Nama : Karawita Triandini

NIM : 041911333023
Mata Kuliah / Kelas : Pengauditan 2 / N

Data analitis auditor adalah tentang meningkatkan kualitas audit. Data analitis menawarkan
cara yang praktis untuk auditor dalam mengelola beberapa aspek penting sistem TI pada audit
yang lebih besar.

How we got here and where we might go

Data analitis adalah disiplin baru untuk auditor, yang memerlukan investasi besar
pada hardware, software, kemampuan dan kendali kualitas. Data analitis dapat diterapkan
pada berbagai perikatan asurans, tidak hanya audit.
Data analitis memungkinkan auditor untuk memanipulasi kumpulan data yang
lengkap (100% dari transaksi pada populasi) dan untuk non spesialis untuk memvisualisasi
hasil secara grafis, mudah, dan cepat.
Data analitis memungkinkan auditor untuk meningkatkan proses penilaian risiko,
prosedur substantif, dan pengujian pengendalian, yang seringkali melibatkan rutinitas yang
sederhana, tetapi juga melibatkan model kompleks, yang menghasilkan proyeksi kualitas
tinggi. Auditor menggunakan model perlu untuk memahaminya, dan untuk melatih penilaian
signifikan dalam menentukan kapan dan bagaimana model digunakan.

What data analytics can do and how it contributes to audit quality

Data Analytics Tool
Data analitis melibatkan ekstraksi data menggunakan bidang melalui struktur data
dasar, daripada format catatan. Visualisasi sama bagusnya dengan data yang menjadi
dasarnya, dan kualitas dari analisis difasilitasi tergantung pada data yang mendasari, yang
harus diekstrak, dianalisis, dan dihubungkan ke cara yang benar. Nilai dari audit datang dari
analisis.
Alat ini dapat digunakan dalam analisis risiko, transaksi dan pengujian pengendalian,
prosedur analitis, dalam mendukung penilaian untuk mendapatkan wawasan. Ada banyak
rutinitas data analisis yang dapat dilakukan dengan mudah oleh auditor. Kemampuan untuk
melaksanakan analisis secara independen sangat penting. Banyak rutin yang dilaksanakan
pada tingkatan yang sangat detail. Rutin dengan tingkatan tertinggi digunakan dalam
menganalisis risiko untuk menemukan permasalahan dan analisis yang lebih detail digunakan
untuk mempertajam fokus dan menyediakan bukti audit.
Beberapa rutin dapat menyediakan bukti audit untuk mendukung penilaian yang
berhubungan dengan kelayakan metode yang digunakan dalam menghitung estimasi
akuntansi.
How Data Analytics Contribute to Audit Quality
Data analitis telah dikembangkan dengan pandangan untuk meningkatkan kualitas
audit. Kualitas audit tidak terletak pada alat itu sendiri, meskipun kualitas audit tidak dapat
dicapai tanpa alat yang cocok dengan tujuannya, kualitas audit terletak pada kualitas analisis
dan penilaian yang difasilitasi. Nilai ini tidak ada pada transformasi data, tetapi ada pada
bukti audit yang diekstrak dari percakapan dan pertanyaan yang dihasilkan dalam analitik.
 Fitur unik dari analisis data memiliki kapasitas, jika digunakan dengan tepat untuk
meningkatkan kualitas audit secara signifikan :
- Kemampuan untuk memvisualisasi hasil dalam grafik
- Kecanggihan dan luasnya pilihan interogasi
- Mudah digunakan oleh non spesialis
- Skala dan kecepatan
Narasumber menekankan berbagai elemen di atas, ketika ditanyai mengenai bagaimana
analisis data berkontribusi pada kualitas audit.
How Business Benefits
Narasumber melaporkan adanya hubungan antara kematangan sistem TI perusahaan
dengan sejauh mana manajemen terbuka dengan teknik-teknik baru. Analisis data berjalan
lebih baik pada bisnis yang telah melalui proses transformasi, dimana pergerakannya lebih
real time daripada kuartalan, terutama jika ada manajemen mode investasi yang berada pada
tahap perkembangan yang cukup matang untuk menghadapi risiko melalui manajemen
kontrol, daripada fokus pada transaksi dan data.
Auditor mengambil pandangan luas atas keuntungan dari analisis data untuk
manajemen. Manajemen menginginkan lebih dari sekedar data yang menyajikan kembali
dalam format yang berbeda. Jenis manajemen wawasan yang dicari termasuk :
- Pandangan atas cela kendali
- Kuantifikasi atas dampak dari intervensi manual, kegagalan pengendalian
- Akar penyebab pengecualian
- Benchmarking internal
- Visualisasi

