MAKALAH TENTANG DATA ANALYTIC

Disusun Oleh :
Salsa Harmaswati (17133100033)
Anita Tri Setyaningsih (17133100051)

Lutfia Nafisatu Diana (17133100095)

Vivian Antonia Rosanna ( 1713100110)

PRODI AKUNTANSI

FAKULTAS BISNIS

UNIVERSITAS PGRI YOGYAKARTA

2019
 KATA PENGANTAR

Dengan menyebut Nama Allah Swt, yang Maha Pengasih lagi Maha Penyayang.
Kami panjatkan puja dan puji syukur atas Kehadirat-Nya, yang telah melimpahkan rahmat,
hidayah dan inayah-Nya, sehingga kami dapat menyelesaikan makalah data analytic untuk
memenuhi tugas mata kuliah pengauditan 2.
Makalah ini telah kami susun dengan sebaik-baiknya. Untuk itu kami menyampaikan
banyak terimakasih kepada semua pihak yang telah berkontribusi dalam pembuatan makalah
ini.
Terlepas dari semua itu, kami menyadari sepenuhnya bahwa masih ada kekurangan
baik dalam segi susunan kalimat maupun tata bahasanya. Oleh karena itu, kami menerima
segala saran dan kritik dari pembaca agar kami dapat memperbaiki makalah ini.
Kami harap makalah ini dapat memberikan manfaat maupun inspirasi terhadap
pembaca, Terimakasih.

Yogyakarta, 28 Desember 2019

ii
 DAFTAR ISI
HALAMAN JUDUL ..................................................................................................................................... i
KATA PENGANTAR .................................................................................................................................. ii
DAFTAR ISI ................................................................................................................................................ iii
BAB 1 PENDAHULUAN ........................................................................................................................... 1
A. Latar Belakang .................................................................................................................................. 1
B. Rumusan Masalah ............................................................................................................................. 1
C. Tujuan ............................................................................................................................................... 2

BAB II PEMBAHASAN .............................................................................................................................. 3

1. Definisi data analytic ...................................................................................................................... 3

2. Sejarah data analytic ...................................................................................................................... 4

3. Data analytic berpengaruh bagi manajemen ............................................................................... 4

4. Manfaat yang diperoleh auditor dengan menggunakan data analytic ..................................... 6

5. Teknik dan metode dalam data analytic yang digunakan oleh auditor ................................... 7
6. Hambatan dalam pemanfaatan Data Analytic bagi Auditor ................................................... 10
BAB III KESIMPULAN ............................................................................................................................ 11

DAFTAR PUSTAKA ................................................................................................................................. 12

iii
 BAB I
PENDAHULUAN

A. Latar Belakang
Perkembangan teknologi untuk beberapa tahun terakhir mengalami peningkatan yang
cukup signifikan. Mulai dari bidang tranportasi, industri, dan teknologi digital. Teknologi
digital kaitanya dengan pembangunan ekonomi di indonesia memiliki peranan penting.
Hadirnya big data analytics menjadi suatu proses penelusuran mentransformasian big
data. Big data analitycs adalah suatu proses menelusuri dan mentranformasikan data
untuk kemudian dikomunikasikan dalam bentuk informasi dimana ini mampu
mendukung pengambilan keputusan. Dalam audit laporan keuangan,auditor akan
berfokus pada transaksi keuangan saldo keuangan dan asersi yang terkait.dalam
melakukan audit keuangan auditor akan mengacu pada standar yang herlaku, miasalnya
international statement on auditing(isas). Big data analityc dapat membantu proses audit
dengan standar yang berlaku.seperti mengidentifikasi dan menilai resiko terkait
keputusan untuk menerima klien terkait dengan going concern.
Implementasi big data membutuhkan orang orang yang ahli dalam data analityc
sehingga perusahaan seperti kantor akuntan publik akan merekrut seorang yang ahli
dalam bidang ini.
Ada beberapa hal yang diperhatikan dalam menggunakan big data dalam proses audit
dibutuhkan perubahan paradigma dari industri audit maksutnya biasanya proses audit
mungkin menbutuhkan data dalam ukuran yang tidak besar dan data siap pakai. Jika
menggunakan big data auditor akan cenderung menggunakan data yang tidak rapi atau
tidak terstruktur maka ini perlu adanya pendekatan dalam implementasinya.
Selain itu big data analityc dapat digunakan untuk mengidentifikasi pola dan tren
bisnis dari klien. Sehingga data analityc akan membantu auditor dalam penilaian resiko
klien

