MENCEGAH MANIPULASI LAPORAN KEUANGAN: STRATEGI DAN TEKNIK AKUNTANSI FORENSIK UNTUK MENDETEKSI KECURANGAN KEUANGAN
DOI:
https://doi.org/10.51878/cendekia.v6i3.9929Keywords:
Akuntansi Forensik, Manipulasi Laporan Keuangan, Kecurangan KeuanganAbstract
ABSTRACT
The advancement of digital technology has enhanced the effectiveness of forensic accounting in detecting financial statement fraud; however, its application in real cases in Indonesia remains limited. This study aims to analyze forensic accounting strategies and techniques in identifying fraud in the financial statements of PT Garuda Indonesia Tbk in 2018. This research employs a descriptive qualitative approach through a literature study, with systematic data analysis of scientific sources, audit reports, and relevant official documents. The results indicate that technology-based forensic accounting techniques, such as document analysis and digital auditing, are capable of uncovering improper revenue recognition amounting to USD 239 million derived from long-term contracts that were recorded as current-period revenue. In addition, several fraud indicators were identified, including abnormal revenue increases, a significant rise in miscellaneous accounts, and sudden changes in accounting policies. These findings also demonstrate that the integration of analytical technology enables faster and more accurate identification of financial anomalies. Furthermore, the study highlights the importance of leveraging technology to enhance fraud detection accuracy while strengthening the transparency and credibility of financial reporting.
ABSTRAK
Perkembangan teknologi digital mendorong peningkatan efektivitas akuntansi forensik dalam mendeteksi kecurangan laporan keuangan, namun penerapannya pada kasus nyata di Indonesia masih terbatas. Penelitian ini bertujuan menganalisis strategi dan teknik akuntansi forensik dalam mengidentifikasi kecurangan pada laporan keuangan PT Garuda Indonesia Tbk tahun 2018. Penelitian menggunakan pendekatan kualitatif deskriptif melalui studi literatur dengan analisis data secara sistematis terhadap sumber ilmiah, laporan audit, dan dokumen resmi terkait. Hasil menunjukkan bahwa teknik akuntansi forensik berbasis teknologi, seperti analisis dokumen dan digital auditing, mampu mengungkap pengakuan pendapatan tidak tepat sebesar USD 239 juta dari kontrak jangka panjang yang diakui sebagai pendapatan periode berjalan. Selain itu, ditemukan indikator kecurangan berupa lonjakan pendapatan yang tidak wajar, peningkatan akun lain-lain, dan perubahan kebijakan akuntansi secara tiba-tiba. Temuan ini juga memperlihatkan bahwa integrasi teknologi analitik memungkinkan proses identifikasi anomali keuangan dilakukan secara lebih cepat dan akurat. Temuan ini menegaskan pentingnya pemanfaatan teknologi dalam meningkatkan akurasi deteksi kecurangan serta memperkuat transparansi dan kredibilitas laporan keuangan.
Downloads
References
Achmad, F. A., & Galib, S. (2022). Pengaruh red flags, independensi, dan skeptisme profesional terhadap kemampuan auditor dalam mendeteksi fraud: Studi empiris pada KAP di Jakarta Selatan. Jurnal Ilmiah Akuntansi Kesatuan, 10(2), 379–392. https://jurnal.ibik.ac.id/index.php/jiakes/article/view/1420
Adawiyah, R., Kuntadi, C., & Pramukty, R. (2023). Literature review: Pengaruh pengendalian internal, whistleblowing system, dan audit internal terhadap pencegahan kecurangan. Jurnal Economina, 2(6), 1331–1342. https://doi.org/10.55681/economina.v2i6.606
Ali, A. M., Futaih, R. F., Shukur, M., & Al-Orfali, A. K. (2024). Forensic accounting and fraud detection emerging trends and techniques. Journal of Ecohumanism, 3(5), 525–542. https://www.ceeol.com/search/article-detail?id=1273691
Aprilia, R., Syarifuddin, S., & Haerial, H. (2022). Analisis kecurangan laporan keuangan melalui fraud hexagon. Jurnal Bisnis dan Akuntansi Kontemporer, 15(2), 143–151. https://journal.unhas.ac.id/index.php/akrual/article/view/21681
Association of Certified Fraud Examiners. (2018). Report to the nations: 2018 global study on occupational fraud and abuse. ACFE.
