Machine Translated by Google

TRANSAKSI WSEAS BISNIS dan EKONOMI DOI: Enny Susilowati Mardjono,

` 10.37394/23207.2024.21.53 Entot Suhartono, Guruh Taufan Hariyadi

Apakah Akuntansi Forensik Penting? Mendiagnosis Fraud Menggunakan

Sistem Pengendalian Internal dan Big Data pada Lembaga Audit di Indonesia

ENNY SUSILOWATI MARDJONO1 , ENTOT SUHARTONO1 , GURUH TAUFAN HARIYADI2

1Departemen Akuntansi,
Universitas Dian Nuswantoro,
INDONESIA

2Departemen Manajemen,
Universitas Dian Nuswantoro,
INDONESIA

Abstrak: Penelitian ini bertujuan untuk mengetahui hubungan kesadaran penggunaan akuntansi forensik dan peran sistem pengendalian
internal (COSO) yang dimediasi Big Data Analysis (BDA) terhadap minat penggunaan akuntansi forensik dalam mendeteksi
kecurangan. Desain penelitian adalah studi kasus dengan pendekatan kuantitatif. Sampel penelitian ini adalah 331 responden auditor
yang tersebar di KAP, BPK dan BPKP di Indonesia. Data yang digunakan adalah data primer dengan metode penelitian melalui
wawancara dan survei pada lembaga auditor Indonesia. Kelemahan perusahaan adalah rata-rata masih menggunakan sistem data
yang tidak terintegrasi sehingga terdapat risiko dari segi keamanan data. Hasil penelitian ini membuktikan bahwa Big Data Analysis
memediasi hubungan antara Kesadaran Akuntansi Forensik terhadap Niat Akuntansi Forensik. Selain itu, Big Data Analysis memediasi
hubungan antara COSO terhadap Intensi Akuntansi Forensik. Hasilnya menunjukkan bahwa hipotesis ketujuh yang diajukan terbukti
secara statistik. Penelitian ini membuktikan bahwa penerapan sistem pengendalian internal yang baik akan menjadi alat yang efektif
untuk mengendalikan risiko kecurangan. Pengendalian internal dapat sepenuhnya efektif jika organisasi mampu memahami risiko
yang paling rentan dan cara merespons penipuan. BDA dengan teknik penambangan data yang berkontribusi pada pengambilan
keputusan dan deteksi penipuan. Auditor dapat menemukan dan mengekstrak pola tersembunyi dalam data dalam jumlah besar
dengan menggunakan Big Data untuk mendeteksi penipuan.

Kata Kunci: - analisis big data, akuntansi forensik, sistem pengendalian internal, deteksi penipuan, Lembaga Audit,
Indonesia.

Diterima: 19 Maret 2023. Direvisi: 21 Desember 2023. Diterima: 16 Januari 2024. Diterbitkan: 9 Februari 2024.

1 Pendahuluan Salah
satu tujuan utama laporan keuangan adalah untuk memberikan
informasi kepada calon investor, kreditor, dan pengguna lain
yang memfasilitasi investasi logis, kredit, dan pengambilan
keputusan yang analog.
Laporan keuangan harus memenuhi persyaratan kualitatif dan
disajikan sesuai dengan ketentuan yang dituangkan dalam
Pernyataan Standar Akuntansi Keuangan (PSAK No. 1), [1].
Kajian ini juga diperkuat dengan hasil laporan tahunan
ACFE (Association of Certified Fraud Examiners), dimana 81%
organisasi yang disurvei pernah menjadi korban penipuan
dengan kerugian sebesar USD$100,000 per kasus dan 42%
pelaku utamanya adalah pelaku penipuan. dari manajemen
internal itu sendiri, [2].
Akibat kegagalan perusahaan dalam menerapkan pengendalian
internal maka terjadilah kecurangan, dan auditor mempunyai

Namun hasil audit yang dilakukan oleh akuntan publik tidak
sepenuhnya menjamin bahwa laporan keuangan bebas dari
kecurangan atau penipuan, [2]. Menurut studi yang dilakukan
Price Waterhouse Coopers, tiga puluh persen bisnis yang
disurvei telah menjadi korban penipuan, [3].
Kasus penipuan yang terjadi di Indonesia terjadi pada PT.
Garuda Indonesia Tbk tahun buku 2018 dan PT.
Waskita Karya tbk tahun buku 2019 tentang rekayasa laporan
keuangan. 80% penipuan yang dilakukan perusahaan di
Indonesia adalah penipuan laporan keuangan, [4].
pengetahuan dan kemampuan untuk mengidentifikasi
kecurangan dalam pembukuan perusahaan, [5]. Penerapan
sistem pengendalian manajemen dalam lingkup perbaikan
sistem informasi dan peningkatan kompetensi auditor khususnya
dalam pemberian jasa non audit (Pajak, audit investigatif, jasa
konsultasi) meningkatkan kinerja kantor akuntan publik, [6].
Adanya kasus-kasus penipuan di Amerika yaitu Enron,
Worldcom, Adelphia dan lain-lain, dimana kasus tersebut sangat
merugikan pihak-pihak yang berkepentingan dan pengguna
keuangan (kreditur,
pernyataan
investor,

E-ISSN : 2224-2899 638 Jilid 21, 2024

Machine Translated by Google
TRANSAKSI WSEAS BISNIS dan EKONOMI DOI:
` 10.37394/23207.2024.21.53
pemegang saham, masyarakat) maka hal ini memicu
diterbitkannya Sarbanes-Oxley (SOX). Sarbanes-Oxley Act
(SOA) dibuat oleh American Association of Certified Fraud
Examiners (ACFE). Penelitian pada perusahaan audit Taiwan
menunjukkan bahwa efek SOX lebih meningkatkan sistem
pengendalian menggunakan strategi MASs (Management
Advisory Service) dan kolaborasi aliansi antar perusahaan
audit, [7].
Kecepatan di mana informasi atau laporan keuangan
menghasilkan data dan volume data yang dikandungnya
menyulitkan auditor untuk mengidentifikasi dan mengekstrak
pola tersembunyi dalam data tersebut, memberikan analisis
dan menarik kesimpulan yang akurat dan relevan hanya dengan
analisis data besar (BDA), [ 8].
BDA dapat menemukan pola tak terduga yang tidak dapat
dideteksi ketika sampel kecil digunakan dalam audit rutin, [8].
Namun pada saat auditor menggunakan BDA juga terdapat
kesenjangan peran BDA terhadap niat praktisi untuk mengadopsi
akuntansi forensik, [8]. Terbatasnya kemampuan auditor dalam
menganalisis data dalam jumlah besar berdampak pada
kesulitan auditor dalam mengakses dan mengidentifikasi data
yang relevan. Auditor harus memastikan keakuratan dan
keandalan hasil audit atas data yang cukup besar; oleh karena
itu menjadi masalah jika tidak ada alat untuk dapat menemukan
potensi penipuan, [9].
Sangat penting, baik di dalam maupun di luar profesi audit,
bahwa teknik BDA diakui sah untuk menjamin penerapannya
selama penugasan audit. Dalam pelaksanaan audit canggih
secara digital untuk laporan keuangan klien, penggabungan Big
Data Analytics (BDA) sebagai sumber bukti audit tambahan
memperkuat legitimasi praktis BDA dalam profesi audit, [9].
Ada banyak prospek untuk menerapkan metodologi big data di
bidang audit, khususnya ketika protokol analitis yang ketat
diintegrasikan dengan pendekatan audit konvensional dan
pendapat ahli. Kemajuan terkini dalam model kesulitan
keuangan dan pelanggaran keuangan big data dapat
menguntungkan audit.
Penelitian tambahan diperlukan mengenai analisis sentimen
dan pemrosesan bahasa alami karena keduanya merupakan
alat audit yang berpotensi berharga. Jalur penelitian yang
muncul dalam audit, termasuk platform kolaboratif, pasar peer-
to-peer, dan manajemen informasi real-time, idealnya
disesuaikan dengan metodologi data besar, [9]. Maksud dan
tujuan penelitian ini adalah untuk menguji hubungan antara
akuntansi forensik, sistem pengendalian internal (COSO) dan
penggunaan big data untuk mendeteksi kecurangan pada
Lembaga Audit di Indonesia.
Auditor menyadari pentingnya memanfaatkan akuntansi
forensik untuk mendeteksi penipuan, dan besar
E-ISSN : 2224-2899
Enny Susilowati Mardjono,
Entot Suhartono, Guruh Taufan Hariyadi
analisis data (BDA) memperkuat dan memfasilitasi kegiatan ini.
Penegasan ini didasarkan pada temuan penelitian yang meneliti
auditor internal dan eksternal di india, [10], [11] dan India, [12].
Studi tambahan menunjukkan kemanjuran model Committee of
Sponsoring Organizations (COSO) dalam deteksi dan
pencegahan penipuan. Menurut penelitian, semua aktivitas
pengendalian, penilaian dan respons risiko, pengendalian
internal, identifikasi peristiwa, serta penilaian dan respons risiko
berdampak signifikan dalam mendeteksi dan mencegah
penipuan laporan keuangan di bank komersial yang beroperasi
di Yordania, [13].
Kontribusi utama dalam penelitian ini adalah penelitian ini
mengintegrasikan elemen penerapan akuntansi forensik,
analisis big data, dan kerangka pengendalian internal (COSO)
yang dinilai oleh auditor internal dan eksternal untuk
mengidentifikasi aktivitas penipuan, berdasarkan temuan dari
penelitian sebelumnya. Inovasi penelitian ini adalah peneliti
menyelidiki potensi pengaruh auditor yang menggabungkan
analisis big data dan organisasi yang menerapkan kerangka
pengendalian internal (COSO) terhadap kapasitas auditor dalam
mengidentifikasi aktivitas penipuan di KAP, BPK, BPKP di
Indonesia. Kombinasi 3 elemen penelitian seperti big data,
COSO, akuntansi forensik ini masih jarang dilakukan oleh
penelitian-penelitian sebelumnya.
2 Tinjauan Pustaka Empiris dan
Pengembangan Hipotesis
2.1 Akuntansi Forensik Perpaduan
metodologi investigasi dan audit dalam bidang akuntansi telah
mengarah pada pengembangan keahlian khusus yang dikenal
sebagai "akuntansi forensik". Keahlian ini secara khusus
diarahkan untuk mengidentifikasi dan mencegah penipuan
akuntansi, [12]. Akuntansi forensik mencakup proses
memastikan, mendokumentasikan, menilai, mengkategorikan,
melaporkan, dan memvalidasi data keuangan historis atau
prosedur akuntansi lainnya untuk mengatasi masalah hukum.
Data historis ini juga digunakan untuk evaluasi data keuangan
dalam penyelesaian sengketa hukum di masa depan, [12].
2.2 Big Data
Istilah "big data" berkaitan dengan pengumpulan data yang luas
dan rumit yang dapat diperiksa untuk mengungkap pola, tren,
dan koneksi. Data tersebut berasal dari berbagai sumber,
termasuk media sosial, data yang dihasilkan mesin, dan data
transaksional. Analisis data besar dapat menciptakan nilai bagi
organisasi dengan
639 Jilid 21, 2024
Machine Translated by Google
TRANSAKSI WSEAS BISNIS dan EKONOMI DOI:
` 10.37394/23207.2024.21.53
memberikan wawasan tentang pendekatan operasional dan
strategis, [12].
2.3 COSO (Sistem Pengendalian Internal)
Pengendalian internal diukur dengan standar kerangka COSO
2013 asli yang diadaptasi dari penelitian, [13]. Mereka
menggunakan standar COSO yang diterapkan di pemerintah
daerah untuk mencegah penipuan.
COSO terdiri dari aktivitas pengendalian, informasi dan
komunikasi, penilaian risiko, aktivitas pemantauan, dan
lingkungan pengendalian. Responden diminta menjawab
pertanyaan dan dinilai dengan skala Likert 1 sampai 5 mengenai
lima komponen pengendalian internal terintegrasi.
2.4 Penipuan
Terlibat dalam aktivitas apa pun yang memanipulasi orang lain
demi keuntungan pribadi merupakan "penipuan". Ketika “dengan
sengaja salah menyajikan kebenaran atau menyembunyikan
fakta material untuk mendorong orang lain melakukan tindakan
yang merugikan mereka,” penipuan dianggap sebagai tindak
pidana, [13]. Kriminalis Dr. Donald Cressey merancang gagasan
Segitiga Penipuan pada tahun 1970an. Hipotesis yang diajukan
menyatakan bahwa seseorang rentan melakukan kecurangan
jika ketiga komponen tersebut ada.
Ketiga komponen tersebut adalah tekanan finansial, peluang
yang dirasakan, dan rasionalisasi. Tekanan finansial mengacu
pada kebutuhan akan uang atau sumber daya lainnya,
sedangkan peluang yang dirasakan mengacu pada keyakinan
bahwa seseorang dapat melakukan penipuan tanpa ketahuan.
Rasionalisasi mengacu pada pembenaran atau alasan yang
digunakan seseorang untuk meyakinkan dirinya bahwa
melakukan penipuan dapat diterima. Para profesional anti-
penipuan sering kali menggunakan Segitiga Penipuan untuk
menggambarkan keadaan yang mungkin mendorong organisasi
atau individu untuk mengambil bagian dalam aktivitas penipuan.
Selain itu, model ini dapat digunakan untuk menggarisbawahi
keadaan industri atau perekonomian yang mungkin berkontribusi
terhadap peningkatan risiko secara keseluruhan.
2.5 Penelitian Sebelumnya
Auditor menghadapi beberapa masalah dalam melaksanakan
analisis data untuk mendeteksi kecurangan. Selain itu, semakin
kompleksnya pengendalian internal dan tidak terintegrasinya
satu data dengan data lainnya juga menjadi kendala bagi
auditor dalam mengendalikan dan mendeteksi kecurangan.
Pengaruh teknologi literasi informasi media sosial yang belum
dimanfaatkan misalnya, diharapkan dapat mendeteksi penipuan
secara akurat, [13].
Oleh karena itu, untuk mengatasi permasalahan di atas,
penelitian ini bertujuan untuk mengembangkan model deteksi
dan pencegahan penipuan yang efektif dengan menggunakan
sistem pengendalian internal TI (COSO) dalam akuntansi
forensik dan menggunakan BDA (analisis data laporan keuangan,
E-ISSN : 2224-2899
Enny Susilowati Mardjono,
Entot Suhartono, Guruh Taufan Hariyadi
laporan tahunan, media sosial). Metode ini dapat membantu
auditor dalam mengatasi masalah keterbatasan keterampilan
dalam menganalisis data dalam jumlah besar, serta dalam
menemukan, mengidentifikasi, dan mengekstraksi pola-pola
tersembunyi dalam data dalam jumlah besar sehingga hasil
audit akurat dan dapat diandalkan, [13].
Penelitian ini menguji bagaimana auditor Indonesia menggunakan
BDA, pengendalian internal, dan akuntansi forensik untuk
mengungkap penipuan. BDA membantu memperoleh model
persamaan struktural untuk deteksi penipuan dari model
penelitian dan teori kesadaran akuntansi forensik. Apakah hasil
menunjukkan bahwa kesadaran akuntansi forensik
mempengaruhi niat praktisi deteksi penipuan?
BDA mengekstrak pola tersembunyi dalam kumpulan data
besar untuk mendeteksi penipuan akuntansi keuangan. Kami
mengembangkan sistem manajemen pengendalian internal
sistematis yang berakar pada prinsip pengendalian internal dan
teori kecerdasan buatan. Makalah ini bertujuan untuk
membangun model analisis data yang menggabungkan
identifikasi cerdas dan mekanisme peringatan dini.
Selain itu, metode urutan terbalik pengendalian internal
memfasilitasi evaluasi indikator keuangan secara otonom.
Kebaruan penelitian ini adalah terciptanya model baru yang
menjelaskan secara mendalam faktor-faktor yang mempengaruhi
auditor menggunakan akuntansi forensik dengan BDA dan
sistem pengendalian IT (COSO) untuk mendeteksi kecurangan.
Model yang diperoleh diperkuat dengan menggunakan metode
analisis konten dimana model baru diperoleh dari variabel yang
diolah dan diperkuat atau uji ketahanan, [14], dengan
menggunakan aplikasi Atlas.ti dengan metode wawancara
mendalam, [14] , yang dapat menghasilkan indikator baru untuk
memperbarui model pertama dengan menemukan faktor-faktor
yang lebih kompleks yang mempengaruhi auditor untuk
mendeteksi kecurangan. Dengan metode ini, lebih banyak
penipuan yang terdeteksi.
Roadmap penelitian big data analitik, pengendalian internal,
dan akuntansi forensik untuk deteksi penipuan dapat dilihat
pada Gambar 1 (Lampiran).
Pada Gambar 2, digambarkan Kerangka Konseptual, yang
menunjukkan korelasi antara kesadaran dan pemanfaatan
akuntansi forensik dan sistem pengendalian internal COSO.
Big Data diintegrasikan ke dalam kerangka kerja sebagai faktor
penentu yang membentuk minat dalam menggunakan akuntansi
forensik untuk mendeteksi penipuan.
640 Jilid 21, 2024
Machine Translated by Google
TRANSAKSI WSEAS BISNIS dan EKONOMI DOI: Enny Susilowati Mardjono,
` 10.37394/23207.2024.21.53 Entot Suhartono, Guruh Taufan Hariyadi

