2.

6 Memoderasi peran kompleksitas tugas Kompleksitas tugas

mengacu pada inkonsistensi dan kesulitan tugas (Bonner, 1994). Kompleksitas tugas
selalu dikaitkan dengan struktur tugas (Simon, 1973) dan kesulitan tugas (Kahneman, 1973).
Meskipun kesulitan tugas berkaitan dengan jumlah pemrosesan mental dan kompetensi perhatian,
struktur tugas ditentukan oleh spesifikasi apa yang perlu dilakukan dalam suatu tugas (Bonner,
1994). Kompleksitas tugas telah populer memainkan peran dalam penilaian audit dan penelitian
pengambilan keputusan (Bonner, 1994; Trotman, 1998; Trotman et al., 2015). Bagaimana auditor
menerapkan penilaian dan pengambilan keputusan dalam kompleksitas tugas audit telah menjadi
topik yang semakin kritis (Bucaro, 2019). Mengingat sifat yang sangat kompleks dari sebagian
besar tugas audit, pemahaman yang jelas tentang kompleksitas tugas dan pengaruhnya terhadap
penilaian auditor dalam konteks data besar memerlukan penyelidikan lebih lanjut. Kinerja
penilaian memburuk ketika auditor tidak dapat membuat penilaian yang benar dan adil karena
banyaknya informasi dan tugas. Namun, Tan et al. (2002) menemukan bahwa kinerja menurun
dengan meningkatnya kompleksitas, tetapi hanya di bawah kombinasi akuntabilitas tinggi dan
pengetahuan rendah atau akuntabilitas rendah dan pengetahuan tinggi. Mereka lebih lanjut
mengungkapkan bahwa kinerja penilaian tidak terpengaruh oleh meningkatnya kompleksitas
tugas dalam kondisi akuntabilitas tinggi dan pengetahuan tinggi.
Meskipun peran moderator kompleksitas tugas sudah mapan di bidang audit
(Abdolmohammadi dan Wright, 1987; Tan et al., 2002; Mohd-Iskandar dan Mohd-Sanusi, 2011,
2011; Alissa et al., 2014; Mohd- Sanusi et al., 2018), sejauh mana ia memoderasi integrasi
visualisasi data dan mode pemrosesan data terhadap pertimbangan profesional auditor masih
belum dieksplorasi. Dalam konteks data besar, informasi yang berlebihan diharapkan, karena
tugas menjadi lebih kompleks, yang menyebabkan auditor melebihi kompetensi dan kemampuan
optimal mereka dalam keterampilan kuantitatif dan kualitatif (Marsh dan Ahn, 2006; Simnett,
1996; DeShon et al., 1996). Akibatnya, menciptakan hubungan terbalik antara kompleksitas tugas
dan akurasi dan kepastian kualitas pengambilan keputusan pertimbangan auditor
(Wongpinunwatana, 2003). Cao dkk. (2015) menyatakan bahwa auditor harus berurusan dengan
kumpulan data yang besar dan berantakan dan
fokus pada sebab-akibat, tidak diragukan lagi mengarah pada kompleksitas tugas. Situasi ini
diperkirakan akan mempengaruhi integrasi visualisasi data dan mode pemrosesan data, yang
mempengaruhi penilaian dan pengambilan keputusan auditor. Selain itu, individu mungkin
bergantung pada fitur dan persyaratan tugas sebelum menggunakan mode pemrosesan mana untuk
meningkatkan penilaian dan pengambilan keputusan (Ayal et al., 2015). Mengingat jumlah
informasi akuntansi yang sangat besar, auditor mungkin menghadapi kesulitan dalam
menggabungkan semua bukti audit melalui integrasi visualisasi data karena banyaknya data dari
sejumlah besar tugas. Selain itu, mereka tidak dapat secara efektif menerapkan mode berpikir
intuitif ketika datang ke banyak tugas audit. Auditor mungkin memerlukan lebih banyak waktu
untuk mencerna dan mempertimbangkan sejumlah besar data. Selain itu, informasi yang
berlebihan dapat menyebabkan kurangnya pemanfaatan pengetahuan dan informasi yang
dikumpulkan, dan karenanya dapat mempengaruhi efektivitas tugas (Bonner, 1994; Devine dan
Kozlowski, 1995; Meyer, 1998; Haas dan Hansen, 2007). Juga, Appelbaum et al. (2017)
menyoroti masalah keandalan data dalam analitik data besar, membuat tugas audit menjadi lebih
kompleks dan menantang.
