Hasil Pencarian  ::  Simpan CSV :: Kembali

"Laporan keuangan merupakan dokumen sangat penting yang menjadi basis dari keputusan berbagai stakeholder pada pasar modal. Ironisnya, fenomena fraud (kecurangan) pada laporan keuangan perusahaan bukan merupakan praktik yang tidak pernah terjadi. Data yang dilansir ACFE Chapter Indonesia pada tahun 2016 menunjukkan bahwa sekitar 40% dari kecurangan pada laporan keuangan menyebabkan kerugian yang mencapai lebih dari Rp. 10 milyar. Menurut laporanyang dirilis oleh ACFE pada tahun 2014, rata-rata waktu yang dibutuhkan untukmendeteksi kecurangan pada laporan keuangan adalah 24 bulan dengan total kerugian yang bisa mencapai US$ 150.000. Penelitian ini akan menggunakan pendekatan machine learning berbasis optimasi meta-heuristic untuk mengembangkan model prediksi fraud pada laporan keuangan. Terdapat beberapa metode klasifikasi yang dapat digunakan yaitu Neural Networks dan Support Vector Machine. Hasil prediksi terbaik pada penelitian ini berupa model Support Vector Machine dengan parameter teroptimasi dengan Genetic Algorithm yang mendapatkan akurasi sebesar 96.15%.

---

Financial statement is a critical document which form the basis of decisions of various stakeholders in the capital market. Ironically, the phenomenon of fraud (fraud) on the company's financial statements is not a practice that never happened. Data reported by ACFE Chapter Indonesia in 2016 showed that around 40% of the financial statement caused losses that reached more than Rp 10 billion. According to a report released by ACFE in 2014, the average time needed to detect fraud on financial statements is 24 months, with a total loss that could reach US$ 150,000. This study will use several machine learning approaches based on meta-heuristic optimization to develop fraud prediction models in financial statements. Two classification methods were utilized, namely, Back Propagation Neural Networks and Support Vector Machines. The best classifier in this study is a Support Vector Machine, which parameters are optimized with Genetic Algorithm resulting in 96.15% accuracy."

"Pasar modal berkembang pesat di Indonesia dengan peningkatan 79 jumlah emiten saham baru dan peningkatan 17,9% jumlah investor baru. Perkembangan ini dipacu oleh Otoritas Jasa Keuangan yang meyakinkan bahwa setiap perusahaan terbuka selalu diawasi dengan cara mewajibkan perusahaan terbuka untuk menyampaikan laporan keuangan secara berkala. Akan tetapi pada kenyataannya, tindakan kecurangan laporan keuangan bukan menjadi hal yang langka. Association of Certified Fraud Examiner melaporkan bahwa 9,2% kecurangan di Indonesia merupakan kecurangan laporan keuangan dengan total kerugian hingga Rp242.260.000.000. Sementara, proses audit konvensional serta laporan yang menjadi 72% dari media deteksi saat ini membutuhkan 12 bulan untuk mendeteksi kasus kecurangan. Penelitian ini akan menggunakan metode ensemble learning berbasis optimasi metaheuristik untuk mengembangkan model deteksi kecurangan pada laporan keuangan. Beberapa metode klasifikasi digunakan untuk mengembangkan model, yaitu Random Forest dan XGBoost. Optimasi metaheuristik dengan metode Genetic Algorithm kemudian digunakan sebagai dasar dari proses hyperparameter tuning pada model tersebut. Hasil deteksi terbaik pada penelitian ini adalah model XGBoost dengan parameter teroptimasi yang menghasilkan akurasi sebesar 98,04% dan sensitivitas 99.02%.

---

The capital market is growing rapidly in Indonesia, gaining 79 new stock issuers and a 17.9% increase in the number of new investors in 2023. This development is driven by Otoritas Jasa Keuangan, which ensures that every public company is always monitored by requiring them to submit financial statements regularly. However, financial statement fraud is not uncommon. The Association of Certified Fraud Examiners reports that 9.2% of fraud cases in Indonesia involve financial statement fraud, with total losses amounting to Rp242,260,000,000. Meanwhile, conventional audit processes and reports, which account for 72% of current detection methods, take 12 months to detect fraud cases. This study will use an ensemble learning method based on metaheuristic optimization to develop a fraud detection model for financial statements. Several classification methods, namely Random Forest and XGBoost, are used to develop the model. Metaheuristic optimization using the Genetic Algorithm method is then applied as the basis for hyperparameter tuning in this model. The best detection result in this study is achieved by the XGBoost model with optimized parameters, yielding an accuracy of 98.04% and a sensitivity of 99.02%."

