Introduction
Dengan begitu maraknya kasus money laundering di beberapa tahun terakhir, pasar sekunder video game dispekulasi menjadi salah satu tempat mekanisme pencucian uang terjadi. Minimnya regulasi soal transaksi in-game, di mana barang dalam game dapat diperdagangkan dengan mata uang dunia nyata, membuat online games rawan dieksploitasi untuk praktik pencucian uang.
Penelitian ini bertujuan untuk mengisi kekosongan pada penelitian terdahulu, yang hanya terbatas pada penemuan potensi game online untuk money laundering dan bagaimana cara mencegah ataupun mengendalikannya (Moiseienko and Izenman, 2019a). Untuk itu, penelitian ini menggali isu money laundry lebih jauh, dengan menganalisis data transaksi di pasar sekunder dan menunjukkan bagaimana analisis transaksi menghasilkan bukti potensi video game dapat dijadikan subjek money laundry ataupun kejahatan lain yang terkait.
Theoretical Background
Money Laundering
Money laundring mengacu pada kegiatan di mana kriminal mencari cara untuk “membersihkan” kejahatan, membuatnya terlihat seperti aktivitas yang sah, untuk menyembunyikan sumber dan kegiatan yang menghasilkan keuntungan tersebut. Secara historis, mereka seringnya menggunakan mekanisme atau platform yang tidak memiliki pengaturan dan pengawasan ketat, seperti bisnis menggunakan uang tunai yang sulit dilacak dengan “kedok” sebagai aktivitas mereka.
Mekanisme Money Laundering
Mekanisme pencucian uang tradisional terdiri dari tiga tahap, yaitu placement, layering, dan integration. Placement (penempatan) didefinisikan sebagai “penyusupan” uang tunai yang didapatkan dari kejahatan ke dalam sistem keuangan yang sah. Layering (pelapisan) didesain untuk “menyembunyikan” asal-usul dana yang dimasukkan ke dalam sistem keuangan yang sah dengan “jumlah transaksi yang besar”. Integration (integrasi) melibatkan “penyusupan” dana ke dalam investasi dan ekosistem tradisional.
Cyber Laundering
Cyber laundering (pencucian uang siber) merupakan istilah baru yang muncul sebagai hasil dari penggunaan internet dan elektronik untuk membantu metode money laundering. Pencucian uang siber digunakan untuk menambah lapisan anonimitas yang lebih tinggi (Aravazhi, 2020), membuatnya lebih sulit diidentifikasi maupun dilacak. Sejauh ini, penggunaan video games untuk pencucian uang masih menjadi spekulasi. Oleh karena itu, pertimbangan utama dalam penelitian ini adalah untuk mengeksplorasi potensi bahwa pasar sekunder video game dapat disalahgunakan, dengan cara yang dapat dideteksi, oleh mereka yang ingin mencuci uang. Kemungkinan pasar sekunder digunakan sebagai elemen pelapis pencucian uang untuk membuat jejak audit yang sulit dilacak sangat dimungkinkan, mirip seperti kemampuan pihak ketiga menggunakan situs judi untuk mencuci uang.
Methods
Penelitian ini menggunakan pendekatan kuantitatif dengan menganalisis data dari pasar dan game paling populer, yaitu pasar Steam dan game Counter Strike: Global Offensive (CSGO). Peneliti menganalisis semua transaksi di pasar Steam untuk game CSGO selama 5 hari pada akhir Agustus 2020. Penelitian ini menggunakan indikator pencucian uang, seperti frekuensi, volume, dan kompleksitas transaksi (Watkins dkk, 2003) dan sistem deteksi tradisional yang digunakan pada sistem perbankan (Le Khac & Kechadi, 2010) yang menyoroti ketidaknormalan transaksi dalam frekuensi dan nilai transaksi. Transaksi yang mencurigakan biasanya akan melibatkan: frekuensi transaksi yang tinggi di akun tertentu, nilai transaksi yang besar dalam waktu singkat, dan pola transaksi yang kompleks.
Oleh karena itu, terdapat empat parameter frekuensi yang digunakan pada penelitian ini:
- Item yang paling sering diperdagangkan
- Penjual dengan frekuensi terbanyak
- Pembeli dengan frekuensi terbanyak
- Transaksi duplikat (Memperdagangkan barang yang sama, dengan harga yang sama antara pembeli dan penjual yang sama)
Pengumpulan dan Analisis Data
Data yang diperoleh dari Steam diolah dan diproses menggunakan Python untuk mengidentifikasi pola transaksi yang mencurigakan. Data yang diolah mencakup informasi berikut:
- Penjual item di pasar Steam (ID anonim)
- Pembeli item di pasar Steam (ID anonim)
- Nilai jual beli (jumlah mata uang Steam yang ditransaksikan)
- Waktu jual beli
- ID item
Data-data tersebut dikumpulkan secara khusus selama 5 hari periode permainan CSGO. Game ini dipilih karena popularitas, keragaman item, serta volume perdagangannya. Selama 5 hari tersebut, total transaksi yang tercatat berjumlah 1.108.199. Data ini kemudian dikelompokkan menjadi 10 item yang paling sering muncul berdasar empat parameter frekuensi. Tujuannya adalah untuk mengidentifikasi secara visual akan transaksi yang mencurigakan, mencakup:
- Apakah terdapat outlier visual yang mencolok dibandingkan dengan data lainnya
- Apakah hasil dan frekuensi transaksi dapat dianggap wajar jika dilakukan secara manual oleh manusia tanpa otomatisasi atau manipulasi lainnya
- Apakah terdapat user yang muncul dalam lebih dari satu pengujian frekuensi
Hasil dan Pembahasan
Berdasarkan hasil analisis menggunakan parameter frekuensi, diperoleh:
1. Item yang sering diperdagangkan:
Melalui pemeriksaan data Steam selama 5 hari, item yang paling sering diperdagangkan ialah [4632] dan diperdagangkan sebanyak 71.327 kali. Ini menyumbang 14,1% dari semua perdagangan di platform Steam. Meskipun begitu, data ini tidak dapat menunjukkan adanya indikasi kecurangan karena salah satu batasan penelitian ini adalah ketidakmampuan untuk mengidentifikasi item dan fungsinya.