Dengan demikian, berdasarkan argumen sebelumnya, diharapkan bahwa kompleksitas
tugas memoderasi hubungan antara integrasi visualisasi data dan penilaian dan pengambilan
keputusan auditor serta antara mode pemrosesan data dan penilaian auditor dan pengambilan
keputusan. Ketika kompleksitas tugas rendah, auditor yang berurusan dengan integrasi visualisasi
data tingkat tinggi dan pemrosesan intuitif atau deliberatif cenderung membuat penilaian
profesional yang lebih baik daripada ketika kompleksitas tugas tinggi. Dengan kata lain,
hubungan positif antara integrasi visualisasi data dan kinerja penilaian audit dan antara mode
pemrosesan intuitif dan kinerja penilaian audit akan lebih kuat di bawah kompleksitas tugas yang
rendah. Hal ini karena tugas-tugas sederhana cenderung membutuhkan permintaan yang lebih
kecil untuk kemampuan pembuat keputusan daripada tugas-tugas kompleks (Wood, 1986).
Melakukan proses integrasi visualisasi data, yang menghubungkan pendekatan audit tradisional
dan analitik data tentu meningkatkan efisiensi proses audit dengan kompleksitas rendah ketika
semua prosedur sekarang otomatis dan cocok untuk menganalisis dan beradaptasi dengan cepat
ke data baru. Namun, ketika tugas audit rumit, material dan melibatkan risiko audit yang tinggi,
itu membutuhkan lebih banyak prosedur dan bukti, menyebabkan kesulitan bagi auditor untuk
mengintegrasikan banyak bukti (Moeckel, 1991) dari data besar dan analitik data. Hal ini
membawa pada rumusan proposisi sebagai berikut:
P3a. Pengaruh positif visualisasi data pada penilaian dan pengambilan keputusan auditor lebih
kuat di bawah kompleksitas tugas rendah daripada kompleksitas tugas tinggi.
P3b. Pengaruh positif dari data modus pengolahan (intuitif dan deliberatif) pada penilaian
auditor dan pengambilan keputusan lebih kuat di bawah kompleksitas tugas rendah daripada
kompleksitas tugas tinggi

USULAN PENELITIAN KERANGKA DAN mendasari TEORI PERUSAHAAN

Dari pembahasan di atas literatur yang berkaitan dengan hubungan teoritis antara variabel,
kerangka penelitian diusulkan, seperti yang ditunjukkan pada Gambar 1. Kerangka penelitian
menggambarkan hubungan antara variabel independen (integrasi visualisasi data dan mode
pemrosesan data), variabel moderasi (kompleksitas tugas) dan variabel dependen (auditor
penilaian dan keputusan-membuat). Kerangka penelitian yang diusulkan dijamin karena sifat
kompleks dari data besar dan penggunaan analitik data dalam audit, yang saat ini hanya mendapat
sedikit perhatian. Makalah ini mengadopsi teori kognitif untuk membahas bagaimana auditor
memproses data menjadi informasi yang berguna untuk membuat penilaian dan keputusan. Teori
kognitif berpendapat bahwa penilaian didorong oleh kekuatan batin, mungkin dibentuk dan
dikendalikan oleh pengaruh sosial, lingkungan eksternal dan internal serta faktor individu
(Trotman et al., 2011). Konsep inti teori ini adalah mengamati reproduksi perilaku yang diamati
dengan membuat skema penyebab timbal balik triadik dari faktor perilaku dan lingkungan
(Bandura, 1999).
Teori ini digunakan di sebagian besar penelitian penilaian dan pengambilan keputusan,
yang mengevaluasi kualitas penilaian, menggambarkan proses bagaimana penilaian dibuat,
menentukan faktor-faktor yang memengaruhi penilaian ini, mengembangkan dan menguji teori
yang mendasari proses kognitif dimana penilaian dibuat dan meningkatkan proses penilaian
(Trotman et al., 2011). Teori kognitif digunakan untuk menilai kemampuan auditor untuk
memproses informasi dan melakukan tugas (Trotman, 1995) dan kapasitas auditor untuk
menyelesaikan pengkodean informasi, pengambilan dan analisis tugas yang berkontribusi untuk
pemecahan masalah (Libby dan Luft, 1993). Karena auditor dihadapkan pada banyak informasi
dalam batasan waktu, proses kognitif auditor seperti perhatian yang diberikan pada isyarat
informasi, pengambilan informasi dari memori jangka pendek dan jangka panjang dapat
terdistorsi oleh kelemahan kognitif dan faktor emosional (Fawad, 2019; Brown-Liburd et al.,
2015). Diperdebatkan, dengan data besar dan analitik data, teori kognitif sosial membantu
menjelaskan bagaimana informasi yang dimasukkan melalui proses audit akan secara sadar atau
tidak sadar mempengaruhi fungsi otak manusia seperti menafsirkan, merencanakan, memotivasi
dan mengatur keputusan dan tindakan.
