Abstract. The increasing number of fraud cases in Indonesia resulted in significant losses incurred by this country.
Therefore, finding an effective method to detect fraud is the focus of many parties, especially the government. This
research investigates the influence of big data on forensic audit. A part from that, the influence of big data and
forensic audits as mediating variable on fraud detection is also examined. This research is quantitative research
with survey method by distributing questionnaires. The respondents in this research were 221 auditors who worked
at Badan Pemeriksa Keuangan (BPK) and Badan Pengawasan Keuangan dan Pembangunan (BPKP) Republic of
Indonesia. The statistical test in this research was the structural equation modelling (SEM) of SmartPLS. The result
showed that big data had a significant and positive effect on forensic audit. This research also proved that big data
and forensic audits have a significant and positive influence on fraud detection. In addition, forensic audits have
been proven to partially mediate the relationship between big data and fraud detection.
Abstrak. Tingginya kasus fraud yang terjadi di Indonesia, menyebabkan besarnya jumlah kerugian yang harus
diderita oleh negara. Sehingga, mencari metode yang efektif untuk mendeteksi tindakan fraud masih menjadi fokus
banyak pihak, terutama Pemerintah. Maka dari itu penelitian ini dilakukan. Penelitian ini bertujuan untuk
menganalisis pengaruh big data terhadap audit forensik. Selain itu, penelitian ini dilakukan dengan tujuan untuk
menganalisis pengaruh big data dan audit forensik sebagai variabel intervening/mediasi terhadap pendeteksian
fraud. Penelitian ini dilakukan menggunakan pendekatan kuantitatif dengan metode survei melalui penyebaran
kuesioner. Adapun responden dari penelitian ini ialah 221 auditor yang bekerja di Badan Pemeriksa Keuangan dan
Badan Pengawasan Keuangan dan Pembangunan Republik Indonesia. Pengujian statistik dalam penelitian ini
berupa structural equation modelling (SEM) dengan bantuan aplikasi smartPLS. Hasil dari penelitian ini
menunjukan bahwa big data terbukti berpengaruh positif terhadap audit forensik. Pada penelitian ini juga dibuktikan
bahwa big data dan audit forensik masing-masing berpengaruh positif terhadap pendeteksian fraud. Selain itu,
penelitian ini turut membuktikan bahwa audit forensik terbukti memediasi secara parsial hubungan big data
terhadap pendeteksian fraud
yang bekerja di berbagai kantor PEMDA terjadinya fraud, sebelum tindakan fraud
(Pemerintah Daerah), dengan total pelaku tersebut dilakukan/terjadi) dan pendekatan
sebanyak 263 orang (Tempo, 2020). yang reaktif (proses identifikasi kemungkinan
Berdasarkan data-data tersebut, maka wajar tindakan fraud yang memang sudah terjadi).
sekali jika kasus fraud ini sangat meresahkan Proses pendeteksian fraud
banyak pihak, terutama Pemerintah. menggunakan audit forensik, pastinya juga
Banyak pilihan metode yang dapat dipengaruhi oleh faktor lainnya. Menurut
digunakan untuk mendeteksi fraud. Namun, Hartono (2019) dan Hipgrave (2013) terdapat
penentuan metode yang memang paling salah satu faktor yang dapat meningkatkan
efektif untuk mendeteksi fraud masih dalam proses pendeteksian fraud yaitu penggunaan
proses pencarian oleh berbagai pihak hingga big data. Big data dapat digunakan secara
saat ini. Penelitian yang telah dilakukan oleh langsung untuk mendeteksi fraud maupun
Zachariah et al. (2014) telah membuktikan dapat dijadikan alat untuk meningkatkan
bahwa terdapat metode yang sangat efektif efektifitas penggunaan metode deteksi fraud
untuk mendeteksi fraud, yaitu audit forensik. lainnya seperti audit forensik. Hal ini
Bahkan Inyada, Olopade, and John (2019) dikarenakan, auditor dapat memaksimalkan
turut membuktikan dalam penelitiannya manfaat data yang sangat komprehensif, yang
bahwa audit forensik tidak hanya terbukti terdapat dalam big data dengan menggunakan
efektif dan efisien untuk mendeteksi fraud, data analytics tools, yang kemudian hal ini
namun juga sangat efektif dan efisien untuk dapat mempermudah dan mempercepat
mencegah dan mengurangi kasus fraud. auditor dalam menganalisis risiko-risiko fraud
Selain itu, Uniamikogbo et al. (2019) juga yang mungkin akan terjadi dalam suatu
turut menyatakan dan sangat organisasi, memudahkan auditor untuk
merekomendasikan untuk menggunakan audit menganalisis penyebab terjadinya kasus
forensik sebagai metode yang sangat efektif fraud, dan lain sebagainya. Sehingga,
untuk mendeteksi fraud. Terdapat beberapa pemanfaatkan big data akan menjadi peluang
alasan yang menjadikan audit ini menjadi besar bagi setiap auditor untuk memperlancar
metode yang efektif untuk mendeteksi fraud. dan mempercepat pekerjaannya dalam
Menurut Kayo (2013) dan Vukadinović et al. mendeteksi fraud, termasuk didalamnya
(2015) berikut ialah beberapa alasan yang menggunakan audit forensik sebagai metode
membuat audit forensik menjadi metode yang untuk deteksi fraud.
