AI Akan Menggantikan Banyak Pekerjaan, Tapi Siapa yang Akan Membayar Pajak?

 

Perkembangan kecerdasan buatan atau Artificial Intelligence telah mengubah cara perusahaan menjalankan pekerjaannya.

AI sekarang dapat membantu:

• Menyiapkan laporan.
• Menganalisis data.
• Menjawab pertanyaan pelanggan.
• Menulis dan memeriksa kode program.
• Menghasilkan teks, gambar, suara, dan video.
• Mengelompokkan dokumen.
• Membantu pengambilan keputusan.
• Mengotomatisasi proses administrasi.

Bagi perusahaan, teknologi tersebut menawarkan peluang untuk meningkatkan produktivitas, mempercepat pelayanan, dan mengurangi pekerjaan berulang.

Namun di balik manfaat tersebut muncul pertanyaan fiskal yang semakin relevan:

Jika semakin banyak pekerjaan manusia diotomatisasi, siapa yang akan membayar pajak untuk membiayai negara?

Pertanyaan ini sebenarnya mengandung asumsi yang perlu diperbaiki.

AI dan robot tidak membayar pajak seperti manusia. Dalam sistem perpajakan saat ini, kewajiban pajak tetap berada pada orang pribadi atau badan usaha yang memperoleh penghasilan, keuntungan, atau melakukan transaksi.

Karena itu, masalah utamanya bukan bahwa seluruh pembayar pajak akan menghilang.

Masalah yang lebih mungkin terjadi adalah:

Basis pajak dapat berpindah dari penghasilan tenaga kerja menuju laba perusahaan, pendapatan modal, kepemilikan teknologi, dan konsumsi.

Jika sistem pajak gagal mengikuti perubahan tersebut, produktivitas dapat meningkat sementara penerimaan negara dan daya beli masyarakat justru melemah.

Artikel ini bersifat edukatif dan bukan nasihat perpajakan untuk transaksi atau perusahaan tertentu.

Apakah AI Benar-Benar Akan Menggantikan Jutaan Pekerjaan?

Belum ada dasar yang cukup untuk menyimpulkan bahwa AI pasti akan menghapus sebagian besar pekerjaan manusia.

International Labour Organization memperkirakan sekitar satu dari empat pekerjaan di dunia memiliki tingkat keterpaparan tertentu terhadap AI generatif. Namun hasil yang dinilai lebih mungkin adalah perubahan tugas, bukan penghapusan seluruh profesi. Pekerjaan administrasi mempunyai keterpaparan tertinggi, disusul sejumlah pekerjaan profesional dan teknis yang sangat terdigitalisasi.

Keterpaparan tidak sama dengan kehilangan pekerjaan.

Suatu profesi biasanya terdiri atas banyak tugas. Sebagiannya dapat diotomatisasi, sementara tugas lain masih membutuhkan:

• Penilaian manusia.
• Interaksi sosial.
• Pemahaman konteks.
• Tanggung jawab hukum.
• Negosiasi.
• Kepemimpinan.
• Pekerjaan fisik di lingkungan tidak terstruktur.

Sebagai contoh, AI dapat membantu seorang akuntan memeriksa transaksi. Namun manusia masih diperlukan untuk memahami konteks bisnis, berkomunikasi dengan manajemen, menilai kepatuhan, dan bertanggung jawab atas keputusan profesional.

Karena itu, dampak AI lebih tepat dianalisis pada tingkat tugas, bukan hanya nama pekerjaan.

Bagaimana Kondisinya di Indonesia?

Kajian ILO mengenai pasar kerja ASEAN pada 2026 memperkirakan sekitar 21,7 persen pekerjaan di Indonesia mempunyai lebih dari tingkat keterpaparan minimal terhadap AI generatif.

Pada tingkat ASEAN, sekitar 22,9 persen pekerjaan memiliki keterpaparan tersebut, tetapi hanya 3,3 persen tenaga kerja yang berada dalam kategori keterpaparan tertinggi. ILO juga menyatakan belum terlihat bukti kehilangan pekerjaan berskala luas akibat AI di kawasan tersebut.

Artinya, Indonesia memang perlu mempersiapkan perubahan pasar kerja, tetapi belum tepat menganggap pengangguran massal akibat AI telah menjadi kenyataan.

Hasil akhirnya akan sangat dipengaruhi oleh:

• Kecepatan adopsi AI.
• Biaya teknologi.
• Kualitas infrastruktur digital.
• Keterampilan tenaga kerja.
• Pertumbuhan usaha baru.
• Kebijakan pemerintah.
• Kemampuan UMKM mengakses AI.
• Pembagian manfaat produktivitas.

AI dapat mengurangi jumlah pekerja untuk tugas tertentu. Namun AI juga dapat membuat perusahaan berkembang lebih cepat, meningkatkan permintaan, dan menciptakan pekerjaan lain.

Mesin Tidak Membayar Pajak, tetapi Pemilik dan Penggunanya Bisa Dipajaki

Dalam sistem perpajakan Indonesia, Pajak Penghasilan dikenakan kepada orang pribadi atau badan atas penghasilan yang diterima atau diperoleh.

Sementara itu, Pajak Pertambahan Nilai dikenakan atas konsumsi barang dan jasa kena pajak di dalam wilayah Indonesia. PPh Pasal 21 secara khusus berkaitan dengan penghasilan dari pekerjaan, jasa, dan kegiatan orang pribadi.

Dengan demikian, ketika seorang pekerja digantikan perangkat lunak AI, beberapa perubahan dapat terjadi:

Komponen	Dampak yang mungkin terjadi
PPh Pasal 21 pekerja	Menurun jika pekerja kehilangan penghasilan
PPh badan	Dapat meningkat jika laba perusahaan naik
PPN	Bergantung pada perubahan konsumsi masyarakat
Pajak atas dividen atau keuntungan modal	Dapat meningkat jika manfaat diterima pemilik modal
Belanja perlindungan sosial	Dapat meningkat jika pengangguran bertambah
Investasi pendidikan	Perlu meningkat untuk reskilling

Kata pentingnya adalah dapat.

PPh badan tidak otomatis meningkat hanya karena jumlah pekerja menurun. Perusahaan mungkin mempunyai biaya investasi, penyusutan, kerugian usaha, fasilitas pajak, atau pengaturan lintas negara yang memengaruhi laba kena pajak.

Demikian juga PPN tidak otomatis turun.

Jika AI menurunkan harga barang, meningkatkan pendapatan riil, dan menciptakan kegiatan ekonomi baru, konsumsi dapat bertambah. Namun apabila banyak pekerja kehilangan pendapatan, konsumsi rumah tangga dapat melemah.

Karena itu, dampak akhirnya bergantung pada bagaimana keuntungan produktivitas dibagikan.

Ilustrasi Perubahan Basis Pajak

Bayangkan sebuah perusahaan mempunyai 100 pekerja administrasi.

Setelah menerapkan AI, perusahaan tidak langsung memberhentikan 80 orang. Beberapa kemungkinan dapat terjadi.

Skenario pertama: AI membantu seluruh pekerja

Jumlah pekerja tetap 100 orang, tetapi produktivitas meningkat.

Perusahaan dapat:

• Melayani lebih banyak pelanggan.
• Menaikkan produksi.
• Meningkatkan upah.
• Mengembangkan layanan baru.

Dalam kondisi ini, PPh tenaga kerja, PPh badan, dan PPN dapat sama-sama meningkat.

Skenario kedua: pekerjaan yang sama dilakukan oleh lebih sedikit orang

Perusahaan mempertahankan 40 pekerja dan mengurangi posisi lainnya.

Akibatnya:

• PPh Pasal 21 dapat menurun.
• Keuntungan perusahaan mungkin meningkat.
• Sebagian mantan pekerja kehilangan daya beli.
• Pemerintah mungkin perlu meningkatkan bantuan dan pelatihan.

Skenario ketiga: perusahaan berkembang setelah otomatisasi

Jumlah pekerja administrasi turun, tetapi perusahaan membuka pekerjaan baru di bidang:

• Penjualan.
• Pengembangan produk.
• Keamanan data.
• Pengawasan AI.
• Pelayanan yang lebih kompleks.
• Operasi lapangan.

Jumlah pekerjaan total dapat kembali meningkat, meskipun jenis pekerjaannya berubah.

Contoh ini menunjukkan bahwa hubungan antara otomatisasi dan pajak tidak berjalan secara lurus.

Pengurangan satu jenis pekerjaan belum tentu mengurangi seluruh penerimaan pajak. Namun transisinya dapat menimbulkan kerugian besar bagi kelompok pekerja tertentu.

Paradoks Pajak pada Era AI

AI dapat menciptakan situasi yang terlihat bertentangan.

Di satu sisi:

• Produksi meningkat.
• Biaya menurun.
• Laba perusahaan naik.
• Nilai perusahaan teknologi meningkat.

Di sisi lain:

• Bagian pendapatan yang diterima pekerja dapat menurun.
• Kekayaan terkonsentrasi pada pemilik modal.
• PPh tenaga kerja melemah.
• Kebutuhan perlindungan sosial meningkat.