H1 : Kesadaran Akuntansi Forensik mempunyai pengaruh yang

signifikan terhadap Analisis Big Data

2.6.2 Kesadaran Akuntansi Forensik dan Niat Akuntansi

Forensik Niat menggunakan akuntansi
forensik untuk deteksi penipuan dipengaruhi oleh kesadaran
akuntansi forensik. Hipotesis ini didasarkan pada asumsi bahwa
praktisi yang memiliki tingkat kesadaran akuntansi forensik yang
lebih tinggi akan lebih bersedia menerapkan akuntansi forensik
untuk pendeteksian kecurangan.

Penelitian tersebut menggunakan analisis data untuk menguji

hipotesis ini dan menemukan bahwa hipotesis ini didukung oleh
Gambar 2: Model Empiris data, yang menunjukkan bahwa praktisi yang memiliki tingkat
Sumber: Diuraikan oleh Penulis kesadaran akuntansi forensik yang lebih tinggi akan lebih
bersedia menerapkan akuntansi forensik untuk mendeteksi
2.6 Pengembangan Hipotesis penipuan, [15]. Kebutuhan akan akuntansi forensik muncul
karena sistem audit internal konvensional suatu organisasi
2.6.1 Kesadaran Akuntansi Forensik dan Besar
Data gagal mendeteksi kecurangan akuntansi secara efektif.

Auditor dalam melaksanakan pekerjaannya menghadapi

Akuntansi forensik merupakan disiplin ilmu yang relatif baru bagi
beberapa permasalahan dalam melaksanakan analisis data
para praktisi. Namun, negara ini menjadi terkenal karena
untuk mendeteksi kecurangan. Kesadaran akan penggunaan
peningkatan pesat penipuan selama beberapa dekade.
akuntansi forensik dalam mendeteksi kecurangan sangat
Akuntansi forensik memainkan peran penting dalam mengungkap
penting bagi auditor dalam menganalisis laporan keuangan.
penipuan yang sulit ditemukan melalui audit internal belaka
Dimana dengan penggunaan Akuntansi Forensik Auditor atau
dengan menggunakan keterampilan akuntansi, audit, dan
pemeriksa dapat mengidentifikasi penyalahgunaan aset dan
investigasi, [15].
dapat membuat data atau informasi keuangan menjadi lebih andal dan akurat.
Meningkatnya pengakuan terhadap nilai akuntansi forensik
H2: Kesadaran Akuntansi Forensik berpengaruh signifikan
akan memerlukan struktur data yang terintegrasi dan mengurangi
terhadap Niat Forensik
pentingnya penggunaan Big Data untuk mendeteksi lebih
Akuntansi
banyak penipuan dan beroperasi lebih cepat.

2.6.3 Penggunaan Big Data dan Tujuan Akuntansi Forensik

Teknik big data dan analisis data sangat penting untuk akuntansi
Teknik big
forensik karena kompleksitas transaksi bisnis dan keterbatasan
cara tradisional untuk mengidentifikasi aktivitas penipuan. data dapat meningkatkan kualitas dan efektivitas audit laporan
keuangan dan teknik akuntansi forensik dapat membantu dalam
Akuntan forensik dapat menerapkan berbagai teknik anti-
mendeteksi potensi penipuan pada data keuangan. Dengan
penipuan tingkat lanjut seperti visualisasi data, analisis prediktif,
memeriksa transaksi dan pola keuangan, akuntan forensik dapat
analisis perilaku, analisis konten, analisis jaringan sosial, dan
membantu auditor dalam mengidentifikasi area risiko yang
analisis geo-spasial untuk mengidentifikasi operasi abnormal,
memerlukan penyelidikan lebih lanjut. Data ini selanjutnya dapat
area berisiko tinggi, dan potensi aktivitas penipuan.
digunakan dalam membangun model data ekstensif yang
dirancang khusus untuk mengidentifikasi penipuan keuangan
secara akurat. Pentingnya kolaborasi antara akuntan forensik
Oleh karena itu, penting untuk memasukkan pengetahuan
dan analis data digarisbawahi dalam makalah ini, menekankan
teoretis dan keterampilan praktis ke dalam program pelatihan
pada pengembangan dan pemanfaatan model data besar yang
akuntansi forensik untuk meningkatkan pemahaman, kegunaan,
efisien.
dan minat terhadap analisis data besar dan analisis data.
Akuntan harus memiliki latar belakang pendidikan atau pelatihan
dalam ide dan implementasi big data dan analisis big data, [14].
Singkatnya, studi akuntansi forensik menyarankan
Kesadaran akuntansi forensik dapat meningkatkan keinginan
peningkatan dalam audit data besar, memungkinkan auditor
untuk menggunakan teknologi big data untuk mengungkap
untuk membuat model yang meningkatkan akurasi deteksi
penipuan, [14].
penipuan melalui integrasi metodologi akuntansi forensik.
Kolaborasi efektif antara akuntan forensik dan analis data

