Gedung Putih: AS Kehilangan Pendapatan Tarif Hingga $26 Miliar Akibat Transshipment

Gedung Putih merilis laporan yang menyatakan Amerika Serikat kehilangan pendapatan tarif tahunan antara $19 miliar hingga $26 miliar. Kerugian ini disebabkan oleh praktik *transshipment* barang, sebagian besar berasal dari China, yang dialihkan melalui negara ketiga untuk menghindari bea masuk AS.

Skala Kerugian dan Dampak Ekonomi

Laporan yang disusun oleh penasihat perdagangan dan manufaktur Gedung Putih, Peter Navarro, mengidentifikasi skala masalah yang signifikan. Angka kerugian tersebut didasarkan pada "estimasi kasus sentral" di mana nilai barang yang di-*transship* mencapai $75 miliar per tahun.

Secara keseluruhan, laporan tersebut menggunakan berbagai estimasi dari sektor swasta dan pemerintah yang menunjukkan nilai total barang yang dialihkan melalui praktik ini berkisar antara $34 miliar hingga $303 miliar setiap tahunnya. Menurut laporan itu, dampak dari kasus sentral senilai $75 miliar tersebut setara dengan hilangnya sekitar 450.000 lapangan kerja di AS, baik secara langsung maupun tidak langsung.

Latar Belakang Pergeseran Perdagangan

Laporan ini menyoroti adanya perubahan pola perdagangan yang signifikan. Data Biro Sensus AS menunjukkan impor dari China turun ke level terendah dalam 16 tahun pada 2025, yaitu sebesar $308,7 miliar. Sebaliknya, impor dari negara-negara seperti Meksiko dan Vietnam mengalami peningkatan tajam.

Ad

Laporan tersebut berpendapat bahwa tarif yang sebelumnya dikenakan pada barang-barang China telah mendorong praktik *transshipment* melalui negara lain. Sekitar 40 negara diidentifikasi memiliki risiko tinggi sebagai sumber *transshipment* ilegal, yang sering kali hanya melibatkan pemrosesan minimal, pelabelan ulang, dan pengemasan kembali komponen asal China.

Upaya Penegakan Hukum dengan AI

Untuk mengatasi masalah ini, laporan tersebut menyatakan bahwa badan Bea Cukai dan Perlindungan Perbatasan AS (CBP) kini mengerahkan perangkat kecerdasan buatan (AI) untuk deteksi yang lebih baik. Model pembelajaran mesin digunakan untuk menganalisis data seperti marka kontainer, pola pengemasan, dan pencitraan sinar-X.

Teknologi ini bertujuan untuk menemukan ketidaksesuaian antara kargo yang dideklarasikan dengan muatan sebenarnya, sehingga memungkinkan pihak berwenang untuk mengidentifikasi dan menindak pengiriman yang melanggar aturan tarif.