BAB 06
Data and Driven Fraud Detection
A. Latar Belakang
Analisis berbasis data pada ringkasan laporan keuangan sangat berguna
terutama dalam audit eksternal. Bagian ini menganalisis jenis data-penggerak
tertentu yang mengarah pada penipuan dan korupsi dalam laporan keuangan.
Penipuan dapat dideteksi dari mana saja di sepanjang cara-melalui dokumen
sumber transaksi, jurnal entri transaksi berdasarkan dokumen tersebut, buku
besar saldo (yang merupakan ringkasan dari jurnal entri) -dan akhirnya dari
laporan keuangan yang dihasilkan. Kecuali penipuan besar, bagaimanapun, tidak
dapat mempengaruhi ringkasan laporan keuangan secara signifikan untuk
dideteksi.
Penipuan kecil biasanya terdeteksi dengan berfokus pada sumber dokumen
atau gejala lainnya. Untuk mendeteksi penipuan melalui laporan keuangan, pada
perubahan yang tidak dapat dijelaskan. Misalnya, kebanyakan perusahaan
dengan pelanggan yang sangat sedikit membayar kas pada saat pembelian.
Sebaliknya, pembayaran mereka dibuat dengan cek berdasarkan tagihan bulanan.
Akibatnya, pendapatan biasanya tidak meningkat tanpa penyesuaian pendapatan
dimana harus disertai dengan kenaikan biaya pokok penjualan dan persediaan
yang dibeli dan rekening saldo hutang.
B. Anomali Akuntansi dan Fraud
Dalam realita yang terjadi, auditor hanya menemukan anomali saja tanpa
menemukan fraud. Anomali Akuntansi disebabkan oleh lemahnya control.
Mereka bukan serta merta kesalahan; namun terjadi karena adanya kegagalan di
sebuah sistem, prosedur, dan kebijakan. Ciri khas dari anomali akuntansi adalah :
1. Bukan merupakan penipuan dan tidak berakibat hukum
Forensic Accounting & Fraud Examination FEB-UB 2012 Page 1
2. Dapat ditemukan diseluruh data, sehingga auditor cukup melakukan sampel
statistik
Fraud itu berbeda dengan Anomali Akuntansi. Fraud adalah tindakan
penipuan yang dirancang dengan intelegensi yang baik dan mempergunakan
bukti-bukti palsu untuk meyakinkan dan berakibat hukum. Biasanya terjadi
hanya pada satu atau dua kasus akun tertentu. Sedangkan Anomali Akuntansi
disebabkan oleh lemahnya control.
Audit Sampling dan Fraud
Statistic sampling menjadi dibutuhkan dalam menganalisis anomali
dikarenakan anomali sangat berbeda dengan fraud, dan ada disetiap bagian
laporan keuangan, didalamnya ada kontrol dan kebijakan audit. Namun
sebaliknya dalam mendeteksi fraud, statistic sampling kurang efektif.
Kekurangan ini dapat dibantu dengan menggunakan software yang sesuai dengan
keadaan klien, sehingga saat ini lebih banyak auditor yang dapat
mengefisiensikan waktu dan biaya.
C. Proses Dalam Analisi Data
Proses analisis data membutuhkan sebuah meode yang efektif yang
menggunakan perangkat lunak dan sebuah analisis teknik yang berorientasi data.
Menggunakan Metode Provoactive untuk Deteksi Fraud. Langkah- langkahnya
sebagai berikut:
Langkah 1: Memahami Bisnis
Proses deteksi provoaktif dimulai dengan pemahaman dari bisnis atau unit
yang diperiksa. Pemahaman yang baik meliputi pemahaman bisnis, proses dan
prosedur. Hal ini akan memudahkan analisis.dan membuat hipotesis tentang skema
yang bisa ada. Prosedur deteksi penipuan yang sama tidak dapat diterapkan secara
umum untuk semua jenis bisnis atau unit organisasi.