E-ISSN : 2224-2899 641 Jilid 21, 2024

Machine Translated by Google
TRANSAKSI WSEAS BISNIS dan EKONOMI DOI:
` 10.37394/23207.2024.21.53
tetap penting untuk mahir mengembangkan dan memanfaatkan
model data besar, [15].
H3: Penggunaan Big Data mempunyai dampak yang signifikan
Maksud Akuntansi Forensik
2.6.4 Penggunaan COSO dan Big Data
Kerangka kerja COSO mengakui pentingnya big data dalam
bidang manajemen risiko dengan mengkarakterisasi "risiko"
dengan melibatkan "manajemen hubungan pelanggan (CRM)
atau database lain dan analisis big data." Penerapan analisis
data besar memungkinkan adanya kemampuan prediktif,
membantu organisasi dalam membuat keputusan penting.
Dengan memanfaatkan beragam sumber data besar, organisasi
dapat mengumpulkan wawasan berharga mengenai risiko
organisasi, memfasilitasi evaluasi dan mitigasi potensi bahaya.
Penggunaan teknologi ilmu data dengan algoritme
prediktif untuk menganalisis kumpulan data ekstensif dan
penilaian risiko memungkinkan lembaga keuangan
memperoleh wawasan langsung dan real-time mengenai
risiko mereka, serta memberikan informasi dan memandu
strategi manajemen risiko mereka. Oleh karena itu, analisis
data besar dapat digunakan untuk meningkatkan manajemen
risiko, dan kerangka COSO menyadari pentingnya hal ini
dalam mengelola risiko, [15].
H4: COSO mempunyai dampak signifikan terhadap Big Data
Analisis
2.6.5 COSO dan Niat Forensik
Akuntansi
Menurut, [16], menyelidiki kemanjuran kerangka pengendalian
internal COSO dalam mencegah penipuan kerja dalam
organisasi pemerintah daerah. Temuan mereka menunjukkan
bahwa pengendalian internal COSO berhasil memitigasi
penyalahgunaan aset dan penipuan laporan keuangan.
Komponen pengendalian internal, yang meliputi lingkungan
pengendalian, penilaian risiko, aktivitas pengendalian,
informasi dan komunikasi, serta aktivitas pemantauan, telah
terbukti efektif dalam pencegahan penipuan. Akibatnya,
COSO diantisipasi untuk meningkatkan kecenderungan
auditor untuk menggunakan akuntansi forensik untuk
mencegah dan mendeteksi penipuan.
Dalam, [16], berpendapat bahwa sistem pengendalian
internal, kompensasi yang layak, dan kompetensi perangkat
desa berfungsi sebagai pencegah penyelewengan dana desa.
Temuan menunjukkan bahwa penguatan sistem pengendalian
internal (COSO) efektif mencegah penipuan.
Lebih jauh lagi, kepekaan moral memperkuat hubungan
antara efektivitas desa
E-ISSN : 2224-2899
Enny Susilowati Mardjono,
Entot Suhartono, Guruh Taufan Hariyadi
aparat dalam mencegah penyelewengan dana desa, sistem
pengendalian intern, dan pemberian kompensasi yang layak.
Menurut, [16], menunjukkan bahwa akuntansi forensik dan
pengendalian manajemen dapat memerangi kejahatan dunia
maya perbankan. Laporan tersebut merekomendasikan
pengendalian manajemen risiko penipuan bagi bank untuk
menjaga reputasi dan kepatuhan terhadap peraturan. Hal ini
membuktikan bahwa auditor yang menerapkan sistem
pengendalian yang baik akan mencegah risiko kecurangan.
COSO yang baik juga akan meningkatkan minat penggunaan
akuntansi forensik untuk mendeteksi penipuan.
H5 : COSO berpengaruh signifikan terhadap Niat
Akuntansi Forensik
2.6.6 Efek mediasi Big Data dalam hubungan antara
Kesadaran Akuntansi Forensik dan Niat Akuntansi
Forensik Kesadaran Akuntansi Forensik mempunyai
hubungan positif dengan
niat menggunakan akuntansi forensik (Intentions of Forensic
Accounting) dalam pencegahan dan deteksi penipuan, [16 ],
[17].
Semakin tinggi kesadaran individu terhadap akuntansi forensik
maka semakin positif korelasinya dengan niat menggunakan
praktik tersebut. Kesadaran ini meningkatkan pemahaman
tentang peran akuntansi forensik dalam mendeteksi penipuan
dan penyimpangan keuangan serta dapat mendorong orang
untuk menggunakannya untuk meningkatkan keterampilan
profesional dan meminimalkan risiko. Pertimbangan etis dalam
pelaporan keuangan juga mempengaruhi niat individu untuk
mengadopsi praktik akuntansi forensik, [15], [17].
Big Data Analytics (BDA) berfungsi sebagai alat untuk
mengenali pola yang mengindikasikan penipuan, [12], [15].
Integrasi BDA ke dalam proses audit memastikan peningkatan
kualitas audit dan kemanjuran deteksi penipuan, [15], [17].
Akuntan forensik diharuskan memiliki kemahiran dalam
ekstraksi, analisis, dan visualisasi data, mengingat besarnya
volume, kecepatan, dan variasi yang melekat pada kumpulan
data tersebut, [17].
Big Data Analytics (BDA) berfungsi sebagai mediator dalam
memfasilitasi korelasi antara Advanced Forensic Analytics
(AFA) dan Investigative Forensic Analytics (IFA) untuk tujuan
deteksi penipuan, [15], [17]. Penerapan BDA berdiri untuk
meningkatkan efisiensi inspeksi dan investigasi dalam domain
akuntansi forensik, [17]. Akuntan forensik diperlengkapi untuk
memanfaatkan metodologi anti-penipuan yang canggih,
termasuk visualisasi data, analisis prediktif, analisis perilaku,
analisis konten, analisis jaringan sosial, dan analisis
geospasial, sehingga memungkinkan
642 Jilid 21, 2024
Machine Translated by Google
TRANSAKSI WSEAS BISNIS dan EKONOMI DOI:
` 10.37394/23207.2024.21.53
deteksi operasi anomali, area berisiko tinggi, dan aktivitas yang
berpotensi penipuan, [17].
Dengan menggunakan analisis data besar, akuntan forensik dapat
mengumpulkan, mengintegrasikan, dan menganalisis data dari
berbagai sumber untuk mengidentifikasi pola dan tren yang
mencurigakan, [15], [17]. Membantu akuntansi forensik dalam
mengembangkan model prediktif untuk mendeteksi penipuan dan
penipuan, dengan mengembangkan model prediktif yang dapat
mengidentifikasi pola dan perilaku yang mencurigakan serta
memberikan peringatan dini terhadap potensi penipuan dan penipuan, [17].
Akuntan forensik dapat memanfaatkan pemodelan prediktif dan
analitik tingkat lanjut untuk mengidentifikasi transaksi
mencurigakan, kejadian berisiko tinggi, dan perilaku menipu
dengan menganalisis data aktivitas atau transaksi masa lalu.
Selain itu, akuntan forensik dapat menerapkan algoritma
resolusi entitas untuk mengungkap hubungan tersembunyi,
alamat, dan alias, memungkinkan pemeriksaan konflik
kepentingan, identitas palsu, dan individu serta bisnis yang
dikenakan sanksi dalam penambangan data basis data, [18].
H6: Analisis Big Data Memediasi Hubungan Kesadaran
Akuntansi Forensik pada
Maksud Akuntansi Forensik
2.6.7 Efek mediasi Big Data dalam Hubungan antara COSO
dan Niat Sistem Pengendalian Akuntansi Forensik
membantu mendeteksi dan mencegah
penipuan melalui kebijakan, pengawasan, dan analisis data.
Hal ini dapat melengkapi upaya akuntansi forensik dalam
mengidentifikasi dan mengatasi pelanggaran. Selain deteksi
dini, sistem kendali juga menyediakan data dan dokumentasi
penting untuk penyelidikan forensik, [18].
Akuntansi forensik, bagaimanapun, tetap menjadi hal yang
sangat penting sebagai langkah terakhir dalam mengidentifikasi
dan mengatasi penipuan yang belum teridentifikasi melalui
sistem pengendalian. Keduanya memberikan kontribusi penting
dalam menjaga integritas organisasi dan kesehatan keuangan,
dengan bekerja sama secara paralel satu sama lain, [18]. Dasar
pembentukan pengendalian internal yang efektif adalah
kerangka COSO. Struktur kerangka ini berkisar pada
pemantauan lingkungan, penilaian risiko, aktivitas pengendalian,
informasi dan komunikasi, dan pemantauan, [13], [18].
Penggabungan akuntansi forensik dan tata kelola perusahaan
dapat meningkatkan pengendalian internal. Menerapkan praktik
akuntansi forensik pada kerangka COSO memungkinkan
organisasi untuk memperkuat kontrol internal mereka dan
meningkatkan proses pelaporan keuangan, [13], [18].
E-ISSN : 2224-2899
Enny Susilowati Mardjono,
Entot Suhartono, Guruh Taufan Hariyadi
Untuk memungkinkan auditor mengidentifikasi pola dan anomali
yang mungkin mengindikasikan aktivitas penipuan, BDA dapat
membantu meningkatkan efisiensi pengendalian internal melalui
pemantauan dan analisis transaksi keuangan secara real-time
dan dengan menganalisis data dalam jumlah besar, [15], [18].
BDA dapat memediasi korelasi antara kerangka pengendalian
internal COSO dan tujuan akuntansi forensik dengan
menyediakan pemantauan dan analisis transaksi keuangan
secara real-time.
Akuntansi forensik dan audit internal dapat menggunakan
analisis data besar untuk mengidentifikasi dan menyelidiki
penipuan keuangan, sementara tata kelola perusahaan dapat
diperkuat dengan mengintegrasikan praktik akuntansi forensik,
[19].
H7: Analisis Big Data Memediasi Hubungan COSO terhadap
Intensi Forensik
Akuntansi
3 Metode Penelitian
3.1 Data
Penelitian ini dilakukan di 2 provinsi besar di Indonesia, dengan
jumlah responden di Jawa Tengah (Semarang, Solo) sebesar
84% dari total responden dan DIY (Yogyakarta) sebesar 16%,
seperti terlihat pada Gambar 3. Alasannya pemilihan ketiga
lokasi kota tersebut karena berdasarkan data OJK tahun 2022;
konsentrasi pemeriksaan penipuan tertinggi akan terkonsentrasi
di tiga provinsi tersebut, [4].
Gambar 1. Komposisi Responden Berdasarkan Wilayah Sumber:
Diuraikan oleh Penulis
Penelitian ini dilakukan di lembaga-lembaga pemeriksa
keuangan nasional yang meliputi KAP, Badan Pemeriksa
Keuangan (disingkat Badan Pemeriksa Keuangan - BPK), dan
Badan Pemeriksa Keuangan (BPK) dan Badan Pemeriksa
Keuangan (BPKP). .
643 Jilid 21, 2024
Machine Translated by Google
TRANSAKSI WSEAS BISNIS dan EKONOMI DOI:
` 10.37394/23207.2024.21.53
Kelompok responden pertama yang diteliti adalah kondisi
auditor laporan keuangan KAP sebesar 55%, faktor-faktor yang
mempengaruhi auditor menggunakan framework COSO, dan
kemampuan BDA oleh auditor dalam mendeteksi kecurangan
laporan keuangan. Auditor akan ditonjolkan dari aspek perilaku
yaitu kesadaran menggunakan akuntansi forensik, pengetahuan,
kasih sayang, dan kognisi serta sikap auditor yang telah
melakukan pemeriksaan menggunakan akuntansi forensik
dengan bantuan BDA. Kelompok responden kedua yang diteliti
sebesar 45% adalah auditor BPK (Gambar 5) yang menggunakan
akuntansi forensik dan BDA dalam melakukan aktivitas deteksi
kecurangan dan penerapan pengendalian COSO.
Gambar 5: Asal Institusi Responden Sumber:
Diuraikan oleh Penulis
Model penelitian yang diusulkan dalam penelitian ini dapat
dilihat pada Gambar 4 (Lampiran).
3.2 Measures
Penelitian ini menggunakan data primer sebagai masukan
utama untuk meningkatkan dan mengembangkan literasi
kesadaran auditor menggunakan akuntansi forensik dan BDA
dalam mendeteksi kecurangan. Data primer diperoleh dengan
menyebarkan kuesioner dengan metode snowball sampling,
[20], wawancara mendalam, dan diskusi kelompok dengan
auditor di BPK dan KAP. Kuesioner digunakan untuk
memperoleh data terkait faktor-faktor yang mempengaruhi
kesadaran auditor menggunakan akuntansi forensik untuk
pengambilan keputusan dalam mencegah dan mendeteksi kecurangan.
Wawancara dengan BPK dilakukan untuk menggali kebijakan
regulasi dan penegakan aturan mengenai kecurangan laporan
keuangan, sedangkan wawancara dengan beberapa responden
KAP dilakukan untuk menggali faktor-faktor yang mempengaruhi
pengambilan keputusan untuk mencegah atau mengendalikan
dan mendeteksi kecurangan. Teknis analisis yang digunakan
adalah analisis deskriptif (kuantitatif dan kualitatif) dengan
penyajian dalam bentuk tabel, narasi, grafik, dan bagan, [14],
[21].
Analisis deskriptif digunakan untuk memperoleh gambaran
menyeluruh mengenai penggunaan literasi keuangan
E-ISSN : 2224-2899
Enny Susilowati Mardjono,
Entot Suhartono, Guruh Taufan Hariyadi
Analisis SMART PLS (Partial Least Square), [14], [21]. Penelitian
juga dipadukan dengan aspek kognisi, afeksi, dan konasi.
Memetakan faktor pendukung dan penghambat, baik internal
maupun eksternal, [20]. Penelitian ini juga akan dilengkapi
dengan analisis kualitatif terkait dengan aspirasi yang muncul
untuk merumuskan model peningkatan literasi penggunaan
akuntansi forensik dalam deteksi penipuan laporan keuangan
dan literasi penipuan keuangan pada aspek pemasaran, media
sosial, dan komunikasi.
Data dikumpulkan dengan menggunakan kuesioner yang
menampilkan skala Likert lima poin, dimana 1 menunjukkan
sangat tidak setuju dan 5 menunjukkan sangat setuju. Uji coba
dilakukan terhadap Lembaga Pemeriksa Keuangan di Indonesia
(KAP, BPKP, BPK) sebelum kuesioner disebarkan, untuk
memeriksa kejelasan pertanyaan. Temuan dari uji coba
menunjukkan bahwa setiap item yang menyusun konstruk
penelitian menunjukkan validitas dan reliabilitas, sebagaimana
dibuktikan oleh koefisien alpha Cronbach yang berkisar antara
0,75 hingga 0,85 untuk setiap konstruk.
4 Hasil dan Pembahasan Kuesioner
yang masuk baik dari formulir maupun elektronik berjumlah
355, setelah melalui seleksi kelayakan terdapat 331 jawaban
responden yang layak untuk diolah dalam penelitian. Responden
dalam penelitian ini adalah Akuntan atau Auditor yang
ditugaskan untuk melakukan pemeriksaan atau investigasi pada
suatu lembaga pemerintah, BUMN, dan lembaga swasta.
Gambar 2. Grafik Profil Responden Berdasarkan Jabatan
Fungsional
Profil responden dalam penelitian ini mempunyai jabatan
fungsional auditor yang beragam, terdiri dari Akuntan Junior dan
Akuntan Senior untuk auditor di lingkungan Kantor Akuntan
Publik (KAP).
Responden penelitian pada jabatan fungsional auditor BPKP
dan BPK terdiri dari Auditor I, Auditor Muda, dan Auditor Madya.
Berdasarkan
644 Jilid 21, 2024
Machine Translated by Google
TRANSAKSI WSEAS BISNIS dan EKONOMI DOI: Enny Susilowati Mardjono,
` 10.37394/23207.2024.21.53 Entot Suhartono, Guruh Taufan Hariyadi

