Author: Jonathan Theodore Kesuma & Felicia Wigna Sunarto

Memasuki era revolusi industri 4.0, dunia dihadapkan dengan kehadiran berbagai teknologi canggih seperti Artificial Intelligence, Internet of Things, Blockchain, Drone, 3D Printing, dan lain sebagainya yang dapat mempermudah pekerjaan manusia dan juga mendorong lahirnya data dalam jumlah yang besar dimana fenomena ini dikenal sebagai Big Data. Gartner mengartikan big data sebagai volume yang besar, kecepatan yang tinggi, dan/atau variasi informasi yang memerlukan bentuk pemrosesan baru untuk memungkinkan pengambilan keputusan yang lebih baik, penemuan wawasan, dan pengoptimalan proses. Data analytics hadir untuk membantu proses analisa berdasarkan populasi karena metode sampel yang diperbolehkan dalam audit tidak efektif untuk mendeteksi kecurangan sehingga bermanfaat untuk menemukan kecurangan atau anomaly dalam data yang berjumlah besar. Oleh karena itu, data analytics technique harus diterapkan dalam seluruh populasi data termasuk dengan jumlah data historis yang termasuk di dalamnya. Namun, data analytics technique saja tidak mungkin untuk mendeteksi kecurangan sehingga masih dibutuhkan penilaian manusia untuk menguraikan hasil dari teknik analisan data.

Tentunya, penerapan data analytics yang efektif membutuhkan penggunaan teknologi yang efektif, sehingga data analytics akan memberikan sejumlah manfaat seperti:

  • Meningkatkan efisiensi dan efektivitas
  • Mendorong produktivitas dan profitabilitas
  • Mengurangi kesalahan dalam sampling
  • Menilai dan meningkatkan kualitas pengendalian internal
  • Merevisi atau memperkuat kebijakan
  • Memonitor tren
  • Mengidentifikasi kecurangan sebelum menjadi material
  • Fokus dalam pendeteksian pada transaksi yang mencurigakan
  • Mendapatkan wawasan mengenai seberapa baik pengendalian internal beroperasi
  • Membandingkan data dari sumber yang berbeda untuk mengidentifikasi kecurangan atau ketidakpatuhan

Selain manfaat, penerapan data analytics untuk mendeteksi kecurangan juga menghadirkan sejumlah tantangan diantaranya:

  • Adanya cakupan yang didefinisikan dengan buruk
  • Akuisisi data (data yang dikekola secara manual)
  • Kurang familiar terhadap data storage systems, software system, dan proses-proses dalam organisasi
  • Perhatian terhadap keamanan dan integritas data
  • Perhatian terhadap privasi dan kerahasiaan
  • Biaya perangkat lunak data analytics
  • Perkembangan skema kecurangan

References:

Zack, G. M.. (2014). Using Data Analytics to Detect Fraud. Disadur dari acfe.com: https://www.acfe.com/uploadedFiles/ACFE_Website/Content/review/da/01-Introduction-to-Data-Analytics.pdf

KPMG. (2016). Using analytics successfully to detect fraud. Disadur dari home.kpmg: https://home.kpmg/au/en/home/insights/2016/07/using-analytics-successfully-to-detect-fraud.html

Image Soruces: Google Image

JTK