Forensic Accounting & Fraud Examination FEB-UB 2012 Page 1
Langkah 2: Identifikasi Kemungkinan Terjadinya Frauds
Langkah penilaian risiko membutuhkan pemahaman tentang sifat penipuan
yang berbeda. Proses identifikasi penipuan dimulai dengan konseptual membagi
unit bisnis ke fungsi individu atau siklus. Hal ini akan membantu memfokuskan
pada proses deteksi. Pada langkah ini, orang yang terlibat dalam fungsi bisnis
dapat diwawancarai. Pemeriksaan dapat menggunakan pertanyaan seperti berikut:
• Bagaimana orang dalam dan orang luar berinteraksi satu sama lain?
• Apa jenis penipuan telah terjadi atau diduga di masa lalu?
• Apa jenis penipuan yang dapat dilakukan atas nama perusahaan?
• Bagaimana kemungkinan karyawan atau manajemen melakukan penipuan?
• Bagaimana vendor atau pelanggan melakukan penipuan?
• Bagaimana vendor atau pelanggan yang bekerja melakukan kolusi dengan
karyawan?
Langkah 3: Membuat Daftar Gejala Kemungkinan Fraud
Penipuan itu sendiri jarang terlihat, hanya gejalanya yang biasanya dapat
diamati. Gejala penipuan sering hanya dijelaskan oleh faktor non-fraud, yang
menciptakan kebingungan, penundaan dan tambahan biaya untuk tim penipuan.
Gejala kecurangan dapat dibagi menjadi kelompok berikut:
• Akuntansi anomali
• Kelemahan pengendalian intern
• Analytical anomali
• Extravagant gaya hidup
• Perilaku yang tidak biasa
• Saran dan keluhan
Langkah 4: Gunakan Teknologi untuk mengumpulkan data symptom
Setelah gejala didefinisikan dan berkorelasi dengan penipuan, data pendukung
diambil dari database perusahaan, situs web online, dan sumber lain. Langkah ini
Forensic Accounting & Fraud Examination FEB-UB 2012 Page 1
biasanya dilakukan dengan menganalisis data melalui aplikasi atau dengan (SQL)
query dan script.
Langkah 5: Menganalisis Hasil
Setelah anomali diperhalus dan diproses oleh pemeriksa menjadi indikasi
kemungkinan penipuan, data dianalisis dengan menggunakan metode tradisional
ataupun berbasis teknologi. Penguji biasanya bekerja dengan auditor dan personil
keamanan untuk mengidentifikasi alasan adanya anomali. Wawancara dilakukan
dengan rekan kerja, menyelidiki dokumen kertas, dan kontak pihak luar yang
terkait. Satu keuntungan dari pendekatan deduktif adalah potensinya menggunakan
kembali. Analisis sering dapat otomatis dan terintegrasi langsung ke dalam sistem
perusahaan dengan cara yang menyediakan real-time analisis dan sebagai deteksi
penipuan serta mengetahui jenis pencegahan penipuan.
Langkah 6: Selidiki Symptom
Langkah terakhir dari pendekatan data-driven adalah investigasi menjadi
indikator yang paling penting. Penyidik dapat sepenuhnya menggunakan analisis
komputer untuk menyediakan data pendukung dan detail data.
Keuntungan utama dari pendekatan data-driven adalah penyidik mengambil alih
proses penyelidikan penipuan. Pendekatan data-driven dapat menyoroti adanya
penipuan hal ini masih kecil.
Kelemahan utama pada pendekatan data-driven adalah bahwa proses ini lebih
mahal dan membutuhkan waktu lebih intensif dari pendekatan tradisional.
Mendeteksi kecurangan berbasis data.
Dalam mendeteksi kecurangan dengan berbasis data, pengujian dapat dilakukan
dengan beberapa metode, seperti metode deduktif dan induktif:
1. Adapun metode induktif dapat dilakukan dengan menggunakan:
a. Commercial data mining software.
