Machine Translated by Google

LS16CH01_Honigsberg ARjats.cls 7 Maret 2020 9:16

Review Tahunan Hukum dan Ilmu Sosial

Akuntansi Forensik
Colleen Honigsberg
Sekolah Hukum Stanford, Stanford, California 94305, AS; email: ColleenH@law.stanford.edu
.nn
gro.sweivernlaanuaya 0 in.su
k6
.th m
1iaa
2.a
u sh
/d
r.g l2
e
id a
.skd
y0w
a
g
ue wu
e
n
h
vu
t.n1 b
d
s rw
istiu
.ikln
2 a ioiW
ke
d
o
u
n
a
t/e
s0
a
7
n rfliH
D
w
U
N
P
A
S
2
d
o
0
u
p
s

Ann. Pendeta Hukum Soc. Sains. 2020. 16:1.1–1.18

Kata kunci
Tinjauan Tahunan Hukum dan Ilmu Sosial online di akuntansi forensik, pelanggaran keuangan, deteksi, prediksi
lawocsci.annualreviews.org

https://doi.org/10.1146/annurev-lawsocsci-020320- 022159
Abstrak

Akuntansi forensik berfungsi sebagai alat regulasi dan investasi yang memungkinkan
Hak Cipta © 2020 oleh Tinjauan Tahunan. para profesional yang tertarik untuk memprediksi apakah perusahaan terlibat dalam
Seluruh hak cipta
pelanggaran pelaporan keuangan. Pelanggaran pelaporan keuangan mempunyai
konsekuensi ekonomi dan pribadi yang parah. Pelanggaran tersebut tidak hanya
mengganggu alokasi sumber daya ekonomi, namun investor dan karyawan
perusahaan-perusahaan tersebut juga menimbulkan kerugian finansial dan psikologis
yang besar. Intinya, akuntansi forensik bertujuan untuk memitigasi kerugian ini
dengan memprediksi kemungkinan suatu perusahaan melakukan pelanggaran
pelaporan keuangan—sehingga memungkinkan deteksi dini atas pelanggaran
tersebut. Dalam ulasan ini, saya memberikan gambaran teknik akuntansi forensik
yang paling populer dalam literatur dan efektivitas teknik tersebut. Meskipun model
forensik tradisional cenderung berfokus pada karakteristik perilaku para eksekutif
yang melakukan pelanggaran keuangan atau menggunakan pendekatan numerik
murni berdasarkan data keuangan, model yang lebih baru menggabungkan analisis data besar dengan intu

1.1

, .•·ÿ- Ulasan Sebelumnya pertama kali diposting pada

23 Maret 2020. (Perubahan mungkin
masih terjadi sebelum publikasi akhir.)
 Machine Translated by Google

LS16CH01_Honigsberg ARjats.cls 7 Maret 2020 9:16

1. PERKENALAN
Akuntansi forensik dapat dianggap setara secara finansial dengan investigasi TKP. Dengan menggunakan
informasi keuangan terperinci, akuntan forensik mengandalkan metodologi analitis untuk mendeteksi pelanggaran
keuangan. Meskipun sebagian besar penelitian akademis di bidang ini berfokus pada metodologi yang dapat
digunakan untuk mengidentifikasi pelanggaran keuangan di perusahaan publik, banyak teknik yang dapat
digeneralisasikan ke situasi lain.1 Dalam
ulasan ini, saya bertujuan untuk memberikan gambaran mengapa kita peduli terhadap masalah keuangan.
pelanggaran, teknik forensik yang populer untuk mendeteksi pelanggaran tersebut, dan efektivitas teknik tersebut.
Namun, mungkin pertanyaan pertama dalam tinjauan akuntansi forensik adalah bagaimana mendefinisikan
pelanggaran yang ingin kita pelajari, karena peneliti menggunakan berbagai istilah untuk merujuk pada
pelanggaran keuangan.2 Untuk ringkasan dalam tinjauan ini, dan kecuali dinyatakan lain, saya ikuti Amiram dkk.
(2018) dan menggunakan pelanggaran pelaporan keuangan (atau pelanggaran keuangan) sebagai istilah umum
untuk semua jenis pelanggaran terkait.3

2. KONSEKUENSI PELANGGARAN KEUANGAN Untuk memberikan

konteks mengenai pentingnya akuntansi forensik, saya mulai dengan menjelaskan konsekuensi parah dari
pelanggaran keuangan—dan dengan demikian menyoroti mengapa kita memerlukan alat untuk
mendeteksi dan mencegah pelanggaran tersebut. Jelas sekali bahwa pelanggaran keuangan menyebabkan
kerugian moneter yang signifikan. Memang, Karpoff dkk. (2008a) menemukan bahwa perusahaan
kehilangan sekitar 29% nilai ekuitasnya ketika pelanggaran keuangan terungkap (walaupun perkiraan ini
berada pada batas atas kisaran). Namun, korban juga menderita kerugian psikologis. Korban pelanggaran
keuangan, rata-rata, lebih mungkin mengalami rusaknya hubungan, rusaknya reputasi, dan masalah
.nn
gro.sweivernlaanuaya 0 in.su
k6
.th m
1iaa
2.a
u sh
/d
r.g l2
e
id a
.skd
y0w
a
g
ue wu
e
n
h
vu
t.n1 b
d
s rw
istiu
.ikln
2 a ioiW
ke
d
o
u
n
a
t/e
s0
a
7
n rfliH
D
w
U
N
P
A
S
2
d
o
0
u
p
s

kesehatan mental dan fisik (Button dkk. 2014). Dampaknya bisa sangat buruk karena korbannya sebagian
besar adalah lansia (DeLiema dkk. 2018). Konsekuensi psikologis dari dampak-dampak ini dapat dirasakan
oleh masyarakat, bahkan kepada mereka yang tidak terkena dampak langsung (Gurun dkk. 2018),
mungkin karena orang-orang lain juga kehilangan kepercayaan terhadap sistem setelah menyaksikan
kerugian yang dialami oleh orang-orang terdekat mereka dan, tanpa rasa percaya. , investor lebih ragu
untuk berpartisipasi di pasar keuangan (Giannetti & Wang 2016).

1Praktik akuntansi forensik lebih luas dari penelitian yang disarankan. Meskipun pekerjaan akademis sebagian besar terfokus
pada fitur investigasi akuntansi forensik (dan terutama penggunaan akuntansi forensik untuk mendeteksi pelanggaran
pelaporan keuangan di perusahaan publik, yang datanya mudah tersedia), praktik akuntansi forensik juga mencakup dukungan
litigasi. . Dukungan litigasi mencakup beragam topik seperti penilaian bisnis, penilaian perceraian, identifikasi pendapatan
yang hilang dan/atau di masa depan, penggelapan, dan pekerjaan saksi ahli. Karena bidang-bidang ini mendapat cakupan
terbatas dalam penelitian akademis, saya tidak membahasnya di sini. Sebaliknya, saya akan mengarahkan pembaca yang
tertarik untuk membaca karya Nunn dkk. (2006).
2Daftar terminologi non-eksklusif yang digunakan dalam literatur mencakup penipuan, pelanggaran keuangan, penyimpangan
keuangan, pelaporan yang salah, penyajian yang salah, manajemen laba, dan manipulasi laba. Salah satu penjelasan atas
variasi bahasa ini adalah bahwa sastra di bidang ini bersifat interdisipliner, sebagian besar berasal dari hukum, akuntansi, dan
keuangan. Setiap bidang mempunyai terminologi tersendiri. Misalnya, pengacara cenderung memandang penipuan sebagai
bagian dari pelanggaran yang memenuhi definisi pengadilan tentang penipuan. Sebaliknya, profesi lain mungkin
mempertimbangkan tindakan regulasi yang menuduh adanya penipuan sebagai penipuan, bahkan jika tuduhan tersebut
diselesaikan tanpa pengakuan tanggung jawab. Penjelasan lain adalah bahwa pilihan akuntansi diskresi terletak pada suatu kontinum yang luas.
Di satu sisi, manajemen laba mengacu pada mengukur kinerja keuangan dalam batas-batas prinsip akuntansi yang berlaku
umum (GAAP) dan tidak ilegal. Di sisi lain, kebohongan adalah penipuan yang terbukti di pengadilan. Literatur yang mencakup
keseluruhan kontinum ini relevan dengan akuntansi forensik.
3Amiram dkk. (2018) memberikan tinjauan literatur multidisiplin tentang pelanggaran pelaporan keuangan. Perlu dicatat
bahwa sebagian besar penelitian empiris di bidang ini bergantung pada dugaan pelanggaran pelaporan keuangan, seperti
tindakan penegakan peraturan, dan bukan pada bukti pelanggaran pelaporan keuangan.

1.2 Honigsberg

, .•·ÿ- Ulasan Sebelumnya pertama kali diposting pada

23 Maret 2020. (Perubahan mungkin
masih terjadi sebelum publikasi akhir.)
 Machine Translated by Google

LS16CH01_Honigsberg ARjats.cls 7 Maret 2020 9:16

Meskipun investor jelas merupakan korban dari pelanggaran keuangan, terdapat konsekuensi yang signifikan juga bagi karyawan.

Misalnya, setelah terjadinya penipuan di WorldCom, 17.000 pekerja kehilangan pekerjaan dalam satu hari (Noguchi 2002). Dan ribuan
karyawan Enron tidak beruntung setelah harga saham perusahaan tersebut anjlok dan perusahaan tersebut bangkrut (Paulsen 2002).
Para karyawan ini tidak hanya kehilangan pekerjaan dan layanan kesehatan, namun banyak juga yang kehilangan sebagian besar dana

di rekening pensiun mereka, karena mereka tidak diperbolehkan menjual saham Enron dalam rencana 401(k) mereka (Oppel 2001).

Penelitian menunjukkan bahwa ini bukanlah insiden yang terisolasi. Dengan menggabungkan data sensus AS dengan tindakan
penegakan hukum Komisi Sekuritas dan Bursa (SEC) yang mengandung kata “penipuan”, para peneliti menemukan bahwa karyawan
perusahaan yang dituduh melakukan penipuan lebih besar kemungkinannya untuk kehilangan pekerjaan dan, jika mereka tetap

mempertahankan pekerjaan, mengalami upah yang lebih rendah. menurun. Secara khusus, gaji karyawan selama periode setelah
pelaporan keuangan yang mengandung kecurangan sekitar 9% lebih rendah dibandingkan sampel kontrol yang dicocokkan, dan tingkat

pemisahan lebih tinggi sebesar 12% selama dan setelah periode penipuan (Choi & Gipper 2019).
Bisa dibilang, para karyawan ini beralih ke kejahatan untuk menggantikan pendapatan mereka yang hilang, seperti yang dikatakan
Holzman dkk. (2019) menemukan bahwa kejahatan yang bermotif finansial meningkat di wilayah geografis tempat perusahaan penipuan berada.

Salah satu temuan paling menonjol dari Choi & Gipper (2019) adalah bahwa konsekuensi penipuan tidak terbatas pada karyawan
tingkat atas. Meskipun banyak literatur di masa lalu menemukan bahwa eksekutif dan direktur yang bertanggung jawab atas penipuan
didakwa, dituntut, dan/atau dikenakan sanksi pidana di pasar reputasi, penelitian ini terbatas pada karyawan tingkat tinggi.4 Sebaliknya,

Choi & Gipper (2019 ) menemukan bahwa pekerja di 90% pekerja terbawah dalam distribusi upah sebelum penipuan mengalami dampak
upah yang lebih negatif dibandingkan pekerja di 10% pekerja teratas. Temuan ini menunjukkan bahwa konsekuensi penipuan berbeda
dengan kesalahan—dan menunjukkan mengapa pembuat kebijakan yang berfokus pada penciptaan lapangan kerja dan retensi bagi

konstituennya harus mempertimbangkan pencegahan penipuan dalam upaya mereka.

