You are on page 1of 4

BAGAIMANA ILMU MATEMATIKA DAPAT MEMBANTU CPA DALAM

MENDETEKSI FRAUD

Sangat sulit dengan sekali melihat untuk menentukan jika suatu angka terlihat salah
atau benar. Dengan menggunakan Hukum Benford, matematika
dengan unik menemukana rumus untuk mendeteksi gejala
kecurangan. Pada tahun 1881, Simon Newcomb, seorang
astronom dan ahli matematika, yang diterbitkan pertama
diketahui jurnal yang menjelaskan apa yang telah menjadi
dikenal sebagai hukum Benford dalam American Journal of
Matematika. Newcomb tidak memberikan penjelasan teoritis
untuk fenomena tetapi newcomb menggambarkan dan melihat
bahwa beberapa halaman pertama buku logaritma nya lebih
usang dari pada beberapa terakhir. Benford mengumpulkan
lebih dari 20.000 pengamatan dari data yang beragam seperti set sebagai daerah sungai, berat
atom dari unsur-unsur, dan nomor muncul di Reader jurnal Digest. Diaconis dan Freedman
menawarkan bukti yang meyakinkan yang Benford dimanipulasi kesalahan round-off untuk
mendapatkan lebih cocok untuk hukum logaritmik, tetapi bahkan data non-dimanipulasi
adalah sangat baik cocok, Benford menemukan bahwa angka konsisten jatuh ke dalam pola
dengan rendah angka terjadi lebih sering pada pertama Posisi dari angka yang lebih besar.
Prinsip matematika mendefinisikan frekuensi digit menjadi dikenal sebagai hukum Benford
ini. Hukum benford menunjukkan bagaimana diterapkan pada data pasar saham, statistik
sensus,data akuntansi dan mencatat bahwa distribusi Benford ini, seperti distribusi normal,
merupakan fenomena empiris diamati.

Frank Benford melakukan observasi sederhana ketika bekerja di General Electric sekitar
tahun 1920an. Dia menemukan bahwa buku logaritmanya sering dibuka hanya pada halaman-
halaman tertentu aja yakni pada halaman dengan digit rendah lebih sering dibuka dibandingkan
yang lainnya. Dari penelitian sederhana tersebut akhirnya Frank Benford melakukan pengujian
terhadap 20 list angka dengan total observasi sebanyak 20.229. Hasil dari observasi 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. Secara umum
dapat dirumuskan, bahwa frekuensi kemunculan F(d) untuk suatu angka d di dalam suatu data
acak memenuhi persamaan: F(d) = log[(d + 1)/d]

Karakteristik data yang mengikuti hukum Frank Benford:


1. Angka tersebut menunjukkan besaran (size) atau dalam istilah penelitian adalah bentuk
Skala Rasio. Suatu angka yang bisa dibandingkan besar kecilnya.
2. Angka tersebut tidak berada maksimum atau minimum (di antara angka tertentu). Angka-
angka diantara 62500 sampai 78000 tidak memenuhi syarat probabilitas kemunculan angka
sesuai Hukum Benford, karena pasti yang akan sering muncul di posisi pertama adalah
angka 6 dan 7.
3. Angka tersebut bukan merupakan angka yang disimbolkan seperti kode pos, nomor telepon,
dan sebagainya.

Hukum Benford ini sudah diterapkan pada beberapa data keuangan meliputi pajak
pendapatan, atau data pasar saham, penjualan, dan demografis.
Berikut hasil penelitian demografi mengenai analisis populasi 3,141 kotadi US pada tahun
1990. Pada grafik terlihat pola dimana yang mempunyai digit awal terendah mempunyai
frekuensi yang tinggi. Hal ini menunjukkan berlakunya hokum Benford.

Pada tahun 1993 State Of Arizona v. Wayne James Nelson dituduh melakukan fraud sebesar$2
Juta. Manajer dari Arizona berpendapat bahwa ia telah mengalihkan dana untuk vendor palsu.
Data 23 cek yang telah diterbitkan adalah sebagai berikut:
Berikut adalah beberapa tanda-tanda berlakunya hukum Benford yang akan menarik perhatian:
1. Seperti yang sering terjadi dalam penipuan, koruptor mulai jumlah dolar kecil dan
kemudian meningkat.
2. Paling sering dalam jumlah yang tepat di bawah $100.000. Ini mungkin bahwa jumlah
dolar yang lebih tinggi menerima pemeriksaan tambahan atau cek diatas diperlukan
tanda tangan manusia bukan cek otomatis. Dengan menjaga jumlah tepat di bawah
ambang batas kontrol, manajer mencoba untuk menyembunyikan penipuan.
3. Pola digit dari jumlah cek yang hampir berlawanan dengan hukum Benford. Lebih dari
90% memiliki 7,8, atau 9 sebagai digit pertama. Masing-masing vendor telah diuji
melawan hukum Benford ini, nomor juga memiliki kesesuaian rendah, da sinyal
ketidakteraturan.
4. Angka tampaknya telah dipilih untuk memberikan tampilan keacakan; menajer
melakukan itu untuk menumbuhkan asumsi bahwa tak satu pun dari jumlah cek itu
digandakan; tidak ada angka bulat; dan semua jumlah-jumlah sen. Semua itu diulang
beberapa angka dan kombinasi digit.
Untuk menemukan keadaan yang anomali dari sebuah data, auditor juga bisa
menggunakan teknologi dalam memeriksa digitangka . teknologi tersebut bisa meliputi
SAS, IDEA, ACL, dan excel.
KESIMPULAN

Analisis Benford bila digunakan dengan benar, adalah alat yang berguna untuk
mengidentifikasi rekening tersangka untuk analisa lebih lanjut. Karena kegunaannya, alat
analisis digital berdasarkan hukum Benford ini sekarang sedang dimasukkan dalam banyak
paket perangkat lunak populer (misalnya, ACL dan CaseWare 2002) dan sedang disebut-
sebut dalam pers populer. Analisis Benford sangat berguna alat analisis karena tidak
menggunakan data agregat, melainkan dilakukan pada spesifik account menggunakan semua
data yang tersedia. Hal ini dapat sangat berguna dalam mengidentifikasi akun tertentu untuk
analisis lebih lanjut dan penyelidikan.

Karena biaya potensi penipuan terdeteksi tinggi, auditor menggunakan teknik ini harus
mengurus untuk tidak melebih-lebihkan keandalan tes tersebut.