Gambar 6, profil responden terbanyak berdasarkan jabatan

fungsional audit di lingkungan KAP adalah Akuntan Junior (110)
dibandingkan Akuntan Senior yang berjumlah 42.

Hal ini dikarenakan dalam pelaksanaan operasional audit

banyak ditangani oleh Akuntan Junior, sedangkan Akuntan
Senior berperan sebagai pengelola dan pengawas pelaksanaan
audit.
Berbeda dengan profil responden di lingkungan BPKP/BPK
yang terbanyak adalah mereka yang mempunyai jabatan
Gambar 4. Grafik Profil Responden Berdasarkan Frekuensi
fungsional Auditor Muda sebanyak 64 responden disusul
Keterlibatan Audit
responden dengan jabatan fungsional Audit Pertama dan Audit
Pembantu masing-masing sebanyak 53 responden.
Secara keseluruhan responden penelitian ini menjawab
bahwa mereka pernah mendapat tugas atau melakukan kegiatan
Hal ini dikarenakan karakteristik responden BPKP/BPK adalah
pemeriksaan atau audit dengan akuntansi forensik dan big
lembaga pemerintah yang penugasan melakukan pemeriksaan
data, namun seberapa sering atau seringnya mereka menerima
atau audit sebagian besar dilakukan oleh auditor yang
tugas tersebut dapat dilihat pada Gambar 8.
mempunyai jabatan fungsional menengah ke atas seperti
Responden terbanyak menjawab sering mendapat tugas audit
Auditor Muda dan Auditor Madya.
sebanyak 187 responden atau 56% baik di lingkungan unit audit
KAP maupun BPKP/BPK, sedangkan responden yang menjawab
Gambar 7 menunjukkan grafik profil responden berdasarkan
sangat sering sebanyak 19 responden atau 6% yang hanya
pengalaman dalam audit, diketahui profil responden terbanyak
ada di lingkungan BPKP/ BPK saja. Hal ini menunjukkan bahwa
pada penelitian ini selama 10 tahun adalah 95 orang atau 29%
responden penelitian pada umumnya sering melakukan kegiatan
dari seluruh responden. Hal ini menunjukkan bahwa sebagian
pemeriksaan atau audit dengan menggunakan akuntansi
besar responden mempunyai jam terbang atau pengalaman
forensik dan analisis big data untuk mendeteksi kecurangan.
yang sangat tinggi dalam melakukan kegiatan pemeriksaan
Namun sebagian responden jarang mendapatkan penugasan
audit dengan akuntansi forensik dalam mendeteksi kecurangan,
atau melakukan pemeriksaan atau audit yaitu sebanyak 122
apalagi ditambah dengan profil responden yang mempunyai
orang atau 37% baik di lingkungan BPKP/BPK maupun KAP.
pengalaman antara 7-10 tahun sebanyak 52 orang atau 16%,
dan responden dengan pengalaman antara 4-6 tahun sebanyak
62 orang atau 19% dari total responden.
1. Sebaran Jawaban Responden Mengenai Kesadaran
Akuntansi Forensik (AFA)

Tabel 1. Jawaban Responden terkait Awareness Akuntansi

Forensik
Sangat Tidak
Setuju AFA1 2 6,0%
AFA2 0 0,0% AFA3 0
0,0% AFA4 0 0,0%
AFA5 0 0,0% AFA6 0
0,0% AFA7 0 0,0%
Tidak setuju Setuju Sangat Setuju
0 0,0% 235 71,0% 94 28,4%
0 0,0% 231 69,8% 100 30,2%
2 0,6% 225 68,0% 104 31,4%
2 0,6% 245 74,0% 84 25,4%
2 0,6% 227 68,6% 102 30,8%
0 0,0% 253 76,4% 78 23,6%
0 0,0% 241 72,8% 90 27,2%
71,5% 28,1%

Berdasarkan Tabel 1, responden secara umum menjawab

Setuju rata-rata sebanyak 71,5% dan Sangat Setuju rata-rata
Gambar 3. Grafik Profil Responden Berdasarkan Pengalaman
sebanyak 28,1%, sebagian besar peserta menunjukkan
Audit
pemahaman komprehensif dan pengakuan akan pentingnya
akuntansi forensik dalam identifikasi aktivitas penipuan.

2. Sebaran Jawaban Responden Terkait Persepsi Big Data

Analytics

E-ISSN : 2224-2899 645 Jilid 21, 2024

Machine Translated by Google
TRANSAKSI WSEAS BISNIS dan EKONOMI DOI: Enny Susilowati Mardjono,
` 10.37394/23207.2024.21.53 Entot Suhartono, Guruh Taufan Hariyadi

Tabel 1. Sebaran jawaban responden BDA Sangat Setuju Tabel 3. Distribusi jawaban responden intensi akuntansi forensik Sangat

Tidak Setuju 0 0,0% 2 0,6% 287 86,7% 42 12,7%

Indikator Sangat Tidak setuju Setuju
tidak setuju
Tidak setuju Setuju Sangat Setuju
BDA1 0 0,0% 6 1,8% 268 81,0% 57 17,2% IFA1
BDA2 0 0,0% 6 0 0,0% 1,8% 265 80,1% 60 18,1%
IFA2 0 0,0% 2 0,6% 273 82,5% 56 16,9%
BDA3 5 0 0,0% 4 0 1,5% 274 82,8% 52 15,7%
IFA3 0 0,0% 2 0,6% 258 77,9% 71 21,5%
BDA4 0,0% 6 1,2% 257 77,0% 70 21,1%
IFA4 1 0,3% 9 2,7% 272 82,2% 49 14,8%
BDA5 1,8% 277 83,7% 48 14,5%
0,1% 1,1% 82,3% 16,5%
BDA6 0 0,0% 3 0,9% 295 89,1% 33 10,0%
BDA7 0 0,0% 14 4,2% 278 84,0% 39 11,8%
BDA8 0 0,0% 6 1,8% 276 83,4% 49 14,8% Dengan niat yang kuat dan kemauan umum untuk menggunakan
1,9% 82,6% 15,4% teknik akuntansi forensik untuk mencegah dan mendeteksi penipuan,
mayoritas responden menyatakan demikian.
Berdasarkan Tabel 2, sebaran data big data analitik di kalangan Hal ini terlihat dari jawaban responden (Tabel 4) yang menyatakan
responden menunjukkan pemahaman yang komprehensif tentang setuju sebanyak 82,3% dan sangat setuju 16,5%, walaupun terdapat
fungsi big data analitik dalam memfasilitasi penerapan akuntansi beberapa responden yang masih belum bersedia dan berniat
forensik untuk deteksi penipuan. Hal ini terlihat dari jawaban responden menggunakan teknik akuntansi forensik yaitu hanya 1,2 % yang
yang menyatakan setuju sebanyak 82,6% dan sangat setuju 15,4%, menjawab kurang setuju dan sangat tidak setuju sebanyak 0,1%.
walaupun terdapat beberapa responden yang masih belum paham
dengan peran big data analytic namun hanya 1,9% yang menjawab
kurang setuju.
4.1 Hasil Evaluasi Model Pengukuran

