Media Komunitas
Perpajakan Indonesia

Perusahaan Rugi Dapat Diterima Dalam Analisa Kesebandingan TP Doc?

bacaan 7 Menit
Architecture Skyscrapers Buildings  - fietzfotos / Pixabay
fietzfotos / Pixabay

Ketika Wajib Pajak memenuhi persyaratan untuk menyelenggarakan Dokumen Penentuan Harga Transfer (TP Doc), maka wajib pajak tersebut diharuskan melakukan analisa kesebandingan dalam rangka menerapkan Prinsip Kewajaran dan Kelaziman Usaha (arm’s length principle/ALP). Analisa kesebandingan dilakukan dengan cara membandingkan antara transaksi yang dilakukan oleh pihak yang berafiliasi dengan transaksi yang dilakukan oleh pihak independen. Untuk melakukan analisa kesebandingan, hal yang harus dilakukan oleh Wajib Pajak adalah menentukan data pembanding yang akan digunakan dalam melakukan analisa kesebandingan.

Data Pembanding

Terdapat dua jenis data pembanding yang dapat digunakan, yaitu data pembanding internal dan eksternal. Pembanding internal merupakan transaksi antara pihak yang independen dengan Wajib Pajak atau dengan Pihak afiliasi yang merupakan lawan transaksi, sedangkan pembanding eksternal merupakan transaksi antar pihak yang independen selain pembanding internal. Pembanding eksternal yang dapat digunakan sebagai pembanding adalah pembanding yang merupakan data publik dalam negeri atau luar negeri, database komersial (commercial database), London Metal Exchange, dan database lainnya. Merujuk pada Peraturan Direktur Jenderal Pajak Nomor PER-32/PJ/2011 (PER-32/2011), disebutkan bahwa dalam hal tersedia data pembanding internal dan data pembanding eksternal dengan tingkat kesebandingan yang sama, maka Wajib Pajak wajib menggunakan data pembanding internal untuk penentuan harga wajar atau laba wajar.

Dari ketentuan tersebut, dapat diketahui bahwa dalam menentukan data pembanding, wajib pajak dapat memilih menggunakan data pembanding internal atau data pembanding eksternal sepanjang data pembanding tersebut tersedia dan memiliki tingkat kesebandingan paling tinggi dengan data harga atau laba dari transaksi yang dibandingkan.

Pemilihan Data Pembanding dalam Kondisi Rugi

Pemilihan data pembanding harus dilakukan secara akurat sehingga data pembanding yang akan diperoleh dapat menggambarkan kondisi kesebandingan yang sesuai dengan mekanisme pasar wajar  atau menggambarkan kondisi yang dialami oleh perusahaan yang diuji sebanding dengan data pembanding yang memiliki kondisi sejenis yang berlaku di pasar wajar/independen.

Namun, yang menjadi sorotan saat ini adalah ketika kita memilih menggunakan data pembanding eksternal dalam kondisi pandemi Covid-19, atau resesi ekonomi yang dialami suatu wilayah yang disebabkan oleh banyak hal seperti terjadinya perang, bencana alam, dan lain sebagainya menyebabkan banyak perusahaan yang mengalami kerugian. Selain kejadian tersebut, pada realitas proses bisnis yang dilakukan dapat menyebabkan sebuah perusahaan mengalami kerugian. Sebagai contoh, perusahaan tidak mampu menangkap kebutuhan konsumen, berhenti melakukan inovasi, persaingan harga, pengeluaran yang berlebihan dari biasanya, berada dalam fase penetrasi pasar dan lain sebagainya.

Bagaimana kita menyikapinya jika data pembanding yang diperoleh memiliki data keuangan yang negatif atau bisa dikatakan rugi (loss-making comparables)? Apakah data/perusahaan pembanding tersebut masih dapat digunakan sebagai data yang kita terima sebagai pembanding?

Atas data/perusahaan pembanding yang mengalami kerugian apakah dapat tetap dipilih atau digunakan sebagai pembanding atau harus dieliminasi dari data pembanding, berikut beberapa panduan domestik dan internasional yang dapat kita jadikan dasar pertimbangan dalam mengambil keputusan: 

Panduan Domestik Pemilihan Pembanding dalam Keadaan Rugi

Pada PER-32/2011, walaupun tidak secara tersurat mengatur hal tersebut, secara tersirat dapat kita telaah lebih lanjut. Pada Pasal 7 ayat (3) disebutkan bahwa:

“Dalam melakukan penilaian dan analisis fungsi, harus dipertimbangkan antara lain: …………

d. risiko yang mungkin timbul dan harus ditanggung oleh masing-masing pihak yang melakukan transaksi seperti risiko pasar, risiko kerugian investasi, dan risiko keuangan.”

Dengan demikian, risiko yang dapat mengakibatkan kerugian masih bisa menjadi pertimbangan dalam analisis FAR, seperti kerugian dikarenakan kondisi pandemi, kerugian investasi, kerugian akibat risiko pasar, dan lain-lain. Dalam hal pencarian pembanding kita harus memilih data yang dapat merefleksikan risiko yang ditanggung oleh tested party, sehingga setiap pembanding harus diteliti satu persatu, dengan melihat informasi yang tersedia di dalam dan di luar database pembanding secara menyeluruh.