B. Rumusan masalah
1. Apa definisi data analytic?
2. Bagaimana sejarah data analytic?

1
 3. Bagaimana data analytic berpengaruh bagi manajemen?
4. Apa saja manfaat yang diperoleh auditor dengan menggunakan data analytic?
5. Apa saja teknik dan metode dalam data analytic yang digunakan oleh auditor?
6. Apa saja hambatan dalam pemanfaatan data analytic bagi auditor?

C. Tujuan
1. Untuk mengetahui definisi data analytic.
2. Untuk mengetahui sejarah data analytic.
3. Untuk mengetahui pengaruh data analytic bagi manajemen.
4. Untuk mengetahui manfaat yang diperoleh auditor dengan menggunakan data
analytic
5. Untuk mengetahui teknik dan metode dalam data analytic yang digunakan oleh
auditor.
6. Untuk mengetahui hambatan dalam pemanfaatan data analytic bagi auditor.

2
 BAB II

PEMBAHASAN
1. Definisi data analytics
Definisi data analytics adalah kegiatan untuk meneliti dan memeriksa data mentah
untuk mendapatkan kesimpulan yang akurat berdasarkan data yang telah
dikumpulkan. Kesimpulan tersebut sangat tergantung dari pertanyaan atau masalah
yang kita ingin tahu jawabannya dari data yang telah terkumpul.
Pertanyaan tersebut bisa sangat sederhana seperti berapa rata-rata waktu yang
dihabiskan pengunjung sebuah website. Atau sangat kompleks seperti mencari
barang-barang yang kemungkinan besar dibutuhkan oleh setiap pengunjung.
Berdasarkan hasilnya data analytics terbagi menjadi tiga jenis yaitu data analytics
descriptive, data analytics predictive, dan data data analytics preskriptif.
Analytics deskriptif (Descriptive Analytics) adalah proses data analytics untuk
mendapatkan gambaran umum dari data yang sudah dikumpulkan. Contoh dari
analytcs desckriptif adalah Google Analytics. Pada Google Analytics kita hanya bisa
melihat informasi sederhana seperti ada berapa jumlah visitor per satuan waktu,
halaman mana saja yang paling sering dikunjungi, dan data seperti itu. Pada analytics
sederhana seperti penjumlahan dan rata-rata tanpa machine learning sudah lebih dari
cukup.
Analytics deskriptif tidak menampilkan prediksi halaman apa yang akan
dikunjungi pengunjung berikutnya atau kenapa seorang pengunjung mengunjungi
suatu halaman. Data analytics jenis ini adalah yang paling umum ditemui. Meskipun
hanya data sederhana tanpa pengolahan machine learning, data seperti ini sangat
diperlukan terutama untuk melakukan benchmarking untuk mengetahui efek dari
perubahan yang kita lakukan.
Berikutnya adalah analytics prediktif (Predictive analytics). Analytics predictive
adalah data analytics yang memberikan hasil prediksi tentang sesuatu yang akan
datang. Contoh dari analytics predictive adalah sistem rekomendasi yang diapakai di
situs e-commerce Amazon. Dari data pengunjung dan pembelian, maka bisa
diperkirakan barang apa saja yang pengunjung sekiranya tertarik untuk membeli. Pada
analytics jenis ini mulai diperlukan timachine learning untuk menafsirkan data yang
telah dikumpulkan sehingga tidak bisa langsung melakukan operasi penjumlahan atau
rata-rata seperti pada analytics deskriptif.
Analytics prediktif bisa dibilang setingkat lebih tinggi dari analytics deskriptif
karena prosesnya lebih kompleks dan rumit. Meskipun demikian analytics deskriptif
tetap diperlukan antara lain sebagai benchmark. Dalam kasus sistem rekomendasi

3
adalah untuk menunjukkan bahwa algoritma rekomendasi sudah memberikan hasil
maksimal.

