ANALYTICS
FOR ACCOUNTING
Presentation by Group 1
MENU ANALYSIS CONTACT Data ANALYSIS
OUR TEAM
GABRIELLE
LISNIAT DAELI
NATALINE
TOPICS
01 DATA ANALYTICS IN ACCOUNTING AND BUSINESS
02 Transforming data
ANALYTICS IN
01 ACCOUNTING AND
BUSINESS
Data ANALYTICS IN ACCOUNTING AND BUSINESS
01 02 03
AUDITING FINANCIAL REPORTING TAX
Perubahan proses audit Meningkatkan kualitas Minimalisasi pajak dan
dari tradisional menjadi substansial dalam mempersiapkan audit
otomatis.
perkiraan dan penilaian.
potensial.
Data ANALYTICS IN ACCOUNTING AND BUSINESS
IMPACT CYCLE
IDENTIFY THE QUESTIONS MASTER THE DATA
Memahami masalah bisnis,
01 02 Memahami ketersediaan data dan
apakah data dapat digunakan untuk
memiliki pertanyaan yang spesifik.
memecahkan masalah.
TRACK OUTCOMES
COMMUNICATE INSIGHTS 05 06 Hasilnya dilaporkan dan hasilnya
dilacak melalui laporan.
Data ANALYTICS IN ACCOUNTING AND BUSINESS
02
DATA
MENU ANALYSIS CONTACT
LANGKAH - LANGKAH
TRANSFORMASI DATA
● Menyusun Data
● Menstandarisasi Data
● Membersihkan Data
● Memvalidasi Data
MENU ANALYSIS CONTACT Data ANALYSIS
data
structure
MENU ANALYSIS CONTACT Data ANALYSIS
01
Aggregate data Gambar 6-4
Contoh tingkat data agregat
Penyajian data dalam bentuk
ringkasan
MENU ANALYSIS CONTACT Data ANALYSIS
DATA STRUCTURE
Gambar 6-1
Ekstrak Data Vendor
02
Data joining
Penggabungan data dari Contoh : Tabel vendor yang terlihat di gambar 6-1 (semua field dari
tabel yang berbeda ke VendorName hingga EarlyPayDiscount) terdiri dari tabel produk (field
dalam satu tabel sehingga ProdCat dan ProdID) dan tabel transaksi yang mencatat pembelian
dapat dianalisis
(field UnitsPurch dan TotalCost)
MENU ANALYSIS CONTACT Data ANALYSIS
03
Data pivoting
Gambar 6-5
Data Pivoting
Teknik merotasi data dari
baris ke kolom yang bertujuan
memudahkan interpretasi
data.
MENU ANALYSIS CONTACT Data ANALYSIS
data
standardization
MENU ANALYSIS CONTACT Data ANALYSIS
01
02 03
Misfielded data
CRYPTIC DATA VALUES values
Item data yang tidak memiliki Kondisi saat nilai data telah
arti yang jelas tanpa diformat dengan benar tetapi
memahami skema tidak termasuk dalam bidang
pengkodean yang
mendasarinya
MENU ANALYSIS CONTACT Data ANALYSIS
DATA standardization
Gambar 6-1
04
Ekstrak Data Vendor
data
cleaning
Data cleaning
Data Data contradiction
de-duplication Data filtering errors
Metode memangkas Proses menghapus Terjadi ketika entitas
data yang berlebihan catatan atau field yang sama dijelaskan
dari kumpulan data.
informasi dari sumber dalam dua cara yang
data
saling bertentangan.
Violated attribute
dependencies Data entry errors
Kesalahan yang terjadi ketika Semua jenis kesalahan yang
atribut sekunder tidak sesuai berasal dari salah
dengan atribut utama
memasukkan data
MENU ANALYSIS CONTACT
Data cleaning
Gambar 6-1
Ekstrak Data Vendor
MENU ANALYSIS CONTACT
data
validation
Data validation
Visual inspection Audit a sample
Pengujian data menggunakan Salah satu teknik terbaik untuk
penglihatan manusia untuk melihat memastikan kualitas data adalah
adanya kesalahan
dengan mengaudit sampel data
VISUALIZATION
03
& SHARE THE RESULTS
Using visualization and share the results
DIAGNOSTIC PRESCRIPTIVE
Informasi yang dihasilkan mencoba Informasi yang dihasilkan dari analisis
menentukan hubungan sebab untuk memberikan rekomendasi
akibat. Analitik diagnostik tentang apa yang harus terjadi.
menggunakan teknik analisis data Analitik ini menggunakan teknik
konfirmasi.
seperti kecerdasan buatan,
pembelajaran mesin, dan statistik
lainnya.
Using visualization and share the results
DATA PRESENTATION
01 Memilih visualisasi
yang tepat
Merancang
visualisasi
berkualitas tinggi
02
Using visualization and share the results
01 02 03
ETHICAL DATA
SIMPLIFICATION EMPHASIS PRESENTATION
Mengacu pada membuat Visualisasi harus menekankan Prinsip presentasi visualisasi
visualisasi yang mudah data yang paling relevan, terakhir adalah etis.
ditafsirkan dan dipahami
penting, atau tepat waktu.
● Memperlihatkan representasi angka yang
sebanding dengan angka yang dilaporkan
● Quantity
● Highlighting
● Dalam visualisasi tren, menunjukkan
waktu yang berkembang dari kiri ke kanan
● Distance
● Weighting
pada sumbu x.
● Menyajikan data lengkap sesuai
● Orientation
● Ordering konteksnya
MENU ANALYSIS CONTACT Data ANALYSIS
Mempertimbangkan
audiens
01 03
Ingat pertanyaan
02 Penggunaan
yang memulai visualisasi data
proses analitik
MENU ANALYSIS CONTACT Data ANALYSIS
kasus
Big data analytic dapat membantu proses audit sesuai dengan standar ISAs, seperti dibawah ini:
● Mengidentifikasi dan menilai risiko yang terkait dengan keputusan untuk menerima atau melanjutkan
penugasan audit, misalnya, adanya risiko kebangkrutan atau management fraud (kecurangan manajemen)
tingkat tinggi yang terjadi pada entitas/perusahaan yang diaudit.
● Mengidentifikasi dan menguji salah saji (misstatement) yang material yang ada pada laporan keuangan
karena adanya fraud, dan menguji fraud atas risiko yang ditemukan. (ISA 240).
● Mengidentifikasi dan menilai risiko salah saji (misstatement) yang material melalui pemahaman terhadap
entitas/perusahaan yang di audit dan lingkungannya (ISA 315). Ini termasuk kegiatan melakukan
preliminary prosedur analitis, dan mengevaluasi rancangan dan implementasi pengendalian internalnya
dan menguji efektivitas pengendalian internal.
● Melakukan prosedur analitis substantive sebagai respon atas penilaian auditor terhadap risiko salah saji
yang material (ISA 520).
● Melakukan prosedur analitis ketika mendekati akhir dari proses audit untuk membantu auditor dalam
menentukan kesimpulan yang menyeluruh tentang apakah laporan keuangan telah konsisten dengan
pemahaman auditor terhadap entitas/perusahaan yang diaudit (ISA 520)
MENU ANALYSIS CONTACT Data ANALYSIS
kasus
Terdapat beberapa hal yang harus diperhatikan dalam penggunaan big data dalam proses
audit:
● Dibutuhkan perubahan paradigm dari industri audit (auditor, Partner dan KAP nya).
● Volume big data memberikan tantangan yang signifikan terhadap proses perhitungan
(computational)
● Privacy
MENU ANALYSIS CONTACT Data ANALYSIS
THANK YOU