Jika manfaat produktivitas hanya terkonsentrasi pada pemilik teknologi, negara dapat menghadapi dua masalah sekaligus:

1. Basis pajak tenaga kerja menyusut.
2. Pendapatan baru dari modal sulit dipajaki secara efektif.

Masalah kedua dapat terjadi karena laba, aset tidak berwujud, perangkat lunak, dan layanan digital lebih mudah dipindahkan antarnegara dibandingkan pabrik atau pekerja.

IMF menilai tekanan terhadap basis pajak tenaga kerja dapat menjadi lebih berat bagi negara yang lebih banyak menjadi konsumen layanan AI daripada produsen serta pemilik teknologinya.

Hal ini penting bagi Indonesia.

Jika teknologi AI sebagian besar dimiliki perusahaan di luar negeri, keuntungan produktivitas dapat dinikmati pengguna Indonesia, tetapi sebagian besar laba ekonominya dicatat di negara lain.

Apa Itu Robot Tax?

Robot tax adalah istilah umum untuk kebijakan yang berusaha mengenakan beban pajak tambahan terhadap penggunaan otomatisasi yang menggantikan tenaga kerja.

Robot tax tidak harus berarti sebuah robot menerima nomor pajak dan membayar pajak sendiri.

Bentuk kebijakannya dapat berupa:

• Pajak tambahan bagi perusahaan yang mengurangi banyak pekerja akibat otomatisasi.
• Iuran setara kontribusi tenaga kerja yang hilang.
• Pembatasan insentif pajak untuk investasi yang menggantikan pekerja.
• Pajak atas keuntungan luar biasa dari otomatisasi.
• Pajak lebih tinggi atas pendapatan modal.
• Dana transisi tenaga kerja yang dibiayai perusahaan pengguna AI.

Tujuannya adalah memastikan sebagian keuntungan produktivitas digunakan untuk:

• Pelatihan ulang.
• Perlindungan sosial.
• Pendidikan.
• Pelayanan publik.
• Penciptaan pekerjaan baru.

Gagasan tersebut terdengar sederhana, tetapi penerapannya sangat rumit.

Mengapa Robot Tax Sulit Diterapkan?

1. Sulit mendefinisikan robot

Apakah robot hanya mesin fisik di pabrik?

Bagaimana dengan:

• Chatbot.
• Perangkat lunak akuntansi.
• Mesin kasir mandiri.
• AI pembuat kode.
• Spreadsheet otomatis.
• Mesin pertanian.
• Sistem rekomendasi?

Hampir seluruh teknologi modern mengurangi kebutuhan manusia pada tingkat tertentu.

2. Sulit menghitung pekerjaan yang digantikan

Sebuah perusahaan mungkin mengurangi 20 pekerja setelah membeli AI.

Namun pengurangan tersebut dapat juga disebabkan oleh:

• Penurunan permintaan.
• Restrukturisasi.
• Merger.
• Efisiensi proses.
• Perubahan strategi.
• Kondisi ekonomi.

Menentukan berapa pekerjaan yang secara khusus hilang akibat AI dapat menimbulkan sengketa.

3. Dapat menghambat inovasi

Pajak yang dikenakan terlalu dini dapat membuat perusahaan menunda teknologi yang sebenarnya:

• Meningkatkan keselamatan.
• Mengurangi kesalahan.
• Menurunkan harga.
• Membantu pekerja.
• Membuat perusahaan lebih kompetitif.

IMF menilai pajak khusus terhadap AI bukan pilihan yang ideal karena sulit diterapkan dan dapat menekan investasi serta produktivitas. IMF lebih menyarankan peninjauan terhadap aturan pajak yang secara tidak efisien mendorong penggantian pekerja, serta penguatan pajak atas pendapatan modal dan laba ekonomi.

4. Dapat merugikan perusahaan lokal

Jika satu negara mengenakan robot tax tinggi sementara negara lain tidak, perusahaan dapat:

• Memindahkan investasi.
• Membeli layanan AI dari luar negeri.
• Menempatkan kekayaan intelektual di negara lain.
• Kehilangan daya saing ekspor.

Perusahaan besar mungkin mampu melakukan restrukturisasi lintas negara, sedangkan UMKM justru menanggung beban lebih besar.

5. Otomatisasi tidak selalu mengurangi pekerjaan

Sebuah mesin dapat mengurangi pekerjaan pada satu bagian, tetapi memperluas kegiatan perusahaan secara keseluruhan.

Pajak yang hanya menghitung jumlah mesin dapat menghukum investasi yang sebenarnya menciptakan pekerjaan baru.

Alternatif yang Lebih Realistis daripada Pajak Robot

Alih-alih mengenakan pajak pada setiap perangkat AI, pemerintah dapat memperbarui sistem pajak agar lebih sesuai dengan perubahan pembagian pendapatan.

1. Menjaga netralitas antara tenaga kerja dan modal

Kebijakan pajak tidak seharusnya secara berlebihan mendorong perusahaan menggantikan pekerja hanya karena investasi mesin memperoleh fasilitas yang jauh lebih besar daripada biaya mempertahankan tenaga kerja.

Namun kebijakan juga tidak boleh menghukum seluruh investasi teknologi.

Tujuannya adalah menjaga pilihan perusahaan berdasarkan manfaat ekonomi sebenarnya, bukan hanya perbedaan perlakuan pajak.

2. Memperkuat pajak atas laba perusahaan

Jika AI meningkatkan keuntungan perusahaan, sebagian manfaatnya dapat masuk ke penerimaan negara melalui PPh badan.

Namun sistemnya harus mampu menangani:

• Perusahaan multinasional.
• Kekayaan intelektual.
• Pembayaran royalti.
• Transaksi afiliasi.
• Pemindahan laba.
• Ekonomi lintas batas.

Penguatan pajak perusahaan harus dilakukan tanpa membuat investasi produktif menjadi tidak menarik.

3. Memajaki rente ekonomi

Rente ekonomi adalah keuntungan yang sangat besar karena posisi pasar, kepemilikan data, jaringan pengguna, atau teknologi yang sulit ditandingi.

Pajak atas keuntungan berlebih dapat lebih tepat daripada menghitung jumlah robot, terutama ketika pasar AI dikuasai segelintir perusahaan.

IMF menyebut penguatan pajak pendapatan modal, pajak keuntungan modal, penegakan kepatuhan, dan kemungkinan pajak tambahan atas keuntungan berlebih sebagai beberapa pilihan untuk membagi manfaat AI secara lebih luas.

4. Memperbaiki pajak atas pendapatan modal

Ketika pendapatan ekonomi bergeser dari gaji menuju:

• Dividen.
• Keuntungan saham.
• Royalti.
• Kepemilikan perangkat lunak.
• Pendapatan investasi,

sistem pajak perlu mampu menangkap perubahan tersebut secara adil.

Tujuannya bukan menghukum investor, tetapi mencegah situasi ketika pekerja menanggung beban pajak relatif lebih besar daripada pemilik teknologi.

5. Memperkuat kerja sama pajak internasional

Layanan AI dapat dikembangkan di satu negara, dijual dari negara kedua, dan digunakan oleh konsumen di negara ketiga.

Tanpa kerja sama internasional, negara tempat pengguna berada mungkin sulit memperoleh bagian penerimaan yang sebanding dengan aktivitas ekonominya.

6. Memperluas basis pajak secara sehat

Indonesia masih mempunyai ruang untuk memperkuat:

• Formalisasi usaha.
• Kepatuhan.
• Integrasi data.
• Pengawasan transaksi digital.
• Pelayanan wajib pajak.
• Penyederhanaan administrasi.

Memperluas kepatuhan sering lebih sehat daripada menciptakan pajak baru yang definisinya belum jelas.

AI Juga Dapat Membantu Pemerintah Memungut Pajak

AI tidak hanya menjadi tantangan bagi sistem perpajakan.

Teknologi yang sama dapat digunakan untuk:

• Mendeteksi ketidaksesuaian laporan.
• Mengidentifikasi transaksi tidak wajar.
• Membantu pelayanan wajib pajak.
• Memeriksa data dalam jumlah besar.
• Memprioritaskan pengawasan berdasarkan risiko.
• Menerjemahkan informasi pajak.
• Mengurangi kesalahan administrasi.

IMF mencatat bahwa otoritas pajak mulai menggunakan AI untuk pelayanan, analisis kepatuhan, dan peningkatan efisiensi administrasi.

Indonesia sendiri sedang memperkuat administrasi perpajakan melalui Coretax, yang mengintegrasikan pendaftaran, pelaporan, pembayaran, pengawasan, dan data dari berbagai sumber.

Kementerian Keuangan melaporkan bahwa hingga April 2026 lebih dari 13 juta SPT Tahunan telah diproses melalui Coretax. Sistem tersebut juga menggunakan integrasi data pihak ketiga dan fitur data yang telah terisi untuk meningkatkan akurasi pelaporan.

Teknologi tersebut tetap membutuhkan:

• Perlindungan data.
• Keamanan siber.
• Transparansi.
• Hak wajib pajak untuk mengoreksi kesalahan.
• Pengawasan manusia.
• Mekanisme keberatan.