efektif untuk mendeteksi fraud, antara lain: Hingga saat ini, sudah terdapat
(a) audit ini memang dikhususkan dan beberapa penelitian terdahulu yang turut
fokuskan untuk menginvestigasi dan menganalisis bagaimana pengaruh audit
mendeteksi tindakan fraud. Berbeda dengan forensik dan big data terhadap pendeteksian
jenis audit lainnya, yang terkadang digunakan fraud. Sama halnya dengan penelitian
untuk tujuannya yang cukup beragam; (b) mengenai pengaruh big data terhadap audit
auditor yang ditugaskan untuk melakukan forensik. Seperti, penelitian yang telah
audit ini diharuskan seorang ahli (expert) dilakukan oleh Alao (2016); Enofe et al
yang menguasai banyak bidang ilmu (tidak (2015); dan Akenbor & Oghoghomeh (2013)
hanya akuntansi dan auditing) seperti yang mampu membuktikan bahwa audit
kriminologi, investigasi, keuangan, analytical forensik berpengaruh signifikan terhadap
skill, administrasi pemerintahan, hukum, proses pendeteksian fraud.
teknologi informasi, komunikasi, dan lainnya. Penelitian yang dilakukan oleh Tang
Tingginya tuntutan untuk menjadi auditor ini, & Karim (2019); dan J. Chen et al. (2015)
dikarenakan hasil dari audit ini akan menjadi telah membuktikan efektiftas big data dalam
bukti dalam proses litigasi; (c) audit forensik mendeteksi fraud. Selain itu penelitian yang
dalam pelaksanaannya menggunakan dilakukan oleh Appelbaum et al. (2017) dan
pendekatan yang proaktif (proses identifikasi Tang & Karim (2017) juga turut
berbagai protensi kemungkinan akan membuktikan bahwa big data dapat
responden berasal dari BPKP (Kantor tumpang tindih penggunaan big data dan
Perwakilan Provinsi Aceh, Bengkulu, Jawa audit forensik; dan pembatasan penggunaan
Tengah, Jawa Timur, Kalimantan Selatan, big data dalam deteksi fraud karena
Kalimantan Utara, Kepulauan Riau, Maluku menimbulkan ancaman keamanan data.
Utara, Sulawesi Selatan, Sulawesi Tenggara Audit forensik merupakan suatu
dan Sumatera Utara). Dalam rangka proses kegiatan yang terdiri dari proses
pengumpulan data, penelitian ini mengumpulkan data, dilanjutkan dengan
menggunakan teknik purposive sampling. proses verifikasi, analisis dan diakhiri dengan
Kuesioner yang digunakan dalam proses pelaporan data yang dilakukan dalam
penelitian ini terdiri dari 19 pertanyaan, rangka untuk mengumpulkan bukti yang dapat
dengan rincian 8 pertanyaan terkait dengan digunakan dan dibuktikan dalam proses
pendeteksian fraud, 7 pertanyaan terkait litigasi atas kasus-kasus fraud (Inyada et al.,
dengan audit forensik dan 4 pertanyaan terkait 2019). Variabel ini menggunakan referensi
dengan big data. Hasil dari pengisian dari penelitian yang dilakukan oleh Enofe et
kuesioner dalam penelitian ini, kemudian di al. (2015) dalam rangka menyusun pertanyaan
analisis dengan alat statistik yaitu smartPLS. kuesioner terkait dengan variabel ini. Adapun
jumlah pertanyaan yang digunakan dalam
Definisi Operasional dan Pengukuran variabel ini yaitu sebanyak 7 pertanyaan
Variabel berupa penggunaan audit forensik untuk
Variabel yang digunakan dalam deteksi fraud; audit forensik menjamin
penelitian ini yaitu big data, audit forensik pendeteksian fraud menjadi lebih cepat;
dan pendeteksian fraud. Big data merupakan penggunaan audit forensik untuk pencegahan
variabel independen dalam penelitian ini, fraud; penggunaan audit forensik untuk reviu
sedangkan audit forensik merupakan variabel pengendalian internal; jaminan strategi
intervening. Selain itu pendeteksian fraud pencegahan dan pendeteksian fraud melalui
merupakan variabel dependen. Setiap audit forensik; penggunaan audit forensik
indikator pertanyaan dalam kuesioner sebagai metode yang tepat untuk mendeteksi
penelitian ini (semua variabel) diukur fraud; dan penggunaan audit forensik untuk
menggunakan skala likert dengan interval 1-6. menjamin perlindungan aset dari pihak yang
Jawaban dengan skala 1-3 menunjukan tidak berwenang.