Forensic Accounting & Fraud Examination FEB-UB 2012 Page 1
Keuntungan :
Dapat mengetahui adanya keanehan-keanehan pada database (database
anomalies) dan aktivitas lain yang tidak biasanya
Dapat mengidentifikasi tren pembelian atas variasi produk dengan melakukan
pengujian terlebih dahulu
Dapat menemukan harga yang diinginkan oleh vendor sehingga dapat
meningkatkan total pembelian lebihcepat
Mudah untuk digunakan.
Kerugian :
Hanya bias mentransfer data dengan ukuran yang kecil, data yang
ditansferakan bersifat statis dan tidak bias dikombinasikan.
Adanya keterbatasan software akan membuat keterbatasan dalam
menganalisis.
Tanpa adanya manipulasi data dan membuat model atas banyaknya kombinasi
red flags, maka identifikasi atas gejala-gejala fraud akan terhenti dan tindakan
fraud yang terjadi tidak dapat dibersihkan.
b. Statistical Analysis.
Keuntungan :
Biayanya lebih murah dalam implementasi dan penggunaannya.
Orang yang berpotensi melakukan fraud tidak akan mengetahui bahwa fraud
sedang dideteksi.
Dapat digunakan pada perusahaan yang memiliki ukuran database sangat
besar.
Kerugian :
Menggunakan spekulasi untuk mencari sesuatu yang penting yaitu orang yang
berpotensi untuk melakukan tindakan fraud, jadi ada kemungkinan bahwa
yang akan terjadi sesudahnya akan berbeda dari apa yang diharapkan
Cenderung mengidentifikasi fraud melalui seberapa banyak jumlah gejala
(symptoms)
Forensic Accounting & Fraud Examination FEB-UB 2012 Page 1
2. Adapun metode deduktif dapat dilakukan dengan menggunakan cara:
Langkah-langkah menggunakan metode deduktif:
a) Memahami Bisnis perusahaan
b) Memahami type kecurangan yang terjadi di perusahaan
c) menjelaskan indikasi yang menunjukkan terjadinya kecurangan
d) menggunakan database dan sistem informasi perusahaan untuk
mengidentifikasi indikasi kecurangan
e) melakukan follow up untuk menjelaskan apakah aksi kecurangan benar-benar
terjadi dan faktor-faktor apa saja yang menjadi penyebab terjadinya
kecurangan tersebut.
Dalam mendeteksi kecurangan dengan berbasis analisis laporan keuangan
(laporanlaba/rugi dan neraca) pengujian dapat dilakukan dengan beberapa metode,
yaitu:
1. AnalisisVertikal
Mengkonversikan angka laporan keuangan dalam bentuk prosentase lalu
membandingkan pos laporan keuangan terhadap pos dasar pembandingnya.
2. AnalisisRasio
Menghitung rasio atas laporan keuangan dan membandingkan perubahannya
dari tahun ketahun.
3. AnalisisHorisontal
Analisis tren hubungan atas angka-angka pos laporan keuangan dari tahun
ketahun.
Bila dibandingan dengan pendekatan yang lebih tradisional yang reaktif,
pendekatan proaktif ini akan lebih efektif dan efisien karena dengan mendeteksi
secara proaktif, kita melakukan pengujian-pengujian analitis tentang dugaan
kecurangan dengan menggunakan data-data dengan hasil yang lebih akurat
Forensic Accounting & Fraud Examination FEB-UB 2012 Page 1
sehingga akan lebih afektif dalam mendeteksi kecurangan. Hal ini juga akan lebih
efisien karena akan lebih cepat dalam waktu ketika kita mengolah data dengan
metode yang lebih akurat.
D. Pentingnya Analisis laporan Keuangan
Analisis berbasis data pada ringkasan laporan keuangan sangat berguna
terutama dalam audit eksternal. Bagian ini menganalisis jenis data-penggerak
tertentu yang mengarah pada penipuan dan korupsi dalam laporan keuangan.
