Fraud atas Laporan Keuangan - Dari Sudut Pandang Internal Audit (Lanjutan Sesi 2)

Internal audit sebagai pihak independent di dalam perusahaan, harus memastikan agar pencatatan atas transaksi tercatat sesaui dengan aturan yang berlaku, oleh sebab itu audit internal harus mempunyai pemahaman atas bisnis proses dan juga standart/paramenter dalam melakukan pemeriksaan khususnya laporan keuangan, dan tentunya audit internal harus memahami PSAK dan regulasi lainnya, contohnya adalah aturan perpajakan.

Selama pengalaman penulis, sering menemukan adanya kasus fraud atas laporan keuangan, diantaranya:

1. Adanya penundaan biaya
2. Adanya pengakuan Sales/revenue yang tidak seharusnya (Over,Under statement & Fiktif)
3. Penjualan asset yang tidak dilaporkan dalam laporan keuangan
4. Pencatatan atas inventory atau persediaan yang tidak semestinya antara catatan dan fisiknya.
5. Adanya pergeseran atau penundaan atas kerugian yang digeser untuk tahun berikutnya
6. Adanya manajemen override dalam melakukan kebijakan yang berdampak pada laporan keuangan
7. Adanya pencatatan diakun-akun tertentu dipindahkan di akun yang tidak semestinya
8. Adanya biaya fiktif yang tidak ada dokumen supporting nya dengan maksud dan tujuan tertentu
9. Tidak konsistennya pencatatan atas transaksi laporan keuangan, contohnya metoda yang berubah-rubah.

Dari adanya beberapa fraud yang sering saya temukan, baik dalam proses general audit atau audit forensik atas laporan keuangan, saya biasanya menggunaan beberapa tools analisis untuk mengidentifikasi adanya potensi atas Fraud laporan keuangan, saya biasanya menggunakan:

a.    Analisis Beneish M -- Score

b.    Analisis F -- Score

c.    Analisis Benford Law

Kita bahas dulu mulai dari Sejarah penemunya sampai dengan penggunaan model dari ketiga analisis tersebut.

1.    Beneish M-Score

Pada tahun 1999, seorang Profesor akuntansi di Universitas Indiana menerbitkan "The Detection of Earnings Manipulation" in Financial Analysts Journal. (Ini adalah revisi menyeluruh dari metode yang pertama kali diterbitkannya pada tahun 1997.) Messod Beneish bukanlah orang pertama atau terakhir yang mencoba menggunakan analisis laporan keuangan untuk mendeteksi penipuan/fraud atas laporan Keuangan,namun metodenya bertahan lebih lama dan banyak digunakan serta diuji dibandingkan metode lainnya; dalam makalah lanjutannya pada tahun 2020, "The Cost of Fraud Prediction Errors," ia membuktikan bahwa metodenya memiliki rasio positif palsu dan positif yang lebih rendah dibandingkan metode lain yang diperkenalkan pada tahun 2020

Prof Beneish menggunakan formulanya dengan memeriksa 74 perusahaan yang memanipulasi laba selama periode 6 tahun dan membandingkannya dengan 2.332 perusahaan serupa yang tidak melakukan manipulasi laba.

Prof Beneish mengemukakan delapan faktor untuk mengindikasikan peluang manipulasi yang lebih besar, tujuh faktor di antaranya membandingkan laporan keuangan tahun sekarang dengan tahun sebelumnya. Dari 8 faktor tersebut, hanya lima yang signifikan secara statistik (dan satu dari lima angka tersebut, Asset Quality Index, masih memiliki nilai probability yang cukup tinggi). Dengan menggunakan regresi probit, ia menghasilkan rumus yang mencakup ke 8 faktor, namun memberikan koefisien negatif pada 2 faktor yang secara statistik tidak signifikan dan koefisien yang sangat rendah pada faktor ke 3.

Ke 8 Faktor variabel yang digunakan dalam model Beneish adalah:

1. DSRI          : Days' sales in a receivable index

2. GMI          : Gross margin index

3. AQI          : Asset quality index

4. SGI           : Sales growth index

5. DEPI          : Depreciation index

6. SGAI         : Sales and general and administrative expenses index

7. LVGI         : Leverage index

8. TATA         : Total accruals to total assets

Dari ke 8 faktor tersebut Prof Beneish menggunakan rumus absolut untuk menghitung adanya indikasi fraud atas laporan keuangan, rumus atau formula yang dikemukanan oleh prof beneish adalah sbb:

M-Score= --4.84 + 0.92*DSR + 0.528*GMI + 0.404*AQI + 0.892*SGI + 0.115*DEPI -- 0.172*SGAI -- 0.372*LVGI + 4.679*TATA.

Ambang batas untuk menentukan apakah suatu perusahaan akan menjadi manipulator atas laporan keuangan adalah dengan skor M --1,78 atau lebih tinggi, pada umumnya dan banyak dipakai termasuk saya adalah dengan score > -2,22. Jika M-score suatu perusahaan berada di bawah --2 (<-2,22), kecil kemungkinan perusahaan tersebut akan melakukan manipulasi/fraud laporan keuangan.

Berikut adalah sampel Perusahaan di Indonesia yang teridentifikasi laporan keuangan nya dimanupulasi dengan menggunakan Beneish M-Score, untuk nama perusahaannya saya samarkan dengan menggunakan kode.

Dari data tersebut diketahui laporan keuangan Perusahaan tersebut untuk tahun buku 2022, teridentifikasi melakukan manipulasi/fraud atas laporan keuangan.

