SSRN-id4214190 en Id

Diterjemahkan dari bahasa Inggris ke bahasa Indonesia - www.onlinedoctranslator.
com
Penerapan analitik data besar dalam akuntansi:

studi bibliometrik dan visual
Babak Naysari1, Shyamala Dhoraisingham Samuel2dan Siew Eu Gene3, Kaveh Asiaei4*
at
Babak Naysari 1Dr
Departemen Akuntansi, Sekolah Bisnis, Monash University Malaysia,

Bandar Sunway, Malaysia
lih
babak.naysary@monash.edu
2Dr. Shyamala Dhoraisingham Samuel

di
shymala.dhorisingam@monash.edu
3Dr. Siew Eu Gene

rr
siew.eu-gene@monash.edu
p
nt
4 Dr. Kaveh Asiaei

Penulis yang sesuai
ak
Kaveh.Asiaei@monash.edu
et
ac
Pr
Makalah penelitian pracetak ini belum ditinjau oleh rekan sejawat. Salinan elektronik tersedia di: https://ssrn.com/abstract=4214190
Penerapan analitik data besar dalam akuntansi:
studi bibliometrik dan visual
Abstrak
Mempertimbangkan aplikasi big data analytics (BDA) yang terus meningkat di berbagai disiplin ilmu dan
minat penelitian yang berkembang di bidang ini, makalah ini menyajikan hasil analisis bibliometrik dan
w
visual dari artikel penelitian tentang penerapan BDA dalam akuntansi. Artikel dikompilasi dari Web of
Science Core Collection (WoSCC) periode 2012-2021. Secara khusus, tinjauan dilakukan dengan
menggunakan 582 artikel di 72 negara, diterbitkan dalam 369 jurnal oleh 1099 penulis. Jumlah lembaga
dan makalah yang diterbitkan divisualisasikan dalam peta panas penelitian global untuk menyajikan
vie
gambaran global tentang aplikasi BDA dalam penelitian akuntansi. Selain itu, kami melakukan analisis
klaster visual dari jaringan referensi co-citation, mengidentifikasi komunitas penelitian, tema utama, dan
tren penelitian masa depan. Itujurnal sistem informasidanCakrawala Akuntansiadalah jurnal yang paling
aktif dan Amerika Serikat telah memberikan kontribusi terbesar bagi badan pengetahuan di bidang ini.
Kata kunci seperti BDA, manajemen, kinerja, business intelligence, dan media sosial telah menarik
perhatian peneliti. "Data besar dalam akuntansi: tinjauan umum" dan "Seberapa besar data akan
re
mengubah akuntansi" memiliki sentralitas yang dikutip tertinggi. Analisis prediktif, penerapan intelijen
bisnis, dan analisis implikasi manajerial dari aplikasi BDA adalah tiga topik penelitian utama yang sedang
tren. Studi ini memperluas literatur sistem informasi akuntansi dengan menyediakan lanskap penelitian
yang menunjukkan arah potensial di bidang aplikasi BDA dalam akuntansi untuk memfasilitasi identifikasi
topik penelitian, kolaborator potensial, dan platform untuk publikasi.
er
Kata kunciAnalisis bibliometrik, analisis data besar, akuntansi, analisis visual
Klasifikasi artikelmakalah penelitian