Kerangka yang diusulkan bertujuan untuk mengembangkan pemahaman yang lebih dalam
tentang proses kognitif yang mendasari penilaian. Proses tersebut membutuhkan pencarian
informasi yang melibatkan proses berurutan, yang dimulai dari penggalian bukti, berkembang
menjadi integrasi visualisasi data dan mode pemrosesan dan akhirnya membentuk opini audit.
Kerangka yang diusulkan memeriksa proses kognitif auditor dengan mengenali kemampuan
auditor untuk memvisualisasikan pola dan mengintegrasikan data terstruktur dan tidak terstruktur
untuk mengidentifikasi anomali dan tren. Mode pemrosesan data (intuitif atau deliberatif) akan
menganalisis interaksi antara mengintegrasikan isyarat informasi yang diperoleh dari visualisasi
data dengan pengetahuan dan pengalaman dan menerjemahkan informasi yang diperoleh ke
dalam penilaian audit kualitas. Teori kognitif juga akan menjelaskan interaksi antara kemampuan,
pengetahuan dan pengalaman individu dalam membuat penilaian dengan tingkat kompleksitas
tugas tertentu. Diperdebatkan, auditor yang meninjau integrasi visualisasi data dan terlibat dalam
mode pemrosesan intuitif dapat dengan mudah mengenali pola bukti audit dan membuat penilaian
dan pengambilan keputusan yang lebih baik ketika memiliki kompleksitas tugas yang rendah
daripada kompleksitas tugas yang tinggi.

KESIMPULAN
Literatur sebelumnya telah menunjukkan bahwa data besar dan analitik data memiliki
potensi untuk mengubah sifat dan praktik akuntansi dan audit (Alles dan Gray, 2016; Appelbaum,
2016). Proses pemikiran dan penalaran manusia dapat berbeda dalam pendekatan analitik audit
kontemporer karena kelebihan informasi yang berasal dari berbagai sumber eksternal dan
internal, data besar yang tidak terstruktur dan terstruktur. Namun, ada pemahaman yang terbatas
tentang bagaimana analitik data memengaruhi proses kognitif melalui integrasi visualisasi data
dan mode pemrosesan dan dampaknya terhadap penilaian dan pengambilan keputusan auditor,
mengingat tingkat kerumitan tugas tertentu. Kurangnya pekerjaan empiris dalam mempelajari
proses kognitif di lingkungan data besar menarik perhatian pada pentingnya mengembangkan
kerangka kerja yang tepat untuk dampak analitik data pada kualitas penilaian dan pengambilan
keputusan auditor. Dengan demikian, makalah ini menanggapi panggilan untuk pengembangan
kerangka kerja konseptual untuk memberikan wawasan tentang bagaimana data besar dan analitik
data mengubah proses audit (Walker dan Brown-Liburd, 2019).
Ada beberapa alasan mengapa makalah ini sangat penting. Makalah ini mengusulkan
kerangka kerja konseptual yang memperluas karya Rose et al. (2017, 2019) tentang efek
visualisasi data dan mode pemrosesan pada penilaian auditor dan pengambilan keputusan. Salah
satu implikasi teoritis penting dalam kerangka diperpanjang adalah konseptualisasi integrasi
visualisasi data sebagai sebuah konstruksi. Meskipun literatur sebelumnya menggunakan istilah
visualisasi data, makalah ini mengkonseptualisasikan konstruksi ini secara berbeda dan
mengusulkan bahwa itu harus ditulis sebagai integrasi visualisasi data. Pembenaran untuk
membuat variabel baru ini adalah bahwa ketika auditor melakukan visualisasi data, melibatkan
identifikasi tren dan menggabungkan kumpulan data yang lebih besar untuk menemukan pola
tersembunyi. Dalam melakukannya, auditor juga memerlukan integrasi data yang
menggabungkan semua informasi berupa informasi kuantitatif, kualitatif, subjektif dan objektif ke
dalam proses audit. Menggambar dari teori kognitif, auditor, memiliki integrasi visualisasi data,
dan mode pemrosesan data intuitif cenderung membuat penilaian kualitas yang lebih baik.