"ABSTRAKLaporan keuangan memiliki peranan yang penting bagi penggunanya dalam mengambil keputusan. Pentingnya fungsi dari laporan keuangan menyebabkan banyak pihak ingin melakukan tindak kecurangan seperti menyajikan dan merekayasa nilai material dari laporan keuangan untuk mendapatkan keuntungan. Kecurangan pada laporan keuangan menimbulkan kerugian yang tidak sedikit, yakni sekitar US$1,000,000. Kegiatan audit perlu dilakukan untuk mencegah kerugian tersebut, tetapi jumlah auditor yang tersedia saat ini terbatas, serta waktu audit tradisional yang dibutuhkan tidaklah sebentar. Pendekatan data mining yakni Support Vector Machine (SVM) serta Artificial Neural Network (ANN) digunakan untuk mendeteksi kecurangan pada laporan keuangan. ANN menghasilkan akurasi tertinggi untuk data tanpa feature selection, sedangkan SVM unggul pada data dengan feature selection

---

ABSTRACTFinancial statement has an important role for its users in taking decisions. The importance of the functions of the financial report caused many parties want to do acts of cheating like presents and manipulates the material value of the financial statements for profit. Cheating on financial statements result in losses that are not few, approximately US$1,000,000. Audit activities need to be done to prevent such losses, but the number of Auditors currently available is limited, and the time required for traditional audit is quite long. Data mining approaches like Support Vector Machine (SVM) and Artificial Neural Network (ANN) is used to detect fraud on financial statements. ANN produces the highest accuracy for data without feature selection, whereas the SVM excels at data with feature selection"

"Penelitian ini bertujuan untuk menguji dan memeroleh bukti empiris mengenai pengaruh komponen tata kelola perusahaan dan komponen pendukung eksternal perusahaan terhadap probabilita terjadinya fraud pada laporan keuangan. Proksi kemungkinan terjadinya fraud pada penelitian ini menggunakan dasar model M-Score. Sampel penelitian adalah 285 perusahaan publik non-keuangan selama tahun 2012-2016. Hasil penelitian menunjukkan bahwa kepemilikan terkonsentrasi, proporsi komisaris independen, efektivitas komite audit, dan penggunaan KAP big four terbukti mengurangi probabilita terjadinya fraud pada laporan keuangan. Penelitian juga menunjukkan bahwa kepemilikan pemerintah dan regulasi industri yang lebih ketat meningkatkan probabilita terjadinya fraud pada laporan keuangan. Sebaliknya, usia terdaftarnya perusahaan sebagai perusahaan publik tidak terbukti berpengaruh terhadap probabilita terjadinya fraud pada laporan keuangan.

---

The purpose of this study is to test and obtain empirical evidence about the effects of corporate governance components and external supporting components to probability of financial statement fraud. The proxy used in measuring the probability of financial statement fraud is by M Score model. The sample of this study is the 285 non financial public companies during 2012 2016. The result showing that the concentrated ownership, independent director proportion, audit committee effectiveness, and the using of big four accounting firm can reduce the probability of financial statement fraud otherwise the state ownership and restricted industry regulation in firms surprisingly increases the probability of financial statement fraud. However the length of year listed in the stock exchange do not influence the probability of financial statement fraud."

"Laporan magang ini bertujuan untuk menganalisis prosedur tata cara verifikasi laporan keuangan dengan PMK 177 tahun 2015 dan Peraturan Menteri Pertanian Nomor 43 Tahun 2015. Laporan magang ini juga bertujuan untuk menganalisis tahapan verifikasi laporan keuangan yang dilakukan oleh Sekretariat Jenderal Kementan RI. Dalam rangka mendapatkan informasi dan data verifikasi laporan keuangan, penulis melakukan aktivitas magang di Biro Keuangan dan Perlengkapan Sekretariat Jenderal Kementan RI. Hasil analisis menunjukkan bahwa proses verifikasi laporan keuangan yang dilakukan oleh Kementan RI telah sesuai dengan PMK 177 dan Permentan 43, meskipun masih terdapat beberapa kelemahan dalam proses pelaksanaan seperti ketidakefektifan waktu kerja. Hasil analisis juga menunjukkan bahwa tahapan verifikasi laporan keuangan dan laporan hasil verifikasi yang disusun oleh Setjen Kementan RI telah sesuai dengan standar penyusunan laporan keuangan kementerian negara/lembaga dan prosedur verifikasi akuntansi pemerintah yang terkait.