pe
1. Perkenalan
Data adalah inti dari akuntansi. Perkembangan dan difusi teknologi baru menghasilkan sejumlah besar data real-
time dalam format berbeda yang dikenal sebagai data besar. Selanjutnya, teknik analitik bisnis dirancang untuk
memfasilitasi pengumpulan data, analisis, dan penyampaian informasi dan dianggap sebagai alat yang ampuh
untuk mendukung pengambilan keputusan (Rikhardsson dan Yigitbasioglu, 2018). Meskipun profesional
akuntansi tidak asing untuk menangani kumpulan data yang besar, tren baru ini mempengaruhi profesi karena
nt
volume data dan variasi serta kecepatan data yang meningkat pesat (Perkhoferdkk., 2019). Selain itu, selain data
internal perusahaan, yang sebagian besar terstruktur, sumber eksternal seperti situs web, teks, video, dan
sebagainya, yang terutama merupakan data semi terstruktur dan tidak terstruktur, semakin relevan dalam
pelaporan dan pengambilan keputusan. proses pembuatan (Janvrin dan Watson, 2017). Hal ini menimbulkan
berbagai ancaman dan peluang bagi bisnis. Di satu sisi, data berkualitas tinggi, yang diproses secara real-time,
it
dapat membantu perusahaan menyajikan pelaporan keuangan yang lebih akurat (Elmagrhidkk., 2019),
meningkatkan manajemen kinerja dan penganggaran yang lebih andal (Ibrahimdkk., 2021), membantu auditor
meningkatkan tingkat jaminan dengan mengakses lebih banyak bukti audit dan juga meningkatkan akurasi
model prediksi dan penilaian risiko (Brown-Liburddkk., 2015), meningkatkan akuntansi dan pelaporan
pr
keberlanjutan (Tiwari dan Khan, 2020), meningkatkan praktik akuntansi forensik (Rezaee dan Wang, 2019).
Beberapa bahkan melangkah lebih jauh dengan mengklaim bahwa data besar mewakili aset modal intelektual
baru (La Torredkk., 2018). Di sisi lain, ini dapat dianggap sebagai ancaman yang menonjol bagi para profesional
di bidang ini, karena menurut (Frey dan Osborne, 2013), ada kemungkinan 94 persen bahwa pekerjaan akuntansi
dan audit akan terkomputerisasi dan digantikan oleh kecerdasan buatan di waktu dekat.
PR
Sedangkan untuk akademisi, pengembangan analitik data besar memiliki efek mendalam pada kurikulum akuntansi, dan
program akuntansi perlu disesuaikan untuk membekali siswa dengan keterampilan analitik dan berpikir kritis yang diperlukan
untuk mempersiapkan mereka menghadapi perubahan masa depan yang melekat dalam profesi (Dowdkk., 2021). Banyak
badan profesional dan pembuat standar telah mengeluarkan pedoman untuk mengatasi beberapa di antaranya
tantangan. Misalnya, komisi jalur, yang dibentuk oleh American Institute of Certified Public
Accountants (AICPA) dan American Accounting Association (AAA), menekankan integrasi teknologi
yang muncul dan tren global dalam kurikulum akuntansi (Komisi Pathway, 2014). Selain itu,
Association to Advance Collegiate Schools of Business (AACSB) juga secara eksplisit mengakui
perlunya siswa mempelajari big data dalam standar akuntansi 7. Selain itu, berbagai asosiasi lisensi
d
di seluruh dunia menyertakan analisis data besar dalam ujian sertifikasi mereka (misalnya, Inggris
Asosiasi Akuntan Chartered, Institut Akuntan Manajemen, dan Asosiasi Akuntan Profesional
Internasional) (Dowdkk., 2021). Namun, ada kesenjangan yang cukup besar antara potensi yang
dirasakan dari analitik data besar dan aplikasi yang direkomendasikan dengan apa yang digunakan
at
oleh praktisi di industri dan akademisi di universitas (Ibrahimdkk., 2021; Janvrin dan Watson, 2017;
Perkhoferdkk., 2019).
Mengingat pentingnya analitik data besar untuk disiplin akuntansi dan ekspansinya yang cepat, sepengetahuan
kami, topik ini belum dianalisis secara sistematis melalui bibliometrik untuk memberikan bukti kuantitatif yang
ih
tepat dan menjelaskan perkembangannya. Oleh karena itu, penelitian ini bertujuan untuk mengisi kesenjangan
dalam literatur dan memberikan pembaruan pada bidang penelitian ini dan mengidentifikasi fokus dan tren
baru. Analisis bibliometrik, yang didefinisikan oleh (Pritchard, 1969), menerapkan metode matematika dan
statistik untuk materi yang diterbitkan. Hal ini memungkinkan peneliti untuk secara sistematis menilai kemajuan
rl
bidang ilmiah (Zhangdkk., 2019). Ini dapat digunakan untuk menganalisis dan meneliti secara kuantitatif pola
distribusi negara, institusi, penulis, jurnal, dan bahkan membantu dalam mengidentifikasi hotspot penelitian,
tren pengembangan, dan memprediksi arah penelitian di masa depan (Zhudkk., 2021). Selama dekade terakhir,
analisis bibliometrik telah menjadi instrumen yang sangat diperlukan untuk mengevaluasi literatur kemajuan
pr
ilmiah (Shen .).dkk., 2021). Studi bibliometrik sebelumnya telah berfokus pada akuntansi sebagai tema umum
(Linnenlueckedkk., 2020; Merigo dan Yang, 2017), menganalisis jurnal akuntansi individu (Pattnaikdkk., 2021) 19],
akuntansi dan pengendalian manajemen (Balstad dan Berg, 2020), akuntansi sosial dan lingkungan (Fusco dan
Ricci, 2019) dan pendidikan etika dalam akuntansi (Poje dan Zaman Groff, 2021). Namun, penerapan analitik data
besar dalam akuntansi belum dieksplorasi; Oleh karena itu, hasil penelitian ini harus dapat membantu peneliti
dalam mengkaji arah penelitian dan membantu mereka mengidentifikasi tema, jurnal dan kolaborasi. Tinjauan
n
tepat waktu tentang hotspot dan tren dapat mendorong pengembangan lebih lanjut bidang ini.
Penentuan struktur intelektual dan bagian depan penelitian dari domain ilmiah sangat penting
ka
untuk penelitian, pembuatan kebijakan, dan praktik (Aria dan Cuccurullo, 2017). Oleh karena itu,
penelitian ini bertujuan untuk menganalisis secara komprehensif status quo dan perkembangan
publikasi dalam penerapan big data analytics dalam akuntansi antara tahun 2012 dan 2021
menggunakan analisis bibliometrik dan visual. Basis data Web of Science Core Collection
(WoSCC) dan bahasa pemrograman serta perangkat lunak R digunakan untuk melakukan
bu
analisis. Fokus utama dari studi ini adalah untuk (i) mengkaji keluaran, dan kronologis distribusi
publikasi dan kutipan, (ii) mengidentifikasi jaringan kerjasama ilmiah internasional dan penulis,
lembaga, dan negara, (iii) mengidentifikasi jurnal yang paling relevan,
2. Bahan-bahan dan metode-metode