Penipuan dapat dideteksi dari mana saja di sepanjang cara-melalui dokumen
sumber transaksi, jurnal entri transaksi berdasarkan dokumen tersebut, buku besar
saldo (yang merupakan ringkasan dari jurnal entri) dan akhirnya dari laporan
keuangan yang dihasilkan.
Untuk memahami bagaimana perubahan pernyataan keuangan dapat memberi
sinyal penipuan, kita harus mengenal sifat tiga laporan keuangan utama yaitu:
a. Neraca Periodik,
Neraca adalah pernyataan yang menunjukkan aset, liabilitas, dan
ekuitas organisasi yang berada pada titik waktu tertentu. Karena neraca adalah
pernyataan posisi pada tanggal tertentu, maka harus dikonversi ke pernyataan
perubahan sebelum dapat digunakan untuk mendeteksi penipuan. Perubahan
kemudian dapat dianalisis untuk menentukan apakah mereka masuk akal atau
merupakan gejala yang harus diselidiki.
b. Laporan Laba Rugi,
Laporan laba rugi menunjukkan apa saja pendapatan dan biaya untuk
suatu periode waktu, biasanya dalam periode satu tahun. Seperti neraca, L/R
juga harus diubah menjadi pernyataan perubahan sebelum dapat digunakan
secara efektif sebagai alat deteksi penipuan.
Forensic Accounting & Fraud Examination FEB-UB 2012 Page 1
Neraca dan laporan laba rugi dijabarkan dari posisi dan periode laporan
menjadi laporan perubahan (change statement) dalam empat cara:
1. Membandingkan saldo akun dalam laporan dari satu periode ke periode
kunci.
Pendekatan pertama membandingkan Angka-Angka dalam pernyataan
dari satu periode ke periode berikutnya. Sebagai contoh, saldo piutang satu
periode dibandingkan dengan saldo pada periode berikutnya untuk melihat
apakah perubahan ke arah yang diharapkan dan perubahan adalah wajar,
perubahan lain diberikan dalam angka. Sayangnya, karena laporan keuangan
sering angka-angkanya besar dan sulit untuk dibandingkan, penilaian tingkat
perubahan bisa menjadi sulit.
2. Menghitung rasio dan membandingkannya dari periode ke periode.
Dalam pendekatan kedua – konversi neraca dan laporan laba rugi
menjadi pernyataan perubahan-kunci rasio laporan keuangan dihitung dan
perubahan rasio ini dibandingkan dari periode ke periode.
Rasio cepat (juga disebut acid-test ratio) dan current rasio menilai likuiditas
perusahaan.
Piutang turnover dan rasio perputaran persediaan menilai efisiensi
operasional perusahaan.
Utang terhadap ekuitas dan times-interest-earned ratios menilai solvabilitas
perusahaan. Profit margin, return on assets, return on equity, dan laba per
saham menilai rasio profitabilitas.
Dengan memeriksa rasio, adalah mungkin untuk melihat apakah yang
dihasilkan perubahan likuiditas, efisiensi, solvabilitas, dan profitabilitas
seperti yang diharapkan. Perubahan rasio yang tidak masuk akal merupakan
hasil dari aktivitas penipuan oleh manajer. Mendeteksi penipuan melalui
rasio laporan keuangan adalah jauh lebih mudah daripada menilai perubahan
angka dalam laporan keuangan sendiri.
3. Melakukan vertikal analisis
Forensic Accounting & Fraud Examination FEB-UB 2012 Page 1
Konversi neraca dan laporan laba rugi dengan menggunakan vertikal
analisis, yang mengubah angka-angka laporan keuangan menjadi persentase.
Untuk neraca, total aset ditetapkan 100 persen, dan semua saldo lainnya
adalah persentase dari total aset.
4. Melakukan horisontal analisis
Analisis horizontal adalah metode yang paling fokus pada perubahan.