.nn
gro.sweivernlaanuaya 0 in.su
k6
.th m
1iaa
2.a
u sh
/d
r.g l2
e
id a
.skd
y0w
a
g
ue wu
e
n
h
vu
t.n1 b
d
s rw
istiu
.ikln
2 a ioiW
ke
d
o
u
n
a
t/e
s0
a
7
n rfliH
D
w
U
N
P
A
S
2
d
o
0
u
p
s

Selain kerugian individu, pelanggaran keuangan juga mempunyai konsekuensi ekonomi yang luas. Dengan menggunakan model

teoritis, Kedia & Philippon (2009) menunjukkan bahwa perilaku menyimpang mendistorsi alokasi sumber daya ekonomi dalam
perekonomian, karena perusahaan mempekerjakan dan berinvestasi secara berlebihan selama periode perilaku buruk keuangan. Pola ini
konsisten dengan penelitian empiris. Seperti yang dinyatakan sebelumnya, perusahaan memecat karyawannya setelah pelanggaran

keuangan terungkap (Choi & Gipper 2019). Selanjutnya, setelah pelanggaran keuangan terungkap, perusahaan juga mengurangi
aktivitas investasi mereka (Autore et al. 2015, Yuan & Zhang 2016).5 Kedia & Philippon (2009) menunjukkan bahwa pola ini kurang

optimal; misalnya, ketika perekrutan dan investasi pada akhirnya dibatalkan, karyawan kehilangan pekerjaan mereka dalam kondisi yang
tidak menguntungkan. Selain itu, sumber daya yang dikonsumsi selama periode pelanggaran keuangan seharusnya dapat dimanfaatkan
dengan lebih baik. Misalnya, Theranos. Miliaran dolar dan ruang fisik—belum lagi talenta karyawan—bisa saja dicurahkan untuk aktivitas

yang jauh lebih produktif.

Singkatnya, pelanggaran keuangan mempunyai konsekuensi negatif terhadap pribadi dan ekonomi. Investor di perusahaan-

perusahaan yang melakukan pelanggaran keuangan, yang usianya jauh lebih tua, tidak hanya kehilangan dananya namun juga dapat
mengalami trauma psikologis yang sangat buruk. Karyawan juga menderita—bahkan karyawan yang tidak terkait dengan penipuan ini
lebih mungkin kehilangan pekerjaan dan mengalami penurunan gaji.

Konsekuensi-konsekuensi ini berdampak pada perekonomian, ketika perusahaan mempekerjakan dan berinvestasi secara berlebihan
selama periode pelanggaran keuangan, namun kemudian sumber daya tersebut akan hilang ketika pelanggaran keuangan tersebut
terungkap. Hal ini mendistorsi alokasi sumber daya yang optimal dalam masyarakat.

Misalnya, Srinivasan (2005) menemukan bahwa anggota komite audit yang memimpin selama penyajian kembali jauh lebih mungkin untuk
meninggalkan perusahaan. Demikian pula, Desai dkk. (2006) menemukan bahwa manajer lebih cenderung meninggalkan perusahaan setelah
melakukan penyajian kembali. Dan Karpoff dkk. (2008b) menemukan bahwa 93% eksekutif yang teridentifikasi dalam tindakan penegakan
hukum SEC dan Departemen Kehakiman kehilangan pekerjaan mereka (beberapa di antaranya menghadapi hukuman pidana, termasuk hukuman penjara).
5Agaknya perusahaan mengurangi aktivitas investasi setidaknya sebagian karena biaya modal meningkat setelah
pelanggaran keuangan terungkap (Chava et al. 2010, 2018; Graham et al. 2008; Hribar & Jenkins 2004; Kravet &
Shevlin 2010; Yuan & Zhang 2015) .

www.annualreviews.org • Akuntansi Forensik 1.3

, .•·ÿ- Ulasan Sebelumnya pertama kali diposting pada

23 Maret 2020. (Perubahan mungkin
masih terjadi sebelum publikasi akhir.)
 Machine Translated by Google

LS16CH01_Honigsberg ARjats.cls 7 Maret 2020 9:16

3. AKSI AKUNTANSI FORENSIK

Hal ini karena konsekuensi buruk dari pelanggaran keuangan sehingga banyak literatur mencoba membangun model yang
memprediksi perusahaan mana yang terlibat dalam pelanggaran pelaporan keuangan.
Literatur ini biasanya mewakili pelanggaran pelaporan keuangan dengan menggunakan tindakan penegakan peraturan,
pernyataan ulang yang tegas, dan/atau (kadang-kadang) tuntutan hukum class action.6 Kebanyakan model mengikuti salah
satu dari dua pendekatan. Salah satu pendekatan berfokus pada karakteristik pribadi dan perilaku individu yang melakukan
pelanggaran keuangan. Pendekatan lainnya adalah berbasis angka dan memeriksa data yang dilaporkan untuk mencari
kelainan yang secara teoritis dan empiris dapat memprediksi pelanggaran. Namun, selama dekade terakhir, para peneliti
mulai menggabungkan pendekatan ini dengan menggunakan teknik big data untuk mengidentifikasi respons perilaku dalam
pengungkapan perusahaan yang menunjukkan ketidaknyamanan terhadap pelaporan keuangan.7

3.1. Karakteristik Pribadi dan Perilaku

Teori ekonomi standar menyatakan bahwa individu berperilaku buruk jika mereka melakukan tindakan tersebut secara
rasional (yaitu, manfaat yang diharapkan lebih besar daripada biaya yang diharapkan, dengan biaya yang diharapkan
mempertimbangkan hukuman dan kemungkinan terdeteksi) (Becker 1968).8 Namun, penelitian yang lebih baru telah
melampaui dampak insentif rasional yang terkait dengan mereka yang melakukan pelanggaran keuangan dan berfokus
pada karakteristik pribadi dan perilaku. Penelitian ini menghasilkan beberapa faktor prediktif. Laki-laki lebih besar
kemungkinannya untuk melakukan pelanggaran dibandingkan perempuan (Dreber & Johannesson 2008). Dan mereka
yang melakukan pelanggaran keuangan sering kali dianggap “terlalu percaya diri” atau “narsistik” (Schrand & Zechman
2012)—atau bahkan “tidak jujur” (Loewen et al. 2013).
Literatur mendukung argumen ini. Memang benar, banyak penelitian yang menunjukkan bahwa para eksekutif yang
.nn
gro.sweivernlaanuaya 0 in.su
k6
.th m
1iaa
2.a
u sh
/d
r.g l2
e
id a
.skd
y0w
a
g
ue wu
e
n
h
vu
t.n1 b
d
s rw
istiu
.ikln
2 a ioiW
ke
d
o
u
n
a
t/e
s0
a
7
n rfliH
D
w
U
N
P
A
S
2
d
o
0
u
p
s

“terlalu percaya diri” memberikan janji yang berlebihan—dan kemudian merasa terpaksa menyembunyikan penurunan
kinerja keuangan dengan melakukan pelaporan yang salah (misalnya, Dechow dkk. 2011, Johnson dkk. 2009, Schrand &
Zechman 2012). Hasil ini dapat menjelaskan mengapa pelanggaran pelaporan keuangan terjadi secara tidak proporsional
di perusahaan pendiri (misalnya, Dechow et al. 1995). Misalnya, sebuah penelitian baru-baru ini menemukan bahwa
perusahaan-perusahaan pendiri menjadi sasaran dalam lebih dari 70% tindakan penegakan kesalahan pelaporan keuangan
yang dikeluarkan oleh SEC dan Departemen Kehakiman dari tahun 1976 hingga 2013 (Anderson dkk. 2018). Penelitian lain
juga mencapai kesimpulan serupa, mencatat bahwa pelanggaran pelaporan keuangan lebih mungkin terjadi jika CEO
adalah anggota keluarga pendiri (Agrawal & Chadha 2005).
Namun penelitian lain menunjukkan bahwa kesalahan pelaporan keuangan lebih mencerminkan faktor disposisional
dibandingkan faktor situasional, misalnya ciri kepribadian yang stabil (Loewen dkk. 2013). Memang, dimulai dengan
Weisburd dkk. (1990), banyak penelitian yang menemukan bahwa mereka yang melakukan pelanggaran keuangan memang demikian

6Semua alat ukur yang digunakan untuk melakukan pelanggaran pelaporan keuangan tidaklah sempurna, dan banyak penelitian yang
menganggapnya terlalu inklusif dan kurang inklusif. Untuk pembahasan masalah ini, lihat Amiram dkk. (2018) dan Dechow dkk. (2010).

7Insentif untuk melakukan penipuan dan hubungan antara tata kelola perusahaan dan pelanggaran keuangan telah dibahas secara
luas dalam survei-survei lainnya. Saya akan mengarahkan pembaca yang tertarik untuk bekerja dengan Amiram et al.
(2018). Secara khusus, terdapat literatur yang sangat substansial yang meneliti hubungan antara insentif kompensasi dan pelanggaran
pelaporan keuangan (Burns & Kedia 2006, Efendi et al. 2007, Erickson et al. 2006).
8Eksekutif dapat menerima manfaat nyata dari pelanggaran keuangan, seperti peningkatan kompensasi atau retensi pekerjaan, namun
juga dapat menerima manfaat tidak berwujud, seperti prestise atau kekaguman. Meskipun rasionalitas murni bukan merupakan
penjelasan lengkap mengenai kapan terjadinya pelanggaran keuangan, penelitian sebelumnya mendukung pandangan bahwa insentif
rasional itu penting. Misalnya, perusahaan yang berlokasi lebih dekat dengan SEC dan di wilayah dengan aktivitas penegakan SEC di
masa lalu yang lebih besar (proksi intensitas penegakan SEC) kecil kemungkinannya untuk menyajikan kembali laporan keuangan
mereka (Kedia & Rajgopal 2011).

1.4 Honigsberg

, .•·ÿ- Ulasan Sebelumnya pertama kali diposting pada

23 Maret 2020. (Perubahan mungkin
masih terjadi sebelum publikasi akhir.)
 Machine Translated by Google

LS16CH01_Honigsberg ARjats.cls 7 Maret 2020 9:16

pelaku berulang, mungkin karena preferensi untuk mengambil risiko yang lebih besar. Lebih lanjut, pelanggaran hukum
atau peraturan yang pernah terjadi sebelumnya—bahkan yang tidak terkait dengan pelanggaran keuangan—berkorelasi
dengan pelanggaran pelaporan keuangan di masa depan (Davidson dkk. 2015, Dimmock & Gerken 2012). Perselingkuhan
juga tampaknya berkorelasi dengan pelanggaran keuangan. Griffin dkk. (2019) menunjukkan bahwa perusahaan dengan
CEO atau CFO yang terdaftar di Ashley Madison (situs web yang dirancang untuk memfasilitasi perselingkuhan) dua kali
lebih mungkin dituduh melakukan pelanggaran dibandingkan perusahaan yang tidak memiliki koneksi Ashley Madison.
Banyak penelitian juga mempelajari bagaimana perilaku keagamaan dikaitkan dengan pelanggaran (misalnya, Dyreng dkk.
2012, Grullon dkk. 2010, McGuire dkk. 2012), dan beberapa penelitian menunjukkan bahwa kepatuhan beragama
berkorelasi negatif dengan pelanggaran.
Namun, norma-norma budaya tampaknya memainkan peran yang sama pentingnya dalam memprediksi pelanggaran
seperti halnya karakteristik individu (jika bukan peran yang lebih besar). Pelanggaran keuangan sangat bervariasi di
seluruh wilayah AS, dan frekuensi pelanggaran berkorelasi dengan indikator perilaku “buruk” lainnya.
Secara khusus, penelitian menemukan bahwa pelanggaran pelaporan keuangan berkorelasi dengan penipuan politik
(frekuensi penuntutan terhadap pejabat publik yang dipilih dan ditunjuk); pelanggaran medis (transfer uang dari
perusahaan farmasi ke dokter yang memberikan resep); dan, tentu saja, perselingkuhan (yang diukur dengan persentase
pelanggan Ashley Madison) (Parsons et al.
2018). Kecenderungan melakukan pelanggaran juga dipengaruhi oleh rekan kerja (Dimmock et al. 2018).

