untuk mengidentifikasi masalah baru dan mendapatkan pemahaman terkait faktor risiko internal dan eksternal.” yaitu sebesar 2,46.
Peranan penting menggunakan teknologi merupakan indikator utama dalam membangun, memelihara, pengumpulan, pengklasifikasian dan menganalisis data terkait risiko. Bentuk penggunaan informasi ini diperoleh dalam mengembangkan prosedur manajemen risiko yang proaktif guna pencegahan fraud, dan bagi auditor dapat mengembangkan pedoman untuk pencegahan secara dini fraud dalam pengawasan terhadap risiko. Ini menandakan bahwa menggunakan risk management dalam teknologi informasi merupakan faktor penentu dimana semakin tinggi penggunaan TI dalam risiko yang muncul maka akan semakin banyak hal yang dilakukan dalam upaya pencegahan kecurangan sehingga mengakibatkan semakin rendah kecenderungan individu dalam melakukan kecurangan.
b) Kebijakan perlindungan pelapor harus membuat kebijakan perlindungan pelapor (whistleblower protection policy). Kebijakan ini menjelaskan secara tegas dan jelas bahwa unit pemerintah berkomitmen untuk melindungi pelapor pelanggaran yang beriktikad baik dan perusahaan akan patuh terhadap segala peraturan perundangan yang terkait serta best practice yang berlaku dalam penyelenggaraan Sistem Pelaporan Pelanggaran (Whistleblowing System). Kebijakan ini juga menjelaskan maksud dari adanya perlindungan pelapor adalah untuk mendorong terjadinya pelaporan pelanggaran dan menjamin keamanan si pelapor maupun keluarganya c) Struktur Pengelolaan Sistem Pelaporan Pelanggaran
Sistem pelaporan pelanggaran yang dilaksanakan oleh sebuah unit pemerintah daerah diperlukan adanya unit pengelola sistem pelaporan pelanggaran dengan tanggung jawab ada pada Dewan Direksi dan Komite Audit. Unit pengelolaan sistem pelaporan pelanggaran harus merupakan fungsi atau unit yang independen dan mempunyai akses kepada pimpinan.
2) Aspek Sumber Daya
Sumber daya yang diperlukan dalam sistem pelaporan pelanggaran adalah personil pelaksana yang berkualitas, media komunikasi, pelatihan yang memadai bagi personil pelaksana, pendanaan, media untuk pengaduan atas balasan dari pelaporan pelanggaran.
3) Aspek Operasional
Aspek operasional merupakan aspek yang berkaitan dengan mekanisme prosedur kerja sistem pelaporan pelanggaran dan penyampaian pelaporan pelanggaran. Informasi mengenai adanya saluran atau sistem dan prosedur penggunannya haruslah dilaporkan secara menyeluruh kepada pegawai.
Dalam penelitian ini menggunakan indikator pengukuran dari (Suh, J. B., &
Hee. S.,2019) yakni sebagai berikut:
1) Aspek kesediaan untuk melakukan tindakan whistleblowing;
2) Aspek operasional untuk mencoba melakukan tindakan whistleblowing 3) Aspek Perawatan dalam rencana untuk melakukan tindakan
whistleblowing;
4) Sikap terhadap perilaku (attitude towerd behavior) untuk melakukan internal whistleblowing;
5) Persepsi Kontrol Perilaku untuk melakukan eksternal whistleblowing jika internal whistleblowing tidak memungkinkan;dan
6) Keyakinan terhadap Perilaku (Behaviour Belief)
Dari indikator tersebut akan dipaparkan hasil analisis statistik deskriptif untuk variabel Whistleblowing System adalah sebagai berikut :
Tabel 5.3. Deskriptif Statistik Whistleblowing System
N Mean
Statistic Statistic Kriteria
Item1 254 4.91 Sangat
Tinggi
Item2 254 3.78 Tinggi
Item3 254 3.32 Cukup
Item4 254 3.76 Tinggi
Item5 254 3.80 Tinggi
Item6 254 3.86 Tinggi
Item7 254 3.69 Tinggi
Item8 254 3.91 Tinggi
Item9 254 3.30 Tinggi
Item10 254 3.71 Tinggi
Item11 254 3.80 Tinggi
Item12 254 3.73 Tinggi
Item13 254 3.84 Tinggi
Item14 254 3.80 Tinggi
Item15 254 3.85 Tinggi
Item16 254 3.81 Tinggi
Item17 254 3.80 Tinggi
Item18 254 3.71 Tinggi
Item19 254 3.72 Tinggi
Item20 254 3.72 Tinggi
Item21 254 3.90 Tinggi
Item22 254 3.68 Tinggi
Item23 254 3.58 Tinggi
Item24 254 3.63 Tinggi
Item25 254 3.73 Tinggi
Item26 254 3.82 Tinggi
Item27 254 3.71 Tinggi
Item28 254 3.71 Tinggi
Item29 254 3.71 Tinggi
Item30 254 3.70 Tinggi
Valid N
(listwise) 254
Sumber: Data Primer yang diolah, 2022
Informasi yang tersaji daril hasil result data deskriptif statistik whistleblowing system maka dapat dilihat bahwa nilai rata-rata untuk setiap item pernyataan pada variabel whistleblowing system berada pada interval 3,61 – 4,8.