4.1.1 Konsistensi dan Keandalan Internal Konsistensi

3. Sebaran Jawaban Responden terhadap framework COSO
Tabel 2. Sebaran jawaban responden tentang COSO
Tidak setuju Setuju
Sangat
Tidak Setuju COSO1 1 0,3% 13 3,9% 167 80,7% 50 15,1%
COSO2 1 0,3% 2 0,6% 251 75,8% 77 23,3%
COSO3 1 0,3% 4 1,2% 265 80,1% 61 18,4%
COSO4 1 0,3% 2 0,6% 283 85,5% 45 13,6%
COSO5 0 0,0% 4 1,2% 248 74,9% 79 23,9%
COSO6 1 0,3% 4 1,2% 243 73,4% 83 25,1%
COSO7 0 0,0% 3 0,9% 266 80,4% 62 18,7%
COSO8 1 0,3% 1 0,3% 244 73,7% 85 25,7%
COSO9 0 0,0% 3 0,9% 261 78,9% 67 20,2%
COSO10 1 0,3% 2 0,6% 265 80,1% 63 19,0%
0,2% 1,1% 78,4% 20,3%
dan keandalan internal merupakan dua indikator penting yang
dievaluasi dalam studi penelitian.
Indikator-indikator ini membantu menentukan apakah variabel-variabel
dalam skala menyatu menjadi satu struktur laten. Keandalan Alfa dan
Komposit Cronbach menilai konsistensi dan keandalan internal.
Sangat Setuju
Alpha Cronbach lebih dari 0,7 menunjukkan ketergantungan skala.
Pada Tabel 5, semua komponen memenuhi kriteria 0,7, menunjukkan
validitas diskriminan untuk semua konstruk. Mengacu pada, [22],
kami juga memeriksa nilai pemuatan faktor silang dan kriteria rasio
Heterotrait-monotrait (HTMT) dan hasilnya juga serupa. Dengan
demikian, validitas diskriminan dari konstruksi tersebut terjamin.
Tabel 4. Hasil evaluasi nilai reliabilitas dan konvergensi

Secara umum responden sudah memahami dan menerapkan

Variabel jalan Kr Alfa Cronbach
framework COSO sebagai kerangka pengendalian internal ketika
menerapkan akuntansi forensik untuk mendeteksi kecurangan. Hal AFA 0,677 0,936 0,920
ini terlihat dari jawaban responden (Tabel 3) yang setuju sebanyak
COSO 0,544 0,892 0,858
78,4% dan sangat setuju 20,3%, walaupun terdapat beberapa BDA 0,660 0,951 0,942
responden yang masih belum memahami peran framework COSO JIKA SEBUAH 0,574 0,842 0,751

namun hanya 1,1% yang menjawab kurang setuju dan sangat tidak
setuju sebanyak 0,2%.
4. Sebaran Jawaban Responden Terkait Niat Akuntansi Forensik
4.2 Validitas Konvergen Validitas
konvergen memerlukan rata-rata varians yang diekstraksi (AVE)
sebesar 0,5 untuk setiap variabel laten, menurut, [29]. Variabel laten
dapat menjelaskan lebih dari separuh varians indikatornya. Variabel
laten dengan AVEs di bawah 0,5 sebaiknya dikeluarkan dari model
penelitian. Hasil pengolahan data pada Tabel 5 menunjukkan bahwa
nilai AVE semua skala lebih tinggi dari kriteria minimal 0,5. Oleh
karena itu, semuanya

E-ISSN : 2224-2899 646 Jilid 21, 2024

Machine Translated by Google
TRANSAKSI WSEAS BISNIS dan EKONOMI DOI: Enny Susilowati Mardjono,
` 10.37394/23207.2024.21.53 Entot Suhartono, Guruh Taufan Hariyadi

sembilan variabel penelitian memiliki validitas konvergen yang kuat. Tabel 5. Koefisien beban eksternal variabel yang diamati

Informasi
Selain itu, nilai konvergensi dihitung menggunakan koefisien beban Luar
Variabel Indikator matio
eksternal variabel yang diamati dan variansi rata-rata yang Memuat N

diekstraksi. Koefisien stres eksternal variabel yang diamati harus dapat digunakan untuk
0,781 Sah
0,708 atau lebih tinggi agar signifikan secara statistik. Artinya menganalisis laporan keuangan
(AF1) sangat penting untuk digunakan Sah
variabel hasil akan mengukur ketergantungan variabel yang diamati. 0,855
dalam deteksi
penipuan (AF2) dapat digunakan Sah
0,796
untuk
mengidentifikasi penyalahgunaan Sah
Hasil pada Tabel 6 menunjukkan bahwa koefisien beban eksternal
Kesadaran aset (AF3) dapat membuat data atau 0,875
dari variabel yang diamati harus minimal 0,708 dan signifikan Forensik informasi keuangan lebih andal dan akurat (AF4)
Akuntansi memastikan kepatuhan Sah
secara statistik. Oleh karena itu, variabel-variabel dalam model
terhadap hukum dan 0,814
memenuhi kriteria nilai konvergensi. peraturan yang berlaku (AF5)
mampu mengevaluasi Sah
sistem tata kelola perusahaan 0,870
(AF6)
4.3 Evaluasi Model Struktural PLS- dapat mengevaluasi pengendalian
0,760
Sah

SEM internal (AF7)

selalu menggunakan Forensik
Menurut, [23], penelitian, kriteria dipertimbangkan untuk Teknik atau metode akuntansi 0,678 Sah
mengevaluasi model struktur referensi. Metode PLS-SEM untuk mendeteksi penipuan

digunakan untuk mengevaluasi berbagai faktor dan kepentingannya. (COS1)

manajemen senior memberikan Sah
Evaluasi model pengukuran meliputi penilaian kesesuaian model, contoh yang baik dalam 0,898
pengukuran koefisien R2, dan pengujian hipotesis penelitian dengan mendukung dan menerapkan
pengendalian internal (COS2)
koefisien jalur dan nilai T. Ukuran sampel bootstrapping PLS-SEM identifikasi dan evaluasi risiko Sah
N = 5000 digunakan untuk menguji konsistensi tesis. Nilai p penipuan yang mungkin terjadi 0,816
hipotesis yang diajukan <1%, 5%, dan 10% dianggap signifikan dalam organisasi yang diaudit

secara statistik pada tingkat kepercayaan 99%, 95%, dan 90%. Dari (COS3)
menggunakan pendekatan berbasis Sah
hasil estimasi, maka hasil evaluasi model struktural PLS-SEM risiko dalam perencanaan 0,871

adalah sebagai berikut: dan pelaksanaan audit (COS4)

mengevaluasi secara sistematis Sah
desain, implementasi, dan 0,786
efektivitas pengendalian
Intern internal (COS5)
Kontrol memeriksa dan menguji sistem Sah
0,798
(COSO) informasi (COS6)
4.3.1 Evaluasi Kolinearitas pada Model Struktural Tabel 3 memastikan bahwa informasi Sah
mengenai pengendalian internal
dan kebijakan terkait penipuan 0,777
menunjukkan nilai VIF (Variance Inflation Factor) seluruh prediktor dikomunikasikan kepada
(Outer VIF Values) berada di bawah ambang batas 5. Oleh karena manajemen perusahaan (COS7)
memastikan bahwa laporan penipuan atau
itu, kolinearitas antar prediktor dapat diterima dalam model struktural indikasi kecurangan
dan dapat dilanjutkan. dikomunikasikan secara tepat dan 0,864 Sah
tepat waktu
(COS8)
memantau dan mengawasi
4.3.2 Penilaian Kesesuaian Model secara berkala pelaksanaan
0,842 Sah
pengendalian internal untuk
Standard root mean square residual (SRMR) adalah ukuran
mendeteksi kecurangan (COS9)
seberapa cocok suatu model dengan data. Hal ini dihitung dengan
pemeriksaan internal rutin
membandingkan prediksi model dengan data sebenarnya. Nilai 0 untuk mengevaluasi efektivitas
0,898 Sah
pengendalian internal terkait
berarti sangat cocok, dan nilai kurang dari 0,05 dianggap baik.
deteksi penipuan (COS10)
dapat menganalisis data untuk
0,846 Sah
Namun, untuk model jalur PLS, nilai yang lebih sesuai adalah mendeteksi penipuan secara real-time (BG1)

menyediakan analisis jaringan Sah

kurang dari 0,08. Hasil Tabel 8 menunjukkan nilai SRMR hampir
sosial tingkat lanjut,
kurang dari atau sama dengan 0,1 yang berarti model tersebut 0,750
visualisasi data, dan algoritma
sesuai untuk dataset. analisis (BG2)
Data besar
menyediakan pemrosesan yang Sah
Analisis
kuat dan berkualitas tinggi serta
hemat biaya dalam akuntansi 0,757
Forensik untuk mendeteksi penipuan
(BG3)
Menyediakan pemrosesan data Sah
0,766
berkecepatan tinggi (BG4)

E-ISSN : 2224-2899 647 Jilid 21, 2024

Machine Translated by Google
TRANSAKSI WSEAS BISNIS dan EKONOMI DOI: Enny Susilowati Mardjono,
`
10.37394/23207.2024.21.53 Entot Suhartono, Guruh Taufan Hariyadi

Informasi
Luar variabel dan Niat dalam Akuntansi Forensik berada di atas 0,25
Variabel Indikator matio
Memuat N dan di bawah 0,65. Hal ini menunjukkan bahwa model struktural
sangat akrab digunakan di Sah penelitian ini memenuhi kriteria sedang yang menunjukkan tingkat
Akuntansi Forensik untuk mendeteksi 0,661
pengaruh variabel independen terhadap variabel dependen yang
penipuan (BG5)
memberikan kontribusi Sah sedang.
yang signifikan terhadap penggunaan
0,656
Nilai estimasi SRMR outer model sebesar 0,095 yang berarti
Akuntansi Forensik untuk mendeteksi model penelitian termasuk dalam kriteria Goodness of Fit karena
penipuan (BG6)
kepercayaan dapat meningkatkan Sah berada pada rentang antara 0,08 hingga 0,10.
keandalan hasil 0,708
akuntansi forensik untuk deteksi
Untuk melihat pengaruh variabel independen terhadap variabel
penipuan (BG8)
Saya tertarik untuk menggunakan dependen dalam model, kita perhatikan koefisien jalur dan
Akuntansi Forensik untuk mendeteksi 0,783 Sah koefisien f2. Seperti dijelaskan pada bab 3, koefisien f2
penipuan (NAF1)
Sah
menunjukkan besarnya pengaruh variabel ketika dikeluarkan dari
Saya memprioritaskan kebutuhan kepatuhan
saat menggunakan Forensik
model. Jika f2 > 0, maka variabel independen mempunyai potensi
0,629
Akuntansi untuk mendeteksi penipuan prediksi yang sesuai dengan variabel dependen. Sesuai dengan
Niat untuk (NAF2)
Sah koefisien f sebesar 0,02 adalah probabilitas rendah, 0,15 adalah
Menggunakan
Saya lebih mengutamakan identifikasi
Forensik risiko, analisis, dan pengendalian probabilitas sedang dan 0,35 adalah probabilitas tinggi. Koefisien
Akuntansi saat menggunakan Forensik 0,858
pengaruh f2 terlihat pada Tabel 9 menunjukkan bahwa tingkat
Akuntansi untuk mendeteksi penipuan
(NAF3)
penjelas variabel independen terhadap variabel dependen relatif
Saya akan selalu menggunakan Forensik Sah rendah.
Teknik akuntansi atau 0,743
metode untuk mendeteksi penipuan

(NAF4)