Routines, Tools, and Solutions : The technical challenges of data analytics

Data Capture, Extraction, Validation, and Transformation
Terkadang auditor memperoleh datanya sendiri, tetapi auditor juga kadang
menggunakan data yang telah diekstrak dan divalidasi oleh manajemen. Auditor melakukan
serangkaian pengujian pengendalian di sekitar data ekstraksi dan proses validasi manajemen,
dan menggunakan apa yang dihasilkan manajemen untuk analisis mereka.
Pencocokan tiga cara : perbandingan
Pendekatan terbaik :
- ekstrak dan validasi semua data mentah dan melakukan pencocokan
- menguji proses pencocokan otomatis manajemen
Perusahaan melakukan pencocokan otomatis dan menghasilkan database atau tabel item yang
cocok dan tidak cocok. Auditor dapat mengekstrak item yang tidak cocok untuk analisis lebih
lanjut. Pendekatan berbasis kontrol secara teori lebih cepat. Volume data dan kompleksitas
atas pengujian pengendalian perlu dipertimbangkan dan mudah untuk melewatkan elemen
penting pengujian pengendalian.
Pendekatan pelaksanaan kembali 100% secara teori lebih lugas dan bukti diperoleh secara
langsung oleh auditor, tetapi prosesnya lebih panjang dan kemungkinan adanya banyak
pengecualian.
 Data dan transaksi dapat dianalisis melalui berbagai cara, melalui tipe transaksi, akun,
atau kode aktivitas, atau referensi ke banyak komponen data. Transformasi adalah tentang
membuat data agar bisa digunakan.
Confidentiality and Security
Auditor mengakui kerahasiaan dan keamanan adalah hal yang menjadi masalah kritis.
Masalah yang harus dipertimbangkan auditor termasuk potensi pembuatan data pribadi ketika
analisis mengacu pada individu. Tidak semua rutinitas diterapkan pada data personal selalu
membuat data baru.
Area yang terus menghadirkan tantangan :
- penyimpanan data pada Cloud
- pedoman REC yang direvisi pada penanganan dan perlindungan data
- hambatan regulasi, terutama yang berhubungan dengan transfer data dan informasi
lintas perbatasan
The Quality of Data Analytics Tool and Routines
Auditor menekankan prosedur jaminan ekstensif yang diterapkan pada pengembangan
alat dan rutinitas. Auditor juga menunjuk pada kontrol kualitas secara ekstensif atas proses
yang memastikan bahwa orang yang menggunakan alat melakukannya dengan benar.
Data Retention
Terdapat masalah dengan volume data yang besar yang disediakan manajemen kepada
auditor, yang bukan milik perusahaan. Masalah kualitas audit adalah tentang kebutuhan untuk
menyimpan dokumentasi yang mendukung kunci melalui proses, dalam konteks legal dan
masalah praktik bersamaan dengan penyimpanan data bervolume tinggi.
Beberapa orang percaya bahwa profil risiko yang terkait dengan retensi data telah
berubah sebagai hasil dari volume data yang digunakan pada analisis data, tetapi semua
narasumber setuju bahwa sementara kualitas platform data yang dianalisis telah
mempengaruhi retensi data, kriteria atau apa yang harus ditahan tidak berubah. Jika sebuah
item telah diuji, informasinya harus dipertahankan, sehingga dapat diidentifikasi lagi jika
dibutuhkan.
Developing a Data Analytics Offering
Data analitis telah dipromosikan oleh perusahaan audit pada beberapa waktu dan saat
ini menjadi ekspektasi di antara perusahaan saat tender, auditor akan melibatkan deskripsi
atas bagaimana mereka akan menggunakan analisis data pada audit.
Pendekatan audit untuk mengembangkan alat analisis data spesifik :
Auditor seringkali menggunakan kombinasi dari pendekatan di bawah untuk pengembangan:
- mengambil alat dan mempertimbangkan bagaimana mereka akan digunakan dalam
audit
- menanyakan apa yang telah dilaksanakan sebelumnya yang mungkin otomatis dan
diperluas
- komisi rutinitas
Pendekatan pertama adalah yang paling kreatif dan memiliki nilai jangka panjang. Kedua
adalah pendekatan yang lebih aman, lebih fokus, patuh, dan tidak boros. Pendekatan ketiga
adalah pendekatan yang tampak ideal.
Work in progress
