Abstract

This study was conducted to determine the retail trading companies listed on the Indonesia Stock Exchange in 2016-2018 which are classified as manipulators and non-manipulators. The type of data used in this research is secondary data. The population in this study are retail trading companies totaling 22 companies and producing a sample of 13 retail trading companies using purposive sampling method. The analytical technique used in this study is a quantitative descriptive technique using the Beneish M Score . The results of the study show that there are 15 retail trading companies that are classified as manipulators in 2016-2018 and have a percentage of 38.46%. The manipulator companies consist of 6 companies in 2016 , 5 companies in 2017 , and 4 companies in 2018 . While the results of the study show that retail trading companies that are classified as non-manipulators in 2016-2018 amounted to 24 companies and had a percentage of 61.54%. The non-manipulator companies consist of 7 companies in 2016, 8 companies in 2017, and 9 companies in 2018.

Pendahuluan

Laporan keuangan merupakan hasil dari proses akuntansi . Laporan keuangan meliputi 2 laporan keuangan yaitu neraca dan laporan laba rugi . Penyusunan laporan keuangan ini bertujuan guna menyediakan informasi keuangan pada suatu perusahaan yang ditujukan ke bebrapa pihak yang berkepentingan untuk dijadikan bahan pertimbangan dalam mengambil keputusan (sutrisno,2012:9). Di dalam dunia bisnis atau perusahaan laporan keuangan menjadi hal yang sangat penting bagi suatu perusahaan . Para pengguna informasi bis melihat kondsi perusahaan tersebut apakah perusahaan tersebut berjalan dengan baik atau tidak melalui laporan keuangan tersebut karena dalam laporan keuangan keuangan mengandung semua data yang ada didalam perusahaan dan seluruh aktivitas operasional didalam perusahaan. Pengertian kecurangan dikembangkan lebih lanjut Black’s Law Dictionary sehingga menjadi luas . Black’s Law Dictionary mengatakan bahwa segala macam yang bisa dipikirkan oleh manusia yang diupayakan oleh manusia dengan bertujuan untuk mendapatkan sebuah keuntungan yang diperoleh dari orang lain dengan jalan yang tidak benar dan mencakup macam macam cara tidak terduga-duga , penuh siasat yang licik dan tersembunyi dan mereka menggunakan cara yang tidak terduga terduga duga, penuh dengan siasat licik dan tersembunyi dan mereka menggunakan cara yang tidak jujur dengan bertujuan orang lain percaya dan tertipu . Skandal kecurangan laporan keuangan sudah terjadi di beberapa negara salah satunya di amerika serikat yaitu perusahaan raksasa yaitu Enron Corporation . Enron merupakan perusahaan terbesar ke-7 di AS dan kasus ini melibatkan perusahaan akuntan publik ternama KAP Arthur Andersen dan diduga beberapa pejabat Gedung Putih. Enron adalah raksasa yang bergerak di bidang energi berbasis di Houston, AS, yang memilki sekitar 21.000 karyawan .

