IMWIIMWI

Winter Journal: IMWI Student Research JournalWinter Journal: IMWI Student Research Journal

Usaha Mikro, Kecil, dan Menengah (UMKM) menghadapi risiko tata kelola keuangan yang terus-menerus akibat praktik akuntansi yang tidak formal, kemampuan digital terbatas, dan mekanisme deteksi anomali yang lemah dalam Sistem Informasi Akuntansi (SIA) konvensional. Studi ini bertujuan memetakan perkembangan, struktur intelektual, evolusi tema, dan peluang penelitian di persimpangan Machine Learning (ML), SIA, deteksi anomali keuangan, dan UMKM. Desain kuantitatif deskriptif digunakan dengan analisis bibliometrik dan peta ilmu dari 202 artikel yang terindeks Scopus dan artikel tinjauan yang diterbitkan antara 2018 hingga 2026. Data diproses menggunakan RStudio-bibliometrix, Biblioshiny, dan VOSviewer untuk analisis kinerja, ko-oksistensi kata kunci, peta tema, klustering, dan analisis evolusi tema. Temuan menunjukkan pertumbuhan cepat dalam bidang ini dengan tingkat pertumbuhan tahunan 60,48% dan puncak publikasi pada 2025. Empat kluster tema utama ditemukan: forensik keuangan, algoritma ensemble, pembelajaran mendalam, dan konteks UMKM operasional. Random Forest dan XGBoost muncul sebagai pendekatan yang menjanjikan untuk UMKM dengan sumber daya terbatas karena efisiensi, akurasi prediktif, dan interpretabilitasnya. Namun, bidang ini tetap terpecah, berorientasi komputasi, dan terbatas dalam validasi menggunakan dataset UMKM autentik. Studi ini menyimpulkan bahwa pengembangan SIA cerdas masa depan harus mengintegrasikan kinerja prediktif, kontrol akuntansi, penanganan kelas tidak seimbang, kecerdasan buatan yang dapat dijelaskan (XAI), penerimaan pengguna, dan kolaborasi internasional yang lebih luas untuk mendukung tata kelola keuangan yang transparan, praktis, dan pencegahan di bisnis kecil secara global.

Studi ini menyimpulkan bahwa konvergensi Machine Learning (ML) dan Sistem Informasi Akuntansi (SIA) untuk deteksi anomali keuangan di UMKM merupakan bidang penelitian yang berkembang pesat sejak 2018.forensik keuangan, algoritma ensemble, pembelajaran mendalam, dan konteks operasional UMKM.Random Forest dan XGBoost menunjukkan potensi besar untuk UMKM dengan sumber daya terbatas.Namun, masih diperlukan integrasi kinerja algoritma dengan prinsip akuntansi, auditabilitas, dan penerimaan pengguna.Studi ini juga menyoroti pentingnya validasi dengan dataset UMKM nyata dan pengembangan sistem yang dapat dijelaskan untuk meningkatkan akurasi dan kepercayaan pengguna.

Penelitian lanjutan dapat fokus pada pengembangan model deteksi anomali yang dilatih dengan dataset UMKM nyata untuk meningkatkan akurasi dan relevansi. Selain itu, perlu dikembangkan kerangka kerja hibrid yang menggabungkan akurasi prediktif, manajemen ketidakseimbangan kelas, dan interpretabilitas model. Terakhir, studi tentang kelayakan sosial-teknis teknologi seperti Graph Neural Networks dan Blockchain dalam konteks UMKM dengan sumber daya terbatas dapat memberikan wawasan penting untuk implementasi yang berkelanjutan dan efektif.

  1. Pardon Our Interruption. pardon interruption browsing something browser us think bot few reasons happen... doi.org/10.1214/ss/1042727940Pardon Our Interruption pardon interruption browsing something browser us think bot few reasons happen doi 10 1214 ss 1042727940
  2. Client Challenge. client challenge javascript disabled browser please enable proceed required part site... doi.org/10.1007/s11192-015-1765-5Client Challenge client challenge javascript disabled browser please enable proceed required part site doi 10 1007 s11192 015 1765 5
Read online
File size799.71 KB
Pages20
DMCAReport

Related /

ads-block-test