Fraud Deterrence Propeller (FDP) adalah sebuah pendekatan yang dirancang untuk mendukung pencegahan kecurangan melalui Model DETER-E. Penelitian ini bertujuan untuk mengembangkan backend aplikasi Fraud Deterrence Propeller versi 2 (FDP V.2) berbasis web atau disebut FDP Mirror yang memungkinkan pencegahan dan deteksi kecurangan laporan keuangan melalui model Beneish M- Score, F-Score, dan Benford’s Law yang diintegrasikan dengan Machine Learning. Aplikasi Fraud Detterrence Propeller versi 1 (FDP V.1) yang sudah dikembangkan menjadi dasar dari pengembangan ini. Pendekatan yang digunakan dalam implementasi backend aplikasi yaitu RESTful Principles untuk menciptakan API yang skalabel, aman, dan fleksibel. Dengan metode pengembangan dilakukan dengan metode Agile, dimana tahapan penggalian kebutuhan, desain dan implementasi, pengujian, disertai iterasi berulang. Data yang digunakan mencakup dokumen Spesifikasi Kebutuhan Perangkat Lunak (SKPL), dan hasil evaluasi aplikasi FDP V.1. Hasil penelitian ini berupa aplikasi FDP V.2 dengan backend yang menerapkan kaidah RESTful yang mendukung fungsionalitas baru. Dengan penelitian ini, diharapkan FDP V.2 mampu meningkatkan efektivitas deteksi dan pencegahan kecurangan.