3.2. Memprediksi Pelanggaran dari Data Keuangan Bidang literatur

akuntansi forensik lainnya menerapkan pendekatan berbasis angka yang mengidentifikasi pelanggaran keuangan dengan
menggunakan data keuangan yang, biasanya, disediakan oleh perusahaan itu sendiri. Beberapa teknik ini berfokus pada
kelainan statistik pada data dan cukup dapat digeneralisasikan sehingga dapat digunakan untuk menguji integritas data di
.nn
gro.sweivernlaanuaya 0 in.su
k6
.th m
1iaa
2.a
u sh
/d
r.g l2
e
id a
.skd
y0w
a
g
ue wu
e
n
h
vu
t.n1 b
d
s rw
istiu
.ikln
2 a ioiW
ke
d
o
u
n
a
t/e
s0
a
7
n rfliH
D
w
U
N
P
A
S
2
d
o
0
u
p
s

lingkungan lain. Yang lain mengambil pendekatan yang berfokus pada akuntansi yang khusus untuk analisis laporan
keuangan.

3.2.1. Kelainan statistik. Intinya, literatur tentang kelainan statistik mencari pola numerik yang penjelasan teoritisnya
terbatas (atau tidak ada sama sekali) selain pelanggaran keuangan. Beberapa kelainan tersebut dijelaskan di bawah ini.

3.2.1.1. Pemukulan sasaran. Secara konseptual, pendekatan ini menguji apakah perusahaan melaporkan kerugian kecil
yang lebih sedikit dan/atau keuntungan kecil yang lebih banyak di sekitar ambang batas tertentu (yaitu target) dibandingkan
yang diharapkan. Seperti yang awalnya dilaporkan oleh Burgstahler & Dichev (1997), distribusi pendapatan tingkat
perusahaan untuk perusahaan publik tidaklah lancar. Sebaliknya, terdapat lebih sedikit kerugian kecil tepat di bawah nol—
dan lebih banyak keuntungan kecil tepat di atas nol—daripada yang diharapkan (dengan asumsi distribusi normal). Untuk
mengukur pendapatan tingkat perusahaan, penulis menggunakan laba bersih tahunan perusahaan dibagi dengan nilai
pasar pada awal tahun. Gambar asli dari Burgstahler & Dichev (1997) disajikan di bawah ini sebagai Gambar 1.

Penjelasan umum mengenai kekusutan pada angka nol dalam distribusi yang lancar adalah bahwa penyimpangan
tersebut disebabkan oleh campur tangan manusia (yaitu, tanpa manajemen laba, mungkin banyak perusahaan dengan
laba kecil akan jatuh tepat di bawah nol). Namun, makalah lain telah mengusulkan penjelasan alternatif. Makalah-makalah
ini menyatakan bahwa kekusutan ini bukan disebabkan oleh campur tangan manusia dalam pelaporan keuangan namun
karena faktor-faktor seperti pajak asimetris (Beaver dkk. 2007) atau karena bias sampel yang muncul karena penskalaan
berdasarkan nilai pasar (dan dengan demikian, lebih jauh lagi, saham harga) (Durtschi & Easton 2005, 2009).9

9Perhatikan bahwa Beaver dkk. (2007) mengoreksi perhitungan awal yang digunakan oleh Burgstahler & Dichev (1997).

www.annualreviews.org • Akuntansi Forensik 1.5

, .•·ÿ- Ulasan Sebelumnya pertama kali diposting pada

23 Maret 2020. (Perubahan mungkin
masih terjadi sebelum publikasi akhir.)
 Machine Translated by Google

LS16CH01_Honigsberg ARjats.cls 7 Maret 2020 9:16

2.000

Jumlah

1.500

1.000

500

0
–0,25 –0.20 –0,15 –0.10 –0,05 0 0,05 0,10 0,15 0,20 0,25 0,30 0,35

Laba per saham (¢)

Gambar 1
Angka ini mencerminkan distribusi pendapatan (laba bersih tahunan yang diukur berdasarkan nilai pasar pada awal tahun) untuk seluruh perusahaan di
Compustat dari tahun 1976 hingga 1994 dengan data yang relevan tersedia. Lebar setiap nampan adalah 0,005. Diadaptasi dari Burgstahler & Dichev (1997), dengan
izin dari Elsevier.

Terlepas dari kritik ini, para peneliti terus menggunakan intuisi dari ketegaran dan menerapkannya
intuisi ini dalam pengaturan lain. Misalnya, masalah serupa terjadi dalam distribusi analis
1a.d
m
gro.sweiverlaun.h6n.u .n.n
u0w
l.sa istu
ik2 d
a
riw
uoiw
na
0 H
D
A
P
S
2
d
s

kesalahan perkiraan (didefinisikan sebagai laba yang dilaporkan perusahaan dikurangi laba yang diharapkan Wall Street)
.n
nasnaa0 rg
2.aia
tkisu /d g
kdye
2
ie
sh uln
atvw
n
e
h
1
u b
dit/e
sa iW
ke
o
sa
na
7
nrliH
U
N
A
S
d
o
0
u
p

(Degeorge dkk. 1999). Sepengetahuan saya, belum ada penelitian yang memberikan penjelasan alternatif
untuk ketegaran dalam distribusi ini. Dengan demikian, bahkan jika karya lain yang benar adalah Burgstahler yang berbelit-belit
& Dichev (1997) mendokumentasikan pendapatan perusahaan disebabkan oleh faktor lain, yaitu intuisi perusahaan
mungkin mengelola pendapatan atau terlibat dalam pelanggaran pelaporan keuangan untuk memenuhi atau melampaui target
untuk memegang.

Mungkin didorong oleh Bernie Madoff—yang secara obsesif berfokus pada pencapaian target10—lebih dari itu
penelitian terbaru juga menggunakan ukuran ini untuk memprediksi kesalahan keuangan pada dana lindung nilai (Bollen
& Kolam 2009, 2012; Honigsberg 2019a). Studi-studi ini fokus pada keuntungan bulanan yang dilindung nilai
dana melaporkan kepada investornya dan berasumsi bahwa target dana tersebut adalah mencapai pengembalian nol atau lebih besar.
Peneliti mengasumsikan target nol atau lebih besar karena jumlah bulan turun (yaitu kerugian
bulan) merupakan faktor penentu yang signifikan terhadap arus masuk dana, bahkan setelah mengendalikan total pengembalian
absolut (Agarwal dkk. 2011). Manajer dana lindung nilai diberi kompensasi, sebagian, berdasarkan total aset
dikelola, sehingga mereka mempunyai insentif untuk meningkatkan aliran dana masuk, sehingga melaporkan secara bulanan
pengembalian sama dengan atau lebih besar dari nol. Distribusi pengembalian dana lindung nilai, beserta kekusutan yang terkait,
disajikan di bawah seperti Gambar 2.
Bahkan, kekusutan pada imbal hasil dana lindung nilai tampak lebih jelas dibandingkan kekusutan pada return dana lindung nilai
distribusi pendapatan bagi perusahaan publik. Salah satu penjelasan untuk kekusutan yang lebih besar dalam pengaturan ini
adalah bahwa dana lindung nilai mungkin memiliki peluang lebih besar untuk mengelola keuntungan dibandingkan perusahaan publik.

10Dari 16 tahun (215 bulan), Madoff hanya memiliki 16 bulan dengan hasil negatif (yaitu, bulan-bulan buruk)—
menghasilkan 92,56% bulan kemenangan (Bernard & Boyle 2009).

1.6 Honigsberg

, .•·ÿ- Ulasan Sebelumnya pertama kali diposting pada

23 Maret 2020. (Perubahan mungkin
masih terjadi sebelum publikasi akhir.)
 Machine Translated by Google

LS16CH01_Honigsberg ARjats.cls 7 Maret 2020 9:16

12.000

10.000

8.000

6.000
Jumlah

4.000

49
7
0
3
6
9
2
5
8
1 0,0
4
8
1
2
3
5
6
7 1
2
3
–

–
2.000

Pengembalian dana lindung nilai bulanan (%)

Gambar 2

Angka ini mencerminkan distribusi pengembalian dana lindung nilai bulanan untuk semua dana di Database Lipper Hedge Fund dari tahun 2000 hingga 2013. Lebar
bin sebesar 13 basis poin diatur sesuai dengan rumus lebar bin optimal yang diberikan oleh Silverman (1986). Diadaptasi dari Honigsberg (2019a), dengan izin dari
Wiley.

Penilaian aset dana lindung nilai biasanya melibatkan kebijaksanaan yang besar,11 banyak dana lindung nilai tidak
diaudit setiap tahun, dan sebagian besar dana lindung nilai tunduk pada peraturan minimal (Cassar & Gerakos 2010,
Honigsberg 2019a, Restrepo 2019).12

3.2.1.2. hukum Benford. Pendekatan lain yang digunakan untuk memprediksi pelanggaran keuangan bergantung
pada kesesuaian dengan hukum Benford. Hukum Benford menentukan distribusi digit pertama dari kumpulan data
yang cukup besar. Secara khusus, hukum tersebut menyatakan bahwa, ketika banyak distribusi yang mendasarinya
digabungkan, digit pertama dalam distribusi yang dihasilkan akan mengikuti kurva logaritmik di bawah ini:

P (d) = Log10 (1 + 1/d) , dimana d = 1, 2, ... , 9.

Dengan kata lain, digit pertama dari semua pengamatan dalam kumpulan data diharapkan menjadi “1” sebanyak
30,1%, “2” sebanyak 17,6%, dan seterusnya (semua digit lainnya akan muncul dengan frekuensi yang semakin menurun.
.nn
gro.sweivernlaanuaya 0 in.su
k6
.th m
1iaa
2.a
u sh
/d
r.g l2
e
id 0w
a
g
e
u
a
.skd
y w
t.nu
e
n
h
vu
1 db rw
isstiu
.ikln
2 a ioiW
ke
d
o
u
n
a
t/e
s0
a
7
n rfliH
D
w
U
N
P
A
S
2
d
o
0
u
p
s