AI tidak boleh membuat keputusan pajak yang berdampak besar tanpa akuntabilitas yang jelas.

Apakah Universal Basic Income Menjadi Jawaban?

Universal Basic Income atau UBI adalah pembayaran tunai yang diberikan secara rutin, tanpa syarat, dan secara universal kepada setiap warga yang memenuhi definisi kepesertaan.

UBI sering dibahas sebagai respons terhadap otomatisasi karena dapat menjaga pendapatan dan daya beli ketika pekerjaan menjadi lebih tidak pasti.

World Bank menjelaskan bahwa UBI memiliki tiga unsur utama:

• Dibayar dalam bentuk uang.
• Tidak mensyaratkan pekerjaan atau perilaku tertentu.
• Diberikan secara universal, bukan hanya kepada kelompok miskin.

Potensi manfaatnya antara lain:

• Mengurangi risiko masyarakat kehilangan seluruh pendapatan.
• Menyederhanakan akses bantuan.
• Mengurangi kesalahan pengecualian penerima.
• Memberikan daya tawar lebih baik kepada pekerja.
• Menjaga konsumsi saat terjadi transisi teknologi.

Namun UBI juga mempunyai tantangan besar.

Biayanya sangat tinggi

Pembayaran yang cukup berarti kepada seluruh penduduk membutuhkan anggaran sangat besar.

Jika anggarannya tetap, pemberian kepada semua orang dapat menyebabkan bantuan yang diterima kelompok paling rentan justru menjadi lebih kecil.

World Bank menyebut persoalan biaya, ketepatan tujuan, hubungan dengan program sosial lain, dan keberlanjutan fiskal sebagai pertimbangan utama UBI.

Orang kaya ikut menerima

Sifat universal membuat seluruh warga menerima pembayaran, termasuk orang yang sebenarnya tidak membutuhkan bantuan.

Pemerintah dapat menarik kembali manfaat tersebut melalui pajak progresif, tetapi mekanismenya harus dirancang dengan baik.

Tidak menyelesaikan kebutuhan nonfinansial

Pekerja yang kehilangan pekerjaan tidak hanya kehilangan gaji.

Mereka juga dapat kehilangan:

• Identitas profesional.
• Keterampilan yang terus digunakan.
• Hubungan sosial.
• Perlindungan kerja.
• Kesempatan berkembang.

Karena itu, pembayaran tunai tidak dapat menggantikan kebijakan pendidikan, penciptaan pekerjaan, dan perlindungan pekerja.

Alternatif terhadap UBI

Indonesia tidak harus langsung memilih antara robot tax dan UBI penuh.

Terdapat beberapa pilihan yang lebih bertahap.

Bantuan sosial terarah

Bantuan diberikan kepada masyarakat yang benar-benar kehilangan pendapatan atau berada dalam kondisi rentan.

Asuransi pengangguran

Pekerja memperoleh penggantian sebagian pendapatan selama mencari pekerjaan baru.

Wage insurance

Pekerja yang menerima pekerjaan baru dengan upah lebih rendah memperoleh bantuan sementara untuk menutup sebagian selisih pendapatan.

Rekening pelatihan individu

Pekerja memperoleh dana atau hak pelatihan yang dapat dibawa ketika berpindah perusahaan.

Negative income tax

Masyarakat dengan pendapatan di bawah batas tertentu menerima tambahan dari pemerintah melalui sistem pajak.

Social dividend

Sebagian keuntungan dari aset publik, sumber daya alam, atau dana investasi negara dibagikan kepada masyarakat.

IMF merekomendasikan penguatan perlindungan pengangguran, bantuan sosial, pelatihan sektoral, magang, reskilling, dan kemungkinan wage insurance untuk menghadapi gangguan pasar kerja akibat AI.

Tiga Skenario Ekonomi dan Pajak pada Era AI

Skenario 1: AI Lebih Banyak Membantu Pekerja

Dalam skenario ini, AI meningkatkan produktivitas tanpa mengurangi pekerjaan secara besar-besaran.

Dampaknya:

• Upah dapat meningkat.
• Produksi bertambah.
• Harga sebagian layanan menurun.
• Perusahaan memperoleh laba lebih besar.
• Penerimaan PPh, PPN, dan PPh badan dapat meningkat.

Kebijakan utamanya adalah pendidikan, kompetisi sehat, serta akses AI bagi UMKM dan pekerja.

Skenario 2: Terjadi Perubahan Pekerjaan secara Bertahap

Sebagian pekerjaan administrasi dan digital berkurang, sementara pekerjaan baru tumbuh.

Dampaknya:

• PPh Pasal 21 melemah pada sektor tertentu.
• Pekerja membutuhkan pelatihan.
• Terdapat ketidaksesuaian antara keterampilan lama dan pekerjaan baru.
• Penerimaan badan dapat meningkat, tetapi tidak selalu menutup kehilangan pajak tenaga kerja.

Kebijakan utamanya adalah bantuan transisi, reskilling, dan reformasi pajak atas pendapatan modal.

Skenario 3: Otomatisasi Sangat Cepat dan Kepemilikan Terkonsentrasi

Sebagian besar produktivitas dikuasai sejumlah kecil perusahaan dan pemilik modal.

Dampaknya:

• Bagian pendapatan tenaga kerja menurun.
• Ketimpangan meningkat.
• Konsumsi rumah tangga melemah.
• Pajak penghasilan pekerja turun.
• Negara membutuhkan belanja sosial lebih besar.
• Laba digital lebih sulit dipajaki jika tercatat di luar negeri.

Dalam kondisi tersebut, sistem pajak perlu lebih kuat menangkap laba, rente ekonomi, dan pendapatan modal.

Apa yang Perlu Dilakukan Indonesia?

1. Tidak terburu-buru menerapkan robot tax

Indonesia sebaiknya tidak langsung mengenakan pajak berdasarkan jumlah robot, server, perangkat lunak, atau akun AI.

Kajian perlu menjawab:

• Apakah teknologi benar-benar menggantikan pekerja?
• Apakah teknologi membantu usaha berkembang?
• Siapa yang menerima keuntungan?
• Apakah laba tersebut sudah dipajaki?
• Apa dampaknya terhadap UMKM?
• Apakah kebijakan dapat dihindari melalui layanan AI dari luar negeri?

2. Memantau perubahan basis pajak berdasarkan sektor

Pemerintah perlu mengamati hubungan antara adopsi AI dengan:

• Jumlah pekerja.
• Tingkat upah.
• Produktivitas.
• Laba perusahaan.
• Dividen.
• Konsumsi.
• PPh Pasal 21.
• PPh badan.
• PPN.

Data tersebut akan menunjukkan apakah basis pajak benar-benar menyusut atau hanya berpindah.

3. Menjaga perlakuan pajak yang netral

Insentif teknologi perlu diberikan untuk inovasi yang memberikan manfaat nyata.

Namun pemerintah juga perlu menghindari sistem yang membuat pemecatan pekerja lebih menarik secara pajak daripada pelatihan dan peningkatan kompetensi.

Insentif dapat dikaitkan dengan:

• Pelatihan pekerja.
• Penciptaan pekerjaan.
• Investasi riset.
• Peningkatan produktivitas UMKM.
• Transfer pengetahuan.
• Keamanan dan tanggung jawab AI.

4. Memperkuat pajak atas laba dan pendapatan modal

Jika proporsi pendapatan bergeser dari tenaga kerja ke modal, sistem perpajakan juga perlu mengikuti perubahan tersebut.

Penguatannya perlu disertai kepastian hukum agar tidak menghambat investasi produktif.

5. Mendukung kepemilikan teknologi yang lebih luas

Ketimpangan dapat berkurang jika manfaat AI tidak hanya diterima segelintir perusahaan.

Pemerintah dapat mendorong:

• Kepemilikan saham pekerja.
• Koperasi digital.
• Riset publik.
• Startup lokal.
• Infrastruktur komputasi bersama.
• Akses AI bagi UMKM.
• Dana investasi nasional pada teknologi strategis.

Dengan demikian, masyarakat tidak hanya menjadi konsumen, tetapi juga mempunyai bagian kepemilikan atas pertumbuhan ekonomi digital.

6. Membangun perlindungan sosial yang portabel

Perlindungan sebaiknya tetap mengikuti pekerja ketika ia:

• Berpindah perusahaan.
• Bekerja sebagai pekerja lepas.
• Menjadi pengemudi platform.
• Menjalankan usaha sendiri.
• Mengikuti pelatihan.
• Mengalami masa tanpa pekerjaan.

Sistem yang hanya melindungi pegawai tetap akan semakin sulit diterapkan ketika pola kerja menjadi lebih fleksibel.

7. Memprioritaskan reskilling yang terhubung dengan pekerjaan

Pelatihan tidak boleh berhenti pada pembagian sertifikat.

Program perlu disusun berdasarkan:

• Permintaan industri.
• Kebutuhan wilayah.
• Kompetensi awal pekerja.
• Peluang penempatan.
• Kemampuan UMKM.
• Evaluasi peningkatan pendapatan.

8. Menggunakan AI untuk memperkuat administrasi pajak

AI dapat membantu mengurangi penghindaran pajak dan memperluas kepatuhan.