2.1 Pengumpulan data
WoSCC yang disediakan oleh Thomson Reuters adalah database global yang banyak digunakan untuk analisis
an
bibliometrik (Lidkk., 2017). Keunggulan WoSCC dibandingkan database lain seperti Scopus dan Dimensions
adalah recordnya lebih konsisten dan terstandarisasi. Cukup mudah untuk menyaring dan mengekstrak data
yang diperlukan dan menyediakan platform tambahan untuk analisis dasar kutipan (Zhangdkk., 2019). Oleh
karena itu, database ini dipilih untuk studi bibliometrik saat ini. Kami membuat kumpulan data termasuk "analitik
data besar" DAN "akuntansi" sebagai istilah subjek pencarian, dan rentang dokumen yang diekstraksi termasuk
pk
judul, abstrak, kata kunci, sumber, afiliasi, kategori WoS, referensi yang dikutip, dan makalah yang sangat
dikutip. Pada tahap berikutnya , data yang tidak relevan dan direplikasi dihilangkan dengan memeriksa judul dan
kata kunci secara manual.
2.2 Metode analisis data
Pemetaan sains adalah salah satu pendekatan utama untuk mengeksplorasi bidang penelitian, analisis domain,
Sia
dan visualisasi dalam analisis bibliometrik (Zhudkk., 2021). Bibliometrix, dikembangkan oleh Massimo Aria dan
Corrado Cuccurullo pada tahun 2017, adalah alat sumber terbuka untuk penelitian kuantitatif dalam
scientometrics dan bibliometrics yang mencakup metode analisis dan pemetaan bibliometrik utama. Bibliometrix
diprogram dalam R agar fleksibel dan memfasilitasi integrasi dengan paket statistik dan grafis lainnya. Kawat
WoSCC digunakan untuk analisis dasar distribusi kronologis publikasi dan kutipan dan untuk menghasilkan peta
pohon Kategori Web of Science, dan Power BI digunakan untuk membuat bagan
untuk distribusi kronologis jenis dokumen di Web of Science. Dan terakhir, biblioshiny, yang merupakan aplikasi
yang menyediakan antarmuka web untuk bibliometrix, digunakan untuk menganalisis jaringan kolaborasi
penelitian, struktur intelektual, dan tren penelitian.
3. Hasil
at
3.1. Distribusi kronologis
Gambar 1 menunjukkan distribusi kronologis dari 582 dokumen yang diterbitkan yang diambil dari database
WoSCC. Perkembangan Revolusi Industri ke-4 sekitar tahun 2014 memperkenalkan adaptasi teknologi yang
lih
sedang berkembang ke bidang akuntansi. Grafik menunjukkan tren yang meningkat, dengan perkembangan
pesat sejak 2014 dari teknologi yang muncul mencapai puncaknya pada tahun 2020 dan sedikit penurunan
publikasi pada tahun 2021. Namun, tren kutipan menunjukkan pola yang sama dengan publikasi kecuali
penurunan pada tahun 2020, yang dalam hal kutipan, pertumbuhannya terus menerus.
di
- - - Sisipkan Gambar 1 di sini ---
h
Empat jenis dokumen diambil dari database WoSCC dari 2012 hingga 2021. Dari Gambar 2, dapat diamati bahwa
jenis dokumen yang paling umum adalah artikel (74 publikasi), bab buku (6 publikasi), prosiding yang diterbitkan
a
(25 publikasi) , dan makalah ulasan (6 publikasi). Distribusi dokumen yang ditunjukkan pada Gambar 2
menunjukkan tren peningkatan publikasi asli dan peerreview dari tiga makalah pada tahun 2013 menjadi tujuh
rn
puluh empat makalah pada tahun 2020, dengan penurunan setelah tahun 2020 menjadi 71 publikasi. Sebelum
tahun 2016, tidak ada bab buku yang diterbitkan, namun tren peningkatan muncul pada tahun 2017 (2 bab buku)
dan meningkat pada tahun 2020 (6 bab buku). Di sisi lain, prosiding menunjukkan pola penurunan dari tahun
pe
2018 hingga 2020 dan seterusnya, kecuali sebelum tahun 2018 terjadi tren peningkatan prosiding.
- - - Sisipkan Gambar 2 disini ---

m
3.2. Analisis jurnal

Mengenai jurnal sumber, 582 publikasi diterbitkan di 369 jurnal, di antaranya 313 hanya menerbitkan
lu
satu artikel dalam periode penelitian, 27 menerbitkan dua artikel, dan hanya 29 jurnal yang
menerbitkan lebih dari tiga artikel di bidang ini. Tabel 1 menunjukkan 15 jurnal paling produktif,
terhitung 24 persen dari total jurnal. Jurnal Sistem Informasi paling aktif dengan sepuluh artikel,
be
diikuti oleh Accounting Horizons, International Journal of Accounting Information Systems, dan
Journal of Emerging Technologies in Accounting. Perlu disebutkan bahwa persentase artikel yang
diterbitkan untuk setiap jurnal dihitung berdasarkan 290 artikel jurnal, dan jenis dokumen lainnya
dikecualikan.
an
- - - Sisipkan Tabel 1 di sini ---
Secara keseluruhan, 72 negara terlibat dalam produksi artikel penelitian yang disarikan
dalam penelitian ini. Dari sepuluh negara teratas dari Tabel 2, publikasi terkemuka
iap
berdasarkan analisis negara menunjukkan AS, Cina, dan Inggris memimpin publikasi di
bidang analisis data dalam akuntansi. Relatif, negara-negara lain menunjukkan tingkat
kontribusi yang moderat terhadap total publikasi di bidang ini. Analisis dari sepuluh
institusi teratas menunjukkan bahwa Universitas Rutgers (AS), Universitas Peking (Cina),
dan Universitas Shahid Beheshti (Iran) memimpin dalam publikasi. Universitas Rutgers
rs
adalah universitas riset peringkat teratas di AS, sementara Universitas Peking berada di
peringkat kedua secara nasional di Cina. Hasilnya konsisten dengan analisis negara pada
Tabel 2. Menariknya,
Pe
Analisis dari sepuluh penulis teratas menunjukkan bahwa Shokouhyar (6 publikasi), Vasarhelyi (6 publikasi),
dengan ikatan antara Kumar (5 publikasi) dan Wang (5 publikasi), telah memberikan kontribusi paling
besar terhadap publikasi analitik data besar dalam akuntansi. Dari para peneliti ini, ada dasi
antara penulis dari Iran (Shokouhyar dengan 6 publikasi) dan AS (Vasarhelyi dengan 6 publikasi),
dengan India memegang peringkat kedua (Kumar dengan 5 publikasi).
Gambar 3 menunjukkan peta kolaborasi dan penulisan bersama dari dokumen yang diperiksa. Menurut
peta panas penelitian global, AS menunjukkan tingkat kolaborasi tertinggi di antara rekan penulis dari
lembaga lain dengan hubungan terkuat dengan Inggris, Cina, dan Australia. Negara-negara seperti Afrika
dan Asia-Pasifik dan Amerika Selatan tampaknya tidak memiliki jaringan global yang luas untuk peluang
penulisan bersama, tidak seperti kolaborasi ekstensif penulis dari Asia, Eropa, dan Amerika Utara.
as
Plot tiga bidang yang ditunjukkan pada Gambar 4 menggambarkan tiga elemen sumber, penulis, dan tema. Tautan abu-abu antara setiap elemen menunjukkan hubungan
dan kekuatan tautan, dan ukuran setiap persegi panjang menunjukkan jumlah publikasi terkait. Elemen pertama dimulai dari sisi kiri adalah sumber. Sepuluh jurnal
ul
dimasukkan dalam analisis plot tiga bidang, di antaranya cakrawala akuntansi, digambarkan dalam warna merah tua, memiliki tautan terbesar ke penulis seperti Kogan,
Vasarhelyi, Issa, dan Gereja, yang menerbitkan karya mereka tentang akuntansi, audit, manajemen, dan tema analitik. Elemen kedua di tengah mencantumkan nama penulis
yang menerbitkan artikel di jurnal yang tercantum pada elemen sebelumnya. Perlu disebutkan bahwa beberapa penulis tidak mempublikasikan di jurnal teratas meskipun
jumlah publikasi mereka tinggi, oleh karena itu, tidak ada hubungan antara penulis tersebut dan jurnal seperti Dumay, Chen, Hirdaris, Furlaneto, Kapoor, Gepp, dan Brayne.
di
Masing-masing penulis juga dikaitkan dengan kata kunci yang tercantum di sisi kanan plot tiga bidang. Seperti dapat dilihat, beberapa tema yang sering digunakan dikaitkan
dengan semua penulis seperti data, analitik, dan akuntansi yang menjadi tema utama penelitian dalam penelitian ini. Di sisi lain, ada tema seperti audit, manajemen, sosial,
dan media yang jarang digunakan oleh penulis. Masing-masing penulis juga dikaitkan dengan kata kunci yang tercantum di sisi kanan plot tiga bidang. Seperti dapat dilihat,
beberapa tema yang sering digunakan dikaitkan dengan semua penulis seperti data, analitik, dan akuntansi yang menjadi tema utama penelitian dalam penelitian ini. Di sisi
lain, ada tema seperti audit, manajemen, sosial, dan media yang jarang digunakan oleh penulis. Masing-masing penulis juga dikaitkan dengan kata kunci yang tercantum di
m
sisi kanan plot tiga bidang. Seperti dapat dilihat, beberapa tema yang sering digunakan dikaitkan dengan semua penulis seperti data, analitik, dan akuntansi yang menjadi
tema utama penelitian dalam penelitian ini. Di sisi lain, ada tema seperti audit, manajemen, sosial, dan media yang jarang digunakan oleh penulis.
elu
3.3 Analisis cluster co-citation