11Penilaian aset dana lindung nilai biasanya dianggap melibatkan kebijaksanaan yang besar karena dana lindung nilai sering kali
memiliki aset yang tidak memiliki pasar aktif, sehingga sulit untuk mengidentifikasi harga yang mudah diverifikasi. Selain itu, data
portofolio biasanya tidak tersedia, sehingga umumnya tidak mungkin untuk mengidentifikasi aset spesifik yang dimiliki oleh dana tersebut.
Beberapa dana bergantung pada mekanisme pemantauan eksternal (misalnya audit dan penetapan harga pihak ketiga) untuk mengurangi
kebijaksanaan manajerial dalam penilaian, namun bukti menunjukkan bahwa metode ini tidak sepenuhnya efektif (misalnya, Brown et al.
2012; Cassar & Gerakos 2010, 2011) . Lebih lanjut, banyak dana lindung nilai tidak menggunakan alat-alat ini—misalnya, sebuah
makalah menunjukkan bahwa manajer memiliki keleluasaan penuh untuk menentukan harga aset di hampir 20% dana (Cassar & Gerakos
2011).
12Setidaknya satu kelompok peneliti berpendapat bahwa kekusutan yang diamati pada imbal hasil dana lindung nilai disebabkan oleh
fitur dana lindung nilai seperti ilikuiditas dan biaya insentif, bukan manipulasi ( Jorion & Schwarz 2014). Namun, beberapa makalah
memberikan bukti tambahan bahwa kekusutan tersebut disebabkan oleh manipulasi. Bollen & Pool (2012) mengidentifikasi beberapa
pola mencurigakan dalam pengembalian bulanan dana lindung nilai dan menunjukkan bahwa prediktor terkuat dari penipuan akuntansi
yang terdeteksi adalah ukuran kekusutan dana di angka nol. Lebih lanjut, besarnya kekusutan dana juga telah dikaitkan dengan
kesalahan pelaporan pada pengajuan 13F (pengajuan sekuritas triwulanan diperlukan untuk sebagian dana lindung nilai) (Cici dkk.
2016), dan menaikkan harga saham pada hari terakhir penilaian. periode (Ben-David dkk. 2013).
Penelitian tambahan menunjukkan bahwa kekusutan dana lindung nilai umumnya lebih besar pada dana sehingga manajer mempunyai
keleluasaan lebih besar dalam menilai (Cassar & Gerakos 2011).

www.annualreviews.org • Akuntansi Forensik 1.7

, .•·ÿ- Ulasan Sebelumnya pertama kali diposting pada

23 Maret 2020. (Perubahan mungkin
masih terjadi sebelum publikasi akhir.)
 Machine Translated by Google

LS16CH01_Honigsberg ARjats.cls 7 Maret 2020 9:16

45
Distribusi Benford
40

Persentase
35
Distribusi yang diharapkan berdasarkan hukum Benford
30
Distribusi aktual pengembalian dana lindung nilai
25
Dana Bernie Madoff kembali
20

15

10

123456789
Digit pertama pengembalian dana lindung nilai bulanan

Gambar
3 Gambar ini membandingkan tiga distribusi: (a) distribusi digit pertama yang diharapkan dalam suatu distribusi menurut hukum Benford, (b)
distribusi digit pertama untuk semua dana lindung nilai dalam database Lipper Hedge Fund dari tahun 2000 hingga 2013, dan ( c) distribusi digit
pertama untuk dana lindung nilai Bernie Madoff yang terkenal (diperoleh dari Bernard & Boyle 2009).

hingga “9”, yang muncul sebagai digit pertama hanya pada 4,6% dari seluruh digit pertama). Dinyatakan secara luas, jika
data empiris mulus dan simetris—seperti halnya banyak kumpulan data karena aspek teorema limit pusat—maka data
tersebut harus sesuai dengan hukum Benford. Namun, jenis kesalahan tertentu, seperti kesalahan yang terjadi melalui
kesalahan pelaporan keuangan, kemungkinan besar akan mengakibatkan penyimpangan dalam distribusi (Amiram dkk.
2015).
Sebagai ilustrasi, Gambar 3 menyajikan distribusi hukum Benford, distribusi seluruh imbal hasil hedge fund di TASS
.nn
gro.sweivernlaanuaya 0 in.su
k6
.th m
1iaa
u
2.a sh
/d
r.g id2
le 0w
a
g
e
u
a
y
.skdt.n.ikln
u
vw
n
e
h
1
u sb
2
distarw
iu ioW
ke
d
o
sa
t/eu
n0
a
7
n irfliH
D
w
U
N
P
A
S
2
d
o
0
u
p
s

Lipper Hedge Fund Database dari tahun 2000 hingga 2013, dan distribusi imbal hasil Bernie Madoff. Seperti yang
ditunjukkan, distribusi seluruh imbal hasil dana lindung nilai sebagian besar mengikuti distribusi yang diharapkan, namun
imbal hasil Bernie Madoff menyimpang secara substansial.13 Varian (1972) pertama kali
menyatakan bahwa hukum Benford dapat digunakan untuk mendeteksi kesalahan dalam data yang dilaporkan.
Sejak saat itu, metode ini telah digunakan untuk mendeteksi pembulatan sistematis angka pendapatan bagi perusahaan-
perusahaan di Selandia Baru (Carslaw 1988) dan Amerika Serikat (Thomas 1989). Para peneliti juga telah menunjukkan
bahwa kepatuhan terhadap hukum dapat menjadi alat yang berguna bagi auditor dalam mendeteksi kesalahan dalam
pelaporan pajak dan laporan keuangan internal (Nigrini 1996, 2012). Baru-baru ini, Amiram dkk. (2015) menunjukkan
bahwa hukum Benford dapat digunakan untuk memprediksi pelanggaran keuangan pada perusahaan publik.
Para peneliti telah menggunakan hukum Benford untuk memprediksi kesalahan pelaporan bahkan di luar konteks
keuangan (Varian 1972). Misalnya, peneliti menggunakan hukum Benford untuk mengidentifikasi kesalahan pelaporan
dalam data ekologi (Cerri 2018), data hidrologi (Nigrini & Miller 2007), data ekonomi negara (Michalski

13Dengan menggunakan nilai kritis 5%, analisis yang tidak ditabulasikan menunjukkan bahwa lebih dari 80%
pengembalian dana sesuai dengan distribusi namun pengembalian Madoff menyimpang secara signifikan. Untuk
mengukur deviasi pada tingkat dana, saya menggunakan statistik Kolmogorov–Smirnov, yang bergantung pada deviasi
maksimum dari distribusi yang diharapkan (untuk diskusi tentang pengukuran kesesuaian dengan hukum Benford, lihat
Morrow 2014, Pike 2008). Berdasarkan statistik Kolmogorov– Smirnov, deviasi maksimum ditentukan dengan
menghitung deviasi pada setiap titik waktu (misalnya, deviasi dari jumlah nilai 1 yang diharapkan atau deviasi dari
jumlah nilai 1 dan 2 yang diharapkan).

1.8 Honigsberg

, .•·ÿ- Ulasan Sebelumnya pertama kali diposting pada

23 Maret 2020. (Perubahan mungkin
masih terjadi sebelum publikasi akhir.)
 Machine Translated by Google

LS16CH01_Honigsberg ARjats.cls 7 Maret 2020 9:16

& Stoltz 2013, Nye & Moul 2007), dan pengeluaran militer (Rauch dkk. 2014). Menariknya, dari 27 negara yang
melaporkan data militernya ke PBB, Amerika Serikat dan Inggris memiliki tingkat kepatuhan terendah terhadap hukum
Benford, sehingga menunjukkan kualitas data yang paling rendah.

3.2.1.3. Kelainan pada digit pasca desimal. Mirip dengan penelitian yang meneliti tren pada digit pertama pengamatan
dalam suatu distribusi, peneliti juga memprediksi kesalahan pelaporan keuangan dengan memeriksa tren pada digit
akhir pengamatan dalam suatu distribusi. Studi-studi ini biasanya berfokus pada laba per saham—angka yang biasanya
dibulatkan dan dilaporkan dalam sen. Laba per saham dihitung dengan membagi laba bersih perusahaan dengan
jumlah saham beredar dan dianggap sebagai salah satu ukuran profitabilitas yang paling penting.

Untuk mengilustrasikan dampak pembulatan, pertimbangkan bahwa laba per saham sebesar 12,4 sen dilaporkan
sebagai 12 sen, sedangkan laba per saham sebesar 12,5 sen dilaporkan sebagai 13 sen. Oleh karena itu, perusahaan
diberi insentif untuk melaporkan laba per saham dengan angka lima atau lebih setelah desimal, karena angka tersebut
akan dibulatkan ke sen yang lebih tinggi. Mengikuti intuisi ini, para akademisi telah menemukan bahwa angka-angka di
atas (di bawah) lima kurang (lebih) terwakili dalam digit laba per saham di luar desimal (Craig 1992, Das & Zhang 2003).
Namun, pola ini terbalik pada perusahaan dengan pendapatan negatif (Das & Zhang 2003).

Memperluas intuisi ini, Malenko & Grundfest (2014) meneliti frekuensi angka empat di luar desimal. Seperti yang
diilustrasikan pada Gambar 4, Malenko & Grundfest (2014) menemukan bahwa angka empat kurang terwakili di luar
titik desimal, sebuah pola yang mereka sebut sebagai Quadropho-bia.14 Lebih lanjut, mereka menemukan bahwa
perusahaan dengan skor Quadrophobia yang tinggi—dimana skor perusahaan ditentukan berdasarkan kemunculan
angka empat setelah desimal selama beberapa kuartal—secara signifikan lebih mungkin untuk menyajikan kembali
laporan keuangan mereka, disebut sebagai terdakwa dalam Rilis Penegakan Akuntansi dan Audit SEC, dan menjadi
.nn
gro.sweivernlaanuaya 0 in.su
k6
.th m
1iaa
2.a
u sh
/d
r.g l2
e
id a
.skd
y0w
a
g
ue wu
e
n
h
vu
t.n1 b
d
s rw
istiu
.ikln
2 a ioiW
ke
d
o
u
n
a
t/e
s0
a
7
n rfliH
D
w
U
N
P
A
S
2
d
o
0
u
p
s

target dalam litigasi penipuan sekuritas class action (Malenko & Grundfest 2014).

3.2.2. Prediktor berbasis akuntansi. Selain makalah yang memprediksi pelanggaran keuangan murni melalui pola
numerik dan/atau kelainan statistik, banyak makalah akuntansi forensik menggunakan pendekatan tradisional berbasis
akuntansi. Dengan menggunakan informasi yang dilaporkan dalam laporan keuangan yang diungkapkan secara publik
untuk setiap perusahaan publik, makalah ini menerapkan pengetahuan penulis tentang prinsip akuntansi yang berlaku
umum dan audit untuk mencari kesalahan pelaporan keuangan.

3.2.2.1. Akrual yang tidak normal. Banyak literatur berupaya mengidentifikasi kualitas pelaporan keuangan yang
buruk dengan mengidentifikasi perusahaan dengan tingkat akrual yang tidak normal (misalnya, Beneish 1997, 1999;
Dechow & Dichev 2002; Dechow et al. 1995; Healy 1985; Jones 1991; Kothari et al. 2005) . Berdasarkan GAAP,
pendapatan perusahaan mencakup item-item yang telah diperoleh, meskipun uang tunai belum diterima. Misalnya, jika
suatu perusahaan menyelesaikan pekerjaan pada suatu proyek tetapi belum dibayar, perusahaan tersebut dapat
mengakui pendapatan dari proyek tersebut sebagai piutang yang dimasukkan dalam pendapatan. Hal ini berlawanan
dengan sistem berbasis uang tunai, yang mengakui pendapatan hanya ketika uang tunai telah diterima. Secara teoritis,
perusahaan dengan akrual abnormal yang tinggi adalah perusahaan yang paling mungkin meningkatkan kinerjanya dengan menambah biaya.