Namun penggunaannya harus memperhatikan keamanan, privasi, kualitas data, dan hak wajib pajak.

9. Menyiapkan beberapa skenario fiskal

Pemerintah perlu melakukan simulasi:

• Bagaimana jika PPh Pasal 21 turun 10 persen?
• Bagaimana jika laba perusahaan AI meningkat tajam?
• Bagaimana jika konsumsi rumah tangga melemah?
• Bagaimana jika pekerjaan baru tumbuh di sektor informal?
• Bagaimana jika sebagian besar pembayaran AI mengalir ke luar negeri?

Perencanaan skenario lebih aman daripada menunggu kehilangan penerimaan benar-benar terjadi.

Apakah Pajak Pekerja Akan Hilang?

Kemungkinan besar tidak.

Pekerjaan manusia akan tetap ada, meskipun bentuknya berubah.

Bahkan dalam ekonomi yang sangat otomatis, manusia masih akan memperoleh pendapatan dari:

• Pekerjaan.
• Usaha.
• Investasi.
• Royalti.
• Kepemilikan saham.
• Penyewaan aset.
• Kegiatan kreatif.
• Pelayanan sosial.

Namun komposisinya dapat berubah.

Jika pendapatan dari gaji menjadi lebih kecil dan pendapatan modal semakin besar, negara tidak dapat terus terlalu bergantung pada pemajakan tenaga kerja.

Mitos tentang AI dan Pajak

“Jika AI menggantikan pekerja, negara tidak memperoleh pajak sama sekali”

Tidak.

Negara masih dapat memperoleh PPh badan, PPN, pajak atas pendapatan modal, dan penerimaan lain. Masalahnya adalah apakah pajak tersebut dapat dipungut secara efektif dan adil.

“Robot harus membayar pajak seperti manusia”

Robot bukan subjek ekonomi independen.

Pajak dikenakan kepada orang atau badan yang memiliki, mengoperasikan, atau memperoleh keuntungan dari teknologi.

“Robot tax pasti menyelesaikan ketimpangan”

Belum tentu.

Pajak yang salah desain dapat menghambat inovasi, membebani UMKM, dan mudah dihindari.

“PPh badan pasti naik ketika pekerja dikurangi”

Tidak otomatis.

Kenaikannya bergantung pada laba kena pajak, biaya investasi, fasilitas pajak, kerugian, dan struktur perusahaan.

“UBI membuat semua orang tidak mau bekerja”

Belum ada dasar untuk membuat kesimpulan universal tersebut.

Dampaknya bergantung pada besarnya pembayaran, sumber pembiayaan, pasar kerja, dan hubungan UBI dengan program lain.

“Semua pekerjaan digital akan hilang”

Tidak.

Sebagian tugas digital memang mempunyai keterpaparan tinggi, tetapi banyak pekerjaan akan berubah, bukan dihapus seluruhnya.

Pertanyaan yang Sering Diajukan

Apakah AI akan mengurangi penerimaan pajak?

Bisa pada jenis pajak tertentu, terutama PPh tenaga kerja, jika otomatisasi menyebabkan pengangguran atau penurunan upah.

Namun penerimaan dari laba perusahaan, modal, dan konsumsi dapat meningkat jika produktivitas dibagikan secara luas.

Siapa yang membayar pajak ketika pekerjaan dilakukan AI?

Pemilik, operator, perusahaan pengguna, investor, dan konsumen tetap menjadi bagian dari sistem perpajakan sesuai penghasilan serta transaksinya.

Apa itu robot tax?

Robot tax adalah istilah untuk kebijakan yang membebankan pajak tambahan pada otomatisasi atau keuntungan yang timbul karena penggantian pekerja.

Apakah Indonesia sudah memiliki pajak AI?

Indonesia tidak mempunyai satu pajak khusus yang secara umum disebut robot tax. Penghasilan dan transaksi perusahaan pengguna AI tetap tunduk pada aturan pajak yang berlaku.

Apakah pajak AI perlu diterapkan sekarang?

Belum tentu.

Prioritas awal lebih baik diarahkan pada pemetaan dampak, penguatan administrasi, pajak laba dan modal yang efektif, serta perlindungan pekerja.

Apakah UBI cocok diterapkan di Indonesia?

UBI dapat dikaji, tetapi biaya dan ketepatan sasarannya harus dibandingkan dengan bantuan sosial terarah, asuransi pengangguran, subsidi pelatihan, dan program perlindungan lain.

Apakah AI juga dapat meningkatkan penerimaan pajak?

Bisa.

AI dapat meningkatkan produktivitas ekonomi serta membantu pemerintah memperbaiki pelayanan, integrasi data, pengawasan, dan kepatuhan.

Kesimpulan

Pertanyaan “siapa yang akan membayar pajak ketika AI menggantikan pekerja?” tidak mempunyai satu jawaban sederhana.

AI kemungkinan tidak menghapus seluruh pekerjaan. Dampak yang lebih mungkin adalah perubahan tugas, perpindahan profesi, serta pergeseran pembagian pendapatan antara tenaga kerja dan pemilik modal.

Jika pekerjaan manusia berkurang, penerimaan dari PPh Pasal 21 dapat melemah.

Namun pada saat yang sama:

• Laba perusahaan dapat meningkat.
• Pendapatan modal bertambah.
• Nilai perusahaan teknologi naik.
• Produk dan layanan baru muncul.
• Konsumsi dapat berubah.
• Administrasi pajak menjadi lebih efisien.

Tantangan sebenarnya bukan membuat robot membayar pajak.

Tantangannya adalah memastikan bahwa pihak yang memperoleh manfaat ekonomi terbesar dari otomatisasi memberikan kontribusi yang adil kepada masyarakat.

Indonesia tidak perlu langsung menerapkan robot tax atau UBI penuh.

Langkah yang lebih realistis adalah:

• Memantau perubahan pekerjaan dan basis pajak.
• Menjaga keseimbangan pemajakan tenaga kerja dan modal.
• Memperkuat pajak laba serta pendapatan modal.
• Mencegah pengalihan laba lintas negara.
• Menggunakan AI untuk meningkatkan kepatuhan.
• Membangun perlindungan sosial yang adaptif.
• Membantu pekerja memperoleh keterampilan baru.
• Memperluas kepemilikan manfaat teknologi.

Pada akhirnya, pertanyaan yang paling penting bukan hanya:

Siapa yang membayar pajak ketika AI melakukan lebih banyak pekerjaan?

Pertanyaan yang lebih mendasar adalah:

Siapa yang memiliki AI, siapa yang menerima keuntungan produktivitasnya, dan bagaimana manfaat tersebut dibagikan kepada masyarakat?

Jika keuntungan AI tersebar melalui upah, usaha baru, harga yang lebih murah, kepemilikan saham, pajak, dan pelayanan publik, teknologi dapat memperkuat kesejahteraan.

Namun jika manfaatnya hanya terkonsentrasi pada sedikit pemilik teknologi, produktivitas yang lebih tinggi justru dapat berjalan bersamaan dengan ketimpangan, pengangguran, dan melemahnya penerimaan negara.

Masa depan pajak pada era AI tidak hanya ditentukan oleh kecanggihan teknologi.

Masa depan tersebut akan ditentukan oleh pilihan kebijakan manusia.

Sejarah Probabilitas dan Manajemen Risiko: Dari Peradaban Islam hingga Eropa Awal Modern

 

Apakah konsep probabilitas dan manajemen risiko telah dikenal pada masa peradaban Islam, atau baru muncul ketika Eropa memasuki era Renaissance?

Jawabannya bergantung pada apa yang dimaksud dengan probabilitas dan manajemen risiko.

Apabila yang dimaksud adalah teori probabilitas matematis—dengan angka antara 0 dan 1, perhitungan peluang, nilai harapan, dan aturan matematika—perkembangannya secara sistematis memang dimulai di Eropa pada abad ke-17.

Namun apabila yang dimaksud adalah kemampuan manusia untuk:

• Mengenali ketidakpastian.
• Mengamati pola kejadian.
• Menyediakan cadangan.
• Membagi risiko usaha.
• Mendokumentasikan transaksi.
• Mengantisipasi kegagalan.
• Mengambil keputusan secara hati-hati.

maka praktik tersebut telah ada jauh sebelum lahirnya teori probabilitas modern, termasuk dalam peradaban Islam.

Karena itu, kurang tepat mengatakan bahwa peradaban Islam telah menemukan teori probabilitas modern. Namun sama tidak tepatnya apabila dikatakan bahwa masyarakat Muslim pada masa itu tidak mengenal pengelolaan ketidakpastian sama sekali.

Artikel ini membedakan tiga hal yang sering dicampuradukkan:

1. Pemahaman praktis mengenai ketidakpastian.
2. Fondasi matematika dan statistik yang mendukung probabilitas.
3. Teori probabilitas formal yang digunakan dalam manajemen risiko modern.

Istilah Eropa awal modern juga lebih tepat daripada hanya “Renaissance Eropa”, karena perkembangan Pascal, Fermat, dan Huygens berlangsung pada pertengahan abad ke-17, setelah periode puncak Renaissance.