Dengan demikian, dapat disimpulkan bahwa item pernyataan untuk variabel whistleblowing system termasuk pada kriteria tinggi. Nilai rata-rata tertinggi terjadi pada item pernyataan dengan kode Item1 “Saya bersedia menyatakan komitmen untuk berpartisipasi aktif melaporkan adanya pelanggaran dan kecurangan” yaitu sebesar 4,99. Sementara nilai rata-rata terendah terjadi pada item pernyataan dengan kode Item3 “Saya akan menggunakan nama samaran jika melaporkan suatu pelanggaran atau kecurangan.” yaitu sebesar 3,32.
Menyatakan komitmen untuk berpartisipasi aktif melaporkan adanya pelanggaran dan kecurangan merupakan indikator penting. Sebab implementasi whistleblowing system yang baik pada suatu organisasi mengindikasikan integritas dan keterbukaan yang nantinya akan dapat mencegah terjadinya fraud. Hal ini mengindikasikan bahwa semakin baik penerapan whistleblowing system, maka akan semakin tinggi tingkat pencegahan fraud atau perilaku kecurangan. Hal tersebut menjelaskan bahwa begitu pentingnya peranan whistleblowing system dalam membantu mencegah terjadinya fraud dan pencegahan perilaku financial crime. Jika whistleblowing diterapkan dengan baik oleh pegawai, maka pencegahan kecurangan semakin tinggi.
4.Deskriptif Variabel Big Data Analytics
Ahmed & Ameen (2017) menjelaskan bahwa pada dasarnya big data analytics dapat dipahami dan dijelaskan dengan melihat karakteristik utamanya dari big data itu sendiri yaitu: a. volume (ukuran yang besar); b. variety (jenis data yang bervariasi); c. velocity (penciptaan data yang cepat); d. veracity (kerentanan
dari sisi akurasi dan keandalan data); dan e. value (memiliki nilai yang tinggi jika diolah dengan cara yang tepat).
Variabel ini menggunakan referensi dari Rezaee et al., (2018) dalam rangka menyusun indikator pertanyaan yang terdapat dalam kuesioner penelitian ini.
Tepatnya terdapat 5 indikator yang digunakan dalam model dalam penelitian ini yakni:
1) peran big data analytics yang meningkatkan fungsi dalam mencegah fraud dan pencegahan perilaku financial crime;
2) memaksimalkan penggunaan big data analytics;
3) Penggunaan jenis big data dan bukti audit yang bervariasi ;
4) Penciptaan big data analytics yang cepat dalam mencegah fraud dan perilaku financial crime
5) Akurasi dan keandalan big data analytics dalam audit
Dari indikator tersebut akan dipaparkan hasil analisis statistik deskriptif untuk variabel big data analytics adalah sebagai berikut :
Tabel 5.4. Deskriptif Statistik Big Data Analytics
N Mean
Statistic Statistic Kriteria
Item1 254 4.74 Tinggi
Item2 254 3.81 Tinggi
Item3 254 3.71 Tinggi
Item4 254 3.86 Tinggi
Item5 254 3.77 Tinggi
Item6 254 3.85 Tinggi
Item7 254 3.79 Tinggi
Item8 254 3.81 Tinggi
Item9 254 3.87 Tinggi
Item10 254 3.78 Tinggi
Item11 254 3.86 Tinggi
Item12 254 3.82 Tinggi
Item13 254 3.84 Tinggi
Item14 254 3.80 Tinggi
Item15 254 3.84 Tinggi
Item16 254 3.80 Tinggi
Item17 254 3.75 Tinggi
Item18 254 3.75 Tinggi
Item19 254 3.84 Tinggi
Item20 254 3.79 Tinggi
Valid N
(listwise) 254
Sumber: Data Primer yang diolah, 2022
Berdasarkan hasil olah data deskriptif statistic big data analytics maka dapat diketahui bahwa nilai rata-rata untuk setiap item pernyataan pada variabel big data analytics berada pada interval 3,61 – 4,8. Dengan demikian, dapat disimpulkan bahwa item pernyataan untuk variabel big data analytics termasuk pada kriteria tinggi. Nilai rata-rata tertinggi terjadi pada item pernyataan dengan kode Item1 “Big data dapat meningkatkan relevansi, kredibilitas, dan relevansi bukti audit” yaitu sebesar 4,74. Sementara nilai rata-rata terendah terjadi pada item pernyataan dengan kode Item3 “Saat ini dan ke depan, data memainkan peran yang semakin signifikan bahkan menjadi critical resource bagi masyarakat modern” yaitu sebesar 3,71.
Aspek pemanfaatan Big data dalam meningkatkan relevansi, kredibilitas, dan relevansi bukti audit merupakan indikator kunci. Penggunaan big data analytics pada aktivitas yang dilakukan Pemerintah Daerah di Indonesia dapat digunakan dalam mendapatkan gambaran petunjuk dasar atau symptom berkaitan dengan kejadian yang outlier atau irregular dalam memberikan visualisasi pola data yang berkaitan dengan prediksi suatu nilai atau gambaran secara keseluruhan dari collecting data yang dihasilkan. Kebermanfaatan yang diperoleh dengan pemanfaatan big data analytics terutama pada Instansi Pemerintah Daerah di Indonesia memungkinkan memudahkan pekerjaan dalam menelusuri potensi terjadinya kecurangan.