Langkah selanjutnya dalam analisis kami dalam analisis co-citation adalah mengidentifikasi tautan dan memberikan
peta yang jelas tentang basis intelektual yang dibagikan di antara berbagai kontributor. Tiga metode rasio log-likelihood
eb
(LLR), Latent Semantic Indexing (LSI), dan uji mutual information (MI) (Dunning, 1993) diterapkan dalam proses ini. Siluet
mengukur homogenitas masing-masing kelompok (Hedkk., 2017) dan dapat dilihat pada Tabel 3. Setiap cluster memiliki
siluet lebih besar dari 0,8, menunjukkan bahwa objek tersebut cocok dengan clusternya dan kurang cocok dengan
cluster tetangganya. Dengan demikian, hasilnya efisien dan dapat diandalkan (Kaufman dan Rousseeuw, 2009).
Mengingat perbedaan label yang dihasilkan oleh LSI, LLR, dan MI, tiga istilah teratas yang dihasilkan dari setiap metode
disajikan untuk membantu memperoleh interpretasi konteks yang lebih baik. Seperti yang ditunjukkan pada Gambar 5
ks
(dan juga dari perspektif kronologis pada Gambar 6), jaringan dibagi menjadi 4 cluster co-citation. 2 cluster terbesar
diringkas sebagai berikut.

ta
- - - Sisipkan Gambar 6 di sini ---

Ce
Cluster terbesar (#0) memiliki 209 anggota dan nilai siluet 0,998. Itu diberi label perspektif
sistem informasi akuntansi oleh LLR, data besar oleh LSI, dan peluang penelitian inovatif (0,33)
ed
oleh MI. Citer yang paling relevan dengan cluster adalah Chen (Chendkk., 2012) “Business
Intelligence and Analytics: From big data to Big Impact” dalam Sistem Informasi Manajemen
(https://doi.org/10.2307/41703503).
Cluster terbesar kedua (#1) memiliki 157 anggota dan nilai siluet 0,999. Ini diberi label sebagai intelijen
bisnis oleh LLR dan LSI dan studi eksplorasi (0,31) oleh MI. Citer yang paling relevan dengan cluster adalah
Vasarhelyi (Vasarhelyidkk., 2015) “big data in Accounting: An Overview” di Accounting Horizons (https://
w
doi.org/10.2308/acch-51071). Item peringkat teratas berdasarkan jumlah kutipan adalah Warren (Warren Jr
dkk., 2015) “Bagaimana Big Data Akan Mengubah Akuntansi”, dengan jumlah kutipan 15. Yang kedua
adalah Vasarhelyi (Vasarhelyidkk., 2015), dengan jumlah kutipan 14. Yang ketiga adalah Schneider
(Schneiderdkk., 2015) “Infer, Predict, and Assure: Accounting Opportunities in Data Analytics”, dengan
vi
jumlah kutipan 9. Yang ke-4 adalah Richins G (Richinsdkk., 2017) “Big Data Analytics: Opportunity or Threat
for the Accounting Profession?”, Dengan jumlah kutipan 8. Yang ke-5 adalah Alles MG (Alles, 2015) “Drivers
of Use and Fasilitator and Hambatan Evolusi Big Data oleh Profesi Audit”, dengan jumlah kutipan 8. Yang
ke-6 adalah Krahel JP (Krahel and Titera, 2015) “Konsekuensi Big Data dan Formalisasi Standar Akuntansi
re
dan Audit”, dengan jumlah kutipan 8. Yang ke-7 adalah Appelbaum D (Appelbaumdkk., 2017) “Big Data and
Analytics in the Modern Audit Engagement: Research Needs”, dengan jumlah kutipan 7. Yang ke-8 adalah
Bhimani A (Bhimani dan Willcocks, 2014) “Digitisasi, 'Big Data' dan transformasi informasi akuntansi” ,
dengan jumlah kutipan 7, seperti yang ditunjukkan pada Tabel 4.
er
Analisis sentralitas memberikan informasi yang berguna untuk menilai tingkat kolaborasi antara penulis dan
p
menggambarkan integrasi kelompok yang lebih dekat (Muñoz-Muñoz dan Mirón-Valdivieso, 2017). Dalam studi
ini, kami telah menggunakan konsep sentralitas seperti yang didefinisikan oleh (Freeman, 1978), yang meliputi
derajat (tingkat aktivitas komunikatif), kedekatan (ukuran kemandirian), dan antara (kontrol yang penulis berikan
kn
atas komunikasi mereka). Hasilnya ditunjukkan pada Tabel 5. Item peringkat teratas berdasarkan sentralitas
adalah Vasarhelyi MA (Vasarhelyidkk., 2015), dengan sentralitas 113. Yang kedua adalah Warren JD (Warren Jrdkk.
, 2015), dengan sentralitas 87. Yang ketiga adalah Schneider GP (Schneiderdkk., 2015), dengan sentralitas 79.
Yang ke-4 adalah Alles MG (Alles, 2015), dengan sentralitas 69. Yang ke-5 adalah Appelbaum D (Appelbaumdkk.,
2017), dengan sentralitas 69. Yang ke-6 adalah Richins G (Richinsdkk., 2017), dengan sentralitas 68. Ke-7 adalah
Krahel JP (Krahel dan Titera, 2015), dengan sentralitas 64. Ke-8 adalah Dzuranin AC (Dzuranindkk., 2018), dengan
ta
sentralitas 58. Yang ke-9 adalah Brown-Liburd H (Brown-Liburd dan Vasarhelyi, 2015), dengan sentralitas 51.