Selanjutnya adalah analytics preskriptif (Prescriptive Analytics). Analytics

preskriptif adalah proses analytics yang menghasilkan jawaban atas pertanyaan
kenapa sesuatu akan terjadi serta memberikan saran terhadap kondisi yang
kemungkinan akan terjadi dimasa yang akan datang. Karena kemampuannya inilah
analytics preskriptif sangat diperlukan oleh top-level manajemen dalam mengambil
keputusan.
Dalam prosesnya cukup sulit untuk membuat sistem yang menggunakan analytics
preskriptif mengingat algoritmanya harus benar-benar dapat melihat yang tak terlihat
dari hasil dua analytics sebelumnya. Selain itu juga mempertimbangkan semua opsi
untuk pengambilan keputusan. Untuk mencapai hal ini machine learning sudah pasti
menjadi hal yang mutlak digunakan.
2. Sejarah Singkat Data Analytics (DA)
DA sebenarnya bukanlah konsep baru, namun merupakan pengembangan atas
konsep yang dimulai pada tahun 1980 akhir, dikenalkan pertamakali melalui
pengunaan aplikasi untuk pemeriksaan akuntansi, yang dikenal dengan Generalized
Audit Software (GAS), selanjutnya pada tahun 1990-an, dalam hal penggunaan
aplikasi ini oleh Auditor dijadikan sebuah teknik audit baru yang disebut dengan caats
(Computer Assisted Audit Techniques) atau di Indonesia dikenal dengan TABK
(Teknik Audit Berbantuan Komputer). Selanjutnya Pada era tahun 1990-an, di saat
keberadaan komputer menjadi bagian dari hampir semua pekerjaan, lalu istilah caats
menjadi seperti sebuah akronim yang aneh, karena pada saat itu, semua Auditor telah
terbiasa menggunakan komputer dalam bekerja.
Dan kini istilah caats di dunia internasional menjadi tidak populer tergantikan
dengan istilah Data Analytics, bagi beberapa Auditor dianggap sama, namun
sebenarnya terdapat perbedaan mendasar pada prinsip kerjanya, menurut Hunton et.
Al (2004) dan MAP, Inc (2008), bahwa prinsip kerja DA adalah mengambil (extraksi)
sekumpulan data dari suatu system informasi milik auditi/klien untuk kemudian oleh
auditor dilakukan Analisa menggunakan aplikasi GAS dan DA diharapkan dapat
melampaui pengujian risk control yang membantu memahami risiko bisnis yang telah
diketahui maupun yang tidak diketahui.
Perlu diketahui istilah DA dalam beberapa literasi internasional, dikenal juga dengan
istilah Data Analysis, Digital Analysis, Data Extraction and Analysis (DEA)
atau Digital Mining yang sangat terkait dengan konsep Big Data Analytics, salah satu
diksi yang populer pada era revolusi industry 4.0 saat ini.
3. Analisis data implikasi untuk manajemen
Pada eraa sekarang data analytic dianggap penting. Sensasi menunjukkan itu