persepsi tidak setuju. Sebaliknya, jawaban Pendeteksian fraud merupakan proses
dengan skala 4-6 menunjukan persepsi yang deteksi dan pengungkapan tindakan-tindakan
setuju. ilegal/tidak sah, yang merugikan berbagai
Ahmed & Ameen (2017) menjelaskan pihak yang menjadi korban atas tindakan
bahwa pada dasarnya big data dapat dipahami ilegal tersebut. Variabel ini menggunakan
dan dijelaskan dengan melihat karakteristik referensi dari penelitian Enofe et al. (2015);
utamanya yaitu: (a) volume (ukuran yang Rizwanda (2016); dan Fullerton & Durtschi
besar); (b) variety (jenis data yang bervariasi); (2004) dalam rangka menyusun item
(c) velocity (penciptaan data yang cepat); dan pertanyaan terkait dengan variabel ini.
(d) veracity (kerentanan dari sisi akurasi dan Tepatnya variabel ini memiliki 8 item
keandalan data); dan (e) value (memiliki nilai pertanyaan berupa pemisahan tugas yang
yang tinggi jika diolah dengan cara yang menurunkan risiko fraud; pelanggaran
tepat). Variabel ini menggunakan referensi peraturan yang meningkatkan risiko fraud;
dari Rezaee & Wang (2019) dalam rangka pelanggaran aturan oleh pimpinan yang
menyusun pertanyaan yang terdapat dalam meningkatkan risiko fraud; pelanggaran SOP
kuesioner penelitian ini. Tepatnya terdapat 4 oleh pimpinan fraud yang meningkatkan
item pertanyaan yang digunakan berupa peran risiko fraud; ketiadaan laporan fraud yang
big data yang meningkatkan fungsi audit mengindikasikan tingginya risiko fraud; salah
forensik dalam mendeteksi fraud; saji pelaporan keuangan merupakan hal yang
memaksimalkan penggunaan big data; tidak wajar; tingginya komplain dan
diskriminasi karyawan yang mengindikasikan model. Pengujian ini merupakan bentuk dari
adanya fraud; dan pimpinan gaya otoriter pengujian hipotesis yang dibentuk dalam
yang mampu mendorong terjadinya fraud. suatu model penelitian. Pengujian ini dibagi
menjadi beberapa kategori, sesuai dengan
Teknik Analisis Data significance level yang digunakan. Menurut
Analisis data dalam penelitian ini Latan & Ghozali (2012) suatu hipotesis dapat
dilakukan secara simultan menggunakan dikatakan berpengaruh signifikan apabila
partial least square (PLS). Model PLS akan memiliki nilai t-value lebih dari 1.65 (apabila
dianalisis dan diinterprestasikan melalui outer siginificance level 10%) atau 1.96 (apabila
model dan inner model (Mehmetoglu, 2012). siginificance level 5%) atau 2.58 (apabila
Outer model terdiri dari 2 tahap pengujian siginificance level 1%).
yaitu uji validitas dan uji reliabilitas. Adapun untuk menguji variabel yang
Sedangkan inner model terdiri atas pengujian sifatnya dapat memediasi suatu hubungan,
nilai r-square, path coefficient dan uji penelitian ini akan menggunakan sobel test
signifikansi. (Graciola et al., 2018). Lebih lanjut Graciola
Uji validitas terdiri dari 2 tahapan uji et al. (2018) menjelaskan bahwa melalui sobel
yaitu uji validitas konvergen dan uji validitas test akan diketahui nilai t hitung dan p value.