e
ac

Pr
Gambar 7 menunjukkan analisis negara yang sesuai dengan penulis. Negara-negara terkemuka yang terlibat
dalam berbagai bidang penerapan analitik data besar adalah Amerika Serikat, Cina, Inggris, dan Italia. Gambar 7
menunjukkan bahwa Amerika Serikat memimpin di banyak negara (MCP) dan satu kabupaten
(SCP) publikasi tentang analitik data besar. Namun demikian, baik China dan Inggris tampaknya setara
dalam publikasi MCP dan SCP. Di sisi lain, Italia memiliki lebih banyak SCP dibandingkan dengan publikasi
MCP.
3.4. Arah dan tema penelitian
d
Kata cloud pada Gambar 8 menunjukkan visualisasi kata-kata yang paling sering muncul dalam
artikel tentang analitik dan akuntansi data besar. Kata yang paling umum adalah data besar,
diikuti oleh analitik, manajemen, kinerja, sistem, media sosial, dan intelijen bisnis. Ukuran kata
di word cloud menunjukkan frekuensi dan frekuensi kemunculannya di artikel. Namun,
at
penempatannya acak, dengan kata-kata yang mendominasi terkonsentrasi di tengah.
ih
Seperti yang ditunjukkan pada Gambar 9, 49 kategori kata kunci dikelompokkan menjadi 4 cluster
berdasarkan keterkaitannya. Big data dan analytics (merah) merupakan cluster terbesar yang terdiri dari
rl
16 anggota yang sekaligus memiliki keterkaitan yang kuat dengan cluster dan kategori lainnya.
Manajemen dan kinerja (biru) membentuk klaster terbesar kedua dengan 15 anggota dan mencakup topik
terkait seperti rantai pasokan, analitik prediktif, dan strategi. Dampak dan model merupakan cluster ketiga
(hijau) dengan 9 anggota dan kata kunci terkait seperti teknologi, risiko, dan desain. Cluster terakhir (ungu)
juga memiliki 9 anggota dan berisi kata kunci seperti challenge, framework, dan internet of things.
n
ka
3.5. Peta tematik
Gambar 10 menunjukkan peta tematik analitik data besar dengan kopling dokumen. Garis
putus-putus di tengah membagi topik menjadi empat kuadran yang mewakili berbagai jenis
re
tema, sedangkan ukuran gelembung berwarna menunjukkan proporsi dalam persen

terhadap jumlah publikasi di mana kata kunci telah digunakan. Di kanan atas, kuadran satu
(Q1), yang ditandai dengan gelembung merah, menunjukkan tema utama “big data;
analitik; dan pengelolaannya, yang ditunjukkan dengan kepadatan dan sentralitas yang
tinggi, perlu dilakukan penelitian lebih lanjut. Di kiri atas, kuadran dua (Q2) menunjukkan
tema yang kurang diteliti atau muncul seperti model data besar. Kuadran kiri bawah (Q3)
nt
menunjukkan topik yang telah diteliti secara berlebihan atau menunjukkan tren menurun,
termasuk insentif, data besar, dan papan. Akhirnya,