Dengan rasio dan vertikal analisis, laporan akan dikonversi ke angka yang
lebih mudah dipahami, dan kemudian dibandingkan dari periode ke periode.
Dengan analisis horizontal, perubahan dalam jumlah dari periode ke periode
adalah dikonversi ke persentase (perubahan/ Jumlah 1 Tahun = %
Perubahan).
Contoh penipuan dalam laporan keuangan cukup banyak. Beberapa penipuan
yang tidak terjawab oleh auditor dapat dengan mudah dideteksi dengan
menggunakan analisis horizontal atau vertikal. Namun disayangkan manajer dan
bahkan auditor umumnya menggunakan rasio, analisis horisontal dan analisis
vertikal hanya sebagai alat untuk menilai kinerja organisasi. Jarang mereka
menggunakan langkah-langkah untuk mendeteksi penipuan. laporan keuangan
c. Laporan arus kas.
Laporan arus kas merupakan pernyataan perubahan dan tidak perlu
dikonversi. Laporan arus kas menunjukkan arus masuk kas dan arus kas keluar
selama suatu periode. Kenaikan atau penurunan yang tidak masuk akal
menjadi “red flag” dan harus diselidiki. Karena laporan arus kas berfokus pada
perubahan, dapat digunakan untuk menjawab pertanyaan seperti berikut:
• Apakah peningkatan arus kas seperti yang diharapkan?
• Mengapa piutang naik (turun)?
• Mengapa terjadi peningkatan persediaan (penurunan)?
• Mengapa terjadi peningkatan hutang (penurunan)?
• Mengapa ada peningkatan hutang ketika persediaan menurun?
Forensic Accounting & Fraud Examination FEB-UB 2012 Page 1
• Mengapa aset dijual (dibeli)?
• Dari mana uang untuk membayar dividen?
Forensic Accounting & Fraud Examination FEB-UB 2012 Page 1
Jawaban Kasus
ShortCase 2
Sebuah bisnis manufaktur besar telah mempekerjakan anda sebagai spesialis deteksi
penipuan. Hari pertama pada pekerjaan atasan anda memberikan anda pertanyaan-
pertanyaan berikut:
1. Apa itu Hukum Benford ini?
2. Dalam situasi yang bagaimana Hukum Benford digunakan, dan dalam situasi apa
adalah Hukum Benford yang tidak pantas?
Jawab:
1. Hukum Benford merupakan merupakan metode analisis digital dalam penyelidikan
penipuan. Hukum ini menyatakan bahwa kemungkinan kemunculan angka itu ada
aturannya. Aturannya adalah bahwa sebuah angka menduduki kemungkinan
tertentu untuk sering-tidaknya muncul dalam posisinya. Angka Rp. 34.578
dipandang sebagi angka 34578 (tanpa titik) dengan posisi angka 3 di posisi
pertama, angka 4 diposisi kedua, angka 5 di posisi ketiga, angka 7 diposisi
keempat dan terakhir angka 8 diposisi kelima.
2. Dalam situasi yang mendeteksi fraud dan (Transaksi Kartu Kredit, Order
pembelian, Data pinjaman, Saldo pelanggan, Jurnal, Harga saham, Transaksi utang
usaha, Harga persediaan) dapat digunakan Hukum Benford caranya dengan
mencari angka-angka yang mencurigakan.
