DETEKSI FRAUD LAPORAN KEUANGAN MENGGUNAKAN MACHINE LEARNING

Tujuan penelitian ini untuk membahas penerapan metode data mining menggunakan model machine learning untuk mendeteksi fraud laporan keuangan dan mengukur kinerja dari model machine learning tersebut. Metode penelitian yang digunakan dalam penelitian ini adalah kuantitatif yang bersumber dari data sekunder berupa laporan keuangan perusahaan pertambangan yang terdaftar dalam Bursa Efek Indonesia dalam 10 tahun terakhir. Penentuan fraud laporan keuangan sebagai data sampel analisis mengunakan indikator berupa informasi media dan catatan atau sanksi regulator terkait tindakan perusahaan melakukan fraud laporan keuangan serta penyajian kembali laporan keuangan oleh perusahaan. Hasil penelitian menunjukkan metode data mining menggunakan model machine learning dapat mendeteksi fraud laporan keuangan dan model Extremely Randomized Trees memiliki kinerja terbaik dibandingkan dengan model machine learning yang lain dalam setiap percobaan pemisahan data latih dan data uji yang berbeda. Metode over-sampling dengan Synthetic Minority Over-sampling Technique (SMOTE) mampu meningkatkan kinerja model machine learning, sehingga dapat menjadi solusi mengatasi permasalahan ketidakseimbangan data sampel. Implikasi dari penelitian ini memberikan tambahan referensi metode pendeteksian fraud laporan keuangan dan usulan model machine learning dengan kinerja terbaik untuk diterapkan dalam langkah teknis dan pengembangan penelitian selanjutnya.