2.     F -- Score Model.

F-score model untuk mendeteksi kecurangan laporan keuangan. F-score ini dikembangkan oleh Dechow. Kecurangan laporan keuangan yang dihitung menggunakan fraud score model atau biasa disebut F-score, dimana model yang dikembangkan oleh Dechow.  Ini merupakan Model F-score diklaim lebih komprehensif karena didasarkan pada semua pemeriksaan Acounting an Auditing Enforecements Realease (AAER) yang dikeluarkan antara tahun 1982 dan 2005.

Dechow F-Score merupakan metode pendeteksian fraud yang mengembangkan metode perhitungan Beneish M-Score, dan dinilai lebih komprehensif dibandingkan Beneish M-Score karena cakupan pengujian data meliputi keseluruhan dari Accounting and Auditing Enforcement Releases (AAERs) yang diterbitkan oleh SEC pada 1982 hingga 2005 dibandingkan dengan Beneish M-Score yang hanya meliputi AAERs pada 1982 hingga 1992. Apabila hasil f-score menunjukkan hasil lebih besar dari 1, maka terdapat indikasi fraud pada perusahaan dan jika hasil menunjukkan lebih kecil dari 1 maka menunjukkan bahwa perusahaan tidak terindikasi fraud.

Ada 7 faktor atau variable yang digunakan dalam formula F -- Score, diantaranya:

RSST:           Accrual Quality

REC:            Accounts Receivables/Average Total Assets

INV:              Inventory/Average Total Assets

SOFTASSETS: [Total Assets -- PPE -- Cash and cash equivalents]/Total Assets

CASHSALES: Percentage change in cash sales [Sales -- Accounts Receivables]

ROA:           [Earnings t/Average totassets t]--[Earnings t-1/Average tot assets t-1]

ISSUE:           indicator variable code 1 if the firm issued securities during year t

Dari ke 7 faktor tersebut Dechow menggunakan rumus untuk menghitung adanya indikasi fraud atas laporan keuangan, rumus atau formula yang dikemukanan oleh Dechow adalah sbb:

F -- Score = -7.893 + 0.790*RSST + 2.518* REC + 1.191* INV + 1.979*SOFTASSETS + 0.171* CASHSALES -- 0.932* ROA + 1.029*ISSUE

Apabila hasil F-Score menunjukkan hasil lebih besar dari 1 (>1), maka terdapat indikasi fraud/manipulasi pada laporan keuagan perusahaan dan jika hasil menunjukkan lebih kecil dari 1 (<1) maka menunjukkan bahwa perusahaan tidak terindikasi fraud.

Berikut adalah sampel Perusahaan di Indonesia yang teridentifikasi laporan keuangan nya dimanupulasi dengan menggunakan Model F-Score, untuk nama perusahaannya saya samarkan dengan menggunakan kode.

Wawan Andang Saputra

Dari data tersebut, diketahui ditahun 2018, terdapat 2 perusahaan yang teridentifikasi melakukan Fraud atas laporan keuangannya.

3.    Benford Law

Hukum Benford, juga dikenal sebagai hukum Newcomb--Benford, hukum bilangan anomali, atau hukum digit pertama, dengan melakukan pengamatan dalam banyak kumpulan data numerik dan juga pengamatan tentang distribusi frekuensi digit utama dalam banyak set data numerik dikehidupan nyata

Di dalam matematika terdapat metode-metode untuk menentukan keaslian suatu data. Salah satu metode ini didasarkan pada frekuensi kemunculan digit pertama. Pada tahun 1938, seorang fisikawan bernama Frank Benford menemukan bahwa kemunculan angka 1 pada digit pertama suatu data acak lebih sering dari angka 2, angka 2 lebih sering dari angka 3 dan seterusnya. Frekuensi kemunculan suatu angka akan mengecil seiring bertambah besarnya angka di digit pertama. Benford's Law dapat digunakan untuk memprediksi frekuensi kemunculan sebuah angka dalam serangkaian data numerik. Berdasarkan kemampuannya dalam menganalisis anomali data pada sebuah data set, Benford's Law banyak digunakan dalam berbagai bidang.

Berikut Hukum benford untuk menilai suatu nilai dalam suatu peristiwa atau transaksi:

Wawan Andang Saputra

Wawan Andang Saputra

Hukum benford ini, saya gunakan untuk mengecek suatu transaksi, contohnya adalah Revenue dari suatu Perusahaan, tentunya dalam menggunakan benford law ini harus menggunakan parameter-parameter yang sudah ditentukan oleh seorang auditor/pemeriksa, dan hukum benford ini tidak bisa langsung dipakai tanpa memiliki parameter yang telah ditentukan, karena bisa berdampak pada kesalahan analisis.

Wawan Andang Saputra

Dari data diatas diketahui transaksi dari Sales atau revenue dalam 1 Periode, terlihat jelas (garis merah) menunjukan menunjukan sales atau revenue nya trend grafik nya rata-rata di 9% sd 11%, ini menandakan dan mengidentifikasikan bahwa Perusahaan melakukan income smoothing. Dari pemeriksaan yang saya lakukan membuktikan bahwa Perusahaan melakukan 2 hal, diantaranya:

1. Adanya pengakuan Sales/revenue yang tidak seharusnya (Over,Under statement & Fiktif). 
2. Adanya pergeseran atau penundaan atas transaksi yang digeser untuk tahun berikutnya

Demikian sharing pengalaman penulis terkait fraud atas laporan keuangan, mudah-mudahan dapat menjadi gambaran atau informasi terkait fraud yang terjadi di laporan keuangan yang merupakan lanjutan dari tulisan di artikel saya sebelum nya..

Salam

Wawan Andang Saputra. SE., M.Acc., Ak., CA., ACPA., Asean CPA., CRMP., AMROT