4.3.3 Menguji Tingkat Prediktif Struktural

Model (R²) Tabel 8. Hasil Koefisien F Square AFA BDA COSO IFA

Hasil pada Tabel 7 menunjukkan bahwa tingkat penjelasan dari

R² yang disesuaikan cukup kuat, [22]. Tingkat penjelasan faktor- AFA 0,138 0,121
faktor yang mempengaruhi kinerja bisnis (BP) adalah 63,5 (sesuai BDA 0,145
dengan R² yang disesuaikan sebesar 62,5). Jadi, kesimpulannya,
COSO 0,255 0,112
variabel independen yang menjelaskan 62,5% variabel dependen
JIKA SEBUAH

penelitian adalah kinerja bisnis perusahaan. Hasil ini dinilai cukup

baik.
4.4 Hasil Pengujian Hipotesis Penelitian Tujuh hubungan sebab
akibat yang
dihipotesiskan dalam penelitian ini diverifikasi secara statistik
Tabel 6. Hasil indeks VIF prediktor model
untuk menunjukkan dampak positif. Hasil pengujian inner model
yang meliputi R-Square, koefisien jalur, dan T-statistik digunakan
AFA BDA COSO JIKA SEBUAH

untuk pengujian hipotesis. Nilai signifikansi antar konstruk terlihat

AFA 1.436 1.634 pada T-statistics dan P-Values yang diperoleh melalui pengujian
BDA 1.861 bootstrapping dengan paket SmartPLS 4.0. Tingkat signifikansi
5% (P = 0,05) dan koefisien beta positif (T = 1,96) merupakan
COSO 1.436 1.803
kriteria yang digunakan dalam penelitian ini.
JIKA SEBUAH

Tabel 7. Evaluasi Nilai model fit

Variabel Tabel 10 menunjukkan bahwa H1, H2, H3, H4, dan H5
R persegi diterima (nilai p < 0,05), yakni variabel AW_FORAC, BDA, COSO
Analisis Data Besar 0,463 semuanya berpengaruh positif terhadap Niat Akuntansi Forensik
Akuntansi Forensik Niat 0,591 (INT_FORAC). Tabel 11 menunjukkan bahwa hipotesis penelitian
SRMR 0,095 dari H6 dan H7 diterima (p-value < 0,05), yaitu variabel
NFI 0,613 AW_FORAC melalui BDA berpengaruh positif terhadap Intentions
of Forensic Accounting (INT_FORAC). Juga, variabel COSO
Menurut data yang disajikan pada Tabel 8,
Nilai R Square untuk kedua Big Data Analytics

E-ISSN : 2224-2899 648 Jilid 21, 2024

Machine Translated by Google
TRANSAKSI WSEAS BISNIS dan EKONOMI DOI: Enny Susilowati Mardjono,
` 10.37394/23207.2024.21.53 Entot Suhartono, Guruh Taufan Hariyadi

melalui BDA memberikan dampak positif terhadap Niat Akuntansi 2. Pengaruh COSO terhadap INT_FORAC melalui BDA sebesar
Forensik (INT_FORAC). 0,435 yang berarti jika COSO bertambah satu satuan maka
INT_FORAC dapat
Tabel 9. Hasil pengujian hipotesis model meningkat secara langsung dan tidak langsung melalui BDA
T- P sebesar 43,5%. Pengaruh ini bersifat positif.
Perkirakan Stdev R
Statistik Nilai
Persegi
H1 AW_FORAC-> 0,326 BDA 0,075 4,321 0,000 0,463
H2
5 Pembahasan
AW_FORAC-> 0,284 INT_ 0,070 4,074 0,000
FORAC Pengujian Hipotesis 1 membuktikan bahwa Kesadaran Akuntansi
H3 BDA -> Forensik berpengaruh terhadap Big Data. Meningkatnya kesadaran
0,332 0,082 4,045 0,000 0,591
INT_FORAC
H4 akan penggunaan akuntansi forensik akan menyebabkan auditor
COSO -> BDA 0,444 0,050 8,799 0,000
membutuhkan big data yang kompleks dan terintegrasi.
H5 COSO ->
0,287 0,068 4,258 0,000
INT_FORAC
Pada tabel uji validitas, indikator AF4 menunjukkan nilai outer
Tabel 10. Dampak tidak langsung spesifik loading atau korelasi tertinggi sebesar 0,875 yang menunjukkan
bahwa akuntansi forensik berbasis awareness berpotensi
Spesifik Tidak Langsung
Nilai-P
Efek meningkatkan ketergantungan dan presisi data atau informasi
keuangan. Auditor dan pemeriksa merasakan pentingnya
H6 AW_FORAC->BDA-> 0,108 0,000 penggunaan Big Data untuk bekerja dengan cepat dan menemukan
INT_FORAC
H7 COSO -> BDA-> lebih banyak penipuan serta dapat membuat informasi keuangan
INT_FORAC 0,148 0,000 lebih andal dan akurat. Auditor menggunakan teknik data besar
ketika menangani kompleksitas transaksi komersial untuk
mengungkap transaksi penipuan. Akuntan forensik dapat
Berdasarkan tabel pengaruh tidak langsung pada tabel 11 dapat menerapkan berbagai teknik anti-fraud tingkat lanjut dengan
disimpulkan bahwa: 1. meningkatkan penggunaan big data seperti visualisasi data, analisis
Pengaruh tidak langsung AW_FORAC terhadap INT_FORAC prediktif, analisis perilaku, analisis geo-spasial untuk mengidentifikasi
melalui BDA adalah sebesar 0,108 yang berarti jika aktivitas penipuan. Hasil penelitian ini mendukung, [14], dan, [18],
AW_FORAC bertambah satu satuan maka INT_FORAC dapat yang menyatakan bahwa kesadaran akuntansi forensik dapat
meningkat secara tidak langsung melalui BDA sebesar 10,8%. meningkatkan penggunaan teknologi big data untuk mendeteksi
Pengaruh ini bersifat positif. kecurangan.

2. Pengaruh tidak langsung COSO terhadap INT_FORAC melalui

BDA sebesar 0,148 yang berarti jika COSO bertambah satu Pengujian hipotesis 2 membuktikan bahwa Awareness Forensic
satuan maka INT_FORAC Accounting (AW_FORAC) berpengaruh terhadap Intention
dapat meningkat secara tidak langsung melalui BDA sebesar 14,8%. Accounting (INT_FORAC).
menggunakan Forensik penipuan. Praktisi
untuk mendeteksi
Pengaruh ini bersifat positif. yang memiliki tingkat kesadaran akuntansi forensik yang lebih tinggi
akan lebih bersedia menerapkan akuntansi forensik untuk
Tabel 11. Pengaruh total mendeteksi kecurangan.
AW_UNTUK DATA BESAR_ NIAT COSO_
AC ANALI FORACC
Pada tabel uji validitas terlihat bahwa indikator AF4 mempunyai
nilai outer loading atau korelasi tertinggi yaitu 0,875 yang
0,326 0,393
AW_FORACC menunjukkan bahwa Awareness Forensic Accounting dapat
BIGDA_ANALY 0,332 membuat data atau informasi keuangan menjadi lebih andal dan
akurat karena pemeriksa atau auditor lebih mengutamakan
COSO 0,444 0,435
identifikasi risiko dan analisis untuk mendeteksi penipuan. Hasil
INTENT_FORAC
penelitian ini mendukung, [17], dan, [18], yang menyatakan bahwa
kesadaran akuntansi forensik berperan penting dalam meningkatkan
Berdasarkan Tabel 12 dapat disimpulkan sebagai berikut: 1. niat menggunakan akuntansi forensik dalam mengungkap penipuan
Pengaruh AW_FORAC terhadap INT_FORAC yang rumit melalui keterampilan audit, akuntansi dan investigasi.
melalui BDA sebesar 0,393 yang berarti jika meningkat satu
satuan maka INTENT_FORAC dapat meningkat secara
langsung dan tidak langsung melalui BDA sebesar 39,3%.
Pengaruh ini bersifat positif. Pengujian hipotesis 3 membuktikan pengaruh pemanfaatan Big
Data terhadap Intensi Akuntansi Forensik. Penerapan teknik big
data

