Data Science dalam

Industri Keuangan
Dr. Lana Sularto
 Peran Data Science dalam Industri Keuangan

01 Bisnis melalui CRM 02 Manajemen Risiko 03 Lainnya

Prediksi harga
Segmentasi Credit Scoring. saham.
Nasabah
Deteksi Penipuan Prediksi uang
Cross-Sell / Up-Sell / Fraud tersisa di ATM.

Churn Prediction Deteksi Pencucian Market Basket

Uang / money Analysis
laundering.
 Peran Data Science dalam Industri Keuangan

01 Bisnis melalui CRM 02 Manajemen Risiko 03 Lainnya

Prediksi harga
Segmentasi Credit Scoring. saham.
Nasabah
Deteksi Penipuan Prediksi uang
Cross-Sell / Up-Sell / Fraud tersisa di ATM.

Churn Prediction Deteksi Pencucian Market Basket

Uang / money Analysis
laundering.
 Peran Data Science dalam Industri Keuangan

01 Bisnis melalui CRM 02 Manajemen Risiko 03 Lainnya

Prediksi harga
Segmentasi Credit Scoring. saham.
Nasabah
Deteksi Penipuan Prediksi uang
Cross-Sell / Up-Sell / Fraud tersisa di ATM.

Churn Prediction Deteksi Pencucian Market Basket

Uang / money Analysis
laundering.
 Peran Data Science dalam Industri Keuangan

01 Bisnis melalui CRM 02 Manajemen Risiko 03 Lainnya

Prediksi harga
Segmentasi Credit Scoring. saham.
Nasabah
Deteksi Penipuan Prediksi uang
Cross-Sell / Up-Sell / Fraud tersisa di ATM.

Churn Prediction Deteksi Pencucian Market Basket

Uang / money Analysis
laundering.
 Peran Data Science dalam Industri Keuangan
Metode Regresi Logistik Biner
01 Bisnis melalui CRM 02 Manajemen Risiko teknik Lainnya
dan03 data mining seperti :
• Classification and Regression
Prediksi harga
Segmentasi Credit Scoring. Tree (CART),
saham.
Nasabah • Chi-squared Automatic
Deteksi Penipuan Prediksi uang
Interaction Detection
Cross-Sell / Up-Sell / Fraud tersisa di ATM.
(CHAID),
Churn Prediction Deteksi Pencucian Market Basket
• Neural Network,
Uang / money Analysis
• Multivariate Adaptive
laundering.
Regression Spline (MARS).
 Peran Data Science dalam Industri Keuangan

02 Manajemen Risiko

Credit Scoring.

Deteksi Penipuan
/ Fraud

Deteksi Pencucian
Uang / money
laundering.
 Peran Data Science dalam Industri Keuangan

02 Manajemen Risiko

Credit Scoring.

Deteksi Penipuan
/ Fraud

Deteksi Pencucian
Uang / money
laundering.
 Peran Data Science dalam Industri Keuangan

01 Bisnis melalui CRM 02 Manajemen Risiko 03 Lainnya

Prediksi harga
Segmentasi Credit Scoring. saham.
Nasabah
Deteksi Penipuan Prediksi uang
Cross-Sell / Up-Sell / Fraud tersisa di ATM.

Churn Prediction Deteksi Pencucian Market Basket

Uang / money Analysis
laundering.
 Peran Data Science dalam Industri Keuangan

01 Bisnismovement
Stock melalui CRMmachine learning Manajemen
02 model Risiko
efficacy 03 Lainnya

Prediksi harga
Segmentasi Credit Scoring. saham.
Nasabah
Deteksi Penipuan Prediksi uang
Cross-Sell / Up-Sell / Fraud tersisa di ATM.