4
Banyak digunakan dalam bisnis dari semua ukuran. Beberapa bisnis, termasuk
beberapa UKM, sangat berguna
Akan lebih lama untuk orang lain. Teknologi perubahan kritis telah terjadi
Membuat ini mungkin. Biaya penyimpanan data yang sangat berkurang, algoritma
yang efisien dan lebih baik perangkat lunak secara umum - perangkat lunak
visualisasi khusus - telah melakukan pengambilan dan analisis data dan presentasi
berkualitas tinggi jauh lebih murah dan lebih cepat dari sebelumnya. Pengurangan
dalam analisis data biaya, pertumbuhan sumber daya komputasi dan sumber data,
kompatibilitas gunakan untuk berbagai macam orang dan kebutuhan untuk kompetitif
dan manfaat lainnya terkait dengan analisis data, semua menjelaskan Mengapa
analisis data tiba-tiba menjadi agenda semua orang. Potensi perubahan yang
ditimbulkan oleh analisis data adalah nyata. Analisis data memang memiliki
keterbatasan: hanya data yang dianalisis dan orang-
Menganalisis Investasi akan sulit diwujudkan jika alat tidak dirancang dengan
benar, jika staf tidak layak dalam cara dikeluarkan atau jika manajemen tidak layak.
Alat berkualitas bagus tidak digunakan sama sekali untuk kebutuhan keterampilan dan
pelatihan tidak sulit. Diberikan investasi keseluruhan Diperlukan, vendor dan staf
membantu dengan keahlian
Harus ditantang untuk membuktikan bagaimana analitik data akan melakukan untuk
bisnis dengan keseluruhan.
Beberapa alat yang digunakan dalam analisis data sepenuhnya baru. Alat
analitik yang mendukung dalam spreadsheet Telah digunakan secara efektif selama
bertahun-tahun. Namun demikian, analisis data tidak ‘mendemokratisasikan analisis ',
mudah lebih mudah diakses oleh orang-orang yang lebih luas, serta lebih akurat, lebih
cepat
Dan terperinci.
Penggunaan data analitik. Untuk beberapa bisnis, keputusannya benar-benar
Didukung oleh wawasan yang disediakan oleh data analitik. Banyak bisnis yang terus
memvalidasi keputusan setelah acara menggunakan data analitik, dan beberapa
melakukan beberapa. Begitu pula dengan dashboard dan alat visualisasi lainnya
banyak digunakan oleh manajemen dan beberapa digunakan untuk nilai risiko. Dalam
kasus lain, masalah yang ditentukan menentukan visualisasi yang ditugaskan. Sekali
lagi, sebuah Tidak hadir sering hadir.
Wawasan yang diberikan oleh data analitik sering kali diberikan oleh
manajemen dan ini lebih dari itu berharga dari yang direkomendasikan. Wawasan
terkadang datang sebagai kejutan asli tetapi lebih sering dari itu menunjukkan proses
bisnis tidak berjalan dengan baik di tengah itu manajemen berpikir. Tingkat analisis
data granularity dapat memberikan tidak, dengan sendirinya, Mengamankan Operasi
Bisnis, Mengkhususkan Kapasitas untuk Meningkatkan dengan Tinggi perubahan
terfokus dan efektif.
Fungsi pencarian Internet Memutar peran utama dalam pengembangan alat yang
digunakan di data analitik tetapi banyak dari mereka yang digunakan dalam bisnis
pertama kali dikembangkan dalam keuangan sektor jasa di awal 2000-an. Penggunaan
data analitik di sektor itu baik didirikan dan diimplementasikan sekarang outsourcing.
5
Contoh penggunaan analisis data dalam bisnis diterbitkan:
 Menggunakan alat seperti pemodelan prediktif untuk menganalisis kinerja
dana di sektor jasa keuangan, dan menggunakan alat yang lebih sederhana
untuk melakukan minat dan dividen perhitungan ulang;
 Melakukan analisis canggih dan meningkatkan kinerja toko dan cabang di
Indonesia sektor ritel;
 Menghindari pelatihan kesehatan dan keselamatan pada saat ekstraktif
industri; dan
 Merekrut orang yang tepat - penting dalam industri apa pun - menggunakan
analisis CV ex-post membahas masalah kebijakan dan prosedur SDM.