14Malenko & Grundfest (2014) berasumsi bahwa, jika tidak ada campur tangan manusia, empat akan dilaporkan
sebagai digit pertama setelah desimal dalam 10% observasi. Meskipun digit pertama suatu distribusi mengikuti
hukum Benford, distribusi digit ke-n mendekati distribusi seragam (yaitu, setiap digit dari 0 hingga 9 akan diwakili
10% dari keseluruhan waktu). Oleh karena itu, penelitian sering kali berasumsi bahwa, tanpa campur tangan
manusia, angka akhir setiap observasi akan mengikuti distribusi yang seragam (Bollen & Pool 2012, Malenko &
Grundfest 2014, Straumann 2009).

www.annualreviews.org • Akuntansi Forensik 1.9

, .•·ÿ- Ulasan Sebelumnya pertama kali diposting pada

23 Maret 2020. (Perubahan mungkin
masih terjadi sebelum publikasi akhir.)
 Machine Translated by Google

LS16CH01_Honigsberg ARjats.cls 7 Maret 2020 9:16

0,12
Penjualan per saham
0,11

0,10

0,09
Tingkat kepercayaan 95% sekitar 0,10
0,08

0,07

0,12
Pendapatan operasional sebelum depresiasi per saham
0,11

0,10

0,09

0,08
Frekuensi

0,07

0,12
Pendapatan operasional setelah penyusutan per saham
0,11

0,10

0,09

0,08

0,07

0,12

Laba per saham

gro.sweivernlaanuaya .thk6
0
.nn m
1iaa
2.a
in.su u /d
r.g l2
ide
sh t.nw
0w
a
g
ue
.skdya vu
1u
hn
e 2
db rw
isstiu
.ikln at/ea ioiW
dke
o
su
n 0
a
7
n rfliH
D
w
U
N
P
A
S
2s
d
o
0
u
p

0,11

0,10

0,09

0,08

0,07
1980 1982 1984 1986 1988 1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012

Tahun

Gambar
4 Gambar ini menyajikan uji hipotesis nol bahwa frekuensi angka empat pada digit pertama pasca desimal berbagai rasio keuangan sama
dengan 10% (semua rasio dinyatakan dalam sen). Angka tersebut didasarkan pada data triwulanan untuk semua perusahaan di Compustat selama
periode 1980-2013, yang mana angka per sahamnya lebih besar dari 0,1 sen. Diadaptasi dari Malenko & Grundfest (2014), dengan izin dari
Joseph Grundfest.

untuk item yang akan meningkatkan kinerja akuntansi mereka. Secara empiris, penelitian telah menemukan
bahwa perusahaan dengan akrual abnormal yang tinggi lebih cenderung menjadi sasaran tindakan penegakan
SEC, menyajikan kembali laba, dan menerima opini audit yang dimodifikasi (Dechow et al. 2010, Francis &
Krishnan 1999).15

15Akrual yang tidak normal lebih sering dikaitkan dengan manajemen laba dibandingkan dengan penipuan, namun
saya membahas model ini di sini karena penelitian telah menunjukkan bahwa model tersebut dapat memprediksi
kesalahan pelaporan keuangan. Ada ukuran lain dari manajemen laba, seperti kelancaran laba dan ketepatan waktu
asimetris (ketepatan waktu relatif dari pengakuan kerugian dan pengakuan laba dalam laba), yang tidak saya bahas di
sini karena saya membatasi diri pada pendekatan paling populer dengan nilai prediksi terbesar. Namun, saya akan langsung tertarik

1.10 Honigsberg

, .•·ÿ- Ulasan Sebelumnya pertama kali diposting pada

23 Maret 2020. (Perubahan mungkin
masih terjadi sebelum publikasi akhir.)
 Machine Translated by Google

LS16CH01_Honigsberg ARjats.cls 7 Maret 2020 9:16

Kebanyakan model akrual abnormal dimulai dengan menghitung akrual dari laporan keuangan.
Setelah itu, sebagian besar pendekatan memperkirakan akrual yang diharapkan (atau “normal”) sebagai fungsi dari variabel
akuntansi seperti pertumbuhan penjualan (atau pertumbuhan penjualan kredit); piutang; dan properti, pabrik, dan peralatan.16
Dengan menggunakan nilai parameter dari estimasi akrual normal, langkah terakhir dalam sebagian besar model adalah menghitung
akrual abnormal sebagai selisih antara akrual aktual dan yang diharapkan.17 Intinya, metode dirancang untuk menangkap akrual
abnormal berupaya untuk mengidentifikasi proses (atau mekanisme) yang melaluinya pelanggaran keuangan dilakukan (misalnya,
bayangkan bahwa, untuk memenuhi target pendapatan tertentu, suatu perusahaan melakukan penagihan piutang secara berlebihan,
sehingga menghasilkan akrual abnormal yang tinggi dan laba tepat di atas target).

3.2.2.2. Prediktor berbasis audit. Yang terakhir, salah satu bidang literatur yang berkembang menggunakan informasi mengenai
desain audit untuk memprediksi kesalahan pelaporan. Premis yang mendasari penelitian ini adalah adanya variasi antar auditor,
dan bahwa klien dari auditor tertentu lebih cenderung terlibat dalam pelanggaran pelaporan keuangan. Penelitian di bidang ini
dimulai dengan melihat secara luas pada kantor akuntan yang melakukan audit, namun penelitian ini menjadi lebih terperinci seiring
berjalannya waktu—mulai dari kantor akuntan, kantor firma, hingga mitra individu.

Sederhananya, penelitian ini biasanya menemukan bahwa auditor dapat digunakan untuk memprediksi pelanggaran keuangan.
Klien perusahaan audit besar biasanya kecil kemungkinannya untuk terlibat dalam pelanggaran keuangan (Farber 2005, Lennox &
Pittman 2010, Palmrose 1988). Namun, terdapat variasi di seluruh kantor perusahaan-perusahaan ini; beberapa kantor tampaknya
melakukan pekerjaan dengan kualitas lebih tinggi, dan klien mereka cenderung tidak melakukan pelanggaran keuangan (Francis
dkk. 2014). Pada tingkat yang lebih terperinci, hubungan ini meluas ke masing-masing mitra yang memimpin audit, karena mitra
tertentu kemungkinan besar terkait dengan pelanggaran pelaporan keuangan (Gul dkk. 2013, Knechel dkk. 2015, Wang dkk. 2015) .
.nn
gro.sweivernlaanuaya 0 in.su
k6
.th m
1iaa
2.a
u sh
/d
r.g l2
e
id a
.skd
y0w
a
g
ue wu
e
n
h
vu
t.n1 b
d
s rw
istiu
.ikln
2 a ioiW
ke
d
o
u
n
a
t/e
s0
a
7
n rfliH
D
w
U
N
P
A
S
2
d
o
0
u
p
s

Meskipun sebagian besar penelitian mengenai audit, hingga saat ini, dilakukan dengan menggunakan data non-AS, kemungkinan
besar penelitian khusus di AS akan meningkat di tahun-tahun mendatang karena pengungkapan baru memberikan informasi
tambahan (sebagian besar informasi relevan sudah diungkapkan di luar negeri). Secara khusus, Dewan Pengawas Akuntansi
Perusahaan Publik (regulator utama bagi kantor akuntan) baru-baru ini mengamanatkan agar kantor akuntan menyediakan Hal
Audit Penting dalam laporan audit, dan bahwa mereka mengungkapkan nama mitra perikatan yang memimpin audit dan penggunaan
komponen asing. auditor (perusahaan akuntansi yang berbeda secara hukum yang membantu auditor utama dalam audit yurisdiksi
non-AS) (Honigsberg 2019b). Ketika jenis informasi mengenai desain audit ini tersedia secara lebih luas, hal ini tampaknya akan
menjadi elemen tambahan dalam prediksi

pembaca survei luar biasa yang dilakukan Dechow dkk. 2010 dan Amiram dkk. (2018). Satu makalah tambahan menarik yang
dicakup oleh survei sebelumnya adalah yang ditulis oleh Brazel dkk. (2009), yang menemukan bahwa perbedaan tren
pertumbuhan di berbagai bagian laporan keuangan lebih besar pada perusahaan yang melakukan kesalahan pelaporan
keuangan (misalnya, disparitas tingkat pertumbuhan antara ruang produksi dan pendapatan).
16Meskipun estimasi ini dapat dilakukan pada tingkat perusahaan, estimasi ini biasanya dilakukan pada tingkat industri.
Estimasi tingkat perusahaan mengasumsikan bahwa estimasi parameter tidak bervariasi dari waktu ke waktu dan sering kali menimbulkan bias seleksi karena
perusahaan mungkin tidak dapat bertahan dalam jangka waktu yang cukup lama untuk dimasukkan ke dalam estimasi.
17Meskipun digunakan secara luas, model-model ini mempunyai kesalahan pengukuran yang signifikan [misalnya, lihat
McNichols (2000), antara lain], sehingga menyebabkan peneliti lain mengusulkan berbagai modifikasi. Misalnya, Kothari dkk.
(2005) menyarankan bahwa akrual abnormal harus dihitung sebagai perbedaan antara akrual pada perusahaan perlakuan
dan kontrol, di mana perusahaan perlakuan dan kontrol dicocokkan berdasarkan kinerja yang serupa.
Dan mungkin model yang paling populer dalam beberapa tahun terakhir, Dechow & Dichev (2002) mengembangkan model
yang mengukur akrual abnormal sebagai standar deviasi sisa dari regresi perubahan modal kerja pada arus kas operasi masa
lalu, sekarang, dan masa depan. Model ini banyak digunakan dalam pekerjaan akademis, namun sulit digunakan untuk
memperkirakan akrual tahun berjalan karena arus kas operasi masa depan tidak diketahui. Hal ini membatasi kegunaannya
untuk akuntansi forensik.

www.annualreviews.org • Akuntansi Forensik 1.11

, .•·ÿ- Ulasan Sebelumnya pertama kali diposting pada

23 Maret 2020. (Perubahan mungkin
masih terjadi sebelum publikasi akhir.)
 Machine Translated by Google

LS16CH01_Honigsberg ARjats.cls 7 Maret 2020 9:16

model. Misalnya, Downey & Bedard (2019) menunjukkan bahwa salah saji umumnya lebih tinggi
keterlibatan dengan partisipasi auditor komponen asing yang lebih besar.

3.3. Menggabungkan Pengukuran Perilaku dan Kuantitatif

Meskipun penelitian akuntansi forensik tradisional dipisahkan dan diperiksa baik karakteristik perilaku eksekutif atau data pelaporan
keuangan, kemajuan teknologi telah memungkinkan adanya
bidang penelitian baru yang menggabungkan intuisi perilaku dari psikologi dengan analisis data besar.
Misalnya, penelitian psikologi telah lama menunjukkan bahwa individu menunjukkan pola tertentu
ketika mereka melakukan penipuan (misalnya, DePaulo dkk. 2003, Zuckerman & Driver 1985). Pola tersebut dapat mencakup isyarat
verbal (misalnya ucapan), isyarat nonverbal (misalnya nada, ekspresi), dan/atau respons fisiologis (misalnya detak jantung). Pekerjaan
terbaru telah memasukkan pola-pola ini ke dalam forensik
akuntansi.18 Memang benar, beberapa penelitian yang relatif baru telah menerapkan analisis linguistik pada perusahaan
teks untuk mendeteksi kesalahan pelaporan keuangan (lihat, misalnya, Burns dkk. 2010; Humpherys dkk. 2011; Larcker
& Zakolyukina 2012; Loughran & McDonald 2011a,b; Purda & Skillicorn 2015).
Secara keseluruhan, penelitian ini menunjukkan bahwa, pada algoritma yang berbeda (misalnya, penyelidikan linguistik dan kata
menghitung perangkat lunak, kamus khusus, model pembelajaran Naïve Bayes) dan teks perusahaan yang berbeda
[misalnya, bagian diskusi dan analisis manajemen dalam laporan tahunan perusahaan (MD&A),
panggilan konferensi], penanda penipuan linguistik memiliki beberapa kemampuan untuk memprediksi pelaporan keuangan
pelanggaran. Misalnya, Hoberg & Lewis (2017) mengkaji teks dalam MD&A untuk mengidentifikasi
topik-topik yang kemungkinan besar akan dimasukkan oleh perusahaan yang melakukan pelanggaran di bagian ini. Mereka
menemukan variasi dalam penyertaan rincian kuantitatif (di antara variasi lainnya) antara pelanggaran dan pelanggaran
perusahaan non-pelanggaran yang memungkinkan mereka memprediksi pelanggaran. Dan Purda & Skillicorn (2015) menggunakannya
mendukung mesin vektor untuk memperkirakan kemungkinan pelanggaran keuangan berdasarkan spesifiknya
1a.dl.sa
m
gro.sweiverlaun.h6n.u .n.n
u0w istu
ik2 a
riw
u0oiw
na
d H
D
A
P
S
2s
d

kata-kata yang digunakan dalam MD&A. Mereka menemukan bahwa pendekatan ini mempunyai kinerja yang sama atau lebih baik dari sebelumnya
.n
nasnaa0 2.aia
tkisu sh
/d
rg 2kd
ie atw
g
ye e
n
h
vu
1 sa
b
uln
d iW
soke
n
a
it/e a
7
nrliH
U
N
A
S
d
o
0
u
p

pendekatan dalam literatur.