Diperdebatkan, auditor yang terlibat dalam mode berpikir deliberatif cenderung memiliki
penilaian kualitas yang jauh lebih sedikit dibandingkan dengan mode berpikir intuitif.
Implikasi teoritis lain dari makalah ini adalah bahwa ia memasukkan variabel moderasi
(kompleksitas tugas) ke dalam kerangka kerja Rose et al. Dengan demikian, ini memberikan
pemahaman teoretis lebih lanjut tentang efek data besar dari perspektif konsekuensi perilaku
integrasi visualisasi data dan mode pemrosesan data dalam membuat penilaian dan pengambilan
keputusan dengan tingkat kompleksitas tugas tertentu. Mengingat tingkat kompleksitas tugas
tertentu, diharapkan kompleksitas tugas akan mengurangi efek integrasi visualisasi data dan mode
pemrosesan data pada penilaian dan pengambilan keputusan auditor. Mengingat bahwa tugas
audit bervariasi dalam kompleksitas dan auditor bervariasi dalam kemampuan kognitif, penilaian
kualitas dan pengambilan keputusan akan dicapai hanya jika kombinasi kompleksitas tugas dan
kemampuan kognitif berada pada tingkat yang optimal. Dengan demikian, kerangka kerja yang
diusulkan berkontribusi pada literatur yang ada terbatas tentang peran kompleksitas tugas dalam
konteks data besar, yang sangat penting dalam penelitian dan praktik akuntansi dan audit karena
potensi data besar untuk mengubah sifat dan praktik akuntansi. dan audit (Alles dan Gray, 2016;
Appelbaum, 2016).
 Dalam hal implikasi praktis, kerangka penelitian memungkinkan peneliti dan praktisi audit
untuk memahami potensi data besar dan analitik data. Praktisi audit perlu memahami efek dari
melengkapi bukti audit tradisional dengan integrasi visualisasi data untuk sepenuhnya
memanfaatkan manfaat big data dan analitik dalam membuat penilaian audit yang efektif dan
berkualitas. Selain itu, kerangka kerja ini akan memberikan kesadaran akan konsekuensi perilaku
dari proses kognitif (yaitu integrasi visualisasi data dan mode pemrosesan data) ketika berhadapan
dengan data besar. Karena literatur sebelumnya memberikan bukti yang menunjukkan efek dan
hasil dari mode pemrosesan ganda mungkin tidak seragam karena perbedaan individu,
karakteristik tugas, dan faktor situasional, auditor harus memilih strategi yang benar dalam
memilih dan menganalisis informasi. Hal ini karena, dengan adanya informasi yang berlebihan,
analisis data dapat memfasilitasi pemrosesan informasi untuk mengurangi kesalahan kognitif
auditor (Fawad, 2019). Dalam bidang audit, kompleksitas tugas memegang peranan penting
dalam menentukan kinerja auditor karena akan mempengaruhi beban kerja mental auditor dalam
membuat penilaian dan pengambilan keputusan. Oleh karena itu, bagi auditor untuk mendapatkan
keuntungan penuh dari analitik data, auditor mungkin perlu menjalani pelatihan untuk
mengurangi bias kognitif dan penilaian yang tidak akurat berdasarkan kompleksitas tugas yang
dilakukan saat menggunakan data besar untuk membuat penilaian mereka. Kerangka konseptual
yang diusulkan juga membawa implikasi bagi perusahaan audit untuk menggunakan analisis data.
Gepp dkk. (2018) mengemukakan argumen bahwa perusahaan audit harus menggunakan analisis
data bahkan jika klien mereka tidak melakukannya sehingga mereka akan berada di depan klien
mereka. Karena integrasi visualisasi data akan menuntut keahlian yang lebih besar, auditor harus
kompeten baik dalam keterampilan audit maupun teknologi informasi lingkungan Big data. Oleh
karena itu, untuk mendapatkan manfaat dari penggunaan analitik data, perusahaan audit harus
memberikan intervensi pelatihan dan keterampilan yang diperlukan bagi auditor untuk
menganalisis data besar dan mengurangi bias kognitif yang dihasilkan dari integrasi visualisasi
data.