Fraud atau kecurangan tersebut terjadi karena beberpa factor yang disebut dengan Fraud Triangle . Fraud triangle adalah sebuah teori yang dikemukakan oleh Donald R. Cressey setelah melakukan penelitian untuk tesis doktor-nya pada tahun 1950. pressure (dorongan), opportunity (peluang), dan rationalization (rasionalisasi). Namun seiring dengan perkembangan zaman, ditemukan 1 faktor lagi yang merupakan alasan seseorang melakukan kecurangan yang dinamakan fraud diamond . Fraud diamond merupakan sebuah pandangan baru tentang fenomena fraud yang dikemukakan oleh Wolfe dan Hermanson (2004). Perkembangan fraud terbaru yakni Fraud Pentagon . Teori ini mengupas lebih dalam mengenai factor factor pemicu kecurangan atau fraud . Toeri ini dikemukaan oleh Crowe Howarth pada 2011 . Teori fraud pentagon merupakan peeluasaan dari teori fraud triangle yang sebelumnya dikemukakan oleh cressey dalam teori ini menambahkan dua elemen farud lainnya yaitu kompetensi ( competence) dan arogansi (arrogance) . Perusahaan membutuhkan alat deteksi yang bisa digunakan untuk mengetahui adanya manipulasi karena kecurangan laporan keuangan banyak terjadi di dalam perusahaan. Dalam artikelnya “The Detection of Earnings Manipulation” (Financial Analysts Journal, Sept-Oct 1999) Messod D. Beneish menjelaskan perbedaan kuantitatif antar perusahaan public yang telah melakukan manipulasi dan perusahaan yang tidak melakukan manipulasi. Pengukuran yang digunakan dalam penelitian ini ada 8 yaitu DSRI (Day’s Sales in Receivable Index) , GMI (Gross Margin Index) , AQI (Asset Quality Index) , SGI (Sales Growth Index ) , DEPI (Depreciation Index), SGAI (Sales General And Admistrative Expenses Index) , LVGI (Leverange Index), dan TATA (Total Accrual to Total Assets Index) . Berdasarkan uraian di atas, maka judul penelitian ini adalah “Pendeteksian kecurangan laporan keuangan dengan analisis Beneish M score model ( Studi Empiris pada Perusahaan perdagangan eceran yang Terdaftar di Bursa Efek Indonesia Tahun 2016-2018 )”.

Metode Penelitian

A. Pendekatan Penelitian

Metode penelitian yaitu cara yang biasanya digunakan untuk mencapai suatu tujuan . Metode Penelitian yang digunakan dalam penelitian ini ialah penelitian deskriptif dengan pendektan kuantitatif.

B. Rancangan Penelitian

Gambar 3.1 Rancangan Penelitian

C. Lokasi Penelitian

Dalam penelitian ini dilakukan dengan mengambil data laporan keuangan perusahaan perdagangan eceran yang terdaftar di Bursa efek Indonesia pada tahun 2017-2018. Laporan keuangan tersebut diunduh dari situs . Dan penelitian ini dilaksanakan pada bulan oktober 2019 .

D. Jenis dan Sumber Data

Dalam penelitian ini jenis data yang digunakan ialah data sekunder . Data sekunder yaitu sumber data penelitian yang diperoleh peneliti dengan cara yang tidak langsung dan melalui media perantara berupa bukti , catatan maupun laporan historis yang tersusun yang dipublikasikan dan yang sudah tidak dipublikasikan . Sedangkan data yang digunakan dalam penelitian ini ialah berupa laporan keuangan perusahaan perdagangan eceran yang sudah terdaftar dibursa efek Indonesia pada tahun 2017-2018. Untuk memperoleh data tersebut peneliti download softcopy laporan keuangan emiten di website bursa efek Indonesia

E. Sampel

Sampel pada penelitian ini ditentukanodengan metode non-probability - purposive judgement sampling yaitu sampel tersebut ditentukan berdasarkan kriteria tertentu yang ditentukan penulis dan memiliki keterbatasan pada generalisasi . Adapun kriteria yang telah ditentukan dalam penelitian ini yaitu perusahaan perdagangan eceran yang terdaftar Di BEI secara konsisten berturut-turut selama 3 periode yaitu pada tahun 2016-2018.

F. Metode Analisis Data

Metode analisis ini digunakan untuk mendapatkan hasil yang pasti dalam mengolah data sehingga dapat dipertangungjawabkan. Teknik Analisis Data yang digunakan dalam penelitian ini menggunakan teknik analisis Beneish M-Score terhadap laporan keuangan perusahaan yang menjadi sampel penelitian. Perhitungan Beneish M score digunakan sebagai acuan untuk menentukan perusahaan tergolong manipulator dan non manipulator . Perusahaan dikategorikan manipulators apabila memiliki nilai akhir M score lebih besar dari -2,22 sedangkan perusahaan dikategorikan sebagai non manipulators apabila memperoleh nilai M score kurang dari -2,22. Adapun langkah langkah yang harus dilakukan untuk menggolongkan perusahaan kedalam kategori manipulator dan non manipulator adalah sebagai berikut :

