tax debt collection process in Brazil: process automation & nudging for tax compliance. Dir. Organ., 82, 5–15. https://doi.org/10.37610/dyo.v0i82.656
Mogollon, M., Ortega, D., & Scartascini, C. (2021). Who’s calling? The effect of phone calls and personal interaction on tax compliance. International Tax and Public Finance, 28(6), 1302–1328. https://doi.org/10.1007/s10797-021-09655-4
Organ, P. R., Ruda, A., Slemrod, J., & Turk, A. (2022). Incentive effects of the IRS’ passport certification and revocation process. Journal of Public Economics, 208, 104625. https://doi.org/https://doi.org/10.1016/j.jpubeco.2022.104625
Ourdani, N., Chrayah, M., & Aknin, N. (2024). Towards a new approach to maximize tax collection using machine learning algorithms. IAES International Journal of Artificial Intelligence (IJ-AI), 13(1), 737–746. https://doi.org/10.11591/ijai.v11.i1.pp737-746
Page, M. J., McKenzie, J. E., Bossuyt, P. M., Boutron, I., Hoffmann, T. C., Mulrow, C. D., Shamseer, L., Tetzlaff, J. M., Akl, E. A., Brennan, S. E., Chou, R., Glanville, J., Grimshaw, J. M., Hróbjartsson, A., Lalu, M. M., Li, T., Loder, E. W., Mayo-Wilson, E., McDonald, S., … Moher, D. (2021). The PRISMA 2020 statement: an updated guideline for reporting systematic reviews. BMJ, 372, n71. https://doi.org/10.1136/bmj.n71
Perez-Truglia, R., & Troiano, U. (2018). Shaming tax delinquents. Journal of Public Economics, 167, 120–137. https://doi.org/https://doi.org/10.1016/j.jpubeco.2018.09.008
Tymchenko, O., Sybirianska, Y., & Abramova, A. (2019). The Approach to Tax Debtors Segmentation. Economic Studies Journal, 5, 103-119 VO-None. https://doi.org/None
Wadesango, N., Bizah., S., & Nyamwanza, L. (2020). The Impact of Tax Amnesty on Tax Compliance and Tax Evasion behavior Among SMEs. Academy of Entrepreneurship Journal, 26. https://api.semanticscholar.org/CorpusID:226220824