Awaliah, K. N. (2023). Fraud triangle theory: Pendekatan strategis dalam mendeteksi korupsi dan kecurangan pada laporan keuangan publik. Karimah Tauhid, 2(5), 1493–1506. https://doi.org/10.30997/karimahtauhid.v2i5.9023
Azzahra, H. (2025). Analisis forensik audit pada kasus penipuan keuangan di perusahaan publik. Prosiding Diseminasi Nasional Hasil Penelitian dan Pengabdian Kepada Masyarakat, 2(1). http://proceeding.unindra.ac.id/index.php/dinamika/article/view/8346
Christian, N., Resnika, R., Yukie, H., Sitorus, R., Angelina, V., Sherly, S., & Febrika, F. (2022). Pendeteksian fraudulent financial reporting dengan earnings manipulation financial shenanigans: Studi kasus PT Envy Technologies Indonesia Tbk. Jurnal Ilmiah Akuntansi dan Bisnis, 7(1), 14–50.
https://journal.undiknas.ac.id/index.php/akuntansi/article/view/3543
Emran, A. K. M., & Rubel, M. T. H. (2024). Big data analytics and AI-driven solutions for financial fraud detection: Techniques, applications, and challenges. Innovatech Engineering Journal, 1(01), 10–70937.
https://papers.ssrn.com/sol3/papers.cfm?abstract_id=5076886
Farasandi, A., & Budiman, A. I. (2025). Transformasi digital dalam akuntansi forensik: Tinjauan literatur atas teknik deteksi kecurangan berbasis teknologi. Musytari: Jurnal Manajemen, Akuntansi, dan Ekonomi, 19(4), 71–80. https://jkaa.bunghatta.ac.id/index.php/JKAA/article/view/111
Fernanda, I. A., & Habiburrochman, H. (2025). Peran kecerdasan buatan (AI) dalam meningkatkan audit forensik untuk mendeteksi kecurangan: Tinjauan literatur sistematis. Owner: Riset dan Jurnal Akuntansi, 9(4), 3430–3442. https://owner.polgan.ac.id/index.php/owner/article/view/2825
Fransisca, V., & Suhartono, S. (2025). Pendeteksian fraudulent financial reporting di lingkungan BUMN: Perspektif fraud hexagon theory. Jurnal Akuntansi, 14(1), 1–17. https://doi.org/10.46806/ja.v14i1.1254
Hendrastuty, N. (2024). Penerapan data mining menggunakan algoritma K-means clustering dalam evaluasi hasil pembelajaran siswa. Jurnal Ilmiah Informatika dan Ilmu Komputer (JIMA-ILKOM), 3(1), 46–56. https://doi.org/10.58602/jima-ilkom.v3i1.26
Indriani, N., & Rohman, A. (2022). Fraud triangle dan kecurangan laporan keuangan dengan model Beneish M-Score. Jurnal Akuntansi Bisnis, 20(1), 85–104. https://journal.unika.ac.id/index.php/jab/article/view/4367
Kaur, B., Sood, K., & Grima, S. (2023). A systematic review on forensic accounting and its contribution towards fraud detection and prevention. Journal of Financial Regulation and Compliance, 31(1), 60–95. https://doi.org/10.1108/JFRC-02-2022-0015
Khumairoh, S., & Kuntadi, C. (2023). Pengaruh fraud diamond dalam mendeteksi terjadinya kecurangan laporan keuangan studi empiris pada perusahaan BUMN yang terdaftar di Bursa Efek Indonesia. Journal of Comprehensive Science (JCS), 2(1).