Ini Populer dengan nama Benford’s Law (kaidah atau hukum Benford),
analisanya mengatakan bahwa secara umum dan internasional dalam sebuah
populasi, angka yang berawalan 1,2, dan 3 akan berjumlah lebih banyak dari
angka yang berawalan 7,8, dan 9. Akan tetapi supaya Benford’s Law ini dapat
diterapkan secara efektif, angka-angka dalam satu populasi tersebut harus
memenuhi beberapa syarat:
Tidak ada batas bawah angka tertentu
Forensic Accounting & Fraud Examination FEB-UB 2012 Page 1
Lebih banyak nilai/angka-angka yang kecil daripada yang besar (misalnya
lebih banyak satuan, puluhan, dan ratusan daripada ratusan ribuan atau
puluhan juta)
Minimal 1000 data
Merupakan angka yang ‘natural’ (bukan daftar angka-angka berupa nomor
telepon, KTP, NPWP, dan sejenisnya)
Berasal dari transaksi yang mirip/serupa (misalnya, data jumlah pembelian
per-konsumen di bulan tertentu)
Hukum Benford tidak bekerja pada nomor yang terkontrol nilai spesifik, atau
yang bekerja pada angka acak seperti generator angka acak. Hukum Benford
juga tidak bekerja dengan baik pada sampel yang berukuran kecil. Contoh:
• Nomor telepon
• Data dengan jumlah 500 atau lebih sedikit
• Data yang tersusun dari formula (misalnyaYYMM#### sebagai nomor polis
asuransi)
• Data sets with 500 or fewer transactions
• Data generated by formulas (e.g., YYMM#### as an insurance policy number)
Secara khusus, dalam kumpulan data, digit(s) terkemuka adalah ()
didistribusikan dengan cara tertentu, nonuniform. Sementara salah satu mungkin
berpikir bahwa nomor 1 akan muncul sebagai digit pertama 11 persen dari waktu
(yaitu, salah satu nomor mungkin sembilan), itu sebenarnya muncul sekitar 30
persen dari waktu (lihat gambar 1). Sembilan, di sisi lain, adalah digit pertama
kurang dari 5 persen dari waktu. Teori mencakup digit pertama, digit kedua, dua
digit pertama, digit terakhir dan kombinasi lainnya dari digit karena teori
didasarkan pada logaritma probabilitas terjadinya digit.
Forensic Accounting & Fraud Examination FEB-UB 2012 Page 1
Tabel Benford’s Law
ShortCase 3
Dennis Jones, seorang teman lama di kampus, menghubungi Anda minggu lalu.
Dennis memiliki beberapa usaha pencucian mobil, dan ia percaya bahwa penipuan
laporan keuangan yang mungkin terjadi. (Dia membayar bonus pada setiap manajer
cuci mobil jika suatu tingkat tertentu laba diperoleh dan khawatir bahwa terdapat
beberapa manajer yang melebih-lebihkan laba untuk mendapatkan bonus lebih
tinggi). Dennis datang hari ini untuk melihat apakah Anda dapat membantu dia
menentukan jika kecurigaannya adalah valid. Dia membawa serta laporan keuangan
untuk setiap cuci mobil (laporan laba rugi, neraca, dan laporan arus kas) untuk lima
tahun terakhir.
Jawab:
Dalam mendeteksi terjadinya fraud, dapat melakukan “analisis terhadap laporan keuangan” perusahaan pencucian mobil dengan menggunakan metode-metode tertentu, diantaranya :
1. Membandingkan saldo akun dalam laporan keungan antar periode
Forensic Accounting & Fraud Examination FEB-UB 2012 Page 1
Metode ini melihat langsung saldo dalam setiap akun dalam laporan keuangan dari suatu periode ke periode berikutnya, apakah terdapat perubahan ke arah yang diharapkan dan apakah besarnya perubahan adalah wajar apa tidak.
2. Menghitung rasio.Menghitung rasio laporan keuangan suatu periode dan periode berikutnya kemudian membandingkannya antar periode. Metode ini untuk melihat apakah perubahan likuiditas, efisiensi, solvabilitas, dan profitabilitas terjadi seperti yang diharapkan. Perubahan rasio yang tidak masuk akal sering hasil dari aktivitas fraud oleh manajer.
3. Melakukan analisis vertikalMengubah angka laporan keuangan menjadi bentuk persentase. Untuk neraca, total aset ditetapkan 100 persen, dan semua saldo lainnya adalah persentase dari total aset. Hal ini untuk mempermudah melihat bagian-bagian dalam laporan keuangan dan memeriksa kontribusi suatu akun terhadap keseluruhan total neraca dan laporan lainnya.