1. Langkah pertama , Menghitung nilai rasio indeks perusahaan dalam beneish m score terdapat 8 rasio yang harus dihitung terlebih dahulu sebelum memasukkan hasil nilai rasio indeks tersebut kedalam rumus beneish m score . 8 rasio tersebut adalah Day Sales in Receivable Index (DSRI), Gross Margin Index (GMI), Aset Quality Index (AQI) , Sales Growth Index (SGI) , Depreciation Index (DEPI) , Sales General and Administrative Expenses Index (SGAI) , Leverage Index (LVGI), dan Total Accruals to Total Assets (TATA).

2. Langkah kedua , Memasukkan hasil nilai rasio indeks kedalam rumus beneish M score setelah semua rasio indeks dari beneish M score telah selesai dikerjakan dan ditemukan nilai dari per rasio indeks dari beneish M score , maka langkah selanjutnya yaitu memasukan nilai ke 8 rasio tersebut kedalam rumus Beneish M-Score. Beikut ini adalah rumus Beneish M-Score :

M-Score = -4.84 + 0.920*DSRI + 0.528*GMI + 0.404*AQI + 0.892*SGI + 0.115*DEPI – 0.172*SGAI + 4.679*TATA – 0.327*LVGI

Rumus inilah yang digunakan untuk mengkategorikan perusahaan kedalam golongan manipulator maupun non manipulator.

3. Langkah ketiga , Menentukan Perusahaan yang Tergolong kedalam Kategori Manipulator dan non manipulator untuk bisa menggolongkan perusahaan ke dalam kategori manipulator maupun non manipulator adalah dengan cara melihat hasil akhir dari nilai M-Scorenya. Jika suatu perusahaan memiliki nilai M-Score lebih dari -2,22 maka dikategorikan sebagai perusahaan manipulator, sedangkan jika M-Sorenya kurang dari -2,22 maka dikategorikan sebagai perusahaan non manipulator

4. Langkah keempat , Menghitung jumlah persentase dari perusahaan yang tergolong manipulator dan non manipulator.

Hasil dan Pembahasan

A . Menghitung Rasio Indeks Perusahaan

1. Indeks Piutang dari Hasil Penjualan (DSRI)

DSRI merupakan Indeks jumlah hari dalam penerimaan hasil piutang atas penjualan (DSRI). Rasio seperti ini membandingkan antara piutang usaha dengan penjualan yang dihasilkan oleh perusahaan pada suatu tahun (t) dan tahun sebelumnya (t-1).

Piutang Usaha_t / Penjualan_t

Piutang usaha_{t-1 /} Penjualan_t-1

2. Indeks Margin Kotor (GMI)

GMI merupakan indeks margin kotor yang membandingkan perubahan laba kotor yang dihasilkan oleh suatu perusahaan pada suatu tahun suatu tahun (t) dan tahun sebelumnya (t-1). Rasio ini berguna untuk mengukur tingkat profitabilitas suatu perusahaan yang mana rasio ini merepresentasikan prospek perusahaan di masa yang akan datang.

Laba Kotor_t-1 / Penjualan_t-1

Laba Kotor_t / Penjualan_t

3. Indeks Kualitas Aset (AQI)

AQI berguna untuk membandingkan asset tidak lancar yang perusahaan miliki selain asset tetap dengan total asset perusahaan pada suatu suatu tahun (t) dan tahun sebelumnya (t-1). AQI juga menunjukkan bahwa kualitas aset tidak lancar perusahaan yang kemungkinan untuk memberikan manfaat bagi perusahaan di masa depan.

