Internal Control, Organizational Culture, and Quality of Information Accounting to Prevent Fraud: Case Study From Indonesia's Agriculture Industry
Notice bibliographique
Résumé
This research wants to find out how far internal control, organization culture and the quality of accounting information system will help the small-medium enterprises (SMEs) to prevent fraud. by applying the case study approach in achieving its aims and objectives. This study is done by a used case study from SMEs in the agriculture industry in Lampung province, Indonesia. The data were collected through observations and semi-structured interviews with employed and managerial staff. This research applied a mixed method in collecting and analyzing data, which were document analyses and interviews. Applying more than a single method in collecting data enables the researcher to compare and to verify the information accuracy (Brewer and Hunter 2006). This method can increase the credibility and validity of the findings because the final bias will depend on one method which later can be avoided (Yin 2012). This type of research is quantitative descriptive research. The purpose of this descriptive research is to provide a descriptive, systematic, factual and accurate description of the facts, properties, and relationships between the phenomena investigated. All data that will be used in this study is sourced from the results of respondents' answers to the questionnaire given to employees at PT. XYZ as many as 70 respondents with the unit of analysis are part of Business Control, Human Capital, Finance, Marketing, and Operations. The sampling technique that uses saturated sampling, which is a sampling technique where all members of the population will be used as samples. The results of the study show that some weaknesses of the internal controls have been identified as one of the factors of fraud. The results show that Internal Control Organizational Culture and Quality of Information Accounting have a positive significant effect to prevent fraud.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,006 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».