Bab 6

Data Driven Deteksi Penipuan

Nama : Decha Kusumaning Tyas
NIM : 11125020307111032

Menggunakan query database dan metode lain untuk menentukan apakah mereka penipuan
mungkin benar-benar ada
Anomali

tidak disengaja

akan ditemukan di seluruh data set

Penipuan

disengaja

ditemukan sangat sedikit set data

seperti "mencari jarum di tumpukan jerami"

Analisis Data Proses

Proaktif - Tidak Reaktif
a. menggunakan metode direkayasa ulang untuk menjadi efektif
b. belajar metodologi baru, perangkat lunak, dan teknik analisis
c. brainstorming skema dan gejala
d. pendekatan hipotesis-pengujian

Metode proaktif Penipuan Deteksi

Enam Langkah Metode Proaktif:
1. Memahami bisnis
2. Mengidentifikasi kemungkinan penipuan yang bisa eksis
3. Katalog kemungkinan gejala penipuan
4. Menggunakan teknologi untuk mengumpulkan data tentang gejala
5. Menganalisis hasil

6. Menyelidiki gejala

Cara untuk memahami bisnis:

a. Tour bisnis, departemen, atau tumbuhan
b. Menjadi akrab dengan proses pesaing
c. Wawancara personil kunci
d. Menganalisa informasi akuntansi
e. Dokumentasi proses review
f. Bekerja dengan auditor dan personel keamanan
g. Amati karyawan melaksanakan tugasnya
Gejala penipuan dibagi menjadi lima kelompok :
1. Anomali akuntansi
2. Kelemahan pengendalian intern
3. Anomali analitis
4. Gaya hidup Extravagant
5. Perilaku yang tidak biasa
6. Tips dan keluhan

Analisis Data Software

ACL Audit Analytics
a. Program yang kuat untuk analisis data
b. Yang paling banyak digunakan oleh auditor di seluruh dunia
IDEA CaseWare itu
a. Versi terbaru termasuk peningkatan jumlah teknik penipuan
b. Pesaing utama ACL
Picalo
Mirip dengan IDEA dan ACL tetapi menggabungkan "Detectlets" -small
plug-in untuk mendeteksi indikator penipuan

Microsoft Office + ActiveData

a. plug-in untuk Microsoft Office
b. menyediakan prosedur analisis data
c. yang berbasis di Excel dan Access
d. alternatif yang lebih murah untuk ACL dan IDEA
SAS dan SPSS
Program analisis statistik dengan modul penipuan yang tersedia

Data Access
Mengumpulkan data yang tepat dalam format yang tepat selama periode waktu yang tepat.
Metode meliputi:
1.

Open Database Connectivity (ODBC)

a. Metode standar query data dari database perusahaan
b. penghubung antara aplikasi analisis (ACL, IDEA, dan Picalo) dan database
perusahaan (Oracle, SQL Server, dan MySQL)
c. Cara terbaik untuk mengambil data untuk analisis karena

dapat mengambil data secara real time

memungkinkan penggunaan bahasa SQL

memungkinkan tarikan berulang untuk analisis berulang

itu mengambil metadata (seperti jenis kolom dan hubungan)

langsung

2. Teks Impor
3. Hosting Data Warehouse
a. Data yang diimpor, disimpan, dan dianalisis dalam ACL atau program lainnya
b. Semua dalam-satu solusi untuk penyidik

Analisis Data
Teknik analisis yang paling sering digunakan oleh peneliti penipuan:

1. Data Persiapan
2. Hukum Benford yang
3. Analisis digital
4. Investigasi outlier
5. Stratifikasi dan Summarization
6. Analisis Trend Waktu
7. Pencocokan Fuzzy
8. Analisis Real-Time

Analisis Laporan Keuangan

Pendekatan untuk Analisis Laporan Keuangan membandingkan saldo rekening dari
satu periode ke periode berikutnya, menghitung rasio kunci dan membandingkannya dari
periode ke periode, melakukan analisis vertikal dan horizontal.