Selain kata-kata tertulis, komunikasi lisan telah terbukti memprediksi pelanggaran.
Larcker & Zakolyukina (2012) menyelidiki panggilan konferensi yang dilakukan perusahaan dengan investornya untuk membahas kinerja

keuangan dan memberi label pada setiap panggilan konferensi sebagai kebenaran atau kebohongan berdasarkan pengalaman sebelumnya.

penelitian psikologis dan linguistik. CEO dan CFO yang suka berbohong lebih cenderung membahas pengetahuan umum dibandingkan
informasi spesifik perusahaan, sehingga menyajikan lebih sedikit informasi positif non-ekstrim.
emosi, menggunakan lebih sedikit kata-kata kecemasan, dan mengurangi referensi terhadap nilai pemegang saham. Para penulis
menemukan bahwa mengidentifikasi pelanggaran pelaporan keuangan dengan menggunakan pendekatan ini setidaknya sama akuratnya
sebagai model yang dibangun berdasarkan variabel keuangan dan akuntansi.

Isyarat nonverbal juga ditemukan dapat memprediksi kesalahan pelaporan keuangan. Misalnya, satu tim peneliti menganalisis
pidato CEO dalam panggilan konferensi pendapatan untuk mengetahui disonansi kognitif menggunakan perangkat lunak analisis
emosi vokal otomatis (Hobson et al. 2012). Seperti yang didefinisikan oleh
Hobson dkk. (2012, p. 351), “[c]disonansi kognitif adalah keadaan gairah dan ketidaknyamanan psikologis yang terjadi ketika
seseorang melakukan tindakan yang bertentangan dengan keyakinan, seperti menyontek.
sambil meyakini diri sendiri sebagai orang yang jujur.” Konsisten dengan intuisi psikologis, penulis menemukan
bahwa ukuran disonansi kognitif mereka dapat memprediksi kesalahan pelaporan keuangan. Memang,
performa model mereka 11% lebih baik daripada peluang dan kira-kira setara dengan model berbasis
hanya pada data akuntansi.
Singkatnya, akuntan forensik telah mengembangkan berbagai model yang memprediksi kesalahan pelaporan keuangan. Beberapa
model mengambil pendekatan perilaku dan mengkaji karakteristiknya

18Pertumbuhan di bidang ini kemungkinan besar didorong oleh dua faktor: (a) meningkatnya ketersediaan program perangkat lunak itu
memungkinkan pengguna untuk mengkodekan bahasa secara sistematis dan (b) persediaan perusahaan yang dapat dibaca mesin semakin besar
teks.

1.12 Honigsberg

, .•·ÿ- Ulasan Sebelumnya pertama kali diposting pada

23 Maret 2020. (Perubahan mungkin
masih terjadi sebelum publikasi akhir.)
 Machine Translated by Google

LS16CH01_Honigsberg ARjats.cls 7 Maret 2020 9:16

yang terlibat dalam pelanggaran keuangan. Model lain hanya didasarkan pada data keuangan dan identifikasi
pola statistik, dan/atau penyimpangan akuntansi, yang secara teoritis dan empiris dapat memprediksi pelanggaran. Baru-baru
ini, para peneliti telah menggunakan pembelajaran mesin dan data besar lainnya
teknik untuk menggabungkan intuisi psikologis, seperti ketidaknyamanan karena berbohong, dan pengungkapan keuangan.
Model-model ini masih dalam tahap awal tetapi sudah memiliki performa sebaik model tradisional
hanya berdasarkan data keuangan.

4. AKUNTANSI FORENSIK DAN PENCEGAHAN KEUANGAN

PELANGGARAN
Banyak lembaga penegak hukum yang secara rutin mengandalkan akuntansi forensik untuk mengidentifikasi pelanggaran,
termasuk teknik yang disebutkan dalam tinjauan ini. Permintaan peraturan awal untuk akuntansi forensik adalah
sering dikaitkan dengan penerapan Pajak Pendapatan Federal, yang menciptakan kebutuhan akan Internal
Revenue Service menggunakan akuntan forensik untuk mendeteksi penghindaran pajak. Mengikuti jejak Internal Revenue
Service, banyak lembaga lain yang mempekerjakan akuntan forensik, khususnya lembaga-lembaga tersebut
ditujukan untuk perlindungan investor. Forensik dapat berperan selama fungsi inspeksi dan/atau penegakan hukum dari
regulator ini. Sebagai contoh, pada tahun 2018 terungkap bahwa Divisi
Penegakan di SEC sedang menyelidiki Quadrophobia (yaitu, kasus hilangnya empat orang di
laba per saham) dan telah menghubungi beberapa perusahaan tanpa kehadiran yang jelas
nomor empat dalam pendapatan yang dilaporkan (Michaels 2018). Departemen Kehakiman juga membuat
seringnya penggunaan akuntan forensik, khususnya dalam kasus-kasus yang melibatkan kejahatan kerah putih. Misalnya,
saksi kunci Robert Mueller dalam penuntutan Paul Manafort adalah seorang akuntan forensik
(Layne & Freifeld 2018). Pada akhirnya, Paul Manafort divonis bersalah atas delapan dakwaan bank dan
penipuan pajak.
1a.dl.sa
m
gro.sweiverlaun.h6n.u .n.n
u0w istu
ik2 a
riw
u0oiw
na
d H
D
A
P
S
2s
d

Meskipun ketergantungan pada akuntan forensik, dan sumber daya besar yang dicurahkan untuk pencegahan pelanggaran
.n
nasnaa0 2.aia
tkisu sh
/d
rg 2kd
ie atw
g
ye e
n
h
vu
1 sa
b
uln
d iW
soke
n
a
it/e a
7
nrliH
U
N
A
S
d
o
0
u
p

pelaporan keuangan, sulit untuk mengukur efektivitas teknik ini karena kita kurang memahami seberapa sering pelanggaran
keuangan terjadi. Menurut definisi,
sulit untuk mengamati pelanggaran keuangan yang belum terdeteksi, namun dua penelitian terkemuka telah berupaya untuk
melakukan hal tersebut. Pertama, dengan menggunakan keruntuhan Arthur Andersen, sebuah penelitian berasumsi demikian
perusahaan yang diharuskan untuk beralih dari Andersen ke auditor baru diharuskan untuk “membersihkan rumah” oleh
auditor baru (tetapi akan mampu melanjutkan pelanggaran keuangan apa pun di bawah Andersen, seperti
auditor ragu-ragu untuk menyetujui keuangan satu tahun hanya untuk menarik kembali persetujuan itu nanti). Dengan ini
Pendekatan ini, penulis menentukan kemungkinan suatu perusahaan akan terlibat dalam pelaporan keuangan
pelanggaran pada tahun tertentu adalah 14,5% (Dyck dkk. 2017). Kedua, sekelompok peneliti lain mengidentifikasi subkelompok
perusahaan yang memiliki salah saji laba secara material dengan tingkat keyakinan yang tinggi (the
Para peneliti menggunakan sebagian perusahaan yang mempunyai opsi saham yang sudah ketinggalan jaman untuk mewakili perusahaan-perusahaan yang kemungkinan besar akan melakukan hal tersebut

memiliki salah saji material laba). Studi ini menemukan bahwa, dari perusahaan-perusahaan yang ditentukan oleh peneliti telah
salah menyajikan kinerja keuangannya dengan probabilitas 95% (99%), hanya 11,5% (16,1%)
kemudian menyajikan kembali keuangan mereka (Curtis dkk. 2018). Secara keseluruhan, penelitian-penelitian ini menunjukkan bahwa, dalam hal apa pun

Pada tahun tertentu, 10–15% perusahaan publik terlibat dalam pelanggaran pelaporan keuangan—dan hal ini relatif terjadi
hanya sedikit dari perusahaan-perusahaan ini yang mengungkapkan bahwa pelaporan keuangan melakukan pelanggaran secara publik.

5. KESIMPULAN
Frekuensi dugaan pelanggaran pelaporan keuangan, dan kurangnya pengungkapan hal tersebut
kesalahan terjadi, menyoroti perlunya akuntansi forensik sebagai peraturan dan investasi
alat. Pelanggaran keuangan mempunyai dampak yang sangat negatif, baik bagi para korban pelanggaran tersebut (misalnya,
investor dan karyawan) dan bagi perekonomian secara keseluruhan. Untuk mendeteksi pelanggaran perusahaan sedini mungkin

www.annualreviews.org • Akuntansi Forensik 1.13

, .•·ÿ- Ulasan Sebelumnya pertama kali diposting pada

23 Maret 2020. (Perubahan mungkin
masih terjadi sebelum publikasi akhir.)
 Machine Translated by Google

LS16CH01_Honigsberg ARjats.cls 7 Maret 2020 9:16

mungkin, para peneliti telah mengembangkan serangkaian model prediktif. Secara tradisional, model ini
berakar pada data keuangan dan berfokus pada kelainan statistik (atau akuntansi). Namun, model
prediktif yang didasarkan pada karakteristik perilaku kini menjadi semakin populer—dan model terkini yang
menggabungkan analisis psikologis dan kuantitatif sering kali mengungguli model yang dibangun
berdasarkan data keuangan saja. Ke depan, pendekatan interdisipliner ini tampaknya akan terus berlanjut,
dan semakin meningkatnya penggunaan teknik analisis data baru, termasuk kecerdasan buatan dan
pembelajaran mesin, tampaknya akan semakin meningkatkan kemampuan kita dalam memprediksi pelanggaran keuangan.

PERNYATAAN PENGUNGKAPAN
Penulis tidak mengetahui adanya afiliasi, keanggotaan, pendanaan, atau kepemilikan keuangan yang
mungkin dianggap mempengaruhi objektivitas tinjauan ini.