(1 – ^{( Aset Lancar}_{t +} ^{Aset Tetap}_t ⁾

Total aset

(1 - ^{( Aset Lancar}_{t-1 +} ^{Aset Tetap}_t-1 ⁾

Total asset _t-1

4. Indeks Pertumbuhan Penjualan (SGI)

SGI berguna untuk membandingkan suatu penjualan pada suatu tahun (t) dan tahun sebelumnya (t-1).

Penjualan_t

Penjualan_t-1

5. Indeks Atas Beban Depresiasi (DEPI)

DEPI berguna untuk membandingkan beban depresiasi terhadap asset tetap sebelum depresiasi pada suatu tahun (t) dan tahun sebelumnya (t-1).

Depresiasi_t1

Depresiasi_{t-1 +} Aset tetap_t-1

Depresiasi_t

Depresiasi_{t +} Depresiasi_t

6. Indeks Atas Beban Penjualan, Umum, dan Administrasi (SGAI)

SGAI berguna untuk membandingkan beban penjualan, umum, dan administrasi terhadap penjualan pada suatu tahun (t) dan tahun sebelumya (t -1).

Biaya penjualan, umum & administrasi_t

Penjualan_t

Biaya penjualan, umum & administrasi_t-1

Penjualan_t-1

7. Indeks Atas Tingkat Hutang (LVGI)

LVGI berguna untuk membandingkan jumlah hutang terhadap total asset pada suatu tahun (t) dan tahun sebelumnya (t -1). Rasio ini memiliki tujuan untuk mengetahui bagaimana tingkat hutang yang dimiliki oleh perusahaan terhadap total aktivanya dari tahun ke tahun .

Total Kewajiban_t

Total Aktiva_t

Total Kewajiban_t-1

Total Aktiva_t-1

8 . Total Akrual Terhadap Total Aset (TATA)

Total akrual yang tinggi menunjukkan tingginya jumlah laba akrual yang perusahaan miliki. Hal tersebut menunjukkan bahwa jumlah kas atas laba yang dihasilkan ialah rendah .

ΔWorking Capital – ΔCash- ΔTax Payable-Depr&Amor

Total Aktiva

B. Memasukan Hasil Hitung Rasio Indeks Kedalam Rumus Beneish M Score

Semua rasio indeks dari Beneish M-Score telah selesai dikerjakan, maka langkah selanjutnya yaitu memasukan hasil penghitungan rasio indeks Beneish M-Score tersebut kedalam rumus Beneish M-Score. Hal ini dilakukan agar perusahaan-perusahaan tersebut bisa digolongkan kedalam kategori perusahaan manipulator maupun perusahaan non manipulator. Berikut ini adalah rumus dari Beneish M-Score:

M = -4.84 + 0.920*DSRI + 0.528*GMI + 0.404*AQI + 0.892*SGI + 0.115*DEPI

– 0.172*SGAI + 4.679*TATA – 0.327*LVGI

Dibawah ini merupakan hasil akhir dari penghitungan Beneish M-Score atau biasa disebut dengan M-Score dari perusahaan perdagangan eceran pada tahun 2016, 2017, dan 2018

Tabel diatas merupakan hasilopenghitunganorumus darioBeneish M-Score yang manaOperusahaan yang memilikionilai M-Score lebihodari -2,22 akan dikategorikano kedalamuperusahaan manipulator, sedangkanoperusahaan yangomemiliki nilai M-Score kurang dari -2,22 akan dikategorikanosebagai perusahaanonon manipulator.

C . Menetukan perusahaan yang tergolong kedalam manipulator ataupun non manipulator

Berdasarkan hasiloakhir dari nilai M score . Untuk bisaomengkategorikan perusahaanokedalam kategoriomanipulator maupun nonomanipulator maka harusodilihat hasil akhirodari nilai M Score nya . Hasil akhiropenghitungan nilai M Score padaotahun 2016 terdapat 6 perusahaanoyang memilikionilai lebih dari -2,22 atau masuk kedalamogolongan manipulator . Yaitu perusahaan CSAP , ECII , GOLD , KOIN , MAPI, RALS . NilaioM Score masing msing perusahaan yaitu untuk CSAP sebesar -1,447949181 , ECII sebesar -1.953110405 , GOLD sebesar 33,5007609 , KOIN sebesar -2,160427107 , MAPI sebesar -1,311462594 , RALS sebesar -0,69650202 .