ak
3.6. Peta struktur konseptual

Sebuah peta struktur konseptual dibuat menggunakan analisis korespondensi ganda (MCA) berdasarkan
pencarian kata kunci. Peta konseptual yang dihasilkan mengklasifikasikan penelitian tentang analitik data besar
t
menjadi dua klaster: tata kelola (klaster biru) dan klaster terbesar berwarna merah, termasuk kata kunci yang
menekankan pada isu-isu perusahaan, peluang, dan kinerja manajemen. Gambar 11 menyajikan struktur
ce
konseptual kata kunci yang terkait dengan penelitian saat ini tentang penerapan analitik data besar. Visualisasi
struktur kontekstual setiap kata yang diterapkan pada analitik data besar dipetakan dengan mengeksplorasi
hubungan antara satu kata dengan kata lainnya melalui nilai Dim 1 dan Dim 2 (lihat Gambar 11). Dim adalah
partikel Diminutif, istilah khusus dalam studi ilmu bibliometrik. Karena itu, area merah menunjukkan jumlah dan
variasi kata yang tinggi menunjukkan peningkatan jumlah penelitian tentang berbagai aspek analitik data besar.
Cluster kedua berwarna biru adalah yang terkecil dan tampaknya mencakup masalah tata kelola dan etika pada
Pr
analytics dalam penerapan big data.
at
3.7. Tren kata kunci
ilih
Kami membandingkan kata kunci dari 2016-2018 dengan 2019-2021 setelah menghapus istilah umum seperti big data,
data analytics, dan analytics (seperti yang ditunjukkan pada Tabel 6). 5 kata kunci teratas dari 2016 hingga 2018 adalah
analisis prediktif, desain, kecerdasan, privasi, dan ilmu data. Namun, untuk 2019 hingga 2021, kami menemukan bahwa
manajemen, performa, model, sistem, dan dampak adalah 5 kata kunci teratas. Ini mungkin menunjukkan kemungkinan
tren penelitian untuk beralih dari membangun analitik data besar ke menganalisis masalah manajemen dan
menentukan dampak data besar. Selanjutnya, 5 kata kunci teratas dari 2019 hingga 2021 mungkin juga menunjukkan
rd
topik terbaru yang menjadi fokus penulis.
4. Kesimpulan
Analisis bibliometrik dalam makalah ini didasarkan pada 582 publikasi terkait penerapan BDA dalam
disiplin akuntansi yang dikumpulkan dari WoSCC dari tahun 2012-2021. Artikel jurnal adalah jenis
dokumen utama dan sebagian besar makalah diterbitkan dalam jurnal sistem informasi, cakrawala
rr
akuntansi, dan jurnal internasional sistem informasi akuntansi. Institusi dan negara yang paling aktif
dianalisis dan distribusi spasial kolaborasi di antara berbagai wilayah divisualisasikan, konsisten
dengan analisis bibliometrik sebelumnya (Lidkk., 2017; Rey-Martídkk., 2016; Shen dkk., 2021) jumlah
publikasi menurut negara secara signifikan terkait dengan PDB dengan AS, Cina, dan Inggris
pe
memimpin sementara AS membangun kolaborasi internasional terkuat. Analisis popularitas juga
menunjukkan bahwa topik seperti kinerja, manajemen, media sosial, dan analitik prediktif adalah
salah satu topik paling trending dan populer pada periode penelitian 2012-2021. Lebih lanjut, “Big
data in Accounting: An Overview” dan “How Big Data Will Change Accounting” adalah referensi
penting oleh Vasarhelyi (Vasarhelyidkk., 2015) dan Warren (Warren Jrdkk., 2015) masing-masing.
Analisis bibliometrik berguna karena membantu menganalisis dan mengukur literatur untuk menemukan tren
ak
yang muncul, memetakan pengetahuan ilmiah saat ini, dan menilai dampak publikasi. Hal ini juga digunakan
oleh para peneliti untuk memiliki: gambaran umum tentang pengetahuan penelitian saat ini, mengidentifikasi
kesenjangan pengetahuan dan menentukan sarjana yang berpengaruh di bidang ini untuk kolaborasi. Namun
demikian, terdapat kesenjangan penelitian dalam analisis bibliometrik data besar dalam akuntansi. Hal ini
mengejutkan mengingat penelitian big data telah melihat pertumbuhan besar selama dekade terakhir di
tid
berbagai disiplin ilmu termasuk akuntansi. Ada tiga kontribusi untuk makalah ini. Pertama, makalah ini
menganalisis publikasi analitik data besar dan menghasilkan analisis distribusi melalui tahun, jenis publikasi, dan
jurnal. Ini akan membantu peneliti memposisikan publikasi mereka dan membantu mengidentifikasi jurnal atau
jenis publikasi yang paling relevan untuk ditargetkan. Kedua, makalah ini menganalisis jaringan kolaborasi dan
siapa penulis yang paling berpengaruh. Hal ini dilakukan dengan menghasilkan analisis publikasi oleh negara,
lembaga, dan penulis. Selain itu, peta kolaborasi, cluster co-citation, dan jumlah kutipan juga dibuat untuk
mengidentifikasi peneliti dan wilayah yang paling relevan. Informasi ini akan bermanfaat bagi peneliti untuk
it
melakukan pendekatan dan berkolaborasi dengan penulis dan institusi yang teridentifikasi. Terakhir, berbagai
analisis tentang topik-topik penting disajikan. Pada saat yang sama, perbandingan tiga tahun terakhir dengan
kata kunci yang diterbitkan tiga tahun sebelumnya telah menunjukkan masalah manajemen, menilai hasil dan
pr
keluaran BDA,
Ada keterbatasan dalam penelitian ini. Makalah kami bergantung pada database WoSCC untuk melakukan analisis.
Database tambahan lebih lanjut seperti Scopus dan Dimensions.ai dapat ditambahkan untuk penelitian selanjutnya.
Keterbatasan lainnya adalah asumsi dalam analisis bibliometrik. Sebuah makalah mungkin sangat dikutip, tetapi itu
tidak berarti bahwa itu berkualitas tinggi. Demikian pula, kata kunci yang dimasukkan ke dalam publikasi mungkin tidak
secara komprehensif melaporkan dan mencakup publikasi. Dengan demikian, analisis bibliometrik tidak dapat dan tidak
Pr
bertujuan untuk menggantikan tinjauan pustaka. Analisis bibliometrik bertujuan untuk mengarahkan penelitian ke arah
umum topik mana yang menjadi fokus. Tinjauan literatur dan pemeriksaan diri diperlukan untuk menemukan topik
penelitian yang menarik dan kesenangan untuk dikejar.
Pendanaan:Penelitian ini tidak menerima dana dari luar.
Konflik kepentingan:Para penulis menyatakan bahwa mereka tidak mengetahui adanya persaingan kepentingan keuangan
atau hubungan pribadi yang tampaknya dapat memengaruhi pekerjaan yang dilaporkan dalam artikel ini.
Referensi
Alles, MG (2015), “Penggerak Penggunaan dan Fasilitator dan Hambatan Evolusi Big Data oleh
Profesi Audit”,Cakrawala Akuntansi, Jil. 29 No. 2, hlm. 439–449.
Appelbaum, D., Kogan, A. dan Vasarhelyi, MA (2017), “Big Data and Analytics in the Modern Audit
at
Keterlibatan: Kebutuhan Penelitian”,AUDIT: Jurnal Praktek & Teori, Jil. 36 No. 4, hlm.
1-27.
Aria, M. dan Cuccurullo, C. (2017), “bibliometrix: An R-tool untuk pemetaan sains yang komprehensif
ilih
analisis",Jurnal Informetrik, Elsevier Ltd, Vol. 11 No. 4, hlm. 959–975.
Balstad, MT dan Berg, T. (2020), “Analisis bibliometrik jangka panjang dari jurnal yang mempengaruhi
penelitian akuntansi dan pengendalian manajemen”,Jurnal Pengendalian Manajemen.
Bhimani, A. dan Willcocks, L. (2014), “Digitisasi, 'Big Data' dan transformasi akuntansi
informasi",AKUNTANSI DAN RISET BISNIS, Jil. 44 No. 4, hlm. 469–490. Brown-Liburd, H.,
rd
Issa, H. dan Lombardi, D. (2015), “Implikasi Perilaku dari Dampak Big Data
tentang Pertimbangan Audit dan Pengambilan Keputusan dan Arah Penelitian Masa Depan”,HORIZON
AKUNTANSI, Jil. 29 No. 2, hlm. 451–468.
Brown-Liburd, H. dan Vasarhelyi, MA (2015), “Data Besar dan Bukti Audit”,Jurnal Muncul
Teknologi dalam Akuntansi, Jil. 12 No. 1, hlm. 1–16.
er
Chen, H., Chiang, RHL and Storey, VC (2012), “Kecerdasan Bisnis dan Analisis: Dari Besar
Data untuk Dampak Besar”,MIS Triwulanan, Pusat Penelitian Sistem Informasi Manajemen,
Universitas Minnesota, Vol. 36 No. 4, hlm. 1165–1188.
te
Dow, KE, Jacknis, N. dan Watson, MW (2021), “Kerangka dan Sumber Daya untuk Membuat Data
Kurikulum Akuntansi Analytics-Infused”,MASALAH DALAM PENDIDIKAN AKUNTANSI, Jil. 36 No.
4, hlm. 183–205.
Dunning, T. (1993), "Metode yang akurat untuk Statistik Kejutan dan Kebetulan",Komputasi
tn
Ilmu bahasa, Jil. 19 No. 1, hlm. 61–74.