Apa Perbedaan Ketidakpastian, Probabilitas, dan Risiko?

Ketiga istilah tersebut saling berkaitan, tetapi tidak identik.

Ketidakpastian

Ketidakpastian adalah kondisi ketika manusia tidak mengetahui secara pasti apa yang akan terjadi.

Contohnya:

• Apakah hujan akan turun?
• Apakah harga komoditas akan naik?
• Apakah proyek selesai tepat waktu?
• Apakah pemasok mampu mengirim barang?

Ketidakpastian telah dihadapi manusia sejak awal peradaban.

Probabilitas

Probabilitas memberikan ukuran mengenai seberapa mungkin suatu kejadian terjadi.

Dalam teori modern, probabilitas biasanya dinyatakan sebagai angka antara 0 dan 1 atau dalam bentuk persentase. Nilai 0 menunjukkan kejadian dianggap mustahil dalam model, sedangkan nilai 1 menunjukkan kepastian. Konsep kuantitatif dan kalkulus probabilitas semacam ini berkembang mulai pertengahan abad ke-17.

Risiko

ISO 31000 memandang risiko sebagai dampak ketidakpastian terhadap tujuan. Karena itu, risiko tidak hanya berarti kemungkinan terjadinya bencana, tetapi juga dapat mencakup perubahan yang memengaruhi pencapaian tujuan secara positif maupun negatif.

Perbedaan tersebut dapat diringkas sebagai berikut:

Konsep	Pertanyaan utama
Ketidakpastian	Apa yang belum kita ketahui?
Probabilitas	Seberapa mungkin suatu kejadian terjadi?
Risiko	Bagaimana ketidakpastian tersebut memengaruhi tujuan?
Manajemen risiko	Apa yang harus dilakukan terhadap risiko tersebut?

Apakah Risiko Selalu Dihitung dengan Rumus Probabilitas × Dampak?

Dalam pelatihan manajemen risiko sering digunakan rumus sederhana:

Risiko = kemungkinan × dampak

Rumus tersebut berguna untuk memperkenalkan penilaian risiko. Namun rumus itu bukan definisi lengkap risiko dan tidak selalu menghasilkan perhitungan matematis yang akurat.

Dalam matriks risiko, kemungkinan dan dampak sering diberi skala seperti 1 sampai 5. Nilai tersebut biasanya bersifat ordinal, bukan ukuran probabilitas serta kerugian yang sesungguhnya.

Sebagai contoh, skor kemungkinan 4 tidak selalu berarti kejadian tersebut dua kali lebih mungkin daripada skor 2.

Selain itu, risiko dapat memiliki:

• Beberapa jenis dampak.
• Hubungan sebab-akibat yang kompleks.
• Ketergantungan dengan risiko lain.
• Informasi yang tidak lengkap.
• Perubahan kondisi dari waktu ke waktu.
• Peluang yang tidak dapat dihitung secara presisi.

ISO 31000 karena itu tidak hanya membahas angka probabilitas. Standar tersebut mencakup komunikasi, penetapan ruang lingkup dan kriteria, identifikasi, analisis, evaluasi, penanganan, pemantauan, serta pencatatan risiko.

Manajemen Risiko Ada Sebelum Teori Probabilitas

Manusia tidak harus mempunyai rumus probabilitas untuk melakukan tindakan pencegahan.

Nelayan dapat menghindari berlayar ketika melihat tanda cuaca buruk meskipun tidak mengetahui probabilitas badai secara numerik.

Pedagang dapat membagi barangnya ke beberapa kapal meskipun tidak mempunyai data statistik mengenai peluang kapal tenggelam.

Petani dapat menyimpan sebagian hasil panen tanpa menghitung distribusi probabilitas musim paceklik.

Dengan demikian, pengelolaan risiko secara praktis jauh lebih tua daripada teori probabilitas.

Peradaban kuno di berbagai wilayah telah menggunakan:

• Gudang pangan.
• Cadangan air.
• Benteng.
• Kontrak perdagangan.
• Kemitraan usaha.
• Jalur perjalanan alternatif.
• Pembagian muatan.
• Pencatatan transaksi.

Praktik tersebut tidak dapat disebut teori probabilitas. Namun semuanya menunjukkan kesadaran bahwa masa depan mengandung ketidakpastian dan manusia perlu mempersiapkan diri.

Perencanaan Risiko dalam Tradisi Islam

Dalam Al-Qur’an terdapat kisah Nabi Yusuf yang memberikan gambaran jelas mengenai perencanaan menghadapi krisis.

Nabi Yusuf menyarankan agar masyarakat bercocok tanam selama tujuh tahun, menggunakan sedikit hasil panen untuk konsumsi, dan menyimpan sebagian besar hasilnya untuk menghadapi tujuh tahun masa sulit.

Apabila dibaca dengan istilah manajemen modern, kisah tersebut mengandung unsur:

• Pengenalan ancaman paceklik.
• Penilaian dampak terhadap pangan.
• Pengendalian konsumsi.
• Penyediaan cadangan.
• Pengelolaan persediaan.
• Perencanaan pemulihan.

Namun kisah tersebut bukan teori probabilitas.

Nabi Yusuf tidak menghitung persentase kemungkinan paceklik menggunakan data historis. Pesan utamanya adalah perencanaan dan persiapan menghadapi kondisi yang akan datang.

Perbedaan ini penting agar pembacaan modern tidak berubah menjadi klaim sejarah yang berlebihan.

Peradaban Islam dan Fondasi Matematika Probabilitas

Pada masa perkembangan ilmu pengetahuan di dunia Islam, khususnya antara abad ke-8 dan ke-15, teori probabilitas belum menjadi cabang matematika tersendiri.

Namun beberapa pengetahuan yang kelak penting dalam probabilitas telah berkembang, terutama:

• Aljabar.
• Aritmetika.
• Kombinatorika.
• Pengamatan frekuensi.
• Kriptografi.
• Teknik pengambilan keputusan.
• Administrasi dan pencatatan.

Fondasi tersebut tidak otomatis melahirkan teori probabilitas. Akan tetapi, fondasi itu menunjukkan bahwa para ilmuwan pada masa tersebut telah mampu menganalisis pola dan kemungkinan konfigurasi secara sistematis.

Al-Khalil ibn Ahmad dan Kombinasi Huruf

Al-Khalil ibn Ahmad al-Farahidi merupakan salah satu tokoh penting dalam ilmu bahasa Arab.

Dalam penyusunan sistem leksikografi, ia mempertimbangkan berbagai kemungkinan susunan huruf untuk membentuk kata. Sejumlah kajian sejarah statistik menghubungkan metode tersebut dengan penggunaan awal permutasi dan kombinasi dalam tradisi keilmuan Arab.

Kombinatorika membahas cara menghitung banyaknya susunan atau pilihan yang mungkin.

Sebagai contoh sederhana, apabila terdapat tiga huruf A, B, dan C, susunan yang dapat terbentuk antara lain:

• ABC.
• ACB.
• BAC.
• BCA.
• CAB.
• CBA.

Menghitung seluruh kemungkinan merupakan bagian penting dalam probabilitas modern.

Namun kombinatorika belum sama dengan probabilitas.

Mengetahui bahwa terdapat enam kemungkinan susunan belum menjawab seberapa besar peluang masing-masing susunan akan muncul.

Al-Kindi dan Analisis Frekuensi

Salah satu kontribusi yang paling relevan terhadap sejarah pemikiran statistik datang dari Al-Kindi.

Dalam risalah mengenai pemecahan sandi, Al-Kindi menjelaskan penggunaan analisis frekuensi huruf. Ia mengamati bahwa dalam suatu bahasa, huruf tertentu cenderung muncul lebih sering daripada huruf lainnya.

Pola tersebut kemudian dibandingkan dengan frekuensi simbol pada pesan terenkripsi untuk memperkirakan huruf asli yang disembunyikan. Risalah Al-Kindi merupakan salah satu karya paling awal yang masih bertahan mengenai kriptanalisis sistematis dan frekuensi kemunculan huruf.

Pendekatannya dapat diringkas sebagai berikut:

1. Mengumpulkan teks dalam bahasa yang diketahui.
2. Menghitung frekuensi setiap huruf.
3. Mengurutkan huruf dari yang paling sering hingga paling jarang.
4. Menghitung frekuensi simbol dalam pesan tersandi.
5. Mencocokkan pola frekuensi.
6. Menguji apakah hasilnya menghasilkan kata yang masuk akal.

Metode ini menggunakan pola empiris dari data.

Karena itu, Al-Kindi dapat dikatakan menggunakan cara berpikir statistik dalam kriptanalisis.

Namun ia belum merumuskan teori probabilitas umum untuk kejadian acak.

Ibn Adlan dan Kecukupan Data

Perkembangan kriptanalisis Arab berlanjut pada ilmuwan seperti Ibn Adlan.

Kajian sejarah statistik mencatat bahwa Ibn Adlan menggunakan distribusi frekuensi huruf dan membahas pentingnya panjang teks yang memadai agar analisis frekuensi dapat memberikan hasil yang berguna.

Pemikiran ini dekat dengan salah satu masalah penting dalam statistik modern:

Apakah data yang digunakan cukup banyak untuk mewakili pola yang sebenarnya?