4. Manfaat yang diperoleh auditor dengan menggunakan data analytic

Dalam meningkatan akses dan manipulasi data dan konsistensi penerapan analisis
data harus meningkatkan kualitas dan efisiensi audit. berikut ini merupakan
manfaat yang diperoleh auditor didengan mengunakan data analytic:
 Peningkatan pemahaman bisnis melalui analisis data klien yang lebih teliti dan
penggunaan output visual seperti tampilan dasbor daripada teks atau informasi
numerik memungkinkan auditor untuk lebih memahami tren dan pola bisnis
dan membuatnya lebih mudah untuk mengidentifikasi anomali.
 Fokus yang lebih baik pada risiko. Peningkatan dalam pemahaman ini,
membantu identifikasi risiko yang terkait dengan klien, memungkinkan
pengujian untuk lebih diarahkan pada area-area tersebut. Ini semakin
ditingkatkan dengan membebaskan waktu auditor dari menganalisis data rutin
sehingga lebih banyak waktu dapat dihabiskan untuk bidang-bidang risiko.
 Peningkatan konsistensi di antara audit grup di mana semua auditor
menggunakan teknologi dan proses yang sama, memungkinkan auditor grup
untuk mengarahkan alat spesifik untuk digunakan dalam audit komponen dan
untuk melakukan pengujian di seluruh grup. Ini akan membutuhkan
persetujuan yang tepat dari semua perusahaan komponen tetapi jika diberikan
memungkinkan pandangan yang lebih holistik dari suatu kelompok dilakukan.
 Peningkatan efisiensi melalui penggunaan program komputer untuk
melakukan pemrosesan data dalam volume besar yang sangat cepat dan
memberikan analisis kepada auditor yang menjadi dasar kesimpulan mereka,
menghemat waktu dalam audit dan memungkinkan fokus yang lebih baik pada
area penilaian dan risiko. Misalnya sampel yang jauh lebih besar dapat diuji,
seringkali pengujian 100% dimungkinkan menggunakan analitik data,
meningkatkan cakupan prosedur audit dan mengurangi atau menghilangkan
risiko pengambilan sampel.
 Data dapat lebih mudah dimanipulasi oleh auditor sebagai bagian dari
pengujian audit, misalnya melakukan analisis sensitivitas pada asumsi
manajemen.
 Peningkatan deteksi penipuan melalui kemampuan untuk menginterogasi
semua data dan untuk menguji pemisahan tugas.

6
  Informasi yang diperoleh melalui analitik data dapat dibagikan dengan klien,
menambah nilai pada audit dan memberikan manfaat nyata bagi manajemen
karena mereka diberikan informasi yang berguna mungkin dari perspektif
yang berbeda.
5. Teknik dan metode dalam data analitik yang digunakan oleh auditor
Prosedur audit adalah metode atau teknik yang digunakan oleh para auditor
untuk mengumpulkan dan mengevaluasi bahan bukti yang mencukupi dan
kompeten. Pilihan auditor tentang prosedur audit dipengaruhi oleh faktor dari
mana data diperoleh, dikirimkan, diproses, dipelihara, atau disimpan secara
elektronik. Pengolahan komputer juga mempengaruhi pemilihan prosedur audit.
Prosedur ini dapat digunakan untuk mendukung pendekatan audit top-
down ataupun pendekatan audit bottom-up. Auditor akan mempertimbangkan
bagaimana setiap prosedur ini akan digunakan ketika merencanakan audit dan
mengembangkan program audit sehingga dapat diterapkan dalam melakukan suatu
pengauditan.
Pemilihan prosedur yang akan digunakan untuk menyelesaikan suatu tujuan
audit tertentu terjadi dalam tahap perencanaan audit. Efektivitas prosedur dalam
memenuhi tujuan audit spesifik dan biaya pelaksanaan prosedur tersebut harus
dipertimbangkan dalam pemilihan prosedur yang akan digunakan. Berikut ini
adalah sepuluh jenis prosedur audit yang dilakukan pada saat pengauditan
a. Prosedur Analitis (analytical procedures)
Prosedur analitis terdiri dari penelitian dan perbandingan hubungan di
antara data. Prosedur ini meliputi:
 perhitungan dan penggunaan rasio-rasio sederhana;
 analisis vertikal atau laporan persentase;
 perbandingan jumlah yang sebenarnya dengan data historis atau anggaran;
serta
 penggunaan model matematis dan statistik, seperti analisis regresi..