DAFTAR PUSTAKA

Agrawal A, Chadha S. 2005. Tata kelola perusahaan dan skandal akuntansi. J.Hukum Ekon. 48:371–406 Agarwal V, Daniel
ND, Naik NY. 2011. Apakah dana lindung nilai mengelola keuntungan yang dilaporkan? Pendeta Keuangan. Pejantan.
24:3281–320

Amiram D, Bozanic Z, Cox J, Dupont Q, Karpoff J, Sloan R. 2018. Penipuan pelaporan keuangan dan bentuk pelanggaran lainnya:
tinjauan literatur multidisiplin. Rekening Pdt. Pejantan. 23(2):732–83 Amiram D, Bozanic Z, Rouen E. 2015.
Kesalahan laporan keuangan: bukti dari sifat distribusi nomor laporan keuangan. Rekening Pdt. Pejantan. 20(4):1540–93 Anderson
R, Martin G, Reeb D. 2018. Pendiri dan representasi keuangan yang salah.
Bekerja. Pap., Universitas Temple,
Philadelphia
Autore D, Hutton I, Peterson D, Smith A. 2015. Pengaruh litigasi sekuritas terhadap pembiayaan eksternal.
.nn
gro.sweivernlaanuaya 0 in.su
k6
.th m
1iaa
2.a
u sh
/d
r.g l2
e
id a
.skd
y0w
a
g
ue wu
e
n
h
vu
t.n1 b
d
s rw
istiu
.ikln
2 a ioiW
ke
d
o
u
n
a
t/e
s0
a
7
n rfliH
D
w
U
N
P
A
S
2
d
o
0
u
p
s

J. Corp. Keuangan 27:231–50

Beaver W, McNichols M, Nelson K. 2007. Interpretasi alternatif dari diskontinuitas diskon laba
kontribusi. Rekening Pdt. Pejantan. 12:525–56
Becker G. 1968. Kejahatan dan hukuman: pendekatan ekonomi. J. Ekon Politik. 76(2):169–217 Ben-David I,
Franzoni F, Augustin L, Moussawi R. 2013. Apakah hedge fund memanipulasi harga saham? J.Keuangan
68:2383–434

Beneish M. 1997. Mendeteksi pelanggaran GAAP: implikasi untuk menilai manajemen laba di kalangan perusahaan
dengan kinerja keuangan yang ekstrem. J.Akun. Kebijakan Publik 16(3):271–309 Beneish
M. 1999. Deteksi manipulasi pendapatan. Keuangan. Dubur. J. 55(5):24–36 Bernard C, Boyle P. 2009.
Hasil luar biasa Mr. Madoff: analisis strategi konversi split-strike.
J. Turunan. 17:62–76
Bollen N, Pool V. 2009. Apakah manajer dana lindung nilai salah melaporkan pengembalian? Bukti dari distribusi gabungan.
J. Finance 64:2257–88
Bollen N, Pool V. 2012. Pola mencurigakan dalam pengembalian dana lindung nilai dan risiko penipuan. Pendeta Keuangan. Pejantan.
25(9):2673–702
Brazel J, Jones K, Zimbelman M. 2009. Menggunakan ukuran nonfinansial untuk menilai risiko penipuan. J.Akun. Res.
47(5):1135–66
Brown S, Goetzmann W, Liang B, Schwarz C. 2012. Kepercayaan dan delegasi. J.Keuangan. ekonomi. 103:221–324
Burgstahler D, Dichev I. 1997. Manajemen laba untuk menghindari penurunan dan kerugian laba. J.Akun. ekonomi.
24:99–126

Burns N, Kedia S. 2006. Dampak kompensasi berbasis kinerja terhadap kesalahan pelaporan. J.Keuangan. ekonomi.
79:35–67

Burns M, Moffitt K, Felix W, Burgoon J. 2010. Menggunakan kumpulan leksikal untuk membedakan antara laporan keuangan yang
curang dan tidak curang. Bekerja. Pap., Universitas Rutgers, New Brunswick, NJ
Button M, Lewis C, Tapley J. 2014. Bukan kejahatan tanpa korban: dampak penipuan terhadap individu korban dan keluarganya.
Aman. J. 27(1):36–54 Carslaw C.
1988. Anomali dalam angka pendapatan: bukti perilaku berorientasi tujuan. Akun. Wahyu 63(2):321–27

1.14 Honigsberg

, .•·ÿ- Ulasan Sebelumnya pertama kali diposting pada

23 Maret 2020. (Perubahan mungkin
masih terjadi sebelum publikasi akhir.)
 Machine Translated by Google

LS16CH01_Honigsberg ARjats.cls 7 Maret 2020 9:16

Cassar G, Gerakos J. 2010. Penentu pengendalian internal dana lindung nilai dan biaya. Akun. Rev. 85:1887–919 Cassar G, Gerakos
J. 2011. Dana lindung nilai: kontrol harga dan kelancaran pengembalian yang dilaporkan sendiri. Putaran.
Keuangan Pejantan. 24:1698–734

Cerri J. 2018. Seekor ikan membusuk dari kepala ke bawah: bagaimana menggunakan data ekologi terdepan untuk mendeteksi pemalsuan mereka.
Bekerja. Pap., Universitas. Sopan. Marche, Ancona, Italia
Chava S, Cheng C, Huang H, Lobo G. 2010. Implikasi tindakan kelompok sekuritas terhadap biaya modal ekuitas.
Int. J.Manajemen Hukum. 52(2):144–61
Chava S, Huang K, Johnson S. 2018. Dinamika reputasi peminjam setelah kesalahan pelaporan keuangan.
Kelola. Sains. 64: 4775–97
Choi J, Gipper B. 2019. Kecurangan pelaporan keuangan dan konsekuensinya bagi karyawan. Res. Ayah. Nomor 19-19,
Universitas Stanford. Lulusan. Bisnis Sekolah, Stanford, CA
Cici G, Kempf A, Puetz A. 2016. Penilaian posisi ekuitas dana lindung nilai. J.Keuangan. Bergalah. Dubur.
51(3):1013–37
Craig T. 1992. Bias pembulatan dalam perhitungan laba per saham. J. Aplikasi. Bis. Res. 8:106–13 Curtis W,
Donelson D, Hopkins J. 2018. Mengungkap kesalahan pelaporan keuangan perusahaan. Penghinaan. Akun. Res.
36(3):1337–72
Das S, Zhang H. 2003. Pembulatan EPS yang dilaporkan, ambang batas perilaku, dan manajemen laba.
J.Akun. ekonomi. 35:31–50
Davidson R, Dey A, Smith A. 2015. Perilaku “di luar pekerjaan” eksekutif, budaya perusahaan, dan pelaporan keuangan-
risiko. J.Keuangan. ekonomi. 117:5–28
Dechow P, Dichev I. 2002. Kualitas akrual dan pendapatan: peran kesalahan estimasi akrual. Akun.
Wahyu 77:35–59

Dechow P, Ge W, Larson C, Sloan R. 2011. Memprediksi salah saji akuntansi material. Penghinaan. Akun.
Res. 28(2):17–82
Dechow P, Ge W, Schrand C. 2010. Memahami kualitas laba: tinjauan proksi, penentuannya
nan dan konsekuensinya. J.Akun. ekonomi. 50:344–401 Dechow P,
.nn
gro.sweivernlaanuaya 0 in.su
k6
.th m
1iaa
2.a
u sh
/d
r.g l2
e
id a
.skd
y0w
a
g
ue wu
e
n
h
vu
t.n1 b
d
s rw
istiu
.ikln
2 a ioiW
ke
d
o
u
n
a
t/e
s0
a
7
n rfliH
D
w
U
N
P
A
S
2
d
o
0
u
p
s

Sloan R, Sweeney A. 1995. Mendeteksi manajemen laba. Akun. Rev. 70(2):193–225 Degeorge F, Patel J, Zeckhauser R.
1999. Manajemen laba melebihi ambang batas. J.Bus. 72(1):1–33 DeLiema M, Deevy M, Lusardi A, Mitchell O. 2018. Penipuan
keuangan di kalangan lansia Amerika: bukti dan
implikasi. J.Gerontol. Ser. B.Dalam pers
DePaulo B, Lindsay J, Malone B, Muhlenbruck L, Charlton K, Cooper H. 2003. Isyarat penipuan. Psikologi.
Banteng. 129:74–118

Desai H, Hogan C, Wilkins M. 2006. Hukuman reputasi untuk akuntansi agresif: penyajian kembali laba
pergantian manajemen. Akun. Wahyu 81:83–112
Dimmock S, Gerken W. 2012. Memprediksi penipuan yang dilakukan manajer investasi. J.Keuangan. ekonomi. 105(1):153–73
Dimmock S, GerkenW, Graham N. 2018. Apakah penipuan menular? Pengaruh rekan kerja terhadap pelanggaran keuangan
penasihat. J.Keuangan 73(3):1417–50
Downey D, Bedard J. 2019. Apakah penggunaan personel auditor asing dan insentif mitra perikatan utama memengaruhi kualitas
audit untuk perusahaan multinasional AS? Bekerja. Pap., Villanova Univ., Villanova, PA Dreber A,
Johannesson M. 2008. Perbedaan gender dalam penipuan. ekonomi. Biarkan. 99(1):197–99 Durtschi C, Easton
P. 2005. Manajemen laba? Bentuk distribusi frekuensi pendapatan
metrik bukanlah bukti ipso facto. J.Akun. Res. 43:557–92
Durtschi C, Easton P. 2009. Manajemen laba? Inferensi yang salah berdasarkan distribusi frekuensi pendapatan
bution. J.Akun. Res. 47:1249–82
Dyck I, Morse A, Zingales L. 2017. Seberapa luaskah penipuan perusahaan? Bekerja. Ayah. 2222608, Rotman Sch. Manajer., Univ.
Tor., Tor., Bisa.
Dyreng S, Mayew W, Williams C. 2012. Norma sosial agama dan pelaporan keuangan perusahaan. J.Bus.
Akun Keuangan. 39(7–8):845–75
Efendi J, Srivastava A, Swanson E. 2007. Mengapa manajer perusahaan salah menyajikan laporan keuangan? Peran
kompensasi opsi dan faktor lainnya. J.Keuangan. ekonomi. 85(3):667–708
Erickson M, Hanlon M, Maydew E. 2006. Apakah ada hubungan antara insentif ekuitas eksekutif dan akuntansi?
tipuan? J.Akun. Res. 44(1):113–43

www.annualreviews.org • Akuntansi Forensik 1.15

, .•·ÿ- Ulasan Sebelumnya pertama kali diposting pada

23 Maret 2020. (Perubahan mungkin
masih terjadi sebelum publikasi akhir.)
 Machine Translated by Google

LS16CH01_Honigsberg ARjats.cls 7 Maret 2020 9:16

Farber D. 2005. Memulihkan kepercayaan setelah penipuan: Apakah tata kelola perusahaan penting? Akun. Rev. 80(2):539–61
Francis J, Krishnan J. 1999. Akrual akuntansi dan konservatisme pelaporan auditor. Penghinaan. Akun. Res.
16:135–65

Francis J, Michas PN, Yu MD. 2014. Ukuran Kantor Auditor Big 4 dan Penyajian Ulang Klien. Penghinaan. Akun.
Res. 30(4):1626–61
Giannetti M,Wang T. 2016. Skandal perusahaan dan partisipasi pasar saham rumah tangga. J.Keuangan 71:2591–
636

Graham J, Li S, Qiu J. 2008. Kesalahan pelaporan perusahaan dan kontrak pinjaman bank. J.Keuangan. ekonomi. 89:44–61
Griffin J, Kruger S,Maturana G. 2019. Apakah etika pribadi mempengaruhi etika perusahaan? PNAS 116(33):16268–73 Grullon G,
Kanatas G, Weston J. 2010. Agama dan perilaku (salah) perusahaan. Bekerja. Pap., Universitas Rice, Houston,
terima kasih

Gul F, Wu D, Zhifeng Y. 2013. Apakah auditor individu mempengaruhi kualitas audit? Bukti dari data arsip.
Akun. Rev. 88(6):1993–2023 Gurun
U, Stoffman N, Yonker S. 2018. Penghancuran kepercayaan: pengaruh penipuan terhadap perilaku investor. Pendeta Keuangan.
Pejantan. 31(4):1341–
76 Healy P. 1985. Pengaruh skema bonus terhadap keputusan akuntansi. J.Akun. ekonomi. 7(1):85–107 Hoberg G,
Lewis C. 2017. Apakah perusahaan yang melakukan penipuan menghasilkan pengungkapan yang tidak normal? J. Corp.
Finance 43:58–85 Hobson J, Mayew W, Venkatachalam M. 2012. Menganalisis pidato untuk mendeteksi kesalahan pelaporan keuangan. J.Akun.
Res. 50(2):349–92
Holzman E, Miller B, Williams B. 2019. Efek limpahan lokal dari pelanggaran akuntansi perusahaan: bukti dari tingkat kejahatan kota.
Res. Ayah. No.18–72, Kelley Sch. Bus., Universitas Indiana, Bloomington, IN Honigsberg C. 2019a.
Regulasi dana lindung nilai dan tata kelola dana: bukti mengenai dampak aturan pengungkapan wajib. J.Akun. Res. 57(4):845–88
Honigsberg C.2019b. Kasus akuntabilitas mitra audit
individu. Hukum Vanderbilt Rev. 72(6):1871–922 Hribar P, Jenkins N. 2004. Pengaruh penyajian kembali akuntansi pada revisi laba
dan estimasi biaya
modal. Rekening Pdt. Pejantan. 9:337–56
.nn
gro.sweivernlaanuaya 0 in.su
k6
.th m
1iaa
2.a
u sh
/d
r.g l2
e
id a
.skd
y0w
a
g
ue wu
e
n
h
vu
t.n1 b
d
s rw
istiu
.ikln
2 a ioiW
ke
d
o
u
n
a
t/e
s0
a
7
n rfliH
D
w
U
N
P
A
S
2
d
o
0
u
p
s