Sampel yang terlalu kecil dapat menghasilkan frekuensi yang tidak stabil.

Sebagai contoh, huruf tertentu mungkin menjadi huruf paling sering dalam satu paragraf pendek, padahal bukan huruf paling umum dalam keseluruhan bahasa.

Namun sekali lagi, pembahasan mengenai frekuensi empiris dan kecukupan teks belum membentuk teori probabilitas sebagai cabang matematika universal.

Kriptanalisis Bukan Probabilitas Modern

Analisis frekuensi memiliki hubungan dengan statistik dan probabilitas, tetapi ketiganya tidak boleh dianggap identik.

Al-Kindi menggunakan frekuensi sebagai alat untuk memecahkan masalah tertentu.

Teori probabilitas modern kemudian mengembangkan konsep yang lebih luas, seperti:

• Ruang sampel.
• Kejadian.
• Probabilitas bersyarat.
• Independensi.
• Variabel acak.
• Nilai harapan.
• Distribusi probabilitas.
• Hukum bilangan besar.

Dengan demikian, kontribusi Al-Kindi sangat penting dalam sejarah kriptanalisis dan pemikiran statistik empiris, tetapi tidak tepat menyebutnya sebagai pencipta teori probabilitas modern.

Perdagangan Islam dan Pembagian Risiko

Jaringan perdagangan di dunia Islam juga menghadapi berbagai ketidakpastian, antara lain:

• Kehilangan barang.
• Perubahan harga.
• Keterlambatan perjalanan.
• Konflik.
• Cuaca buruk.
• Kegagalan mitra.
• Kerusakan barang.
• Perompakan.

Salah satu mekanisme yang dikenal dalam tradisi keuangan Islam adalah mudarabah, yaitu kerja sama ketika satu pihak menyediakan modal dan pihak lain mengelola usaha.

Keuntungan dibagi berdasarkan kesepakatan. Kerugian modal pada prinsipnya ditanggung pemilik modal, kecuali kerugian terjadi akibat kelalaian, pelanggaran, atau kesalahan pengelola.

Mudarabah dan musharakah dikategorikan sebagai transaksi yang mengandung pembagian risiko, bukan pemindahan seluruh risiko kepada satu pihak.

Praktik tersebut menunjukkan adanya pengelolaan risiko melalui:

• Pembagian tanggung jawab.
• Pembagian keuntungan.
• Penetapan hak dan kewajiban.
• Pemilihan mitra.
• Pengawasan pengelola.
• Diversifikasi modal.

Namun pembagian risiko kontraktual berbeda dari perhitungan probabilitas.

Para pihak dapat memahami bahwa usaha mungkin untung atau rugi tanpa menghitung peluang kerugian sebesar 15, 30, atau 50 persen.

Tidak Semua Ketidakpastian Harus Dihitung

Manajemen risiko modern kadang terlalu menekankan angka.

Padahal tidak semua risiko dapat dinilai menggunakan data historis yang cukup.

Contohnya:

• Perubahan geopolitik.
• Inovasi teknologi baru.
• Perubahan regulasi.
• Risiko reputasi.
• Serangan siber baru.
• Perubahan perilaku konsumen.
• Krisis yang belum pernah terjadi.

Dalam kondisi tersebut, organisasi tetap dapat menggunakan:

• Penilaian ahli.
• Skenario.
• Stress testing.
• Analisis sensitivitas.
• Asumsi.
• Early warning indicator.
• Business Continuity Plan.

Hal tersebut menunjukkan bahwa manajemen risiko tetap lebih luas daripada probabilitas.

Probabilitas adalah alat penting, tetapi bukan satu-satunya alat.

Mengapa Teori Probabilitas Formal Belum Muncul?

Pertanyaan mengapa suatu teori tidak muncul dalam suatu peradaban sulit dijawab secara pasti.

Sejarah ilmu bukan proses sederhana ketika seluruh bahan dasar otomatis menghasilkan sebuah teori baru.

Sebuah disiplin biasanya muncul ketika terdapat kombinasi:

• Masalah praktis yang mendorong penelitian.
• Bahasa matematika yang sesuai.
• Komunitas ilmiah.
• Tradisi dokumentasi.
• Pertukaran gagasan.
• Institusi pendidikan.
• Teknologi pencetakan.
• Kebutuhan ekonomi dan politik.

Karena perjudian dilarang dalam Islam, terkadang muncul kesimpulan bahwa larangan tersebut menjadi penyebab teori probabilitas tidak berkembang di dunia Islam.

Penjelasan itu terlalu sederhana.

Memang benar bahwa persoalan perjudian menjadi salah satu pemicu langsung perkembangan probabilitas di Eropa. Namun permainan peluang juga telah ada dalam berbagai peradaban selama berabad-abad tanpa otomatis melahirkan kalkulus probabilitas.

Larangan perjudian mungkin mengurangi perhatian terhadap satu kelompok persoalan tertentu. Akan tetapi, tidak ada dasar yang cukup untuk menjadikannya satu-satunya penyebab.

Selain itu, matematika dalam peradaban Islam banyak diarahkan untuk kebutuhan seperti:

• Astronomi.
• Penentuan kalender.
• Navigasi.
• Geometri.
• Aljabar.
• Perhitungan warisan.
• Perdagangan.
• Pengukuran.
• Arsitektur.

Ketiadaan teori probabilitas formal lebih tepat dipahami sebagai hasil berbagai kondisi sejarah, bukan satu larangan agama saja.

Dari Renaissance menuju Eropa Awal Modern

Perkembangan probabilitas matematis berlangsung melalui beberapa tahap.

Gerolamo Cardano

Gerolamo Cardano, seorang matematikawan dan dokter Italia pada abad ke-16, menulis Liber de Ludo Aleae atau Book on Games of Chance.

Dalam karya tersebut, Cardano membahas perhitungan peluang dalam permainan dadu dan menggunakan perbandingan antara hasil yang menguntungkan dengan seluruh hasil yang mungkin ketika hasil-hasil tersebut dianggap memiliki peluang sama.

Karyanya ditulis pada abad ke-16, tetapi baru diterbitkan setelah kematiannya pada 1663. Cardano sering dianggap sebagai salah satu perintis pertama perhitungan probabilitas secara sistematis.

Cardano belum membangun teori probabilitas lengkap. Namun ia telah melangkah lebih jauh daripada sekadar mencatat frekuensi.

Ia berusaha menghitung peluang berdasarkan seluruh kemungkinan hasil.

Pascal dan Fermat

Tahun 1654 sering dianggap sebagai titik penting dalam sejarah probabilitas.

Blaise Pascal dan Pierre de Fermat bertukar surat untuk membahas persoalan permainan peluang, terutama cara membagi hadiah secara adil apabila permainan dihentikan sebelum selesai.

Korespondensi tersebut membantu membentuk prinsip dasar perhitungan probabilitas.

Masalah tersebut dikenal sebagai problem of points.

Bayangkan dua pemain sepakat bahwa pemenang pertama yang memperoleh lima kemenangan akan menerima seluruh hadiah. Permainan harus dihentikan ketika pemain pertama telah menang empat kali dan pemain kedua tiga kali.

Bagaimana hadiah harus dibagi?

Membaginya berdasarkan skor yang sudah terjadi belum tentu adil. Perhitungan harus memperhatikan kemungkinan hasil pertandingan yang belum dimainkan.

Di sinilah kombinatorika digunakan untuk menghitung peluang masa depan.

Christiaan Huygens

Christiaan Huygens kemudian menyusun pembahasan probabilitas secara lebih sistematis.

Karyanya mengenai permainan peluang diterbitkan dalam bahasa Latin pada 1657. Huygens juga memperkenalkan konsep yang berkembang menjadi expected value atau nilai harapan.

Nilai harapan sangat penting dalam manajemen risiko.

Secara sederhana:

Nilai harapan = jumlah setiap kemungkinan hasil × probabilitas hasil tersebut

Sebagai ilustrasi:

• Peluang kerugian Rp100 juta sebesar 10 persen.
• Peluang tidak mengalami kerugian sebesar 90 persen.

Kerugian harapannya adalah:

10% × Rp100 juta = Rp10 juta.

Namun nilai harapan Rp10 juta tidak berarti perusahaan pasti kehilangan Rp10 juta.

Hasil sebenarnya mungkin nol atau Rp100 juta.

Nilai harapan merupakan rata-rata matematis apabila situasi serupa terjadi berulang kali.

Dari Probabilitas ke Statistik dan Aktuaria

Perkembangan tidak berhenti pada permainan dadu.

Pada akhir abad ke-17 dan awal abad ke-18, probabilitas mulai digunakan untuk memahami:

• Kematian.
• Harapan hidup.
• Premi asuransi.
• Anuitas.
• Data populasi.
• Pengambilan keputusan ekonomi.

Edmond Halley menerbitkan tabel mortalitas berbasis data penduduk Breslau pada 1693. Tabel semacam ini menjadi fondasi penting bagi perkembangan perhitungan aktuaria dan asuransi jiwa.

