Jejak Ilmiah dan Tren Publikasi dalam Studi Anti Money Laundering di Jurnal Internasional

Main Article Content

Loso Judijanto
Apriyanto Apriyanto

Abstract

Penelitian ini bertujuan untuk memetakan jejak ilmiah dan tren publikasi dalam studi Anti Money Laundering (AML) di jurnal internasional menggunakan pendekatan bibliometrik. Data diambil dari basis data Scopus dengan rentang waktu 2013–2023 dan dianalisis menggunakan perangkat lunak VOSviewer untuk mengidentifikasi kata kunci dominan, jejaring kolaborasi, serta evolusi tematik. Hasil analisis menunjukkan bahwa “anti-money laundering” merupakan pusat perhatian utama dalam literatur, dengan keterkaitan erat terhadap topik seperti financial institutions, suspicious transactions, dan machine learning. Peta temporal mengindikasikan pergeseran fokus penelitian dari pendekatan regulatif dan sistem informasi tradisional menuju integrasi teknologi baru seperti blockchain, cryptocurrency, dan adversarial machine learning. Sementara itu, peta kepadatan memperlihatkan bahwa pendekatan teknologi canggih mulai mendominasi riset AML, diikuti oleh isu sosial seperti financial inclusion dan transparency. Temuan ini memberikan kontribusi penting dalam memahami arah perkembangan ilmu pengetahuan terkait AML dan dapat menjadi dasar pengambilan kebijakan dan perumusan strategi pencegahan pencucian uang yang lebih adaptif di era digital.

Article Details

How to Cite
Judijanto, L., & Apriyanto, A. (2025). Jejak Ilmiah dan Tren Publikasi dalam Studi Anti Money Laundering di Jurnal Internasional. Sanskara Akuntansi Dan Keuangan, 3(03), 147–155. https://doi.org/10.58812/sak.v3i03.552
Section
Articles

References

Ahmed, S., Alshater, M. M., El Ammari, A., & Hammami, H. (2022). Artificial intelligence and machine learning in finance: A bibliometric review. Research in International Business and Finance, 61, 101646.

Alexander, K. (2001). The international anti‐money‐laundering regime: the role of the financial action task force. Journal of Money Laundering Control, 4(3), 231–248.

Allen, F., Gu, X., & Jagtiani, J. (2021). A survey of fintech research and policy discussion. Review of Corporate Finance, 1(3–4).

Baesens, B., Van Vlasselaer, V., & Verbeke, W. (2015). Fraud analytics using descriptive, predictive, and social network techniques: a guide to data science for fraud detection. John Wiley & Sons.

Cox, D. (2014). Handbook of anti-money laundering. John Wiley & Sons.

Ferwerda, J. (2009). The economics of crime and money laundering: does anti-money laundering policy reduce crime? Review of Law & Economics, 5(2), 903–929.

Han, J., Huang, Y., Liu, S., & Towey, K. (2020). Artificial intelligence for anti-money laundering: a review and extension. Digital Finance, 2(3), 211–239.

Levi, M., & Reuter, P. (2006). Money laundering. Crime and Justice, 34(1), 289–375.

Möser, M., Böhme, R., & Breuker, D. (2013). An inquiry into money laundering tools in the Bitcoin ecosystem. 2013 APWG ECrime Researchers Summit, 1–14.

Muller, W. H., Kalin, C. H., & Goldsworth, J. G. (2007). Anti-money laundering: international law and practice. John Wiley & Sons.

Reuter, P., & Truman, E. M. (2005). Anti-money laundering. International Economy, 56–60.

Rose-Ackerman, S., & Palifka, B. J. (2016). Corruption and government: Causes, consequences, and reform. Cambridge university press.

Sharman, J. C. (2008). Power and discourse in policy diffusion: Anti-money laundering in developing states. International Studies Quarterly, 52(3), 635–656.

Simmons, B. A. (2001). The international politics of harmonization: The case of capital market regulation. International Organization, 55(3), 589–620.