2. Penjual dengan frekuensi terbanyak:
Pada parameter ini, outlier dapat teridentifikasi dimana penjual dengan frekuensi tertinggi (S72047) telah melakukan 6565 transaksi selama lima hari, yang setara dengan 1,3% dari total transaksi platform ini. Hasil ini menunjukkan perbedaan yang signifikan jika dibandingkan dengan pedagang terbanyak kedua, hanya menyumbang 0,5% dari total keseluruhan, sehingga menunjukkan adanya kemungkinan praktik mencurigakan.
3. Pembeli dengan frekuensi terbanyak
Pembeli dengan frekuensi tertinggi (B72047) telah melakukan transaksi sebesar 0,8% dari total keseluruhan. Frekuensi ini menunjukkan situasi yang tidak normal jika dibandingkan dengan pembeli lainnya sehingga diperlukan investigasi lebih lanjut.
4. Transaksi duplikat
Tidak ditemukan outlier yang signifikan dalam parameter ini. Meskipun begitu, fokus utamanya ialah menganalisis kejanggalan antara transaksi yang paling sering diduplikasi. Transaksi antara seller dan buyer yang sama, yang telah ditandai mencurigakan pada parameter sebelumnya, dapat menunjukkan kemungkinan praktik mencurigakan dan tidak etis.
Dari keempat pengujian parameter tersebut, peneliti menganalisis pola aktivitas yang mencurigakan pada platform selama 5 hari. Analisis ini berfokus pada pengguna yang muncul di semua kategori parameter. Berdasarkan hasil analisis, terdapat 4 user yang menonjol, yaitu 72047, 258680, 77129, dan 258115. Keempat user ini tercatat dalam daftar 10 pengguna teratas, baik sebagai seller maupun buyer.
Salah satu dari user tersebut, yaitu 72047, menunjukkan aktivitas yang paling menonjol karena tidak hanya menjadi pembeli dan penjual dengan frekuensi tertinggi, tetapi juga terlibat dalam tiga transaksi terduplikasi. Pola aktivitas ini dapat mengindikasikan kemungkinan terjadinya praktik tidak wajar, salah satunya money laundering, dengan menyamarkan sumber dana asli dan mendistribusikannya kepada berbagai akun.
Kesimpulan
Temuan ini menunjukkan bahwa pasar sekunder video game dapat berpotensi sebagai sarana money laundering. Hal ini disebabkan sifat digitalisasi pada platform ini yang memungkinkan terjadinya transaksi dalam jumlah besar dalam waktu yang singkat. Platform ini memberikan peluang bagi para kriminal untuk melancarkan kejahatannya dengan memanfaat jaringan yang kompleks sehingga membuatnya sulit untuk dilacak.
Penelitian ini menggunakan parameter tradisional money laundering, seperti frekuensi, untuk mengidentifikasi aktivitas yang tidak wajar. Dari hasil analisis, ditemukan bahwa user 72047 menunjukkan pola transaksi yang mencurigakan sehingga diperlukan investigasi lebih lanjut. Namun, penggunaan metrik frekuensi hanya dapat memberikan indikasi awal dan tidak cukup untuk menyimpulkan adanya aktivitas money laundering.
Oleh karena itu, penelitian lanjutan harus memperluas cakupan penelitiannya dengan mempertimbangkan metrik tambahan selain frekuensi. Teknik analisis serta data set yang lebih luas juga diperlukan untuk dapat membantu mengidentifikasi asal usul dana pada platform Steam. Dengan memperluas cakupan penelitian, regulasi dan mekanisme deteksi aktivitas mencurigakan dapat dikembangkan. Hal ini dapat mengurangi risiko pencucian uang melalui video game oleh para kriminal.
Reviewed From
Cooke, D., & Marshall, A. (2024). Money laundering through video games, a criminals’ playground. Forensic Science International Digital Investigation, 50, 301802.
https://doi.org/10.1016/j.fsidi.2024.301802
Editor: Amira Nisa Adli
Ilustrasi oleh Johana Sakina Daila & Alya Khoerunnisa