---

This internship report aims to analyze procedures for verification of financial statements with PMK 177 of 2015 and Minister of Agriculture Regulation Number 43 of 2015. This internship report also aims to analyze the stages of financial statement verification applied by the Secretariat General of the Ministry of Agriculture. In order to obtain information and data, the author conducted the internship activities in Finance and Equipment Bureau of the Secretariat General of the Ministry of Agriculture. The analysis show that the financial report verification process applied by the Ministry of Agriculture complies with PMK 177 and Permentan 43, although there are still some weaknesses in the implementation process such as the ineffectiveness of work time. The analysis also show that the stages of financial statement verification applied and verification report prepared by the Secretariat General of the Ministry of Agriculture are appropriate to the standards of the preparation of financial statements of state ministries/institutions and related government accounting verification procedures."

"Laporan keuangan yang berkualitas menjadi salah satu tools dalam mewujudkan akuntabilitas pemerintah. Namun, belum seluruh kementerian negara/lembaga mendapatkan opini terbaik. Berdasarkan penelitian, beberapa faktor memiliki pengaruh yang signifikan terhadap kualitas laporan keuangan. Oleh karenanya, riset ini bertujuan untuk menganalisis faktor yang berpengaruh sekaligus membuat prediksi klasifikasi atas kualitas laporan keuangan kementerian negara/lembaga melalui teknik machine learning. Sampel yang dipakai pada penelitian ini sebanyak 256 kementerian negara/lembaga dari tahun 2018-2020. Hasil penelitian menunjukkan bahwa fraud kas, temuan, tindak lanjut atas rekomendasi BPK, UP/TUP, dan realisasi mempunyai pengaruh yang kuat dalam menentukan kualitas laporan keuangan. Selain itu, dengan model Support Vector Machinedidapatkan prediksi klasifikasi yang lebih baik atas Kualitas laporan keuangan kementerian negara/lembaga."

"ABSTRAKSangat penting bagi sebuah perusahaan untuk membuat Laporan keuanganya sesuai denganstandar akuntansi yang berlaku. Hal ini disebabkan untuk menghindari kesalahan bagi pembacaseperti investor, kredtor, suppliers, karyawan, dan pegang saham. Makalah ini akan menganalisadan membahas Standard Akutansi Australia khususnya mengacu pada goodwill yang timbul dariakuisisi. Pembahasan akan mengacu pada persamaan dan perbedaan berdasarkan empatperusahaan Australia, diantaranya Macquarie Bank Limited, Computershare Limited, Slater &Gordon, and Steadfast Group

---

ABSTRACTIt is very crucial for a corporate reporting entities to produce financial statements in accordancewith Accounting Standards. This is due to avoid misleading to financial statements users such assuch as investors, creditors, suppliers, employees, and shareholders. This paper will analyze anddiscuss Australian Accounting Standards particularly referring to goodwill arising on acquisition.Moreover, I will evaluate the similarities and differences based on the most recent financialstatements of four companies which are Macquarie Bank Limited, Computershare Limited, Slater& Gordon, and Steadfast Group."

"

Penelitian ini bertujuan untuk membuktikan secara empiris mengenai hubungan  antara karakteristik komite audit yaitu gender, pengalaman terdahulu, keahlian keuangan, ukuran, dan tingkat kerajinan dengan ketepatan waktu laporan keuangan auditan. Penelitian ini menggunakan sampel perusahaan publik di Indonesia kecuali industri keuangan selama periode 2014-2017. Hasil dari penelitian ini membuktikan adanya hubungan signifikan positif antara komposisi gender komite audit dan keahlian keuangan komite audit terhadap audit report lag. Serta hubungan signifikan negatif tingkat kerajinan komite audit terhadap audit report lag. Karakteristik pengalaman terdahulu dan ukuran komite audit menunjukan hasil tidak adanya hubungan signifikan dengan audit report lag.

 

---

This research aims to know the relation between audit committee characteristics which are gender, experience, financial expertise, size, and diligence on the timeliness of audited financial statement. This research uses samples of public firms listed in Indonesian Stock Echange excluding financial industry for the year 2014-2017. The results of this study prove that theres a significance positive relation between the gender composition of the audit committee and the financial expertise of the audit committee on audit report lag. Also theres a  significance negative relation between level of diligence of audit committee on audit report lag. Prior experience of audit committee and size of audit committee show the result of no significant relationship on audit report lag

 

"