Mengenai implikasi terhadap kebijakan, kerangka konseptual memberikan bukti tambahan
kepada pembuat standar dan regulator tentang dampak integrasi visualisasi data dan bagaimana
standar audit dapat menguraikan kebutuhan untuk melengkapi bukti audit tradisional dengan
analitik data. Misalnya, metode pengambilan sampel saat ini di bawah standar auditing tidak
memiliki bukti efektivitas dan konsistensi. Dengan demikian, mereka harus secara bertahap
ditinggalkan dan diganti dengan pekerjaan audit tingkat populasi saat melakukan audit di
lingkungan data besar (Tang dan Karim, 2017; Krahel dan Titera, 2015). Selain itu, dengan
kemajuan analisis data, dapat mendorong perusahaan audit untuk melakukan audit berkelanjutan
karena audit berhasil dengan cepat dalam menganalisis dan beradaptasi dengan data besar baru
(Chiu et al., 2014). Peran kementerian pendidikan dan universitas juga penting dalam merancang
program studi akuntansi dengan fokus pada keterampilan analisis data dan teknologi informasi
dalam upaya mereka untuk menghasilkan auditor masa depan yang kompeten. Hal ini sejalan
dengan standar A7 Association to Advance Collegiate Schools of Business, yang menyatakan
bahwa “program gelar akuntansi mencakup pengalaman belajar yang mengembangkan
keterampilan dan pengetahuan terkait integrasi teknologi informasi dalam akuntansi dan bisnis”
(Association to Advance Collegiate Schools Bisnis, 2013).
Makalah ini hanyalah makalah konseptual. Ide-ide (proposisi) yang diajukan belum
divalidasi dan diuji oleh data kuantitatif empiris. Dibutuhkan lebih banyak pekerjaan di masa
depan untuk memvalidasi kerangka kerja yang diusulkan. Untuk penelitian selanjutnya,
disarankan agar kerangka yang diusulkan dapat digunakan untuk melakukan studi empiris lebih
lanjut pada auditor dengan menerapkan eksperimen atau survei untuk menguji proposisi. Temuan
ini akan memberikan pemahaman lebih lanjut tentang hubungan antara integrasi visualisasi data,
mode pemrosesan, kompleksitas tugas, dan penilaian auditor serta pengambilan keputusan dalam
konteks data besar dan analitik data. Pendekatan eksperimental lebih disukai untuk kerangka kerja
ini, karena memungkinkan peneliti untuk menguji proses kognitif yang mendasari dimana
penilaian dibuat dalam lingkungan yang terkendali. Selain itu, dengan menggunakan kerangka
kerja ini, peneliti di bidang ini dapat melengkapi metode kuantitatif dengan menggunakan
wawancara untuk mengkonfirmasi temuan sebelumnya dan memberikan bukti yang lebih kaya.
Selain itu, sebagian besar studi sebelumnya dilakukan terutama dalam konteks negara-negara
Anglo-Saxon, sedangkan perhatian terbatas diberikan kepada negara-negara berkembang. Dengan
demikian, penerapan kerangka kerja yang diusulkan ini dalam konteks negara-negara berkembang
akan memberikan kontribusi bukti empiris yang sangat dibutuhkan untuk literatur yang ada
mengingat pengaturan peraturan yang berbeda dan alat analisis data yang berbeda yang
digunakan oleh praktisi bisnis dan audit. Selain itu, karena kerangka konseptual yang diusulkan
hanya berfokus pada tiga variabel (integrasi visualisasi data, mode pemrosesan, dan kompleksitas
tugas), penelitian masa depan juga dapat mengeksplorasi variabel lain seperti karakteristik auditor
(misalnya keahlian, pengalaman, keterampilan, dan upaya). Selain itu, auditor harus memahami
biaya dan manfaat menggunakan data besar dan bagaimana hal itu akan memengaruhi bias
kognitif mereka, seperti bias konfirmasi dan bias terlalu percaya diri. Penelitian di masa depan
dapat memperluas kerangka kerja dengan menguji integrasi visualisasi data dan mode pemrosesan
terhadap bias kognitif spesifik yang dihasilkan dari penggunaan analitik data besar.