<![CDATA[Transformasi digital dalam sistem akuntansi melalui pemanfaatan cloud computing, artificial intelligence (AI), dan Internet of Things (IoT) terbukti meningkatkan efisiensi operasional, akurasi pencatatan, serta kecepatan pengambilan keputusan. Namun, di sisi lain, transformasi ini juga mengekspos Usaha Kecil dan Menengah (UKM) terhadap berbagai ancaman siber, seperti ransomware, phishing, dan distributed denial of service (DDoS), yang berpotensi mengganggu integritas, kerahasiaan, dan ketersediaan data akuntansi, terutama di tengah keterbatasan sumber daya teknologi dan SDM UKM. Penelitian ini bertujuan untuk mengembangkan model prediktif berbasis machine learning (ML) dalam mendeteksi ancaman siber serta merancang Cyber Accounting Readiness Index (CARI) sebagai kerangka evaluatif untuk mengukur dan meningkatkan kesiapan keamanan siber UKM. Penelitian menggunakan pendekatan kualitatif melalui Systematic Literature Review (SLR) berbasis pedoman PRISMA. Populasi penelitian mencakup artikel internasional bereputasi terkait keamanan siber dalam akuntansi digital yang diterbitkan pada periode 2021–2025, dengan sampel purposif sebanyak 10 artikel yang diseleksi dari 1.850 catatan awal. Instrumen penelitian meliputi protokol PRISMA, teknik ekstraksi tematik, sintesis naratif, dan analisis bibliometrik. Hasil kajian menunjukkan bahwa model Random Forest dengan tingkat akurasi 92% serta pendekatan LSTM efektif dalam mendeteksi anomali siber. Selain itu, CARI yang dibangun berdasarkan enam dimensi dari kerangka COSO ERM dan NIST mengungkapkan bahwa tingkat kesiapan keamanan siber UKM masih rendah, ditunjukkan oleh hanya 30% UKM yang memiliki kebijakan keamanan siber formal. Penelitian ini menyimpulkan bahwa sinergi antara ML prediktif dan CARI mampu membangun ketahanan akuntansi siber yang adaptif serta mengisi kesenjangan riset terkait keamanan siber pada UKM.]]>