Untukotahun 2017 ada 5 perusahaan yang tergolong perusahaan golongan manipulator atau mempunyaionilai M Scoreolebih dari -2,22 yaitu CENT , CSAP , ERAA , GOLD , KOIN . Nilai M Score masing masingoperusahaan yaitu untuk CENT sebesar 2,006471508 , CSAP sebesar -2,09202838 , ERAA sebesar -1,987890246 , GOLD sebesar -2,025036397 , KOIN sebesar -2,088937507 .

Untuk tahun 2018 ada 4 perusahaan yang tergolong perusahaan manipulatoroatau mempunyaionilai M Scoreolebih dari -2,22 yaitu CSAP , ERAA , GOLD , SONA . Nilai M Score masing maisng persahaan yaitu untuk CSAP sebesar -1,8115264 , ERAA sebesar -1.97025786 , GOLD sebesar 0.489823688 , SONA sebesar -1,998458236 .

Sedangkan untuk perusahaan yang tergolong non manipulator atau mempunyai nilai M Score kurang dari -2,22 . Pada tahun 2016 ada 7 perusahaan yang tergolong non manipulator yaitu AMRT , CENT , ERAA , LPPF , MIDI , RANC , SONA . Nilai M Score masing masing perusahaan yaitu untuk AMRT sebesar -2,857496133 , CENT sebear -2,470619178 , ERAA sebesar -2,735048315 , LPPF sebesar -3,299673134 , MIDI sebesar -2,668845674 , RANC sebesar -3,393191431 , SONA sebesar -3,632639008.

Untuk tahun 2017 ada 8 perusahaan yang tergolong non manipulator yaitu AMRT , ECII , LPPF , MIDI , RANC , SONA , MAPI , RALS . Nilai M Score masingomasing perusahaan yaitu untuk AMRT sebesar -2,5939092549 , ECII sebesar -3,159744319 , LPPF sebesar -2,217129048 , MIDI sebesar -2,74858811 , RANC sebesar -3,728634396 , SONA sebesar -2,684843486 , MAPI seebsar -2,512097549 , RALS sebesar -2,58589337 .

Untuk tahun 2018 ada 9 perusahaan yang tergolong non manipulator yaitu AMRT , CENT , ECII , KOIN , LPPF , MIDI , RANC , MAPI , RALS . Nilai M Score masingomasing perusahaan yaitu untk AMRT sebesar -2,3895818 , CENT sebesar -3.727102357 , ECII sebesar -2,409803366 , KOIN sebesar -2,31256088 , LPPF sebesar -3,616454066 , MIDI sebesar -2,326442054 , RANC sebesar -3,97464321 , MAPI sebesar -2,504421568 , RALS sebesar -3,545118806 .

D. Menghitung jumlah persentase dari perusahaan perdagangan eceran yang tergolong manipulator ataupun non manipulator

1. Penghitungan persentase dari perusahaan dari perusahaan perdagangan eceran yang tergolongokedalam golonganimanipulator. Padaotahun 2016 untuk perusahaan perdagangan eceran yang tergolongokedalam golonganomanipulator ada 6 perusahaanodari 13 perusahaan . Dari jumlahotersebut didapatkanopersentase sebesar 46,15 % perusahaan perdagangan eceran untuk tahun 2016 . Pada tahun 2017 untuk perusahaan perdagangan eceran yang tergolong kedalamogolongan manipulator ada 5 perusahaanodari 13 perusahaan . Dariojjumlah tersebut didapatkan persentase sebesar 38,46% perusahaan perdagangan eceran untuk tahun 2018 . Padaotahun 2018 untuk perusahaan perdagangan eceran yang tergolongokedalam golongan manipulator ada 4 perusahaanodari 13 perusahaan . Dariojumlah tersebut didapatkan persentase sebesar 30,76% perusahaan perdagangan eceran untuk tahun 2018 .