Dzuranin, AC, Jones, JR dan Olvera, RM (2018), “Menanamkan analitik data ke dalam akuntansi
kurikulum: Kerangka kerja dan wawasan dari fakultas”,Jurnal Pendidikan Akuntansi, Jil. 43, hlm.
24-39.
in
Elmagrhi, MH, Ntim, CG, Elamer, AA dan Zhang, Q. (2019), “Sebuah studi kebijakan lingkungan
dan peraturan, struktur tata kelola, dan kinerja lingkungan: peran direktur wanita”,
Strategi Bisnis dan Lingkungan, Jil. 28 No. 1, hal. 206-220.
pr
Freeman, LC (1978), "Sentralitas dalam klarifikasi konseptual jaringan sosial",Jaringan sosial, Jil.
1 No. 3, hlm. 215–239.
Frey, CB dan Osborne, MA (2013), "Masa Depan Komputerisasi pekerjaan?",Teknologi
Peramalan dan Perubahan Sosial, No. 114, hlm. 254–280.
Fusco, F. dan Ricci, P. (2019), “Bagaimana situasinya? Analisis bibliometrik tentang sosial
Pr
dan penelitian akuntansi lingkungan di sektor publik”,Jurnal Internasional Manajemen

Sektor Publik, Jil. 32 No. 1, hlm. 21–41.
He, Q., Wang, G., Luo, L., Shi, Q., Xie, J. dan Meng, X. (2017), “Pemetaan area manajerial
Building Information Modeling (BIM) menggunakan analisis scientometric”,Jurnal Internasional
Manajemen Proyek, Jil. 35 No. 4, hlm. 670–685.
Ibrahim, AEA, Elamer, AA dan Ezat, AN (2021), “Konvergensi data besar dan akuntansi:
peluang penelitian inovatif”,PERAMALAN TEKNOLOGI DAN PERUBAHAN SOSIAL, Jil.
173, tersedia di: https://doi.org/10.1016/j.techfore.2021.121171.
Janvrin, D. dan Watson, MW (2017), "'Big data': Sebuah twist baru untuk akuntansi",Jurnal Akuntansi
Pendidikan, Jil. 38, hlm. 3–8.
Kaufman, L. dan Rousseeuw, PJ (2009),Menemukan Grup dalam Data: Pengantar Analisis Cluster,
John Wiley & Sons.
jau
Krahel, JP dan Titera, WR (2015), “Konsekuensi Big Data dan Formalisasi pada Akuntansi dan
Standar Audit”,Cakrawala Akuntansi, Jil. 29 No. 2, hlm. 409–422.
Kumar, S., Marrone, M., Liu, Q. dan Pandey, N. (2020), “Dua puluh tahun International Journal of
Sistem Informasi Akuntansi: Analisis bibliometrik”,Jurnal Internasional Sistem Informasi
tin
Akuntansi, Jil. 39, tersedia di: https://doi.org/10.1016/j.accinf.2020.100488.
Li, L., Liu, Y., Zhu, H., Ying, S., Luo, Q., Luo, H., Kuai, X.,dkk.(2017), “Sebuah bibliometrik dan visual
analisis penelitian geo-ontologi global”,Komputer dan Geosains, Jil. 99 No. April 2016, hlm.
1–8.
Linnenluecke, MK, Marrone, M. and Singh, AK (2020), “Melakukan tinjauan pustaka sistematis
di
dan analisis bibliometrik”,Jurnal Manajemen Australia, Jil. 45 No. 2, hlm. 175-194.
Merigo, JM dan Yang, JB (2017), "Penelitian Akuntansi: Analisis Bibliometrik",Australia
Tinjauan Akuntansi, Jil. 27 No. 1, hlm. 71–100.
ak
Muñoz-Muñoz, AM dan Mirón-Valdivieso, MD (2017), “Analisis kolaborasi dan ko-sitasi

jaringan antara peneliti yang mempelajari kekerasan yang melibatkan perempuan”,Riset Informasi, Jil. 22
No. 2, hlm. 1–20.
Pattnaik, D., Kumar, S. dan Burton, B. (2021), “Tiga Puluh Tahun Tinjauan Akuntansi Australia: A
id
Analisis Bibliometrik”,Ulasan Akuntansi Australia, Jil. 31 No. 2, hlm. 150-164. Perkhofer, LM,
Hofer, P., Walchshofer, C., Plank, T. dan Jetter, HC (2019), “Visualisasi interaktif
data besar di bidang akuntansi Sebuah survei tentang praktik saat ini dan hambatan potensial
tt
untuk adopsi”,JURNAL PENELITIAN AKUNTANSI TERAPAN, Jil. 20 No. 4, hlm. 497–525. Poje, T. dan
Zaman Groff, M. (2021), “Pemetaan Pendidikan Etika dalam Penelitian Akuntansi: A
Analisis Bibliometrik”,Jurnal Etika Bisnis, Springer Netherlands, No. 0123456789, tersedia di:
in
https://doi.org/10.1007/s10551-021-04846-9.
Pritchard, A. (1969), “Statistical bibliography or bibliometrics”,Jurnal Dokumentasi, Jil. 25 Tidak.
4, hlm. 348–349.
Rey-Martí, A., Ribeiro-Soriano, D. dan Palacios-Marqués, D. (2016), “Analisis bibliometrik sosial
p
kewiraswastaan",Jurnal Riset Bisnis, Jil. 69 No. 5, hlm. 1651–1655.

