Faktor yang Mempengaruhi Penerimaan Artificial Intelligence Untuk Deteksi Penipuan Keuangan pada Kantor Akuntan Publik di Makassar
DOI:
https://doi.org/10.56750/81xcfc20Keywords:
Kepercayaan, Pengalaman Kerja, Penerimaan AIAbstract
Penelitian ini bertujuan untuk menganalisis pengaruh kepercayaan terhadap Artificial Intelligence (AI) dan pengalaman kerja terhadap penerimaan AI dalam deteksi penipuan keuangan pada Kantor Akuntan Publik di Kota Makassar. Pemanfaatan AI dalam sektor keuangan dinilai mampu meningkatkan efektivitas dan akurasi deteksi kecurangan, namun keberhasilannya sangat dipengaruhi oleh faktor kepercayaan dan pengalaman profesional pengguna. Penelitian ini menggunakan pendekatan kuantitatif dengan metode Structural Equation Modeling–Partial Least Squares (SEM-PLS). Data diperoleh melalui penyebaran kuesioner kepada 50 responden yang merupakan profesional di bidang keuangan. Hasil penelitian menunjukkan bahwa kepercayaan terhadap AI berpengaruh positif dan signifikan terhadap penerimaan AI dalam deteksi penipuan keuangan. Kepercayaan terhadap AI juga berpengaruh positif dan signifikan terhadap pengalaman kerja, serta pengalaman kerja berpengaruh positif dan signifikan terhadap penerimaan AI. Temuan ini menunjukkan bahwa penerimaan AI tidak hanya ditentukan oleh kecanggihan teknologi, tetapi juga oleh tingkat keyakinan dan pengalaman profesional pengguna dalam mengintegrasikan AI ke dalam aktivitas kerja. Penelitian ini memberikan kontribusi teoritis dan praktis dalam mendukung implementasi AI yang lebih efektif pada Kantor Akuntan Publik.
References
Abdullah, F., & Ward, R. (2016). Developing a general extended technology acceptance model for e-learning (GETAMEL) by analysing commonly used external factors. Computers in Human Behavior, 56, 238–256. https://doi.org/10.1016/j.chb.2015.11.036
Alalwan, A. A., Dwivedi, Y. K., & Rana, N. P. (2017). Factors influencing adoption of mobile banking by Jordanian bank customers: Extending UTAUT2 with trust. International Journal of Information Management, 37(3), 99–110. https://doi.org/10.1016/j.ijinfomgt.2017.01.002
Choi, D., & Lee, K. (2018). An artificial intelligence approach to financial fraud detection under IoT environment: A survey and implementation. Security and Communication Networks, 2018, Article 5483472. https://doi.org/10.1155/2018/5483472
Dayyabu, Y. Y., Arumugam, D., & Balasingam, S. (2023). The application of artificial intelligence techniques in credit card fraud detection: A quantitative study. E3S Web of Conferences, 389, Article 07023. https://doi.org/10.1051/e3sconf/202338907023
Gayam, S. R. (2021). Artificial intelligence for financial fraud detection: Advanced techniques for anomaly detection, pattern recognition, and risk mitigation. 1(2), 377–411.
Mer, A., Singhal, K., & Virdi, A. S. (2024). A review of the role of artificial intelligence in banking and stock market trading. In S. Taneja, P. Kumar, K. Sood, E. Özen, & S. Grima (Eds.), Finance analytics in business (pp. 175–198). Emerald Publishing Limited. https://doi.org/10.1108/978-1-83753-572-920241009
Mohsen, S. E., Hamdan, A., & Shoaib, H. M. (2024). Digital transformation and integration of artificial intelligence in financial institutions. Journal of Financial Reporting and Accounting. Advance online publication. https://doi.org/10.1108/JFRA-09-2023-0544
Pawaskar, P., & Nattuvathuckal, B. (2024). Artificial intelligence and machine learning in customer satisfaction: A study of banks using the UTAUT model. KIIT Journal of Management, 21(1), 163–180.
Potla, R. T. (2023). AI in fraud detection: Leveraging real-time machine learning for financial security. 3(2), 534–549.
Qatawneh, A. M. (2024). The role of artificial intelligence in auditing and fraud detection in accounting information systems: Moderating role of natural language processing. International Journal of Organizational Analysis. Advance online publication. https://doi.org/10.1108/IJOA-03-2024-4389
Ramzan, S., & Lokanan, M. (2024). The application of machine learning to study fraud in the accounting literature. Journal of Accounting Literature. Advance online publication. https://doi.org/10.1108/JAL-11-2022-0112
Yuhertiana, I., & Hadi Amin, A. (2024). Artificial intelligence driven approaches for financial fraud detection: A systematic literature review. KnE Social Sciences, 2024, 448–468. https://doi.org/10.18502/kss.v9i20.16551
Downloads
Published
Issue
Section
License
Copyright (c) 2026 CESJ : Center of Economic Students Journal
This work is licensed under a Creative Commons Attribution 4.0 International License.