2. Penghitungan persentase dari perusahaan dari perusahaan perdagangan eceran yang tergolong kedalam golongan nonomanipulator . Padaotahun 2016 perusahaan perdagangan eceran yangotergolong kedalam golongan nonomanipulator ada 7 perusahaanodari 13 perusahaan . Dariojumlahotersebut didapatkan persentaseosebesar 53,84% perusahaan perdagangan eceran untuk tahun 2016 . Pda tahun 2017 perusahaan perdagangan eceran yang tergolongokedalam golongan nonomanipulator ada 8 perusahaan dari 13 perusahaan . Dari jumlah tersebut didapatkanopersentase sebesar 61,53% perusahaan perdagangan eceran untuk tahun 2017 . Pada tahun 2018 perusahaan perdagangan eceran yang tergolong kedalam golongan nonomanipulator ada 9 perusahaanodari 13 perusahaan . Dari jumlahotersebut didapatkan persentase sebesar 69,23% perusahaanoperdagangan eceran untuk tahun 2018 .

Kesimpulan

1. Perusahaan Manipulator

Berdasarkan hasil penlitian diatas dapat ditarik kesimpulan bahwa metode Beneish M Score dapat mendeteksi kecurangan laporan keuangan pada perusahaan . Dalam penlitian ini peneliti menggnakan perusahaan perdagangan eceran yang terdaftar di BEI pada tahun 2016-2018 berjumlah 39 perusahaan perdagangan eceran . Dari hasil penelitian tersebut pada tahun 2016 terdapat 6 perusahaan yang tergolong kedalam perusahaan manipulator . Pada tahun 2017 terdapat 5 perusahaan yang tergolong kedalam perusahaan manipulator dan pada tahun 2018 terdapat 4 perusahaan yang tergolong kedalam perusahaan manipulator . Perusahaan yang tergolong kedalam manipulator karena hasil dari Beneish M Score lebih besar dari -2,22 . Hal ini terjadi karena hasil dari beberapa rasio kunci Beneish M Score lebih besar dari 1 yang mengindikasikan bahwa terjadinya earning overstatement . Dan dilihat dari hasil persentase setiap tahun mengalami penurunan . Pada tahun 2016 menghasilkan 46,15% , tahun 2017 menghasilkan 38,46% sedangkan tahun 2018 menghasilkan 30,76% . Dari hasil tersebut dapat diartikan bahwa ada kesadaran terkait bahayanya kecurangan laporan keuangan semakin meningkat .

2. Perusahaan non manipulator

Berdasarkan hasil penlitian diatas dapat ditarik kesimpulan bahwa metode Beneish M Score dapat mendeteksi kecurangan laporan keuangan pada perusahaan. Dalam penlitian ini peneliti menggnakan perusahaan perdagangan eceran yang terdaftar di BEI pada tahun 2016-2018 berjumlah 39 perusahaan perdagangan eceran . Dari hasil penelitian tersebut pada tahun 2016 terdapat 7 perusahaan yang tergolong kedalam perusahaan manipulator. Pada tahun 2017 terdapat 8 perusahaan yang tergolong kedalam perusahaan manipulator dan pada tahun 2018 terdapat 9 perusahaan yang tergolong kedalam perusahaan manipulator . Perusahaan yang tergolong kedalam manipulator karena hasil dari Beneish M Score kurang dari - 2,22 .Dan dilihat dari hasil persentase setiap tahun mengalami penurunan. Pada tahun 2016 menghasilkan 53,84% , tahun 2017 menghasilkan 61,54% sedangkan tahun 2018 menghasilkan 69,23 %. Hal ini menunjukkan bahwa perusahaan sangatoberhati hati dalamoproses pembutan laporan keuangan. Karena laporan keuangan perusahaan akhirnya akan dipakai oleh investor dalam pengambilan keputusan, maka dari itu laporan keuangan harus bersih dari kecurangan.