diskriminan. Velayutham et al. (2012) dan Suatu variabel dapat dikatakan sebagai
Latan & Ghozali (2012) menjelaskan bahwa variabel yang dapat memediasi pengaruh
suatu penelitian dapat memenuhi uji validitas suatu hubungan, apabila memiliki nilai t
konvergen apabila setiap item pertanyaan hitung dan p value (hasil dari sobel test)
memiliki nilai loading factor lebih besar dari masing-masing lebih besar dari 1.96 (apabila
0.5 dan setiap variabelnya memiliki nilai significance level 5%) dan lebih kecil dari
average variance extracted (AVE) lebih dari 0.05.
0.5. Selain itu Velayutham et al. (2012) juga
menjelaskan bahwa suatu penelitian dapat HASIL DAN PEMBAHASAN
dikatakan telah memenuji uji validitas
Demografi
diskriminan, apabila akar pangkat dua
Jumlah kuesioner yang telah diisi dan
(kuadrat) dari nilai AVE suatu variabel
layak untuk dianalisis dalam penelitian ini
dengan variabel itu sendiri lebih besar apabila
ialah sebanyak 221 kuesioner, dengan rincian
dibandingkan dengan nilai korelasi variabel
bahwa sebanyak 83 responden (38%) berasal
tersebut dengan variabel lainnya. Pengujian
dari BPK dan 138 responden (62%) berasal
terakhir dalam outer model yaitu uji
dari BPKP. Mayoritas responden dalam
reliabilitas. Penelitian akan dianggap
penelitian ini ialah auditor laki-laki sebanyak
memenuhi syarat uji reliabilitas apabila
127 responden (57%), sedangkan sisanya
memiliki nilai composite reliability (CR) lebih
ialah auditor perempuan sebanyak 94
besar dari 0.7 (Mehmetoglu, 2012).
responden (43%).
Setelah tahap uji outer model
Responden dalam penelitian ini
dilakukan, maka tahap selanjutnya ialah
mayoritas merupakan auditor yang sudah
pengujian inner model. Pengujian ini
memiliki pengalaman kerja sebagai seorang
dilakukan untuk memprediksi hubungan antar
auditor lebih dari 6 tahun yaitu sebanyak 183
variabel dalam suatu model penelitian.
responden (83%), sedangkan sisanya
Pengujian ini diawali dengan melihat nilai r-
merupakan auditor yang memiliki
square yang dihasilkan, dengan rule of thumb
pengalaman kerja sebagai auditor kurang dari
yaitu 0.67, 0.33, dan atau 0.19 yang masing-
6 tahun yaitu sebanyak 38 responden (17%).
masing (secara urut) menunjukkan kategori
Selain itu, responden dengan pendidikan
sebagai model kuat, moderate dan lemah
terakhir Sarjana atau yang sederajat
(Latan & Ghozali, 2012).
merupakan mayoritas responden dalam
Path coefficient dan signifikansi
penelitian ini yaitu sebanyak 126 responden
menjadi pengujian terakhir dalam inner
(57%).
untuk dapat meningkatkan kualitas suatu auditor untuk mendeteksi fraud. Adapun
audit, termasuk didalamnya ialah audit peran penting yang dimaksud antara lain (a)
forensik. Hal ini ternyata selaras dengan hasil melalui big data, para auditor dapat memiliki
yang diperoleh dalam penelitian ini. Penelitian sumber data yang sangat besar (baik data
ini turut membuktikan bahwa big data finansial maupun non finansial); (b) big data
terbukti berpengaruh positif terhadap audit dapat meningkatkan efektifitas dan efisiensi
forensik. Sehingga hasil dari pengujian prosedur analitis yang dilakukan oleh auditor;
hipotesis ini semakin meningkatkan (c) big data dapat memfasilitasi proses
keyakinan bahwa memang benar penggunaan komunikasi tim audit menjadi lebih efektif
big data terhadap audit forensik dalam rangka dan efisien; dan (d) big data mampu
deteksi fraud merupakan solusi yang solutif menampilkan berbagai informasi relevan yang
atas munculnya agency problem, dalam hal ini berasal dari eksternal (seperti informasi berita,
yaitu tindakan fraud. Harapannya hasil dari indeks industri, dan data pesaing) melalui
penelitian ini dapat menjadi informasi penting berbagai sumber online, yang kemudian hal
dan dapat mendorong berbagai lembaga ini dapat memberikan ide dan informasi