Rezaee, Z. dan Wang, J. (2019), "Relevansi data besar untuk praktik dan pendidikan akuntansi forensik",
Pe
JURNAL AUDIT MANAJERIAL, Jil. 34 No. 3, hlm. 268–288.

Richins, G., Stapleton, A., Stratopoulos, TC dan Wong, C. (2017), “Analisis Data Besar: Peluang
atau Ancaman bagi Profesi Akuntansi?”,JURNAL SISTEM INFORMASI, Jil. 31 No. 3, hlm.
63–79.
Rikhardsson, P. dan Yigitbasioglu, O. (2018), “Kecerdasan bisnis & analitik dalam manajemen
penelitian akuntansi: Status dan fokus masa depan”,JURNAL INTERNASIONAL SISTEM
INFORMASI AKUNTANSI, Jil. 29, hlm. 37–58.
Schneider, GP, Dai, J., Janvrin, DJ, Ajayi, K. dan Raschke, RL (2015), “Infer, Predict, and Assure:
h
Peluang Akuntansi dalam Analisis Data”,HORIZON AKUNTANSI, Jil. 29 No. 3, hlm. 719–
i ka
742.
Shen, B., Guan, T., Ma, J., Yang, L. dan Liu, Y. (2021), “Hotspot dan tren penelitian jaringan sosial
dalam kesehatan masyarakat: Analisis bibliometrik dan visual”,Kesehatan Masyarakat dalam Praktek, Elsevier Ltd, Vol. 2
No. Februari, hal. 100155.
en
Tiwari, K. dan Khan, MS (2020), “Akuntansi dan pelaporan keberlanjutan di industri 4.0”,
JURNAL PRODUKSI BERSIH, Jil. 258, tersedia di: https://doi.org/10.1016/
j.jclepro.2020.120783.
m
La Torre, M., Botes, VL, Dumay, J., Rea, MA dan Odendaal, E. (2018), “Kejatuhan dan kebangkitan
akuntansi modal intelektual: prospek baru dari revolusi Big Data”,PENELITIAN
AKUNTANSI MEDITARI, Jil. 26 No. 3, hlm. 381–399.
m
Vasarhelyi, MA, Kogan, A. dan Tuttle, BM (2015), “Big Data in Accounting: An Overview”,
HORIZON AKUNTANSI, Jil. 29 No. 2, hlm. 381–396.
elu
Warren Jr, JD, Moffitt, KC dan Byrnes, P. (2015), “Bagaimana Big Data Akan Mengubah Akuntansi”,
Cakrawala Akuntansi, Jil. 29 No. 2, hlm. 397–407.
Zhang, L., Zhong, Y. dan Geng, Y. (2019), “Studi bibliometrik dan visual tentang penambangan perkotaan”,Jurnal
Produksi Bersih, Jil. 239, tersedia di: https://doi.org/10.1016/j.jclepro.2019.118067. Zhu, X.,

eb
Hu, J., Deng, S., Tan, Y., Qiu, C., Zhang, M., Ni, X.,dkk.(2021), “Bibliometrik dan Visual
Analisis Penelitian Hubungan Antara Mikrobiota Usus dan Depresi Dari 1999 hingga 2019”,
Perbatasan dalam Psikiatri, tersedia di: https://doi.org/10.3389/fpsyt.2020.587670.
s
ak
tid
ak
et
ac
Pr

SSRN-id4214190 en Id

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

SSRN-id4214190 en Id

Diunggah oleh

Hak Cipta:

Format Tersedia

Diterjemahkan dari bahasa Inggris ke bahasa Indonesia - www.onlinedoctranslator.

Penerapan analitik data besar dalam akuntansi:

Departemen Akuntansi, Sekolah Bisnis, Monash University Malaysia,

2Dr. Shyamala Dhoraisingham Samuel

3Dr. Siew Eu Gene

4 Dr. Kaveh Asiaei

Klasifikasi artikelmakalah penelitian

2. Bahan-bahan dan metode-metode

- - - Sisipkan Gambar 2 disini ---

3.2. Analisis jurnal

- - - Sisipkan Tabel 1 di sini ---

- - - Sisipkan Tabel 2 di sini ---

- - - Sisipkan Gambar 4 disini ---

3.3 Analisis cluster co-citation

- - - Sisipkan Gambar 5 disini ---

- - - Sisipkan Gambar 6 di sini ---

- - - Sisipkan Tabel 5 di sini ---

- - - Sisipkan Gambar 7 disini ---

3.4. Arah dan tema penelitian

- - - Sisipkan Gambar 8 disini ---

tema, sedangkan ukuran gelembung berwarna menunjukkan proporsi dalam persen

- - - Sisipkan Gambar 10 disini ---

3.6. Peta struktur konseptual

analytics dalam penerapan big data.

- - - Sisipkan Gambar 11 disini ---

Ilmu bahasa, Jil. 19 No. 1, hlm. 61–74.

dan penelitian akuntansi lingkungan di sektor publik”,Jurnal Internasional Manajemen

Muñoz-Muñoz, AM dan Mirón-Valdivieso, MD (2017), “Analisis kolaborasi dan ko-sitasi

kewiraswastaan",Jurnal Riset Bisnis, Jil. 69 No. 5, hlm. 1651–1655.

JURNAL AUDIT MANAJERIAL, Jil. 34 No. 3, hlm. 268–288.

No. Februari, hal. 100155.

Produksi Bersih, Jil. 239, tersedia di: https://doi.org/10.1016/j.jclepro.2019.118067. Zhu, X.,

Anda mungkin juga menyukai