References

1. Herviana , Ema . 2017. Fraudulent Financial Reporting : Pengujian Teori Fraud Pentagon Pada Badan Usaha Milik Negara (BUMN) Yang Terdaftar di Bursa Efek Indonesia (BEI) Periode 2012 -2016 . Skripsi . Universitas Islam Negeri Syarif Hidayatullah Jakarta.
2. Sarpta , Restu Bella . 2018 . Analisis Fraud Pentagon Dalam Mendeteksi Fraudulent Financial Reporting Menggunakan Beneish M Score Model (Studi Empiris pada Perusahaan Manufaktur yang Terdaftar di Bursa Efek Indonesia Tahun 2014-2016) . Skripsi . Universitas Lampung Bandar Lampung .
3. Annisa , Nurul . 2017 . Pendeteksian Kecurangan Laporan Keuangan Dengan Analisis Beneish M Score Model Pada Perusahaan Perdagangan Eceran Yang Terdaftar Di Bursa Efek Indonesia Tahun 2014. Skripsi . Universitas Negeri Yogyakarta .
4. Tessa, Chyntia dan Harto, Puji. 2016. Fraudulent Financial Reporting: Pengujian Teori Fraud Pentagon Pada Sektor Keuangan Dan Perbankan Di Indonesia. Semarang. Simposium Nasional Akuntansi XIX, Lampung, 2016.
5. Ikatan Akuntan Indonesia. 2015. Standar Akuntansi Keuangan. Jakarta: Ikatan Akuntan Indonesia.
6. Nurfalah,Dita.R.2016. Perkembangan teori fraud (online). http://ditafalah.blogspot.com/2016/11/perkembangan-teori-fraud.html . Dikunjungi tanggal 20 november 2019
7. Perdana , Argo yoga .2019 . Pendeteksian kecurangan laporan keuangan menggunakan metode beneish M score pada perusahaan disuspend yang terdaftar di BEI tahun 2016 – 2018 . Skripsi Institut Agama Islam Negeri Surakarta
8. Sanusi, Anwar. (2013). Metodologi penelitian bisnis. Jakarta : Salembaoempat
9. Efitasari, Hema Christy. (2013). Pendeteksian Kecurangan Laporan Keuangan Financial Statement Fraud) menggunakan Analisis Beneish Ratio Index pada perusahaan Manufaktur yang Listing di Bursa Efek Indonesia tahun 2010-2011. Skripsi Universitas Negeri Yogyakarta.Elang Widya Prakoso. (2009). Analisa Indeks Rasio Untuk Mendeteksi Fraud (Penyimpangan/ Kecurangan) Laporan Keuangan (Studi Kasus pada perusahaan yang listing di Bursa Efek Indonesia per Desember 2007). Skripsi Universitas Islam Indonesia.
10. Try R. Koroy. 2008. Pendeteksian Kecurangan (Fraud) Laporan Keuangan Oleh Auditor Eksternal. Jurnal Akuntansi Dan Keuangan. Vol.10 No.1 hal 22-33.
11. ACFE. (2016). The report of national ACFE 2016 association of certified fraud examiners
12. Kartikasari, R. N & Irianto, G. (2010). Penerapan model beneish dan model altman dalam pendeteksian kecurangan laporan keuangan. Jurnal akuntansi multiparadigma universitas brawijaya. Vol.1, No 2, 328-331
13. Christy, Y.E. dan Stephanus. D.S. (2018). Pendeteksian kecurangan laporan keuangan dengan bensih m-score pada Perusahaan Perbankan terbuka. Jurnal akuntansi bisnis. Vol 16, No 2. 148-169
14. Beneish, Messod D. (1999). The detection ofeearnings manipulation. Financial analysis journal. Vol. 55, No. 5, 24-36.