E-ISSN : 2224-2899 649 Jilid 21, 2024

Machine Translated by Google
TRANSAKSI WSEAS BISNIS dan EKONOMI DOI:
` 10.37394/23207.2024.21.53
memiliki potensi untuk meningkatkan kualitas dan efektivitas audit
laporan keuangan dan berkontribusi pada kemajuan metode
akuntansi forensik untuk mendeteksi potensi penipuan dalam data
keuangan.
Tabel uji validitas menunjukkan bahwa indikator BG1
menunjukkan nilai outer loading atau korelasi tertinggi sebesar
0,846 yang menandakan kemampuan Big Data dalam menganalisis
data dan mengidentifikasi penipuan secara real time. Oleh karena
itu, penggunaan data besar untuk deteksi penipuan secara real-
time dapat semakin memperkuat niat untuk menggunakan
akuntansi forensik. Dengan menggunakan model big data yang
dapat mengidentifikasi kecurangan keuangan secara lebih tepat,
auditor memiliki niat yang lebih tinggi untuk menggunakan
akuntansi forensik untuk mengidentifikasi area risiko yang memerlukan penyelidikan lebih lanjut.
Hasil penelitian ini mendukung, [19] yang menyatakan bahwa
model big data dapat digunakan secara efisien jika auditor
meningkatkan minatnya untuk berkolaborasi dalam penggunaan
akuntansi forensik dengan analis data.
Pengujian hipotesis 4 membuktikan bahwa COSO berpengaruh
terhadap penggunaan Big Data. Kerangka kerja COSO untuk
deteksi risiko memerlukan data besar untuk memprediksi dan
membantu bisnis mengambil keputusan penting. Pada tabel uji
validitas terlihat bahwa indikator COS2 mempunyai nilai outer
loading atau korelasi tertinggi sebesar 0,898 yang menunjukkan
bahwa manajemen senior memberikan contoh yang baik dalam
penerapan pengendalian internal sehingga dengan dukungan
pengendalian internal yang baik memungkinkan auditor untuk
menggunakan data besar tertentu untuk mendeteksi dan mencegah
risiko penipuan.
Untuk menerapkan strategi manajemen risiko, lembaga
keuangan memperoleh wawasan real-time mengenai potensi
bahaya dengan memanfaatkan teknologi data besar yang
mengintegrasikan penilaian risiko dengan algoritma prediktif untuk
analisis data besar. Hasil penelitian tersebut mendukung, [20]
yang menyatakan bahwa manajemen risiko dapat lebih efektif
dengan menggunakan framework COSO dan big data.
Pengujian hipotesis 5 membuktikan bahwa COSO berpengaruh
terhadap Intensi Akuntansi Forensik.
Komponen pengendalian internal (COSO) yang meliputi penilaian
risiko, aktivitas pengendalian, informasi dan komunikasi, serta
aktivitas pemantauan terbukti efektif dalam mencegah kecurangan.
Jadi, penggunaan COSO akan meningkatkan minat auditor atau
pemeriksa dalam menggunakan akuntansi forensik untuk
mencegah dan mendeteksi kecurangan, [24].
Pada tabel uji validitas terlihat indikator COS2 mempunyai
nilai outer loading atau korelasi tertinggi sebesar 0,898 yang
menunjukkan bahwa manajemen senior di KAP, BPKP, BPK
memberikan contoh penerapan pengendalian internal yang efektif
sehingga meningkatkan minat auditor. atau pemeriksa dalam
menggunakan akuntansi forensik dalam menemukan lebih banyak
penipuan. Hasil penelitian ini mendukung,
E-ISSN : 2224-2899
Enny Susilowati Mardjono,
Entot Suhartono, Guruh Taufan Hariyadi
[20], [18], dan, [25], yang membuktikan efektivitas kerangka
pengendalian internal dalam mencegah kecurangan kerja pada
organisasi pemerintah daerah.
Pengujian hipotesis H6 membuktikan akses Awareness of
Forensic Accounting (AW_FORAC) melalui Big Data Analysis
(BDA) mempunyai pengaruh paling signifikan terhadap niat
Akuntansi Forensik (INT_FORAC). Hasil ini serupa dengan
penelitian pada, [18], [26].
BDA dapat digunakan untuk meningkatkan efektivitas inspeksi dan
investigasi dalam akuntansi forensik. Big data dengan volume,
kecepatan, dan variasi datanya menawarkan banyak sumber bukti.
Akuntan Forensik dengan Big Data dapat mengekstraksi,
memvisualisasikan, dan menganalisis data yang berasal dari
berbagai sumber. Selain itu, auditor juga dapat mengidentifikasi
pola dan tren yang mencurigakan menggunakan Big Data.
Auditor menggunakan algoritme penyelesaian Entitas dan basis
data penambangan data untuk mendeteksi hubungan tersembunyi,
alamat palsu, konflik kepentingan, dan identitas palsu.
Namun sebagian besar KAP masih belum memaksimalkan
penggunaan Big Data karena terbatasnya ketersediaan data yang
diperiksa. Sedangkan BPK dan BPKP sudah banyak menggunakan
Big Data karena datanya terpusat sehingga ketersediaan data dan
akses data dapat diperoleh dengan mudah. Selain itu, terdapat
peraturan pemerintah dan Otoritas Jasa Keuangan (OJK) yang
mewajibkan perusahaan terkait dan klien yang diperiksa untuk
mengungkapkan dan memberikan datanya jika diminta oleh BPK
dan BPKP. Otoritas Jasa Keuangan (OJK) merupakan lembaga
pengawas terpercaya yang mengawasi industri jasa keuangan di
Indonesia.
Pengujian hipotesis H7 membuktikan bahwa pengaruh tidak
langsung COSO melalui Big Data Analysis (BDA) merupakan
faktor paling kritis yang mempengaruhi niat Akuntansi Forensik
(INT_FORAC).
Hasil ini serupa dengan penelitian pada, [19], [27], [28], [29].
Dengan memasukkan praktik akuntansi forensik ke dalam kerangka
COSO, organisasi dapat memperkuat pengendalian internal dan
meningkatkan proses pelaporan keuangan mereka. BDA dapat
meningkatkan efektivitas pengendalian internal dengan memantau
dan menganalisis transaksi keuangan secara real-time. Auditor
dapat menggunakan Big Data untuk mengevaluasi dan
menganalisis data dalam jumlah besar sehingga auditor dapat
mengidentifikasi pola dan anomali data yang dapat diidentifikasi
sebagai aktivitas penipuan. Peran BPK dan BPKP dalam
pengendalian internal dengan COSO untuk menggunakan
akuntansi forensik sangat besar.
Konstitusi Negara Republik Indonesia mengamanatkan peran BPK
dan BPKP. Peran utama BPK adalah mengaudit dan mengawasi
650 Jilid 21, 2024
Machine Translated by Google
TRANSAKSI WSEAS BISNIS dan EKONOMI DOI:
` 10.37394/23207.2024.21.53
keuangan pemerintah daerah dan pusat, bertindak sebagai
auditor eksternal nasional. Peran BPKP adalah melakukan
audit, evaluasi, peninjauan, dan pemantauan pemanfaatan aset
dan perencanaan keuangan milik pemerintah daerah dan pusat,
memperhatikan aspek keuangan dan operasional, serta fokus
pada pengukuran kinerja. BPKP dan sistem pengendalian
internal saling terkait erat dalam perumusan dan implementasi
strategi. Ketentuan lebih lanjut mengenai BPK diatur dengan
undang-undang.
BPK tidak bertanggung jawab atas pengelolaan keuangan,
namun berperan sebagai auditor eksternal untuk meningkatkan
pengelolaan keuangan publik.
Peran dan fungsi BPK semakin menguat sejak amandemen
ketiga UUD 1945 pada tahun 2001. UUD 1945 berlaku kembali
pada tahun 1959 dan direvisi pada tahun 2002. BPK merupakan
salah satu aktor utama dalam sistem kesehatan Indonesia,
bersama dengan Badan Pemeriksa Keuangan (Badan
Pemeriksa Keuangan) atau BPK
6 Implikasi Kebijakan Manajerial Dari hasil penelitian,
diusulkan beberapa implikasi kebijakan terhadap lembaga
negara. Penelitian ini menemukan bukti menarik. Bukti empiris
yang disajikan dalam penelitian kami membantu para peneliti
dan konsumen dalam menilai tingkat kompleksitas yang
ditunjukkan oleh kerangka pengendalian internal yang dirancang
untuk mencegah penipuan. Pengendalian internal tidak efektif
secara universal dalam mencegah segala bentuk penipuan di
dalam perusahaan, khususnya dalam kasus-kasus yang
melibatkan korupsi.
Organisasi ini menganggap serius adanya konspirasi yang
diatur oleh kelompok kuat; akibatnya, pengendalian internal
akan menjadi kurang efektif, [29] [30].
Sementara itu, pengendalian internal organisasi sangat
memudahkan pencegahan kecurangan terkait tugas teknis.
Oleh karena itu, perlu merancang langkah-langkah tambahan
dari pedoman COSO yang ada untuk mengatasi risiko penipuan
korupsi secara tepat, [31] .
Hal ini memiliki implikasi teoritis bagi organisasi manajerial.
Terdapat beberapa alternatif mekanisme penerapan
pengendalian terkait penggunaan Big Data seperti “rotasi staf
secara berkala” dan “pelatihan kesadaran penipuan” serta
peningkatan penggunaan big data untuk mendapatkan temuan
bukti secara cepat dan real-time. Dengan menerapkan langkah
ini, dunia usaha dapat menciptakan lingkungan yang sangat
beretika dan dapat mengendalikan penipuan keuangan dan
sumber daya manusia. Beberapa elemen memudahkan
pelaksanaan pengendalian internal, seperti
E-ISSN : 2224-2899
Enny Susilowati Mardjono,
Entot Suhartono, Guruh Taufan Hariyadi
menetapkan mekanisme untuk melaporkan pelanggaran.
Auditor dapat menyoroti mekanisme penerapan kontrol dan
penggunaan Big Data pada klien mereka yang diaudit.
7 Kesimpulan
Penelitian ini mengidentifikasi atribut-atribut utama yang
mempengaruhi niat untuk mendeteksi penipuan dalam akuntansi
forensik. Big Data dan kesadaran akuntansi forensik memainkan
peran penting. Tujuh hipotesis diajukan, menetapkan dampak
signifikan Kesadaran Akuntansi Forensik terhadap Analisis Big
Data, pengaruh substansial Analisis Big Data terhadap Niat
dalam Akuntansi Forensik, hubungan yang berdampak antara
COSO dan Analisis Big Data, dampak konsekuensi COSO
terhadap Niat dalam Akuntansi Forensik. Akuntansi, dan peran
mediasi Analisis Big Data dalam hubungan antara COSO dan
niat akuntansi forensik. Dukungan statistik ditemukan untuk
hipotesis ketujuh.
Studi ini memberikan bukti empiris bahwa sistem
pengendalian internal yang tangguh mengurangi kemungkinan
terjadinya aktivitas penipuan. Pengendalian internal yang efektif
mengharuskan organisasi untuk memahami secara komprehensif
risiko yang paling rentan dan tindakan yang tepat untuk
mengatasi aktivitas penipuan. Sangat penting bagi organisasi
untuk mengintegrasikan komponen secara metodis untuk
mengidentifikasi, menilai, dan merespons risiko penipuan.
Pendekatan ini memfasilitasi penggabungan langkah-
langkah anti-penipuan ke dalam inisiatif manajemen risiko,
membangun pendekatan sistematis untuk mendokumentasikan
pengetahuan yang diperoleh untuk memandu upaya deteksi
atau mitigasi di masa depan. Big Data adalah alat yang sangat
diperlukan untuk akumulasi bukti dan data yang berkelanjutan
dan tepat waktu guna menganalisis tren dari waktu ke waktu
guna mengidentifikasi contoh pelanggaran.
8 Keterbatasan dan Penelitian Yang Akan Datang
Keterbatasan penelitian ini adalah ruang lingkup atau objek
penelitian adalah auditor yang ada di Indonesia, sehingga
belum tentu dapat diterapkan di negara lain yang budaya dan
peraturannya berbeda. Selain itu, penelitian ini belum mendalam
dalam mengidentifikasi hambatan dan peluang penggunaan
akuntansi forensik, big data, dan framework COSO untuk
mendeteksi kecurangan. Perlu dilakukan penelitian lanjutan
yang mendalam dengan metode kualitatif dari hasil wawancara
auditor.
Berdasarkan hasil penelitian ini, peneliti memberikan saran
untuk penelitian selanjutnya, seperti (1)
Melakukan penelitian lebih lanjut untuk menyelidiki masalah auditor
651 Jilid 21, 2024
Machine Translated by Google
TRANSAKSI WSEAS BISNIS dan EKONOMI DOI:
` 10.37394/23207.2024.21.53
pemahaman tentang penggunaan akuntansi forensik dalam
deteksi penipuan. Fokus pada bagaimana kesadaran ini dapat
ditingkatkan dan diterapkan secara lebih efektif dalam praktik
audit. (2) Memperdalam peran analisis big data (BDA) dalam
mendukung kegiatan akuntansi forensik.
Penelitian dapat mengeksplorasi teknik BDA spesifik yang
paling efektif dalam mendeteksi indikasi kecurangan serta
mengidentifikasi hambatan dan peluang yang mungkin timbul
dalam penerapannya. (3) Menjajaki dampak penerapan model
Committee of Sponsoring Organizations (COSO) dalam
mencegah dan mendeteksi kecurangan di sektor industri
lainnya. Fokus pada berbagai sektor untuk mendapatkan
wawasan lebih jauh mengenai efektivitas model COSO di luar
sektor perbankan, seperti industri manufaktur atau jasa. (4)
Membangun kerangka terintegrasi yang menggabungkan aspek
akuntansi forensik, analisis big data, dan model COSO.
Penelitian dapat mengevaluasi bagaimana integrasi ini dapat
diterapkan oleh auditor internal dan eksternal untuk
meningkatkan efisiensi dalam deteksi penipuan.
Ucapan Terima Kasih:
Penelitian ini didanai oleh Kementerian Pendidikan, Kebudayaan,
Riset dan Teknologi Indonesia, Direktorat Jenderal Pendidikan
Tinggi, Riset dan Teknologi Indonesia.
Referensi [1]
N. Christian, “Analisis strategi perilaku menggunakan
pendekatan teori berlian penipuan untuk mendeteksi
penipuan perusahaan di Indonesia,”
Jurnal Internasional Penemuan Bisnis dan Manajemen
(IJBMI), vol. 9, tidak. 4, hlm.66–74, 2020.
[2] CC Yu dan HW Huang, “Kapasitas dan kualitas audit
Kantor Audit yang belum terpakai,” Asia Pacific
Management Review, vol. 28, tidak. 2, 146–162, Juni
2023, hal. doi:10.1016/
j.apmrv.2022.07.005.
[3] ACFE, “Asosiasi Pemeriksa Penipuan Bersertifikat (ACFE).
Laporan ACFE,” 2022.
[4] ACFE, “Asosiasi Certified Fraud Examiners (ACFE)
Indonesia. Survei Penipuan Indonesia,” 2019.
[5] S. Alayli, “Dampak Praktik Pengendalian Internal
terhadap Pencegahan Penipuan: Kasus Usaha Kecil-
Menengah Lebanon,”
Jurnal Penelitian Bisnis dan Manajemen Eropa, vol. 7,
tidak. 5, hal. doi: 141–147, 2022, 10.24018/
ejbmr.2022.7.5.1671. Oktober
[6] A. Gepp, MK Linnenluecke, TJ O'Neill,
E-ISSN : 2224-2899
Enny Susilowati Mardjono,
Entot Suhartono, Guruh Taufan Hariyadi
dan T. Smith, “Teknik data besar dalam mengaudit
penelitian dan praktik: Tren saat ini dan peluang masa
depan,” Jurnal Sastra Akuntansi, vol. 40, hlm. 102–115,
Juni 2018, doi: 10.1016/j.acclit.2017.05.003.
[7] F. De Santis dan G. D'Onza, “Data besar dan analisis
data dalam audit: mencari legitimasi,”
Penelitian Akuntansi Meditari,
vol. 29, tidak. 5, hal. 1088–1112, 2020, doi: 10.1108/
MEDAR-03-2020-0838.
[8] Z. Rezaee dan J. Wang, “Relevansi data besar dengan
praktik dan pendidikan akuntansi forensik,” Jurnal
Audit Manajerial, vol. 34, tidak. 3, hlm.268–288, Mei
2019, doi: 10.1108/MAJ-08-2017-1633.
[9] YAA Hezam, L. Anthonysamy, dan SD
K. Suppiah, “Analisis dan Audit Big Data: Tinjauan dan
Sintesis Literatur,” Emerging Science Journal, vol. 7,
tidak. 2. Publikasi Italia, hal. 629–642, 01 April 2023.
doi: 10.28991/ESJ-2023-07-02-
023.
[10] LH Bambang, Ameliya R., Nada A., dan Adeliya YB, “The
Impact of Big Data Analytics and Forensic Audit in
Fraud Detection,” dalam 12th International Workshop
on Computer Science and Engineering (WCSE 2022),
2022, hal.67–71.
[11] A. Alfiar dan Jaeni, “Pengaruh Audit Forensik, Audit
Investigasi, Kompetensi Auditor, Profesionalisme, Dan
Kecerdasan Spiritual Terhadap Pencegahan Fraud
(Studi Pada BPKP Perwakilan Jawa Tengah),”
Jurnal Ilmiah Komputerisasi Akuntansi, vol. 15, tidak. 1,
hlm.159-157, Juli 2022, https://doi.org/10.51903/
kompak.v15i1.628.
[12] P. Mittal, A. Kaur, dan PK Gupta, “Peran Mediasi Big Data
untuk mempengaruhi Praktisi menggunakan Akuntansi
forensik untuk Deteksi Penipuan,” Jurnal Sains dan
Teknologi Bisnis Eropa, vol. 7, tidak. 1, hlm. 47–57,
2021.
[13] Abdul Aziz A, Abdul Rahman, dan Othman Hel Ajmi Al-
Dhaimesh, “Pengaruh penerapan model COSO-ERM
dalam mengurangi kecurangan pelaporan keuangan
bank komersial di Yordania,” Banks and Bank Systems,
vol. 13, tidak. 2, hal.107–115, 2018.
[14] YS Chen, ES Mardjono, dan YF Yang, “MAS, aliansi, dan
kinerja: bukti efek SOX,” Managerial Auditing Journal,
vol. 37, tidak. 5, hal.521–
541, April 2022, doi: 10.1108/MAJ-05-2021-
3164.
[15] B.ÿ. Kÿlÿç, “Pengaruh Big Data Pada
652 Jilid 21, 2024
Machine Translated by Google
TRANSAKSI WSEAS BISNIS dan EKONOMI DOI:
` 10.37394/23207.2024.21.53
Praktik dan Pendidikan Akuntansi Forensik,” dalam Studi
Kontemporer dalam Analisis Ekonomi dan Keuangan,
vol. 102, Emerald Group Holdings Ltd., 2020, hlm.1–
10. doi: 10.1108/S1569-
375920200000102005.
[16] A. Maulidi dan J. Ansell, “Korupsi sebagai kejahatan yang
berbeda: kebutuhan untuk mengkonsep ulang
pengendalian internal dalam mengendalikan penipuan
pekerjaan birokrasi,” J Financ Crime, vol. 29, tidak. 2,
hlm. 680–700, Maret 2022, doi: 10.1108/JFC-04-2021-0100.
[17] O. Esther Akinbowale, H. Eckart Klingelhöfer, dan M. Fekadu
Zerihun, “Integrasi Akuntansi Forensik dan Sistem
Pengendalian Manajemen sebagai Alat untuk Memerangi
Cyberfraud,” Akademi Akuntansi dan Studi Keuangan,
vol. 25, 2, [Dalam Talian]. https://www.researchgate.net/
publication/350
TIDAK. Merusak. 2021,
496079.
[18] S. Saluja, A. Aggarwal, dan A. Mittal, “Memahami teori
penipuan dan memajukan model integritas,” J Financ
Crime, 2021, doi: 10.1108/JFC-07-2021-
0163.
[19] DH Akbulut dan I. Kaya, “Analisis data besar dalam pelaporan
keuangan dan akuntansi,” Pressacademia, vol. 7, tidak.
1, doi: 256–259, Sep. 2018, hlm.10.17261/
pressacademia.2018.892.
[20] A. Nawawi dan ASAP Salin, “Pengendalian internal dan
penipuan pekerjaan karyawan atas klaim pengeluaran,”
J Financ Crime, vol. 25, tidak. 3, hlm. 891–906, Juli
2018, doi: 10.1108/JFC-07-2017-0067.
[21] YS Chen, ES Mardjono, dan YF Yang, “Persaingan dan
keberlanjutan: Bukti dari organisasi jasa profesional,”
Keberlanjutan (Swiss), vol. 12, tidak. 18, 1–15, September
2020, doi: hlm.10.3390/su12187266.
[22] Rambut JF, WC Hitam, BJ Babin, dan R.
E. Anderson, “Analisis Data Multivariat Edisi Kedelapan,”
2019.
[Online].Tersedia:www.cengage.com/highe
merah
[23] JF Hair Jr., RE Anderson, RL Tatham, dan WC Black, Analisis
Data Multivariat, Edisi ke-5. Aula Prentice, 1998.
[24] J. Lanz, “Risiko Teknologi Perusahaan di Dunia COSO ERM
Baru - Jurnal CPA.”, [Online].
E-ISSN : 2224-2899
Enny Susilowati Mardjono,
Entot Suhartono, Guruh Taufan Hariyadi
https://www.cpajournal.com/2018/06/19/ente
risiko-teknologi-rprise-di- dunia-coso-erm-baru/
(Tanggal Diakses: 07 September 2023).
[25] N. Shonhadji dan A. Maulidi, “Apakah cocok untuk pemerintah
daerah Anda? Analisis berbasis teori kontingensi
mengenai penggunaan pengendalian internal dalam
menggagalkan kejahatan kerah putih,” J Financ Crime,
vol. 29, tidak. 2, hlm. 770–786, Maret 2022, doi: 10.1108/
JFC-10-2019-
0128/LENGKAP/XML.
[26] FJM Arboleda, JA Guzman-Luna, dan saya.
D. Torres, “Operator berorientasi deteksi penipuan di
gudang data berdasarkan teknik akuntansi forensik,”
Computer Fraud & Security, vol. 2018, tidak. 10, hal.13–
19 Oktober 2018, doi: 10.1016/S1361-
3723(18)30098-8.
[27] WA Günther, MH Rezazade Mehrizi, M.
Huysman, dan F. Feldberg, “Debating big data: Sebuah
tinjauan literatur tentang mewujudkan nilai dari big data,”
The Journal of Strategic Information Systems, vol. 26,
tidak. 3, hal.191–
209, Sep 2017, doi: 10.1016/J.JSIS.2017.07.003.
[28] Y. Yan, “Akuntansi Manajemen di Era Big Data,” dalam
Kemajuan Ekonomi.
Riset Bisnis dan Manajemen, Prosiding Konferensi
Internasional ke-7 tentang Inovasi Keuangan dan
Pembangunan Ekonomi (ICFIED 2022), 2022, hlm.
[29] A. Mwange dan M. Chansa, “Emerging Issues in Accounting:
A Theoretical Review,” jurnal studi keuangan dan audit
akuntansi (JAFAS), Oktober 2022, doi: 10.32602/
jafas.2022.032.
[30] DL Crumbley, LE Heitger, dan GS
Smith, Akuntansi Forensik dan Investigasi (Edisi ke-7),
edisi ke-7. CCH Inc, 2015.
[31] IBA Yasa, I Ketut Sukayasa, dan Ni Made Mega Abdi Utami,
“Budaya organisasi memoderasi pengaruh bystander
effect dan pengendalian internal terhadap tren kecurangan
akuntansi pada lembaga perkreditan desa di Kabupaten
Jembrana,” Jurnal Internasional Penelitian Bisnis dan
Sosial Sains (2147-4478), jilid. 11, tidak. 7, hal.210–
217,Nov.2022,doi:
10.20525/ijrbs.v11i7.2097.
653 Jilid 21, 2024
Machine Translated by Google
TRANSAKSI WSEAS BISNIS dan EKONOMI DOI: Enny Susilowati Mardjono,
` 10.37394/23207.2024.21.53 Entot Suhartono, Guruh Taufan Hariyadi

