Neural Network untuk Deteksi Fraud Lap.Keu

Selama gw kuliah gw taunya neural network atau bisa disebut dengan jaringan syaraf tiruan lebih banyak diaplikasikan untuk hal-hal yang terkait dengan dunia komputasi seperti finger print/eye recognition (deteksi sidik jari/mata), robot agar bisa merespon lingkungannya (asimo – robotnya Honda pasti dilengkapi dengan JST yang sangat kompleks), atau untuk pengenalan-pengenalan pola lainnya. Ternyata kesini-kesini setelah kerja, JST juga dimanfaatkan untuk hal-hal yang terkait dengan keuangan perusahaan, contohnya disini adalah untuk mendeteksi fraud melalui laporan keuangan publikasi. (klo dilihat sih sebetulnya sama aja antara dimanfaatkan utk lap.keu atau dimanfaatkan pada robot…karena inti dari JST/NN adalah pengenalan pola yang satunya menganalisa pola lap keu dan yg satunya menganalisa pola lingkungan sekitarnya)

Neural Networ (Jaringan Syaraf Tiruan) merupakan salah satu bentuk dari Artificial Intelegencia dimana cara kerja dari NN adalah meniru cara kerja otak manusia, jadi disini kita mendesain suatu sistim komputasi dan kemudian kita memberikan proses learning/ pembelajaran pada sistim tersebut, dimana setelah kita melakukan pembelajaran pada system tersebut maka untuk selanjutnya system tersebut akan membantu kita menyelesaikan persoalan-persoalan tertentu. Logikanya seperti kita mengajari anak kecil, agar anak kecil tersebut mengerti mana aja yang termasuk mobil maka kita akan mengajari pada anak tersebut mana saja yang termasuk mobil dan mana saja yang bukan mobil. Metode untuk NN sendiri bisa bermacam-macam yang paling terkenal (paling gampang hehee) adalah backpropagasi. Proses inti dari NN sendiri adalah Learning (pembelajaran) dan Mappin (pengenalan).

Sebetulnya bagian paling susah dari NN adalah mengumpulkan data-data untuk pembelajaran dimana semakin banyak data yang digunakan maka sistim itu akan semakin pintar, setelah data terkumpul dan variable-variabel input dan output telah ditentukan baru kita mulai mendesain sistim sarafnya (menurut pengalaman gw, desain sistimnya ini yg gampang-gampang susah soalnya trial and error juga sih, dan desain intinya harus terdiri dari input, hidden dan output layer). Kembali ke pemanfaatan NN untuk mendeteksi fraud pada lap.keuangan, beberapa variable yang dapat digunakan sebagai input dari sistim antara lain (this variable provided by Autonet)

• Corporate Governance : proxynya bisa melalui CSR, gaji direksi/komisaris, tingkat disclosure (keterbukaan ke publik), dll
• Reputasi auditor yang melakukan pemeriksaan lap.keu
• Agency problem ini merupakan konflik keagenan antara pemegang saham dan management perusahaan. (teori ini dipopulerkan oleh Jensen and Meckling)
• Jumlah dan lokasi kantor cabang
• Struktur permodalan perusahaan
• Financial disstress atau tingkat kesulitan keuangan perusahaan
• Personel : seperti tingkat CEO turnover, CFO turnover, dll
• Litigasi
• Pemilihan metode akuntansi
• Rasio-rasio pada laporan keuangan
• Trens analisa

Data-data pembelajaran pada variabel2 diatas akan semakin baik jika laporan keuangan yang dianalisa lebih dari 3 tahun dan jumlah perusahaan semakin banyak terutama perusahaan dalam industri sejenis. (nah..kebayangkan pasti kendala terbesar dalam NN adalah data collection, kalo bikin desain NN nya semingguan bisa kelar tp untuk ngumpulin data-datanya....wuihhhh...long n winding road...heheeee)