Oleh : Levana Dhia Prawati

Akuntan cenderung mempertimbangkan data pada perspektif data tradisional, seperti pengambilan informasi, pengumpulan, klasifikasi, analisis, dan pelaporan. Namun, kemunculan Big Data telah memungkinkan peningkatan kompleksitas dan kemampuan untuk melakukan analisis data mendalam yang sebelumnya tidak mungkin dilakukan (Lindell, 2017, 2/2).

Saat ini diketahui bahwa aktivitas audit dapat menciptakan nilai perusahaan melalui analisis big data, sehingga meningkatkan keandalan aktivitas audit dan auditor. Analisis big data digunakan dalam audit untuk memeriksa transaksi, saldo, dan pengungkapan yang mendasarinya dalam laporan keuangan dan klaim manajemen terkait. Ini memungkinkan auditor untuk menganalisis data dalam jumlah yang lebih besar, mengidentifikasi penipuan dengan lebih mudah, membuat pandangan auditori berdasarkan fakta yang lebih kuat, dan melakukan audit berkualitas lebih tinggi (Earley, 2015).

Big data membutuhkan penggunaan alat dan platform analitik yang kompleks untuk secara efektif dan akurat mengidentifikasi potensi risiko yang dapat memicu penipuan pelaporan keuangan. Big data diharapkan tumbuh lebih jauh dan oleh karena itu perusahaan dan auditornya pada umumnya dan akuntan forensik diharapkan secara proaktif mencari penyimpangan dalam big data dan mengevaluasi serta mengelola profil risiko dalam menemukan kecurangan pelaporan keuangan (Rezaee & Wang, 2017, hal. 104).

Dalam studi yang dilakukan oleh Dai dan Vasarhelyi (2016, hlm. 2), empat generasi kontrol disebutkan dan alat yang berbeda yang digunakan di setiap generasi diklasifikasikan. Dalam audit, generasi pertama diberi nama Audit 1.0, dan pada generasi ini, alat kontrol Manual (kalkulator, dll.) Disertakan. Generasi kedua dalam audit diberi nama Audit 2.0, di mana alat audit TI (Excel, perangkat lunak, BDDT-ACL, IDEA) disertakan. Generasi ketiga dalam audit disebut Audit 3.0. Alat audit Audit 3.0 diklasifikasikan sebagai generasi di mana big data telah dimasukkan dalam alat analisis audit (aplikasi analitik). Generasi terakhir disebut Audit 4.0 dan termasuk alat kontrol otomatis semi dan canggih (Sensor, sistem Cyber-fisik, Internet of Things / IoT / IoS, Radio Frequency Identification (RFID), locators-GPS).

Dalam studi yang dilakukan oleh Appelbaum, Kogan, dan Vaserhely (2017), perlunya kemajuan profesi audit independen menuju big data dan analisis audit telah dievaluasi dengan menelaah studi-studi dalam literatur dalam lingkup enam pertanyaan penelitian utama. Pertanyaan-pertanyaan ini difokuskan pada pertanyaan: “Haruskah analisis baru harus digunakan dalam kemajuan audit?”; “Manakah dari analisis ini yang lebih menjanjikan?”; “Di mana mereka dapat digunakan dalam audit?”; “Jenis perubahan apa yang harus diadakan pada standar audit untuk memberikan izin / ekspedisi analisis ini?”; dan “Bagaimana laporan audit menjadi lebih informatif?” Dalam studi tersebut, banyak teknik analisis yang berbeda telah digunakan pada setiap tahap audit dan ini telah diklasifikasikan sebagai berikut (Appelbaum et al., 2017, hlm. 21-22):

  1. Uji audit: uji transaksi, analisis rasio, pengambilan sampel, verifikasi, rekonstruksi (kinerja ulang), otomatisasi BDDT (CAATs).
  2. Analisis dari set data yang tidak terkontrol: Clustering, Text Mining, Visualization dan Process Mining (model penemuan).
  3. Analisis dari kumpulan data yang diaudit: Process Mining (Optimasi Proses), Machine Learning – Support Vector Machine, Artificial Neural Networks, Genetic Algorithms, Expert Systems, Decision Aids, Bagging, Upgrade, C4.5 Classifiers, Bayesian Theory, Bayesian Belief Networks, Dempster- Model Teori Shafer, model teori Probabilitas.
  4. Regresi: Logistik, Linear, Rangkaian Waktu, ARIMA, Variabel Tunggal, Multivariate.
  5. Statistik lainnya: Bantuan Keputusan Multi Kriteria, Hukum Benford, Statistik Deskriptif, Model Struktural, AHP, Pengukuran Korelasi Rank Spearman, Evaluasi Hipotesis dan Studi / Simulasi Monte Carlo.

Dalam studi yang diadakan oleh Brown-Liburd dan Vaserhely (2015), pembahasan dalam ruang lingkup literatur mencakup jenis bukti apa yang terungkap dalam lingkungan big data, bagaimana ini dapat diintegrasikan ke dalam proses audit tradisional, dan bagaimana proses asurans. akan berubah secara konseptual. Sebagai hasil dari penyelidikan, telah ditekankan bahwa baik definisi dan kualifikasi bukti audit bervariasi sesuai dengan pengaruh Big Data, bukti digital, dan jalur elektronik yang disediakan oleh teknologi seperti RFID, GPS, dan IoT.

Referensi :

Appelbaum, D., Kogan, A., & Vasarhelyi, M. A. (2017). Big data and analytics in the modern audit engagement: Research needs. Auditing, 36(4), 1–27.

Brown-Liburd, H., & Vasarhelyi, M. A. (2015). Big data and audit evidence. Journal of Emerging Technologies in Accounting, 12(1), 1–16.

Dai, J., & Vasarhelyi, M. A. (2016). Imagineering Audit 4.0. Journal of Emerging Technologies in Accounting, 13(1), 1–15.

Earley, C. E. (2015). Data analytics in auditing: Opportunities and challenges. Business Horizons, 58(5), 493–500. doi:10.1016/j.bushor.2015.05.002

Lindell, J. (2017). Analytics and big data for accountants. USA: AICPA & John Wiley and Sons.

Rezaee, Z., & Wang, J. (2017). Relevance of big data to forensic accounting practice and educa- tion: Insight from China. 7th Annual International Conference on Accounting and Finance (AF 2017), 103–109.

Image Sources: Google Image

LDP