Hasil penelitian secara parsial menyimpulkan financial stability tidak berpengaruh terhadap financial statement fraud.

Regresi linear berganda data panel merupakan teknik analsisi data, model pendekatan yang terpilih yaitu Common Effect Model. Berdasarkan kriteria pengambilan sampel dan perusahaan yang memiliki data outlier maka tersisa 12 perusahaan dikali empat tahun periode penelitian yang menjadi sampel pada penelitian ini, yaitu 48 data pengamatan. Populasi penelitian ini yaitu perusahaan Sektor Property, Real Estate & Konstruksi Bangunan Yang Terdaftar Pada Bei Tahun 2016-2019 dengan jumlah populasi yaitu 58 perusahaan. Penelitian ini bersifat asosiatif dengan jenis data yang digunakan yaitu data kuantitatif yang didapatkan dari laporan keuangan yang sudah diaudit pada Bursa Efek Indonesia pada saat periode penelitian. Riset ini bertujuan untuk menginvestigasi pengaruh”financial stability”and financial target”berpengaruh terhadap “financial statement fraud. The LSTM model exhibits accuracy as high as 94.88%, the most frequently used performance indicator. The empirical results suggest that the LSTM model outperforms the RNN model in all performance indicators. Two powerful deep learning algorithms (i.e., recurrent neural network (RNN) and long short-term memory (LSTM)) are used to construct financial statement fraud detection models. This study examines both the financial data and non-financial data of TWSE/TEPx listed companies in 2001–2019 by sampling a total of 153 companies, consisting of 51 companies reporting financial statement fraud and 102 companies not reporting financial statement fraud. In this era of big data and artificial intelligence, deep learning is being applied to many different domains. Information asymmetry is everywhere in financial status, financial information, and financial reports due to agency problems and thus may seriously jeopardize the sustainability of corporate operations and the proper functioning of capital markets.

Laporan keuangan pribadi