Kemudian, Jakob Bernoulli melalui Ars Conjectandi yang terbit pada 1713 mengembangkan teori probabilitas lebih lanjut, termasuk hubungan antara pengamatan berulang dan kestabilan frekuensi.

Probabilitas akhirnya berkembang dari persoalan permainan menjadi alat untuk:

• Asuransi.
• Keuangan.
• Kedokteran.
• Rekayasa.
• Ilmu sosial.
• Pengendalian kualitas.
• Peramalan.
• Keselamatan.
• Manajemen risiko.

Peran Perjudian: Pemicu, Bukan Satu-Satunya Penyebab

Permainan peluang memang menjadi pemicu penting bagi Cardano, Pascal, Fermat, dan Huygens.

Permainan dadu memberikan masalah yang relatif mudah dibatasi:

• Jumlah kemungkinan hasil dapat dihitung.
• Aturannya jelas.
• Percobaan dapat diulang.
• Hadiahnya dapat diukur.
• Keadilan pembagian dapat dianalisis.

Karakteristik tersebut membuat perjudian menjadi laboratorium matematika yang ideal.

Namun perkembangan probabilitas kemudian didorong pula oleh kebutuhan lain, seperti:

• Perdagangan.
• Asuransi.
• Anuitas.
• Statistik kematian.
• Administrasi negara.
• Astronomi.
• Ilmu pengetahuan eksperimental.

Jadi, teori probabilitas lahir dari meja permainan, tetapi menjadi ilmu besar karena mempunyai kegunaan jauh melampaui permainan.

Apakah Probabilitas Eropa Berasal Langsung dari Ilmuwan Muslim?

Hubungan antara ilmu pengetahuan Islam dan Eropa memang nyata, tetapi jalurnya kompleks.

Pada Abad Pertengahan, berbagai karya matematika dan astronomi Yunani diterjemahkan ke bahasa Arab. Sebagian karya tersebut, bersama perkembangan yang dibuat ilmuwan di dunia Islam, kemudian diterjemahkan dari bahasa Arab ke bahasa Latin.

Sistem angka India juga berkembang serta digunakan luas di dunia Islam sebelum diteruskan ke Eropa. Karya yang dikaitkan dengan Al-Khwarizmi berperan dalam penyebaran sistem perhitungan tersebut, dan namanya menjadi asal istilah “algorithm”.

Namun tidak terdapat bukti sejarah yang cukup untuk membuat rantai sederhana seperti:

Al-Kindi menemukan frekuensi → ilmunya sampai kepada Pascal → lahirlah probabilitas.

Kriptanalisis Al-Kindi, kombinatorika Arab, aljabar, dan sistem angka merupakan bagian penting dari sejarah matematika.

Tetapi teori probabilitas Eropa awal modern muncul dari konteks serta persoalan tersendiri.

Pernyataan yang lebih bertanggung jawab adalah:

Peradaban Islam berkontribusi terhadap perkembangan matematika, perhitungan, kriptanalisis, dan transmisi ilmu yang menjadi bagian dari lingkungan intelektual menuju ilmu modern. Namun hubungan langsung antara karya kriptanalisis Islam dan kelahiran kalkulus probabilitas abad ke-17 belum dapat dipastikan.

Perbandingan Peradaban Islam dan Eropa Awal Modern

Aspek	Peradaban Islam abad ke-8–15	Eropa abad ke-16–17
Pengelolaan ketidakpastian	Ada dalam perdagangan, pemerintahan, dan kehidupan sosial	Ada dan terus berkembang
Perencanaan cadangan	Dikenal secara praktis	Dikenal secara praktis
Pembagian risiko usaha	Terdapat pada akad kemitraan	Berkembang dalam perdagangan dan asuransi
Aljabar dan aritmetika	Berkembang maju	Diadopsi dan dikembangkan lebih lanjut
Kombinatorika	Ditemukan dalam beberapa karya matematika dan linguistik	Digunakan dalam permainan peluang
Analisis frekuensi	Digunakan dalam kriptanalisis	Berkembang dalam statistik dan kriptografi
Probabilitas numerik formal	Belum menjadi disiplin tersendiri	Mulai berkembang sistematis
Nilai harapan	Belum dirumuskan sebagai teori umum	Dikembangkan oleh Huygens
Aktuaria berbasis probabilitas	Belum terbentuk	Berkembang melalui tabel mortalitas dan asuransi
Manajemen risiko formal	Belum menggunakan kerangka modern	Berkembang bertahap melalui asuransi, keuangan, dan statistik

Tabel tersebut bukan penilaian mengenai peradaban mana yang lebih unggul.

Setiap tradisi ilmu berkembang dalam konteks kebutuhan, institusi, bahasa, serta persoalan yang berbeda.

Dari Probabilitas Menuju Manajemen Risiko Modern

Hubungan perkembangan tersebut dapat digambarkan sebagai berikut:

Tahap pertama: pengelolaan praktis

Manusia menghadapi cuaca, perjalanan, perdagangan, kesehatan, konflik, dan kekurangan pangan.

Responsnya meliputi:

• Cadangan.
• Diversifikasi.
• Kontrak.
• Pembagian risiko.
• Perlindungan fisik.
• Perencanaan.

Tahap kedua: pengamatan dan penghitungan

Manusia mulai:

• Mengumpulkan data.
• Menghitung frekuensi.
• Mengelompokkan kejadian.
• Mencari pola.
• Menghitung kombinasi.

Tahap ketiga: probabilitas formal

Peluang dinyatakan secara numerik melalui:

• Hasil yang mungkin.
• Hasil yang menguntungkan.
• Probabilitas.
• Nilai harapan.
• Pengulangan percobaan.

Tahap keempat: statistik dan aktuaria

Probabilitas digunakan untuk:

• Mengestimasi populasi.
• Menghitung mortalitas.
• Menentukan premi.
• Mengukur ketidakpastian data.
• Membuat inferensi.

Tahap kelima: risiko kuantitatif

Probabilitas diterapkan pada:

• Keselamatan.
• Keuangan.
• Investasi.
• Kegagalan mesin.
• Proyek.
• Rantai pasok.
• Bencana.
• Asuransi.

Tahap keenam: Enterprise Risk Management

Risiko mulai dikelola secara terintegrasi pada tingkat organisasi, bukan hanya pada satu proyek atau satu produk asuransi.

Tahap ketujuh: ISO 31000

ISO 31000 memberikan prinsip, kerangka, dan proses untuk mengintegrasikan manajemen risiko ke dalam tata kelola, strategi, perencanaan, budaya, serta pengambilan keputusan organisasi.

Probabilitas Bukan Ramalan Masa Depan

Salah satu kesalahan umum adalah memperlakukan probabilitas sebagai kepastian.

Apabila suatu kejadian mempunyai probabilitas 1 persen, bukan berarti kejadian itu pasti baru terjadi setelah 100 tahun.

Kejadian tersebut dapat:

• Terjadi besok.
• Terjadi beberapa kali dalam waktu dekat.
• Tidak terjadi selama ratusan tahun.

Probabilitas menggambarkan model ketidakpastian, bukan jadwal kejadian.

Hasil perhitungan juga bergantung pada:

• Kualitas data.
• Asumsi.
• Metode.
• Batas sistem.
• Perubahan lingkungan.
• Hubungan antarvariabel.

Karena itu, angka probabilitas harus selalu disertai penjelasan mengenai sumber data dan ketidakpastiannya.

Keterbatasan Data Historis

Probabilitas sering dihitung berdasarkan kejadian masa lalu.

Pendekatan tersebut bekerja cukup baik apabila:

• Prosesnya relatif stabil.
• Data tersedia dalam jumlah cukup.
• Kejadian dapat diulang.
• Kondisi masa depan tidak banyak berubah.

Namun pendekatan historis menjadi lemah ketika menghadapi:

• Teknologi baru.
• Perubahan iklim.
• Konflik geopolitik.
• Pandemi baru.
• Serangan siber baru.
• Black Swan.
• Perubahan regulasi mendadak.

Tidak adanya kejadian pada masa lalu tidak membuktikan bahwa kejadian tersebut mustahil pada masa depan.

Inilah salah satu alasan manajemen risiko tidak dapat bergantung sepenuhnya pada probabilitas statistik.

Bahaya Kepastian Palsu dalam Risk Matrix

Organisasi sering menggunakan heat map dengan skala kemungkinan dan dampak.

Metode tersebut berguna untuk:

• Menyamakan bahasa.
• Memprioritaskan pembahasan.
• Menampilkan risiko.
• Mendukung keputusan.

Namun heat map dapat menimbulkan kepastian palsu ketika skor dianggap terlalu presisi.

Sebagai contoh:

• Kemungkinan diberi nilai 3.
• Dampak diberi nilai 4.
• Skor risiko menjadi 12.

Angka 12 terlihat objektif, tetapi mungkin berasal dari penilaian ahli yang sangat subjektif.

Karena itu, skor sebaiknya disertai:

• Deskripsi skenario.
• Penyebab.
• Dampak.
• Asumsi.
• Sumber data.
• Efektivitas kontrol.
• Tingkat keyakinan.
• Potensi keterkaitan dengan risiko lain.