4. Melakukan analisis horisontalAnalisis ini mengkonversi laporan ke dalam angka yang lebih mudah dipahami, dan kemudian angka tersebut dibandingkan dari periode ke periode. Sehingga mempermudah dalam melihat perubahan angka akun-akun dalam laporan keuangan antar periode.
Shortcase 10
Penipuan besar sering dapat dideteksi dengan melakukan analisa keuangan.
Meskipun analisis semacam itu dapat meningkatkan pusat perhatian, tidak semua
bendera merah adalah hasil dari kegiatan penipuan. Penjelasan yang masuk akal
sering ada untuk anomali dalam laporan keuangan. Laporan arus kas adalah satu
laporan keuangan yang dianalisis untuk mengidentifikasi kemungkinan terjadinya
penipuan. Pernyataan ini untuk Kelly Enterprises, Inc, selama tiga tahun ditunjukkan
dalam tabel pada Halaman di bawah ini.
Forensic Accounting & Fraud Examination FEB-UB 2012 Page 1
1. Identifikasi kemungkinan terjadinya bendera merah.
2. Menunjukkan jika ada penjelasan yang masuk akal untuk bidang yang
menjadi pusat perhatian.
Jawab:
1. Kemungkinan terjadinya bendera merah dalam laporan arus kas:
Dalam Laporan Arus Kas, kenaikan atau penurunan yang tidak masuk akal
menjadi “red flag” dan harus diselidiki . Karena laporan arus kas berfokus
pada perubahan. Dalam Kasus ini terdapat perbedaan peningkatan dan
penurunan arus kas:
• Kas bersih dari aktivitas operasi yang lebih tinggi $100 dari pada
perhitungan yang seharusnya pada tahun 2012 (harusnya 399 menjadi 499),
dan lebih rendah $30 dari pada perhitungan yang seharusnya pada tahun
2011 (harusnya 720 menjadi 690)
Forensic Accounting & Fraud Examination FEB-UB 2012 Page 1
• Kas bersih dari aktivitas pembiayaan yang lebih besar $300 daripada
perhitungan yang seharusnya pada tahun 2011.
2. Penjelasan yang masuk akal untuk bidang yang menjadi pusat perhatian:
Karena laporan arus kas berfokus pada penurunan dan peningkatan arus kas ,
yang menjadi fokus perhatian adalah:
• Mengapa piutang turun secara signifikan.?
• Mengapa terjadi peningkatan persediaan (penurunan)?
• Mengapa terjadi peningkatan hutang (penurunan)?
• Mengapa ada peningkatan hutang ketika persediaan menurun?
• Mengapa aset dijual (dibeli)?
• Dari mana uang untuk membayar dividen?
Case Studies 4
Menghitung rasio diperlukan pada lembar analisis rasio dan kemudian
menyelesaikan lembar kerja analisis horisontal dan vertical.