Hupherys S, Moffitt K, Burns M, Burgoon J, Felix W. 2011. Identifikasi penipuan laporan keuangan menggunakan analisis kredibilitas
linguistik. Keputusan. Sistem Dukungan. 50:585–94 Johnson S, Ryan H, Tian
Y. 2009. Insentif manajerial dan penipuan perusahaan: sumber insentif itu penting.
Pendeta Keuangan 13(1):115–
45 Jones J. 1991. Manajemen laba selama investigasi keringanan impor. J.Akun. Res. 29(2):93–228 Jorion P, Schwarz C.
2014. Apakah pengelola dana lindung nilai melakukan kesalahan pelaporan secara sistematis? Atau tidak? J.Keuangan. ekonomi.
111:311–27

Karpoff J, Lee D, Martin G.2008a. Biaya bagi perusahaan yang memasak buku tersebut. J.Keuangan. Bergalah. Dubur. 43:581–611
Karpoff J, Lee D, Martin G.2008b. Konsekuensi bagi manajer atas kesalahan penyajian keuangan. J.Keuangan.
ekonomi. 88(2):193–215
Kedia S, Philippon T. 2009. Ekonomi akuntansi penipuan. Pendeta Keuangan. Pejantan. 22(6):2169–99 Kedia S, Rajgopal S.
2011. Apakah preferensi penegakan SEC memengaruhi pelanggaran perusahaan? J.Akun.
ekonomi. 51(3):259–78
Knechel W, Vanstraelen A, Zerni M. 2015. Apakah identitas mitra pertunangan itu penting? Analisis tentang
keputusan pelaporan mitra audit. Penghinaan. Akun. Res. 32(4):1443–78
Kothari S, Leone A, Wasley C. 2005. Kinerja sesuai dengan ukuran akrual diskresioner. J.Akun. ekonomi.
39(1):163–97
Kravet T, Shevlin T. 2010. Penyajian kembali akuntansi dan risiko informasi. Rekening Pdt. Pejantan. 15(2):264–94 Layne N,
Freifeld K. 2018. Ikuti uangnya: bagaimana tim Mueller menangani kasus Manafort. Reuters, 22 Agustus. https://www.reuters.com/
article/usa-trump-russia-mueller/follow-the-money-how-muellers-team-made-the-manafort-case-idUSKCN1L700V
Larcker D, Zakolyukina A. 2012. Mendeteksi diskusi yang menipu dalam panggilan

konferensi. J.Akun. Res. 50(2):495–

540

Lennox C, Pittman J. 2010. Audit Lima Besar dan penipuan akuntansi. Penghinaan. Akun. Res. 27(1):209–47 Loewen P,
Dawes C, Mazar N, Johannesson M, Koellinger P, Magnusson P. 2013. Warisan standar moral untuk ketidakjujuran sehari-hari. J.Ekon.
Berperilaku. Organ. 93:363–66

1.16 Honigsberg

, .•·ÿ- Ulasan Sebelumnya pertama kali diposting pada

23 Maret 2020. (Perubahan mungkin
masih terjadi sebelum publikasi akhir.)
 Machine Translated by Google

LS16CH01_Honigsberg ARjats.cls 7 Maret 2020 9:16

Loughran T, McDonald B.2011a. Tanda bahaya Barron: Apakah benar-benar berhasil? J. Perilaku. Keuangan 12:90–97 Loughran
T, McDonald B. 2011b. Kapan suatu kewajiban bukan suatu kewajiban? Analisis tekstual, kamus dan 10-Ks.
J. Keuangan 66:35–65
Malenko N, Grundfest J. 2014. Quadrophobia: pembulatan strategis data EPS. Pekerjaan Olin. Ayah. 388, Stanford Law Econ., Stanford
Univ., Stanford, CA McGuire S, Omer T, Sharp N.
2012. Dampak agama terhadap penyimpangan pelaporan keuangan. Akun. Putaran.
87(2):645–73
McNichols M. 2000. Masalah desain penelitian dalam studi manajemen laba. J.Akun. Kebijakan Publik 19(4–
5):313–45
Michaels D. 2018. SEC menyelidiki apakah perusahaan mengumpulkan pendapatan. Wall Street Journal, 22 Juni . https://www.wsj.com/
articles/sec-probes-whether-companies-rounded-up-earnings-1529699702 Michalski M, Stoltz G. 2013. Apakah negara
memalsukan data ekonomi secara strategis? Beberapa bukti bahwa mereka mungkin melakukannya.
Pendeta Ekon. Statistik. 95(2):591–
616 Morrow J. 2014.Hukum Benford, keluarga distribusi dan dasar pengujian. Membahas. Ayah. dp1291, Sen. ekonomi. Lakukan., London.
Sch. ekonomi. Ilmu Politik, London, Inggris
Nigrini M. 1996. Penerapan kepatuhan Wajib Pajak terhadap hukum Benford. Selai. Pajak. Asosiasi. 18(1):72–92 Nigrini M.
2012. Hukum Benford: Aplikasi Akuntansi Forensik, Audit, dan Deteksi Penipuan. Hoboken, NJ:
Wiley
Nigrini M, Miller S. 2007. Hukum Benford diterapkan pada data hidrologi—hasil dan relevansinya dengan geofisika lainnya.
data teknis. Matematika. Geol. 39:469–90

Noguchi Y. 2002. WorldCom memberhentikan 17.000 pekerja. Washington Post, 29 Juni. https://www. washingtonpost.com/archive/
politics/2002/06/29/worldcom-lays-off-17000-workers/ 84538b65-80fb-4b8e-b6a9-de1030454eaf/

Nunn L, McGuire B, Whitcomb C, Jost E. 2006. Akuntan forensik: penyelidik keuangan. J.Bus. ekonomi.
Res. 4(2). https://doi.org/10.19030/jber.v4i2.2631
Nye J, Moul C. 2007. Ekonomi politik angka: penerapan hukum Benford pada dunia internasional
.nn
gro.sweivernlaanuaya 0 in.su
k6
.th m
1iaa
2.a
u sh
/d
r.g l2
e
id a
.skd
y0w
a
g
ue wu
e
n
h
vu
t.n1 b
d
s rw
istiu
.ikln
2 a ioiW
ke
d
o
u
n
a
t/e
s0
a
7
n rfliH
D
w
U
N
P
A
S
2
d
o
0
u
p
s

statistik makroekonomi. BEJ Makroekon. 7(1):1935–690

Oppel RA Jr. 2001. Rencana pensiun karyawan menjadi korban ketika Enron jatuh. New York Times, 22 November . https://
www.nytimes.com/2001/11/22/business/employees-retirement-plan-is-a-victim-as-enron-tumbles.html

Palmrose Z. 1988. Analisis litigasi auditor dan kualitas layanan audit. Akun. Rev. 63(1):55–73 Parsons C, Sulaeman J, Titman S.
2018. Geografi pelanggaran keuangan. J. Finance 73(5):2087–137 Paulsen S. 2002. Pekerja kehilangan pekerjaan, layanan kesehatan
dan tabungan di Enron. Situs Web Sosialis Dunia, 14 Januari . https://
www.wsws.org/en/articles/2002/01/enro-j14.html
Pike D. 2008. Pengujian properti Benford. Bekerja. Pap., Rochester Inst. Technol., Rochester, NY Purda L, Skillicorn D.
2015. Membaca yang tersirat: mendeteksi penipuan dari bahasa laporan keuangan.
menghina. Akun. Hal-hal. 32(3):1193–223
Rauch B, Gottsche M, Langenegger S. 2014. Mendeteksi permasalahan data pengeluaran militer menggunakan digital
analitik. Def. Ekonomi Perdamaian. 25(2):97–111
Restrepo F. 2019. Regulasi dana lindung nilai, kinerja, dan volatilitas: mengkaji ulang dampak Dodd-Frank Act.
Bekerja. Pap., Stanford Univ., Stanford, CA Schrand
C, Zechman S. 2012. Terlalu percaya diri eksekutif dan lereng licin menuju kesalahan pelaporan keuangan.
J.Akun. ekonomi. 53(1–2):311–29
Silverman B. 1986. Estimasi Kepadatan untuk Statistik dan Analisis Data. London: Chapman & Hall Srinivasan S. 2005.
Konsekuensi kegagalan pelaporan keuangan bagi direktur luar: bukti dari akuntansi
penyajian kembali dan anggota komite audit. J.Akun. Res. 43:291–334 Straumann D. 2009.
Mengukur kualitas data dana lindung nilai. J.Alternatif. Menginvestasikan. 12(2):26–40 Thomas J. 1989. Pola yang
tidak biasa dalam laba yang dilaporkan. Akun. Wahyu 5(4):773–87 Varian H. 1972. Hukum Benford.
Saya. Statistik. 23:65–66 Yuan Q, Zhang Y. 2015. Apakah bank

memperhitungkan risiko litigasi dalam kontrak utang? Bukti dari tuntutan hukum class action.
J.Bus. Akun Keuangan. 42:1310–40

www.annualreviews.org • Akuntansi Forensik 1.17

, .•·ÿ- Ulasan Sebelumnya pertama kali diposting pada

23 Maret 2020. (Perubahan mungkin
masih terjadi sebelum publikasi akhir.)
 Machine Translated by Google

LS16CH01_Honigsberg ARjats.cls 7 Maret 2020 9:16

Yuan Q, Zhang Y. 2016. Dampak nyata dari penipuan perusahaan: bukti dari tuntutan hukum class action.Akun. Keuangan
56:879–911
Wang K, Wang Y, Yu L, Zhao Y, Zhang Z. 2015. Pengalaman mitra audit keterlibatan dan kualitas audit.
Akun China J. Pejantan. 3(3):230–53
Weisburd D, Chayet E, Waring E. 1990. Kejahatan kerah putih dan karir kriminal: beberapa temuan awal.
Kenakalan Kejahatan 36(3):342–
55 Zuckerman M, Driver R. 1985. Berbohong: Komunikasi Verbal dan Nonverbal tentang Penipuan dalam Integrasi
Multisaluran Perilaku Nonverbal. Hillsdale, NJ: Asosiasi L. Erlbaum.
.nn
gro.sweivernlaanuaya 0 in.su
k6
.th m
1iaa
2.a
u sh
/d
r.g l2
e
id a
.skd
y0w
a
g
ue wu
e
n
h
vu
t.n1 b
d
s rw
istiu
.ikln
2 a ioiW
ke
d
o
u
n
a
t/e
s0
a
7
n rfliH
D
w
U
N
P
A
S
2
d
o
0
u
p
s

1.18 Honigsberg

, .•·ÿ- Ulasan Sebelumnya pertama kali diposting pada

23 Maret 2020. (Perubahan mungkin
masih terjadi sebelum publikasi akhir.)