Churn Prediction Deteksi Pencucian Market Basket

Uang / money Analysis
laundering.
 Peran Data Science dalam Industri Keuangan
Algoritma C4.5
01 Bisnis melalui CRM 02 Manajemen Risiko 03 Lainnya
Algoritma C4.5 atau disebut juga sebagai algoritma decision tree :
Metode klasifikasi dan prediksi Data Mining yang merupakan proses
menemukan pola dengan memilah-milah sejumlah data yang besar Prediksi harga
Segmentasi
menggunakan Credit
teknologi pengenalan pola (Kamagi Scoring.
et.al, 2014). saham.
Nasabah
Deteksi
Algoritma C4.5 untuk membangun pohon keputusan adalah sebagai
Penipuan Prediksi uang
berikut: Cross-Sell / Up-Sell / Fraud tersisa di ATM.
1. Pilih atribut sebagai akar
2. Buat cabang
Churn untuk masing-masing nilai Market Basket
Prediction Deteksi Pencucian
3. Bagi kasus dalam cabang
Uang / money Analysis
4. Ulangi proses untuk masing-masing cabang sampai semua kasus
pada cabang memiliki kelas yang sama laundering.
 Peran Data Science dalam Industri Keuangan
Market basket analysis :
• Suatu analisa atas perilaku konsumen secara spesifik dari suatu
golongan / kelompok tertentu.
SumberBisnis
• 01 datamelalui CRMkartu kredit,02
: transaksi Manajemen
kartu lotere, kuponRisiko
diskon, 03 Lainnya
panggilan keluhan pelanggan.
• Market basket analysis umumnya dimanfaatkan sebagai titik Prediksi harga
Segmentasi
awal pencarian pengetahuan dari suatu transaksi
Creditdata ketika kita
Scoring. saham.
tidak mengetahui
Nasabahpola spesifik apa yang kita cari.
• Kebutuhan market basket analysis berawal Deteksi
dari keakuratan
Penipuandan Prediksi uang
manfaat Cross-Sell
yang dihasilkannya dalam wujud aturan
/ Up-Sell assosiasi
/ Fraud tersisa di ATM.
(association rules). Association rules : pola-pola keterkaitan data
dalam Churn
basis data.Prediction Deteksi Pencucian Market Basket
• Proses market basket analysis dimulai denganUang transaksi yang
/ money Analysis
terdiri dari satu/lebih penawaran produk/jasalaundering.
dan beberapa
informasi dasar suatu transaksi.
• Hasil dari market basket analysis adalah berwujud aturan
assosiasi (association rules).
THANK YOU
UG Coloring Global Future
OPTIMALISASI
PENERIMAAN
PAJAK DENGAN BIG
DATA

Dr. Beny Susanti., SE., MM

 JENIS DATA (DIGITAL)

TRADITIONAL APPROACH BIG DATA APPROACH

 Data Keuangan Tahunan  Data Sosial Media(Twitter,Facebook,Youtube dll)
 Data Penjualan  Data Stocks (Saham)
 Data Costumer  Data Transaksi Nasabah Bank
 Data Biaya  Data Transaksi Pajak
 Data Pegawai  Volume,Variety, Velocity, Veracity

Data real-time
Tools : Tools :
SPSS, Excel, SQL, R dll SQL, Python, Java, Hadoop dll
Pemanfaatan Big Data pada Instansi Pemerintah

Meningkatkan kinerja pemerintah

Meningkatkan pendapatan negara

Transparansi pada semua sektor pemerintahan

 Memanfaatkan "Big Data" untuk
Kepentingan Perpajakan

Self Assesment System Tax Compliance

Controling
 Memanfaatkan "Big Data" untuk
Kepentingan Perpajakan

Improve Tax  Faster data collection and procession –enabled by better and faster big data tools
 Sharing information across different departments -Data science and big data analytics breaks
Collection down information3silos and encourages data sharing across different organizations
Practices

 Big data is enabling authorities to differentiate between legitimate taxpayers and fraudsters
 Different sources of data are being used to detect status of a taxpayer. Ranging from income to
job status to their social media, authorities are being enabled to gain deeper understanding of
Fraud situations
Prevention  Higher speed of analysis in also enabling tax authorities and corporations to real time detect
2 in the financial systems.
anomalies

 CorDatasilos need to be broken and Data stored in various places, such as network shared
What it means drives, personal hard drives, document management systems and emails need to be
synchronous
for  Need a mindset change and technology help in how it collect,
1 store and analyze tax and financial
Businesses? data
 Need for sophisticated data management and analytics system to reduce complexities arising
from different functions and geographic locations.
Tax Data Analytic
Tantangan Sistem Penagihan Pajak
Certain ‘Big Data Initiatives’
taken by Indonesia Tax Office

Automatic Exchange of Information (AEoI)

AEoIbased on Common Reporting Standards –stipulated in Law No.

9/2017
•Technical guidelines regarding access financial information for tax
purpose –stipulated in MoFReg No.70/PMK.03/2017 as lastly amended by
MoFReg No.19/PMK.03/2018.
•CbCrsubmission -jurisdictions that do not have International Agreements
or QCAA (Qualifying Competent Authority Agreement) with Indonesia.
•Aims at preventing tax evation, misuse of tax treaty, and overall
monitoring of taxpayer obligation fulfillment

Current IT Landscape of DGT

Custom-developed applications running on multiple platforms

•Data Warehouse
•Directory Services
•Back up and Recovery
•Network
Memanfaatkan "Big Data" untuk
Kepentingan Perpajakan
THANK YOU