Forensic Accounting & Fraud Examination FEB-UB 2012 Page 1
Tabel. Analisis Rasio
LIQUIDITY RATIOSCurrent RatioQuick ratioAccounts receivable turnoverDays ’ sales in accounts receivable
Sales/Working capitalEQUITY POSITION RATIOSOwners’ equity/Total assetsCurrent liabilities/Owners’ equityTotal liabilities/Owners’ equity
Inventory turnoverPROFITABILITY/PERFORMANCE RATIOProfit marginGross profit margin (%)Earnings per shareSales/Total assets
ABC COMPANYRATIO ANALYSIS
31-Dec-1212/31/2012 12/31/2011 Change % Change
0.76 0.78 -0.03 -4%483.27 465.52 17.75 4%
3.79 2.26 1.53 67%2.57 1.49 1.09 73%
0.22 -0.01 -4%62% 61% 0.01 2%
1.18 1.36 -0.19 -14%
9.03 11.38
0.61 0.48 0.130.33 0.68 0.350.65 1.10 0.44 40%
-2.35 -21%0.73 0.70 0.03 4%
0.21
1.33 1.72 -0.39 -23%
27%52%
Forensic Accounting & Fraud Examination FEB-UB 2012 Page 1
Cost of good solds
EXPENSES
Depreciation
Sales 1,572,134$ 1,413,581$ 158,553$
Advertising 55,153$
2012 2011 Change
18,934$ 1,217$
50,531$ 4,622$
601,215$ 556,721$ 44,494$ Gross profit 970,919$ 856,860$ 114,059$
income tax expense 216,092$ 203,143$ 12,949$
Total Expenses 430,690$ 349,003$ 81,687$ Net Income before income tax 540,229$ 507,857$ 32,372$
Salaries and wages 47,121$ 45,312$ 1,809$ Utilities 15,912$
NET INCOME 324,137$ 304,714$ 19,423$
15,643$ 269$
Rent 148,321$ 142,078$ 6,243$ Repairs and maintenace 14,315$ 13,642$ 673$
% Change
11%8%
ABC COMPANYINCOME STATEMENT
FOR THE PERIOD ENDED DECEMBER 31,2012
192%4%5%4%2%23%
13%
9%0%6%69%
6%
Legal 17,261$ 10,207$ 7,054$ Miscellaneous
6%6%
91,014$ 31,214$ 59,800$
21,442$ 21,442$ -$ Bad Debts 20,151$
Tabel. Analisis Horisontal
Forensic Accounting & Fraud Examination FEB-UB 2012 Page 1
ASSETS 2012 % TOTAL ASSETS 2011
ABC COMPANYBALANCE SHEET
AS OF DECEMBER 31, 2012
Cash 501,992$ 23.33% 434,215$ Current Assets
11.71% 231,100$ Total Current assets 1,604,312$ 74.58% 1,473,150$
15.59% 302,514$ Inventory 515,174$ 23.95% 505,321$ Prepaid Expense 251,874$
Accounts receivable 335,272$
100.00% 2,011,839$ LIABILITIES
35.57% 735,531$ Accumulated Depreciation (218,284)$ -10.15% (196,842)$ TOTAL ASSETS 2,151,243$
Property, Plant, and Equipments 765,215$
5.68% 216,533$ Income tax payable 10,645$ 0.49% 25,698$
Current LiabilitiesAccounts payable 284,494$ 13.22% 366,864$ Accrued liabilities 122,192$
Long-term liabilitiesLong-term debt 425,311$ 19.77% 400,311$
1.96% 42,200$ Total current liabilities 423,531$ 19.69% 651,295$ Current portion of long-term debt 42,200$
1.37% 24,881$
TOTAL LIABILITIES 848,842$ 39.46% 1,051,606$ STOCKHOLDER'S EQUITY
TOTAL LIBILITIES AND STOCKHOLDER'S EQUITY 2,151,243$ 100.00% 2,011,839$
% TOTAL ASSETS 2010
15% 241,764$
73% 1,064,178$
Retained Earnings 902,731$ 41.96% 578,594$ Total Stockholder's equity 1,302,401$ 60.54% 960,233$
Common stock 370,124$ 17.21% 356,758$ Additional Paid-in capital 29,546$
15%25% 310,885$ 20%11% 136,388$ 9%
% TOTAL ASSETS
22% 375,141$ 24%
1,593,910$ 100%
67%37% 705,132$ 44%-10% (175,400)$ -11%100%
42,200$ 3%32% 602,179$ 38%
322,156$ 20%11% 215,474$ 14%1% 22,349$ 1%
18%
2%
18% 320,841$ 20%
20% 375,100$ 24%52% 977,279$ 61%
48% 616,631$ 39%100% 1,593,910$ 100%
1% 21,910$ 1%29% 273,880$ 17%
Tabel. Analisis Vertikal
Forensic Accounting & Fraud Examination FEB-UB 2012 Page 1
Top Related