Prosedur analitis seringkali meliputi juga pengukuran kegiatan bisnis yang

mendasari operasi serta membandingkan ukuran-ukuran kunci ekonomi yang
menggerakkan bisnis dengan hasil keuangan terkait.
b. Inspeksi (inspecting)
Inspeksi meliputi pemeriksaan rinci terhadap dokumen dan catatan,
serta pemeriksaan sumber daya berwujud. Prosedur ini digunakan secara luas
dalam auditing. Inspeksi seringkali digunakan dalam mengumpulkan dan
mengevaluasi bukti bootom-up maupun top-down. Dengan melakukan
inspeksi atas dokumen, auditor dapat menentukan ketepatan persyaratan
dalam faktur atau kontrak yang memerlukan pengujian bottom-up atas
akuntansi transaksi tersebut.
Istilah-istilah seperti me-review (reviewing), membaca (reading), dan
memeriksa (examining) adalah sinonim dengan menginspeksi dokumen dan
catatan. Menginspeksi dokumen dapat membuka jalan untuk mengevaluasi
bukti documenter. Dengan demikian melalui inspeksi, auditor dapat menilai
keaslian dokumen, atau mungkin dapat mendeteksi keberadaan perubahaan
atau item-item yang dipertanyakan. Bentuk lain dari inspeksi
7
 adalah scanning atau memeriksa secara tepat dan tidak terlampau teliti
dokumen dan catatan.
c. Konfirmasi (confirming)
Meminta konfirmasi adalah bentuk permintaan keterangan yang
memungkinkan auditor memperoleh informasi secara langsung dari sumber
independen di luar organisasi klien. Dalam kasus yang lazim, klien membuat
permintaan kepada pihak luar secara tertulis, namun auditor yang
mengendalikan pengiriman permintaan keterangan tersebut. Permintaan
tersebut juga harus meliputi instruksi berupa permintaan kepada penerima
untuk mengirimkan tanggapannya secara langsung kepada auditor.
Konfirmasi menyediakan bukti bottom-up penting dan digunakan dalam
auditing karena bukti tersebut biasanya objektif dan berasal dari sumber yang
independen.
d. Permintaan Keterangan (inquiring)
Permintaan keterangan meliputi permintaan keterangan secara lisan
atau tertulis oleh auditor. Permintaan keterangan tersebut biasanya ditujukan
kepada manajemen atau karyawan, umumnya berupa pertanyaan-pertanyaan
yang timbul setelah dilaksanakannya prosedur analitis atau permintaan
keterangan yang berkaitan dengan keusangan persediaan atau piutang yang
dapat ditagih. Auditor juga dapat langsung meminta keterangan pada pihak
eksteren, seperti permintaan keterangan langsung kepada penasehat hokum
klien tentang kemungkinan hasil litigasi. Hasil permintaan keterangan dapat
berupa bukti lisan atau bukti dalam bentuk representasi tertulis.
e. Perhitungan (counting)
Dua aplikasi yang paling umum dari perhitungan adalah perhitungan
fisik sumber daya berwujud seperti jumlah kas dan persediaan yang ada, dan
akuntansi seluruh dokumen dengan nomor urut yang telah dicetak. Yang
pertama menyediakan cara untuk mengevaluasi bukti fisik tentang jumlah
yang ada, sedangkan yang kedua dapat dipandang sebagai penyediaan cara
untuk mengevaluasi pengendalian internal perusahaan melalui bukti yang
objektif tentang kelengkapan catatan akuntansi. Teknik perhitungan ini
menyediakan bukti audit bottom-up, namun auditor seringkali terdorong
untuk memperoleh bukti top-down terlebih dahulu guna mendapatkan
konteks ekonomi dari prosedur perhitungan.
f. Penelusuran (tracing)
Dalam penelurusan (tracing) yang seringkali juga disebut sebagai
penelusuran ulang, auditor memilih dokumen yang dibuat pada saat transaksi
dilaksanakan, dan menentukan bahwa informasi yang diberikan oleh
dokumen tersebut telah dicatat dengan benar dalam catatan akuntansi (jurnal
dan buku besar). Arah pengujian prosedur ini berawal dari dokumen menuju
ke catatan akuntansi, sehingga menelusuri kembali asal-usul aliran data
melalui sistem akuntansi. Karena proesdur ini memberikan keyakinan bahwa
data yang berasal dari dokumen sumber pada akhirnya dicantumkan dalam
akun, maka secara khusus data ini sangat berguna untuk mendeteksi
terjadinya salah saji berupa penyajian yang lebih rendah dari yang
seharusnya (understatement) dalam catatan akuntansi.