Lin, D. (2024). Key considerations to be applied while leveraging machine learning for financial statement fraud detection: A review. IEEE Access, 12, 168213–168228. https://ieeexplore.ieee.org/abstract/document/10740285
Mardeliani, S. (2022). Analisis kecurangan laporan keuangan menurut hexagon fraud model pada perusahaan BUMN tahun 2016–2020. https://digilib.unila.ac.id/65204/
Meiryani, M., & Primado, A. A. (2023). Analysis of internal control and fraud: A case study on Garuda Indonesia. Research in Management and Accounting (RIMA), 6(1), 43–53. https://doi.org/10.33508/rima.v6i1.4660
Murti, G. T., Caesaria, S. M., & Mayasha, E. (2025). Red flags dalam mendeteksi kecurangan: Analisis faktor pemicu fraud pada laporan keuangan. Jurnal Riset Akuntansi Politala, 8(1), 102–112. https://doi.org/10.34128/jra.v8i1.448
Panjaitan, A. A., Simamora, M., Siahaan, S. A., Nasution, P. W., Simbolon, J. A., & Siregar, T. R. S. (2025). Manipulasi laporan keuangan konsolidasi dalam entitas konsolidasi: Studi kasus PT Envy Technologies Indonesia Tbk. Jurnal Akademik Ekonomi dan Manajemen, 2(1), 605–614.
https://ejurnal.kampusakademik.co.id/index.php/jaem/article/view/4211
Prasetyo, S., & Dewayanto, T. (2024). Penerapan machine learning, deep learning, dan data mining dalam deteksi kecurangan laporan keuangan: A systematic literature review. Diponegoro Journal of Accounting, 13(3).
https://ejournal3.undip.ac.id/index.php/accounting/article/view/46146
Prayitno, A., & Sinosi, S. M. (2024). Peran pengendalian internal berbasis teknologi dalam mendukung akuntansi forensik untuk mendeteksi fraud di era digital. Economics and Digital Business Review, 5(2), 600–608.
https://ojs.stieamkop.ac.id/index.php/ecotal/article/view/1881
Putri, T. E., Kuntadi, C., & Pramukty, R. (2023). Faktor-faktor yang memengaruhi pencegahan kecurangan: Peran audit internal, sistem pengendalian internal dan komitmen organisasi. Jurnal Economina, 2(7), 1789–1802.
https://doi.org/10.55681/economina.v2i7.674
Sari, T. P. (2024). Peran akuntansi forensik dalam mengungkap kasus kecurangan keuangan di perusahaan publik. BORJUIS: Journal of Economy, 1(4), 231–245. https://sociohum.net/index.php/BORJUIS/article/view/399
Setiawan, D., Wea, S. L., Safitri, R. A., & Sumarni, T. (2024). Analisa pelanggaran etika profesi akuntansi (Studi kasus PT Garuda Indonesia: Skandal manipulasi laporan keuangan). Research Accounting and Auditing Journal, 1(2), 62–70. https://journal.myrepublikcorp.com/index.php/raung/article/view/87
Setyono, D., Hariyanto, E., Wahyuni, S., & Pratama, B. C. (2023). Penggunaan fraud hexagon dalam mendeteksi kecurangan laporan keuangan. Owner: Riset dan Jurnal Akuntansi, 7(2), 1036–1048. https://doi.org/10.33395/owner.v7i2.1325
Shahana, T., Lavanya, V., & Bhat, A. R. (2023). State of the art in financial statement fraud detection: A systematic review. Technological Forecasting and Social Change, 192, 122527. https://doi.org/10.1016/j.techfore.2023.122527
Wahyuningtiyas, T. N., & Pramudyastuti, O. L. (2022). Optimalisasi whistleblowing system melalui peran whistleblower dalam pendeteksian tindakan fraud: Sebuah literature review. Jurnal Ilmiah Akuntansi Kesatuan, 10(2), 359–366. https://jurnal.ibik.ac.id/index.php/jiakes/article/view/1385
Xiuguo, W., & Shengyong, D. (2022). An analysis on financial statement fraud detection for Chinese listed companies using deep learning. IEEE Access, 10, 22516–22532. https://ieeexplore.ieee.org/abstract/document/9718341