pemerintah seperti BPK, KPK, dan BPKP tambahan untuk penyusunan strategi dan
untuk senantiasa menggunakan teknologi big analisis yang lebih mendalam dalam rangka
data dalam proses pendeteksian fraud melalui pendeteksian fraud. Sehingga, sangat wajar
audit forensik, walaupun membutuhkan jika banyak pihak yang menyimpulkan bahwa
investasi yang besar di awal implementasinya. big data memiliki peran yang signifikan untuk
Namun, mengingat besarnya dampak positif meningkatkan kualitas proses pendeteksian
yang akan didapatkan kedepannya (dalam fraud. Penelitian ini turut membuktikan
jangka waktu yang panjang), hal ini tentunya bahwa big data memang terbukti berpengaruh
tidak akan merugikan pemerintah. positif terhadap pendeteksian fraud. Sehingga
Perkembangan teknologi yang hasil dari penelitian ini kembali menunjukan
semakin pesat, memberikan banyak bahwa terdapat peran big data sebagai solusi
perubahan dari berbagai aspek. Salah satu yang mampu mengatasi secara efektif agency
bentuk perubahannya dapat dilihat pada problem yang muncul karena maraknya
aktivitas operasional di berbagai perusahaan tindakan fraud. Berdasarkan hasil dari
saat ini. Melalui pemanfaatan komputer dan penelitian ini, diharapkan BPK, KPK dan
internet, membuat banyak aktivitas BPKP, untuk mulai mempertimbangkan
perusahaan yang sangat bergantung pada penggunaan big data dalam rangka untuk
fasilitas yang diberikan oleh komputer dan mendeteksi fraud. Namun, perlu dicatat
internet. Fasilitas yang dimaksud dapat berupa bahwa pemanfaatan teknologi big data ini
kecepatan dalam transfer data, pengoperasian, tentunya membutuhkan investasi yang cukup
penghapusan atau modifikasi data (Kılıç, besar untuk mengimplementasikannya.
2020). Lebih lanjut Kılıç (2020) menjelaskan Investasi tidak hanya dari sisi infrastruktur
bahwa dengan adanya kemajuan teknologi saja, namun juga investasi dari sisi
tersebut ternyata juga dapat memberikan ketersediaan dan kesiapan sumber daya
dampat negatif, salah satunya ialah semakin manusianya. Mengingat besarnya manfaat
meningkat dan kompleksnya bentuk aktivitas yang diperoleh dengan memanfaatkan big
fraud yang prosesnya didukung dengan data ini, seharusnya besarnya jumlah investasi
memanfaatkan teknologi. Hal ini kemudian yang dikeluarkan akan sebanding dengan
membuat proses pendeteksian fraud menjadi manfaat yang diperoleh. Penelitian yang
semakin rumit. Sehingga, cara terbaik untuk dilakukan oleh Tang & Karim (2019)
mengatasi hal ini yaitu dengan menggunakan merupakan penelitian terdahulu yang turut
senjata yang sama yaitu dengan membuktikan bahwa big data memiliki peran
memanfaatkan teknologi. Tang & Karim strategis untuk meningkatkan efektifitas
(2019) menyatakan bahwa pemanfaatan big proses pendeteksian fraud.
data dapat menjadi teknologi penting bagi
DAFTAR PUSTAKA
Agustina, R. D., & Pratomo, D. (2019). Approach. The Business & Management
Pengaruh Fraud Pentagon dalam Review, 4(2), 48–61.
Mendeteksi Kecurangan Pelaporan Alao, A. A. (2016). Forensic Auditing and
Keuangan. Jurnal Ilmiah Manajemen, Financial Fraud in Nigerian Deposit
Ekonomi, & Akuntansi (MEA), 3(1), 44– Money Banks (DMBS). European
62. Journal of Accounting, Auditing and
Ahmed, W., & Ameen, K. (2017). Defining Financial Research, 4(8), 1–19.
Big Data and Measuring Its Associated Anugerah, R. (2014). Peranan Good
Trends in the Field of Information and Corporate Governance dalam
Library Management. Library Hi Tech Pencegahan Fraud. Jurnal Akuntansi,
News, 9, 21–24. 3(1), 101–113.
Akenbor, C. O., & Oghoghomeh, T. (2013). Appelbaum, D., Kogan, A., & Vasarhelyi, M.
Forensic Auditing and Financial Crime A. (2017). Big Data and Analytics in the
in Nigerian Banks A Proactive Modern Audit Engagement: Research