Probabilitas dan skor merupakan alat bantu keputusan, bukan pengganti pertimbangan.

Menggabungkan Pendekatan Kuantitatif dan Kualitatif

Manajemen risiko yang baik tidak memilih antara angka dan pertimbangan manusia.

Keduanya perlu digunakan secara bersama.

Metode kuantitatif

Cocok digunakan ketika tersedia data yang cukup, misalnya:

• Kegagalan peralatan.
• Fluktuasi harga.
• Frekuensi kecelakaan.
• Kerusakan produk.
• Klaim asuransi.
• Keterlambatan proyek.

Metodenya dapat meliputi:

• Expected loss.
• Monte Carlo simulation.
• Value at Risk.
• Fault Tree Analysis.
• Reliability analysis.
• Distribusi probabilitas.

Metode kualitatif

Diperlukan ketika data terbatas atau konteks berubah cepat.

Metodenya dapat berupa:

• Wawancara ahli.
• Workshop risiko.
• Scenario planning.
• Bow-tie analysis.
• Delphi method.
• Analisis asumsi.
• Stress testing.

Pendekatan kuantitatif memberikan struktur dan ukuran.

Pendekatan kualitatif membantu memahami konteks yang belum dapat dimasukkan ke dalam angka.

Pelajaran bagi Praktisi Manajemen Risiko

1. Jangan menyamakan risiko dengan angka

Risiko adalah skenario ketidakpastian yang memengaruhi tujuan. Skor hanya representasinya.

2. Pahami asal data

Frekuensi masa lalu tidak selalu menggambarkan masa depan.

3. Hindari probabilitas palsu

Jangan memberi angka seperti 7,3 persen apabila tidak terdapat dasar data yang memadai.

Rentang probabilitas mungkin lebih jujur daripada satu angka pasti.

4. Perhatikan dampak ekstrem

Risiko berprobabilitas rendah tetap perlu diperhatikan apabila dapat mengancam keselamatan atau keberlangsungan organisasi.

5. Gunakan skenario

Ketika probabilitas tidak diketahui, organisasi masih dapat menguji dampaknya.

6. Dokumentasikan asumsi

Banyak kegagalan bukan terjadi karena perhitungan salah, tetapi karena asumsi dasar tidak pernah diuji.

7. Sertakan dimensi etika

Risiko tidak hanya menyangkut kerugian perusahaan.

Keputusan juga dapat memengaruhi:

• Pekerja.
• Pelanggan.
• Masyarakat.
• Lingkungan.
• Generasi mendatang.

Di sinilah nilai kehati-hatian, amanah, keadilan, dan tanggung jawab tetap relevan.

Mitos tentang Sejarah Probabilitas

“Teori probabilitas modern ditemukan oleh ilmuwan Muslim”

Belum terdapat bukti yang mendukung klaim tersebut.

Ilmuwan Muslim memberikan kontribusi pada aljabar, kombinatorika, kriptanalisis, dan analisis frekuensi. Namun kalkulus probabilitas formal berkembang secara sistematis di Eropa pada abad ke-17.

“Peradaban Islam tidak mengenal risiko”

Tidak tepat.

Perdagangan, kemitraan, pencatatan, cadangan, dan perencanaan menghadapi krisis menunjukkan adanya pengelolaan risiko secara praktis.

“Al-Kindi telah menghitung probabilitas modern”

Tidak.

Al-Kindi menggunakan frekuensi empiris untuk memecahkan sandi. Pendekatannya penting bagi sejarah statistik dan kriptanalisis, tetapi belum menjadi teori probabilitas umum.

“Probabilitas lahir semata-mata karena perjudian”

Terlalu sederhana.

Permainan peluang menjadi katalis penting. Namun perdagangan, asuransi, demografi, astronomi, dan perkembangan matematika juga mendukung pertumbuhannya.

“Eropa menciptakan probabilitas tanpa pengaruh ilmu sebelumnya”

Tidak tepat.

Matematika Eropa berkembang melalui berbagai sumber, termasuk warisan Yunani, India, serta ilmu yang dikembangkan dan ditransmisikan melalui dunia Islam. Namun jalur langsung menuju teori probabilitas tidak selalu dapat dibuktikan.

“Semua risiko harus mempunyai angka probabilitas”

Tidak.

Sebagian risiko lebih tepat dianalisis melalui skenario, pertimbangan ahli, stress testing, dan analisis ketahanan.

Pertanyaan yang Sering Diajukan

Kapan teori probabilitas modern lahir?

Pertengahan abad ke-17 sering dianggap sebagai awal perkembangan sistematisnya, terutama melalui korespondensi Pascal dan Fermat pada 1654.

Apakah Cardano lebih dahulu daripada Pascal dan Fermat?

Ya.

Cardano telah menulis mengenai peluang permainan dadu pada abad ke-16. Namun karyanya baru diterbitkan pada 1663 dan belum membentuk teori seluas perkembangan setelah Pascal, Fermat, dan Huygens.

Apa kontribusi Al-Kindi?

Al-Kindi mengembangkan analisis frekuensi untuk memecahkan sandi. Metodenya menggunakan pola kemunculan huruf dalam bahasa dan merupakan kontribusi penting dalam sejarah kriptanalisis serta pemikiran statistik.

Apakah kombinatorika sama dengan probabilitas?

Tidak.

Kombinatorika menghitung banyaknya susunan atau pilihan. Probabilitas menilai seberapa mungkin suatu hasil terjadi. Kombinatorika merupakan salah satu alat penting dalam perhitungan probabilitas.

Apakah Islam menolak probabilitas karena berkaitan dengan perjudian?

Tidak.

Perjudian dilarang, tetapi matematika probabilitas dapat digunakan untuk banyak tujuan yang sah, seperti keselamatan, kesehatan, asuransi syariah, rekayasa, perencanaan, dan pengelolaan risiko.

Apakah manajemen risiko dapat dilakukan tanpa probabilitas?

Bisa.

Organisasi dapat menggunakan penilaian kualitatif, skenario, indikator peringatan, cadangan, diversifikasi, dan rencana keberlangsungan ketika data probabilitas tidak tersedia.

Apakah ISO 31000 mewajibkan perhitungan probabilitas matematis?

Tidak.

ISO 31000 memberikan pedoman yang dapat disesuaikan dengan konteks organisasi. Analisis dapat bersifat kualitatif, semi-kuantitatif, atau kuantitatif sesuai kebutuhan serta ketersediaan informasi.

Kesimpulan

Peradaban Islam tidak melahirkan teori probabilitas modern dalam bentuk kalkulus matematis yang kita gunakan saat ini.

Teori probabilitas formal berkembang secara sistematis di Eropa awal modern melalui tokoh-tokoh seperti:

• Gerolamo Cardano.
• Blaise Pascal.
• Pierre de Fermat.
• Christiaan Huygens.
• Jakob Bernoulli.

Namun hal tersebut tidak berarti dunia Islam sebelumnya tidak mempunyai kontribusi yang relevan.

Peradaban Islam telah mengembangkan:

• Aljabar dan aritmetika.
• Pemikiran kombinatorial.
• Kriptanalisis.
• Analisis frekuensi.
• Pengelolaan cadangan.
• Kemitraan dan pembagian risiko.
• Perencanaan menghadapi krisis.
• Tradisi pencatatan serta tanggung jawab transaksi.

Al-Kindi menunjukkan bagaimana data frekuensi dapat digunakan untuk memecahkan masalah.

Al-Khalil menunjukkan penggunaan susunan serta kombinasi dalam analisis bahasa.

Ibn Adlan mengembangkan lebih lanjut penggunaan frekuensi dan kecukupan data dalam kriptanalisis.

Praktik mudarabah dan musharakah menunjukkan bahwa risiko usaha dapat dibagi melalui struktur kontrak.

Sementara itu, Eropa awal modern menggabungkan persoalan permainan peluang, kombinatorika, dan perhitungan numerik menjadi teori probabilitas yang lebih formal.

Dari sana berkembang:

• Statistik.
• Aktuaria.
• Asuransi modern.
• Analisis keuangan.
• Rekayasa keandalan.
• Manajemen risiko kuantitatif.
• Enterprise Risk Management.
• ISO 31000.

Karena itu, sejarah ilmu sebaiknya tidak digambarkan sebagai pertandingan antara “Islam” dan “Eropa”.

Ilmu berkembang melalui perjalanan panjang, pertukaran gagasan, penerjemahan, kebutuhan praktis, serta pengembangan oleh banyak masyarakat.

Kesimpulan yang paling seimbang adalah:

Peradaban Islam memberikan sejumlah fondasi matematika, statistik empiris, dan praktik pengelolaan risiko. Namun teori probabilitas formal sebagai disiplin matematika berkembang secara sistematis di Eropa pada abad ke-17.

Manajemen risiko modern memerlukan keduanya:

• Kemampuan matematis untuk menganalisis ketidakpastian.
• Kebijaksanaan, kehati-hatian, keadilan, dan tanggung jawab dalam mengambil keputusan.

Probabilitas membantu manusia mengukur apa yang mungkin terjadi.

Manajemen risiko membantu manusia menentukan apa yang perlu dilakukan setelah memahami kemungkinan tersebut.