Smarter Testing : sharpening the focus of data analytics
Alat analisis data sangat sensitif dan dapat menyebabkan masalah, jika ditangani
dengan ceroboh. Auditor perlu dengan jelas tentang apa yang mereka cari dan kapan akan
digunakan. Sampling memerlukan ambang batas untuk apa yang disebut ‘penting untuk
audit’ untuk ditetapkan sangat rendah karena karakteristik sampel harus diekstrapolasi untuk
populasi. Analisis data memerlukan lebih banyak sensitivitas dan intelijen daripada sampling
ketika menentukan apa arti yang sebenarnya dari ‘kegagalan pada otorisasi invoice’ atau
‘kesalahan harga’.
Thinking Again About Why and How We Test Internal Controls
Jika auditor dapat melihat apa yang terjadi untuk semua transaksi yang telah dicatat
pada sistem, mengapa uji pengendalian diterapkan selama proses, jika analisis data
menunjukkan transaksi telah dinilai dan dicatat dengan benar? Bagaimanapun, ini tidak
berarti bahwa kontrol dapat diabaikan bersamaan. Contohnya :
- pemahaman yang baik atas sistem produksi data yang mana analitis dilaksanakan
adalah penting agar dapat digunakan untuk merancang pengujian yang relevan
- pencocokan tiga cara memerlukan pemahaman yang jelas atas persyaratan ISA dan
sistem yang relevan
- kontrol pemahaman di muka, yang menghindari terjadinya error seringkali lebih
penting daripada kendali deteksi yang diterapkan nantinya
- manajemen kontrol atas kelengkapan harus sering diuji, meskipun dalam konteks
analisis data
Satu kategorisasi sederhana yang menekankan batasan penting dalam konteks analisis data :
● kontrol pemrosesan transaksi
● kontrol atas sistem pelaporan keuangan secara keseluruhan
● manajemen dan auditor mengendalikan seluruh ekstraksi data dan transformasi
Pengujian pengendalian ada pada satu tingkat dimaksudkan untuk mengkompensasi fakta
bahwa auditor tidak dapat menguji semua transaksi. Dimana mereka dapat, menganggap
beberapa tes berlebihan.
Dalam mengekstrak semua jurnal dari buku besar, auditor merekonsiliasi saldo awal
dan akhir dan melaksanakan pengecekan konsistensi internal. Data tersebut diperiksa kembali
ke sumber dokumentasi dan dokumentasi dari sumber independen, berbagai laporan
pengecualian dihasilkan dan tiap pengecualian ditindaklanjuti.
Reconsidering the Audit Approach to Fraud
Tanggung jawab atas pencegahan kecurangan dan deteksi akan selalu bersama
manajemen, tetapi tekanannya diberikan pada auditor untuk membagikan analisis data output
mereka ke manajemen untuk membantu memenuhi tugasnya akan semakin kuat. ISA 240
tentang kecurangan dan ISA 520 pada prosedur analitis sebagai area permasalahan.
- ISA 240 secara eksplisit mengidentifikasi prosedur analitis sebagai metode untuk
menilai risiko atas kecurangan.
- Persyaratan ISA 520 untuk ekspektasi dikembangkan yang cukup tepat untuk
mengidentifikasi salah saji material tidak sesuai baik dengan prosedur yang sangat
terperinci yang diizinkan oleh analitik data.
Enhancing the Dialogue Between Auditors and Regulators
Issues that can be presented in a very different light, depending on your perspective :
- meningkatkan kualitas audit dengan meningkatkan efisiensi dan menambah nilai pada
klien
- sentralisasi dan audit prosedur industrialisasi, termasuk investasi pada alat yang baik
dan lokasi dengan biaya rendah
- tipe pekerjaan yang dilaksanakan
- legitimasi wawasan, serta menyajikan sebagai bukti audit
- pergeseran dari model bisnis berdasarkan jam kerja ke penghasilan dari investasi
- kalkulasi biaya audit didasarkan pada kualitas data klien
Data analitis digunakan kurang dari pada risiko audit yang tinggi dan terdapat masalah
tentang :
- output analisis data auditor menjadi bagian dari pengendalian internal manajemen
- tingkat tantangan berdasarkan kelayakan dari penggunaan alat tertentu atau model
yang diberikan audit, sebagaimana juga dengan kontrol kualitas atas pengembangan
alat dan model
- berapa banyak kredit dalam bukti audit yang dapat diambil dari analisis data