Pengaruh Fraud Hexagon Terhadap Terjadinya Fraudulent Financial Reporting Pada Perusahaan Sektor Kesehatan
DOI:
https://doi.org/10.31004/riggs.v5i1.7162Keywords:
Fraud Hexagon, Fraudulent Financial Reporting, Perusahaan Sektor KesehatanAbstract
Penelitian ini bertujuan untuk menganalisis pengaruh Fraud Hexagon Theory terhadap fraudulent financial reporting pada perusahaan sektor kesehatan yang terdaftar di Bursa Efek Indonesia (BEI) periode 2021–2024. Fraud Hexagon Theory digunakan untuk menjelaskan faktor-faktor yang dapat mendorong terjadinya kecurangan dalam pelaporan keuangan. Variabel independen dalam penelitian ini meliputi pressure yang diproksikan dengan leverage, opportunity yang diproksikan dengan reputasi auditor, rationalization yang diproksikan dengan opini auditor, capability yang diproksikan dengan pergantian CEO, serta dua variabel lainnya yaitu arrogance dan collusion. Sementara itu, fraudulent financial reporting digunakan sebagai variabel dependen. Penelitian ini menggunakan data sekunder yang diperoleh dari laporan tahunan perusahaan yang dipublikasikan melalui situs resmi Bursa Efek Indonesia dan perusahaan terkait. Populasi penelitian berjumlah 38 perusahaan sektor kesehatan, dengan sampel sebanyak 22 perusahaan yang dipilih menggunakan teknik purposive sampling berdasarkan kriteria tertentu selama periode pengamatan empat tahun sehingga diperoleh 88 data observasi. Analisis data dilakukan menggunakan metode statistik deskriptif dan regresi logistik dengan bantuan software SPSS versi 26. Hasil penelitian menunjukkan bahwa leverage, reputasi auditor, opini auditor, dan pergantian CEO tidak berpengaruh signifikan terhadap fraudulent financial reporting. Variabel arrogance dan collusion dieliminasi karena data bersifat konstan. Secara simultan variabel independen hanya mampu menjelaskan 18,4% variasi fraudulent financial reporting, sedangkan 81,6% dipengaruhi oleh faktor lain di luar model penelitian.
Downloads
References
Adhitama, F., Khamisah, N., Farhan, M., & Setiawan, R. (2023). Pengaruh Hexagon Fraud dan Audit Tenure Terhadap Fraudulent Financial Reporting. Reviu Akuntansi Dan Bisnis Indonesia, 7(2), 407–420.
Aulia, F. (2024). Pengaruh Fraud Hexagon Model Terhadap Kecurangan Laporan Keuangan Pada Perusahaan Health Care Yang Terdaftar Di Bei Periode 2019-2022. Sekolah Tinggi Ilmu Ekonomi (Stie) Pembangunan Tanjungpinang.
Crowe, H. (2011). Putting the freud in fraud: Why the fraud triangle is no longer enough. IN Howart, Crowe.
Crowe, J. (2014). Fraud and consent in Australian rape law. Criminal Law Journal, 38(4), 236–249.
Dasuki, R. E. (2021). Manajemen strategi: kajian teori resource based view.
Dechow, P. M., Ge, W., Larson, C. R., & Sloan, R. G. (2011). Predicting material accounting misstatements. Contemporary Accounting Research, 28(1), 17–82.
Ghozali, I. (2018). Aplikasi Analisis Multivariete Dengan Program IBM SPSS 23.
Homer, E. M. (2020). Testing the fraud triangle: a systematic review. Journal of Financial Crime, 27(1), 172–187.
Kleinman, G., Strickland, P., & Anandarajan, A. (2020). Mengapa Auditor Gagal Mengidentifikasi Kecurangan? Sebuah Eksplorasi. Journal of Forensic And.
Kusuma, Y. E. S., Amin, M., & Rudiningtyas, D. A. (2025). Pengaruh Sistem Pengendalian Internal dan Akuntabilitas Terhadap Pencegahan Fraud Pengelolaan Keuangan dengan Moralitas Individu Sebagai Variabel Moderasi (Studi Pada BRI di Kota Malang). E_Jurnal Ilmiah Riset Akuntansi, 14(01), 832–841.
Skousen, C. J., & Twedt, B. J. (2009). Fraud in emerging markets: A cross country analysis. Cross Cultural Management: An International Journal, 16, 301–316.
Sugiyono, P. D. (2017). Metode Penelitian Bisnis: Pendekatan Kuantitatif, Kualitatif, Kombinasi, Dan R&D. Penerbit CV. Alfabeta: Bandung, 225(87), 48–61.
Vousinas, G. L. (2019). Advancing theory of fraud: the SCORE model. Journal of Financial Crime, 26(1), 372–381.
Wibowo, L. E., & Febriani, N. (2023). implementasi teori agensi, efisiensi pasar, teori sinyal dan teori kontrak dalam pelaporan akuntansi pada pt. Eskimo wieraperdana. Researchgate. Net.
Xu, B., Wang, Y., Liao, X., & Wang, K. (2023). Efficient fraud detection using deep boosting decision trees. Decision Support Systems, 175, 114037.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 Kezia Abigail Br Torong, Duma Megaria Elisabeth, Arison Nainggolan Pembimbing

This work is licensed under a Creative Commons Attribution 4.0 International License.


