LAMPIRAN

Gambar 1: Roadmap Variabel Penelitian: Big Data, Pengendalian Internal, dan Minat Menggunakan Akuntansi Forensik untuk Deteksi Fraud

Gambar 4: Model lengkap

E-ISSN : 2224-2899 654 Jilid 21, 2024

Machine Translated by Google
TRANSAKSI WSEAS BISNIS dan EKONOMI DOI: Enny Susilowati Mardjono,
` 10.37394/23207.2024.21.53 Entot Suhartono, Guruh Taufan Hariyadi

Kontribusi Penulis Perorangan dalam Pembuatan Artikel

Ilmiah (Kebijakan Ghostwriting)

- Enny Susilowati Mardjono: Konseptualisasi, Investigasi,

Pengawasan, Penulisan – draf asli, Analisis formal, Review &
editing.
- Entot Suhartono: Kurasi data, Metodologi, Perolehan pendanaan,
Penulisan – review & editing.
- Guruh Taufan: Software, Penulisan – review &
pengeditan.

Sumber Pendanaan Penelitian yang Disajikan dalam Artikel

Ilmiah atau Artikel Ilmiah Itu Sendiri Penelitian ini
didanai oleh Kementerian Pendidikan, Kebudayaan, Riset dan
Teknologi RI, Direktorat Jenderal Pendidikan Tinggi, Riset dan
Teknologi RI.

Konflik Kepentingan
Para penulis tidak mempunyai konflik kepentingan untuk dinyatakan.

Lisensi Atribusi Creative Commons 4.0 (Atribusi 4.0

Internasional, CC BY 4.0)
Artikel ini diterbitkan di bawah ketentuan Lisensi Atribusi Creative
Commons 4.0 https://creativecommons.org/licenses/
by/4.0/deed.en

_KITA

E-ISSN : 2224-2899 655 Jilid 21, 2024