Penelitian tersebut ditulis oleh Pilipus Ramandei dari Universitas Ottow Geissler Papua, Kristanti Rahman dari STIE Muhammadiyah Cilacap, dan Dharma Widada dari Universitas Mulawarman. Riset dilakukan sepanjang 2025 dengan menganalisis ribuan data transaksi koperasi simpan pinjam berbasis digital di Jawa Tengah. Hasilnya menunjukkan bahwa integrasi AI dalam akuntansi forensik mampu mendeteksi potensi kecurangan dengan tingkat akurasi mencapai 91,8 persen, jauh melampaui metode pengawasan manual yang umum digunakan.
Tantangan Fraud di Era Transaksi Digital
Transformasi digital telah mengubah cara lembaga keuangan beroperasi. Transaksi menjadi lebih cepat, volumenya meningkat tajam, dan prosesnya semakin otomatis. Di sisi lain, perubahan ini juga membuka celah baru bagi kecurangan keuangan. Koperasi digital, yang kini banyak mengandalkan sistem akuntansi berbasis teknologi, menghadapi risiko manipulasi data, penyalahgunaan pinjaman, hingga keterlambatan pembayaran yang disengaja.
Selama ini, banyak koperasi masih mengandalkan pemeriksaan manual atau sistem berbasis aturan sederhana. Cara tersebut dinilai tidak lagi memadai karena sulit mengikuti kecepatan dan kompleksitas transaksi digital. Kecurangan kecil kerap luput dari pengawasan dan baru terdeteksi ketika kerugian sudah membesar.
“Kondisi ini menuntut pendekatan baru yang lebih adaptif dan berbasis data,” tulis para peneliti dalam artikelnya. AI dinilai mampu menjawab kebutuhan tersebut karena dapat memproses data dalam jumlah besar dan mengenali pola transaksi yang tidak wajar secara otomatis.
Cara Kerja Penelitian
Penelitian ini menggunakan data 2.314 transaksi keuangan yang telah dianonimkan dari sebuah koperasi simpan pinjam digital di Jawa Tengah selama satu tahun operasional. Seluruh data diambil langsung dari sistem informasi akuntansi koperasi, kemudian dibersihkan dan dianalisis menggunakan pendekatan machine learning.
Tiga model AI digunakan dan dibandingkan kinerjanya, yaitu random forest, logistic regression, dan support vector machine. Ketiganya dilatih untuk membedakan transaksi normal dan transaksi yang berpotensi mengandung kecurangan. Data dibagi menjadi dua bagian, 80 persen untuk pelatihan model dan 20 persen untuk pengujian.
Pendekatan ini memungkinkan sistem belajar dari pola transaksi nyata, bukan sekadar mengikuti aturan statis. Dengan demikian, model dapat mengenali anomali yang sebelumnya sulit terdeteksi oleh auditor manusia.
Temuan Utama: Pola Perilaku Lebih Penting dari Nilai Transaksi
Hasil analisis menunjukkan bahwa model random forest memberikan performa terbaik dengan akurasi 91,8 persen. Dua model lainnya juga menunjukkan hasil yang kuat, meski sedikit lebih rendah. Temuan penting dari riset ini adalah bahwa kecurangan keuangan lebih sering tercermin dari pola perilaku transaksi, bukan semata-mata dari besarnya nilai uang.
Tiga indikator utama yang paling berpengaruh dalam mendeteksi fraud adalah:
· Frekuensi transaksi yang tidak wajar, misalnya terlalu sering dalam periode tertentu.
· Keterlambatan pembayaran, terutama jika terjadi berulang.
· Pola pengajuan pinjaman, seperti intensitas pinjaman yang tinggi dalam waktu singkat.
Menurut Pilipus Ramandei, pola-pola ini mencerminkan perilaku finansial yang menyimpang dan berisiko. “AI membantu auditor melihat kombinasi indikator secara bersamaan, bukan secara terpisah. Di situlah kekuatannya,” jelasnya.
Dampak bagi Koperasi dan Kebijakan Keuangan
Temuan ini membawa implikasi besar bagi pengelolaan koperasi dan lembaga keuangan non-bank lainnya. Dengan sistem berbasis AI, pengawasan transaksi dapat dilakukan secara terus-menerus dan real-time. Potensi kecurangan bisa dideteksi lebih awal sebelum menimbulkan kerugian besar.
Bagi pengelola koperasi, teknologi ini dapat memperkuat sistem pengendalian internal dan meningkatkan transparansi laporan keuangan. Auditor forensik juga terbantu karena dapat memfokuskan pemeriksaan pada transaksi yang benar-benar berisiko tinggi.
Lebih jauh, hasil penelitian ini relevan bagi pembuat kebijakan. Regulasi tentang tata kelola koperasi dan lembaga keuangan digital dapat diarahkan untuk mendorong adopsi teknologi cerdas sebagai bagian dari sistem pengawasan. Dengan demikian, kepercayaan publik terhadap lembaga keuangan berbasis digital dapat ditingkatkan.
Kontribusi Akademik dan Praktis
Selain manfaat praktis, riset ini juga memberi kontribusi akademik penting. Model deteksi fraud berbasis machine learning yang dikembangkan bersifat replikatif dan dapat diterapkan di institusi lain dengan karakteristik serupa. Ini memperkaya literatur akuntansi forensik, khususnya dalam konteks negara berkembang dan lembaga keuangan non-bank.
Kristanti Rahman dari STIE Muhammadiyah Cilacap menekankan bahwa integrasi AI tidak dimaksudkan menggantikan peran auditor. “Teknologi ini menjadi alat bantu pengambilan keputusan. Penilaian etis dan profesional tetap berada di tangan manusia,” ujarnya. Pandangan ini sejalan dengan rekomendasi penelitian yang menekankan pentingnya tata kelola dan etika dalam penggunaan AI.
Profil Singkat Penulis
· Pilipus Ramandei, S.E., M.Ak. Dosen Universitas Ottow Geissler Papua. Bidang keahlian: akuntansi forensik, etika profesi, dan tata kelola keuangan.
· Kristanti Rahman, S.E., M.Ak. Dosen STIE Muhammadiyah Cilacap. Fokus kajian pada akuntansi manajemen dan sistem pengendalian internal.
· Dharma Widada, S.E., M.Sc. Dosen Universitas Mulawarman. Memiliki keahlian di bidang akuntansi keuangan dan analitik data.
Sumber Penelitian
Ramandei, P., Rahman, K., & Widada, D. (2026). Artificial Intelligence Integration in Forensic Accounting for Detecting Financial Fraud in the Digital Economy. Formosa Journal of Science and Technology, Vol. 5 No. 1, hlm. 105–120.
DOI: https://doi.org/10.55927/fjst.v5i1.361
URL: https://traformosapublisher.org/index.php/fjst
0 Komentar