Di era digital, jumlah data transaksi yang dimiliki perusahaan semakin besar. Data penjualan, pembelian, jurnal akuntansi, saldo akun, data pelanggan, hingga transaksi digital dapat mencapai ribuan bahkan jutaan baris. Ketika data terlalu besar untuk diproses seluruhnya dengan perangkat lunak atau sumber daya yang tersedia, salah satu teknik yang dapat digunakan adalah sampling. Sampling adalah teknik memilih sebagian data yang mewakili populasi, lalu hasil analisis dari sampel tersebut digunakan untuk menarik kesimpulan terhadap keseluruhan data.
Dalam dunia akuntansi dan audit, sampling bukan sekadar cara untuk menghemat waktu, tetapi juga menjadi metode penting untuk memperoleh bukti yang cukup dan relevan. Standar audit internasional ISA 530 menjelaskan bahwa audit sampling digunakan ketika auditor menerapkan prosedur audit pada kurang dari 100% item dalam suatu populasi, dengan tujuan menarik kesimpulan mengenai seluruh populasi tersebut. Dengan kata lain, auditor tidak selalu harus memeriksa semua transaksi, selama sampel yang dipilih sudah dirancang secara tepat dan representatif.
Penerapan sampling sangat relevan dalam big data accounting. Misalnya, sebuah perusahaan memiliki 1.000.000 transaksi penjualan dalam satu tahun. Memeriksa seluruh transaksi satu per satu tentu memerlukan waktu, biaya, dan tenaga yang besar. Melalui sampling, akuntan atau auditor dapat memilih sebagian transaksi berdasarkan metode tertentu, seperti random sampling, systematic sampling, stratified sampling, atau monetary unit sampling. Metode ini membantu akuntan mengidentifikasi pola transaksi, potensi salah saji, anomali, atau indikasi kecurangan secara lebih efisien.
Namun, penggunaan sampling tetap membutuhkan pertimbangan profesional. Sampel yang terlalu kecil, bias, atau tidak mewakili populasi dapat menghasilkan kesimpulan yang kurang akurat. Oleh karena itu, dalam konteks audit, akuntan perlu memperhatikan ukuran sampel, tingkat risiko, karakteristik populasi, serta tujuan pengujian. ISA 530 juga menekankan pentingnya desain sampel, ukuran sampel, pemilihan item, pelaksanaan prosedur audit, hingga evaluasi hasil sampling.
Di sisi lain, perkembangan data analytics membuat proses sampling menjadi semakin kuat. Data analytics memungkinkan auditor dan akuntan menganalisis dataset besar untuk menemukan tren, pola, outlier, dan risiko yang sebelumnya sulit terlihat secara manual. Journal of Accountancy menjelaskan bahwa audit data analytics dapat membantu auditor memahami operasi entitas, menilai risiko, mendeteksi potensi salah saji material, serta meningkatkan efektivitas dan efisiensi proses audit. ACCA juga menjelaskan bahwa data analytics digunakan untuk menarik kesimpulan dari data, mendukung pengambilan keputusan, serta meningkatkan efisiensi audit.
Dalam praktik accounting, sampling dapat digunakan untuk berbagai kebutuhan. Pada audit piutang, auditor dapat memilih sampel saldo pelanggan untuk dikonfirmasi. Pada audit persediaan, auditor dapat memilih sampel item untuk diuji keberadaannya. Pada analisis beban operasional, akuntan dapat mengambil sampel transaksi pengeluaran untuk melihat apakah terdapat biaya yang tidak wajar. Bahkan dalam deteksi fraud, sampling dapat diarahkan pada transaksi bernilai besar, transaksi berulang, atau transaksi yang terjadi di luar pola normal.
Kesimpulannya, sampling merupakan teknik penting dalam big data karena membantu akuntan dan auditor memperoleh insight dari data yang sangat besar secara efisien. Meskipun teknologi memungkinkan analisis data dalam skala yang semakin luas, sampling tetap relevan karena membantu memfokuskan perhatian pada data yang representatif dan berisiko. Dengan desain sampling yang tepat, akuntan dapat menghasilkan analisis yang lebih cepat, akurat, dan mendukung pengambilan keputusan keuangan yang lebih baik.