8
g. Pemeriksaan Bukti Pendukung (vouching)
Pemeriksaan bukti (vouching) pendukung meliputi pemilihan ayat
jurnal dalam catatan akuntansi, dan mendapatkan serta memeriksa
dokumentasi yang digunakan sebagai dasar ayat jurnal tersebut untuk
menentukan validitas dan ketelitian pencatatan akuntansi. Dalam
melakukan vouching, arah pengujian berlawanan dengan yang digunakan
dalam tracing. Prosedur vouching digunakan secara luas untuk mendeteksi
adanya salah saji berupa penyajian yang lebih tinggi dari yang seharusnya
(overstatement) dalam catatan akuntansi.
h. Pengamatan (observing)
Pengamatan (observing) berkaitan dengan memperhatikan dan
menyaksikan pelaksanaan beberapa kegiatan atau proses. Kegiatan dapat
berupa pemrosesan rutin jenis transaksi tertentu seperti penerimaan kas,
untuk melihat apakah para pekerja sedang melaksanakan tugas yang
diberikan sesuai dengan kebijakan dan prosedur perusahaan. Pengamatan
terutama penting untunk memperoleh pemahaman atas pengendalian internal.
Auditor juga dapat mengamati kecermatan seorang karyawan klien dalam
melaksanakan pemeriksaan tahunan atas fisik persediaan. Pengamatan yanf
terakhir ini memberikan peluang untuk membedakan antara mengamati dan
menginspeksi.
i. Pelaksanaan Ulang (reperforming)
Salah satu prosedur audit yang penting adalah pelaksanaan ulang
(reperforming) perhitungan dan rekonsiliasi yang dibuat oleh klien. Misalnya
menghitung ulang total jurnal, beban penyusutan, bunga akrual dan diskon
atau premi obligasi, perhitungan kuantitas dikalikan harga per unit pada
lembar ikhtisar persediaan, serta total pada skedul pendukung dan
rekonsiliasi. Auditor juga dapat melaksanakan ulang beberapa aspek
pemrosesan transaksi tertentu untuk menentukan bahwa pemrosesan awal
telah sesuai dengan pengandalian intern yang telah dirumuskan. Sebagai
contoh, auditor dapat melaksanakan ulang pemeriksaan atas kredit pelanggan
pada transaksi penjualan untuk menentukan bahwa pelanggan memang
memiliki kredit yang sesuai pada saat transaksi tersebut diproses.
Pemeriksaan ulang biasanya memberikan bukti bottom-up, dan dengan
bukti bottom-up lainnya, auditor dapat terlebih dahulu memahami konteks
ekonomi untuk pengujian audit tersebut.
j. Teknik Audit Berbantuan Komputer (computer-assisted audit
techniques)
Apabila catatan akuntansi klien dilaksanakan melalui media elektronik,
maka auditor dapat menggunakan teknik audit berbantuan computer
(computer-asssited audit techniques/CAAT) untuk membantu melaksanakan
beberapa prosedur yang telah diuraikan sebelumnya. Sebagai contoh, auditor
dapat menggunakan perangkat lunak komputer untuk melakukan hal-hal
sebagai berikut:

 Melaksanakan perhitungan dan perbandingan yang digunakan dalam

prosedur analitis.
 Memilih sampel piutang usaha untuk konfirmasi.
9
  Mencari sebuah file dalam komputer untuk menentukan bahwa semua
dokumen yang berurutan telah dipertanggungjawabkan.
 Membandingkan elemen data dalam file-file yang berbeda untuk
disesuaikan (seperti harga yang tercantum dalam faktur dengan master file
yang memuat harga-harga yang telah disahkan)
 Memasukkan data uji dalam program klien untuk menentukan apakah
aspek computer
 Melaksanakan ulang berbagai perhitungan seperti penjumlahan buku besar
pembantu piutang usaha atau file persediaan.
6. Faktor penghambat Pemanfaatan data analytic bagi auditor.
Ditingkatan pragmatis, data analytic sebagai bagian dari audit merupakan
disruptive technology, yang memerlukan pergeseran paradigma dalam perubahan
operasional utama organisasi.
 Pergeseran paradigma, dalam arti yang luas auditor memerlukan akses tidak
terbatas kepada data klien (yang menimbulkan kekhawatiran kerahasiaan
data). Perlunya keahlian analitis yang baru dalam tim audit. Pemahaman akan
semakin meningkatnya data finansial dan non finansial memerlukan
pengetahuan dan skill baru bagi para auditor.
 Big data analytic dan sifat pengambilan keputusan dalam audit. Keuntungan
pemanfaatan Big Data dalam audit (Alles & Gray, 2016). Salah satu aspek
penting dalam audit yang mungkin akan membatasi nilai dari Big Data
analytic adalah keputusan yang sifatnya diskrit dan bukan berkelanjutan, yaitu
opini audit. Namun Big Data tetap memainkan peranan dalam mendeteksi
fraud secara berkelanjutan, misalnya dalam pengembangan prosedur analisis.
 Implikasi dari data fication Seperti dikemukakan oleh (Debreceny & Gray,
2010), bahwa pendekatan data mining tradisional dapat diklasifikasikan dalam
dua kategori: directed, hubungan spesifik antara variable akan diuji, dan
undirected, dimana hubungan yang spesifik tidak akan diuji,dan membiarkan
software mencari relasi dari populasi variabel.
 Mengumpulkan lebih banyak data Faktor lainnya yang perlu diperhatikan oleh
auditor adalah mengelola keamanan data terkait dengan klien dan memastikan
tidak ada kesalahan atau penyebarluasan informasi rahasia dan pribadi dari
data – data tersebut.
 Data yang berantakan Penggunaan Big Data di organisasi, menyebabkan
seluruh data akan tersedia dari sistem informasi klien. Seringkali terjadi klien
memberikan seluruh data yang dari sistem informasinya tanpa disertai dengan
penjelasan yang memadai mengenai data tersebut. Hal itu akan menyulitkan
auditor yang kemudian harus memilah – milah informasi yang mungkin tidak
diperlukannya.
 Keterbatasan akses data ke auditi untuk dilakukan TABK (Teknik Audit
Berbantuan Komputer) maupun DA.
 SDM dengan keterampilan dan pengetahuan yang diperlukan saat ini tidak
berada di dalam departemen audit internal.

10
 BAB III
KESIMPULAN
A. Kesimpulan

Dengan adanya data analityc bagi auditor ini akan mampu meningkatkan kualitas
audit. Data anlitys menawarkan cara praktis baginauditor untuk mengelola beberapa
aspek penting dari sistem teknologi informasi dalam audit dengan ruang lingkup yang
lebih besar. Sekarang banyak kantor akuntan publik berusaha mempertajam fokus pada
tekhnik analisis data dan komite audit sekarang secara rutin bertanya kepada calon
auditor bagaimana data anlityc akan digunakan dalan audit.
Dara anlityc menjadi pendekatan baru yang digunakan untuk mencegah dm
mendeteksi penipuan yang melibatkan pemeriksaan pola dalam data aktual data analityc
dapat dimengerti sebagai aplikasi canggih untuk analisis data baginauditor dalam
pemeriksaan untuk mendeteksi kecurangan.
Data anlityc bekerja lebih efektif bagi audit dengan volume data yang besar. Dan pada
akhirnya ini akan menjadi harapan utama bahwa data anlaityc menjadi salah satu analisis
strategi yang menjadi tinjauan makro terkait dengan adanya resiko terjadinya fraud.

11
 DAFTAR PUSTAKA

https://itjen.dephub.go.id/2019/04/08/data-analytics-sebuah-konsep-dalam-audit-intern/
https://maksi.binus.ac.id/2018/10/05/implementasi-big-data-dalam-proses-audit/
https://www.ifac.org/search?submitted=true&sort_by=score%20desc&sdate_from=1980&sd
ate_to=2019&keys=Data%20analytic#

https://www.icaew.com/-/media/corporate/files/technical/audit-and-assurance/audit-
insights/audit-insights-data-analytics-evidence-not-assumptions.ashx

12