LECTURE NOTES

Data Analytics in Accounting and

Finance

Week 4

Performing The Test Plan

 LEARNING OUTCOMES

LO 3 : Menjelaskan rencana pemeriksaan dan analisa hasil

OUTLINE MATERI :

• Menjalankan Rencana Pengujian

• Analisa deskriptif

• Analisa diagnostik
 Performing The Test Plan

A. Menjalankan Rencana Pengujian

Langkah ketiga dari model siklus IMPACT, atau "P," adalah "melakukan rencana pengujian."
Pada langkah ini, pendekatan Analisis Data yang berbeda membantu kita memahami apa yang
terjadi, mengapa hal itu terjadi, apa yang dapat kita harapkan terjadi di masa depan, dan apa yang
harus kita lakukan berdasarkan apa yang kita harapkan akan terjadi.

Pendekatan atau teknik Analisis Data ini membantu menjawab pertanyaan bisnis kita dan
memberikan informasi untuk mendukung keputusan akuntansi dan manajemen. Pendekatan
Analisis Data bergantung pada serangkaian tugas dan model yang digunakan untuk memahami
data dan mendapatkan wawasan tentang penyebab dan akibat yang mendasari keputusan bisnis.
Banyak kursus akuntansi memperkenalkan siswa pada model dasar yang menggambarkan hasil
transaksi periodik (misalnya, rasio, tren, dan analisis varians). Perhitungan sederhana ini
membantu akuntan memenuhi peran tradisional mereka sebagai sejarawan yang merangkum
hasil dari masa lalu untuk memberi tahu pemangku kepentingan tentang status bisnis.

Sementara teknik sederhana ini memberikan informasi penting, nilainya terbatas pada
penyediaan informasi di belakang. Nilai kontribusi Analisis Data meningkat saat fokus beralih
dari melihat ke belakang menjadi tinjauan ke masa depan dan dari meringkas informasi menjadi
mengoptimalkan hasil bisnis saat kita beralih dari analitik deskriptif ke analitik preskriptif.
Misalnya, lean accounting lebih bergantung pada analisis data untuk secara akurat memprediksi
perubahan anggaran dan prakiraan untuk meminimalkan gangguan pada bisnis. Model-model
yang lebih akurat memprediksi masa depan dan meresepkan tindakan datang dengan biaya
peningkatan kompleksitas dalam hal memanipulasi dan menghitung data yang sesuai, dan
implikasi dari hasil.

Empat tiper utama dalam Analisa Data adalah:

1. Analitik deskriptif adalah prosedur yang merangkum data yang ada untuk menentukan
apa yang telah terjadi di masa lalu. Beberapa contoh analitik deskriptif mencakup statistik

Data Analytics in Accounting and Finance

 ringkasan (misalnya, hitungan, min, maks, rata-rata, median, standar deviasi), distribusi,
dan proporsi.

2. Analitik diagnostik adalah prosedur yang mengeksplorasi data saat ini untuk
menentukan mengapa sesuatu terjadi seperti itu, biasanya membandingkan data dengan
tolok ukur. Sebagai contoh, analitik diagnostik memungkinkan pengguna menelusuri data
dan melihat bagaimana mereka dibandingkan dengan anggaran, pesaing, atau tren.

3. Analisis prediktif adalah prosedur yang digunakan untuk menghasilkan model yang
dapat digunakan untuk menentukan apa yang mungkin terjadi di masa depan. Contoh
analisis prediktif termasuk analisis regresi, peramalan, klasifikasi, dan pemodelan
prediktif lainnya.

4. Analitik preskriptif adalah prosedur yang bekerja untuk mengidentifikasi opsi terbaik
yang mungkin diberikan kendala atau kondisi yang berubah. Ini biasanya mencakup
pengembangan model pembelajaran mesin dan kecerdasan buatan yang lebih canggih
untuk merekomendasikan tindakan, atau mengoptimalkan, berdasarkan kendala dan/atau
kondisi yang berubah.

Pilihan model Analisis Data sangat bergantung pada jenis pertanyaan yang akan dijawab dan
akses ke data yang diperlukan untuk menjawab pertanyaan tersebut. Analitik deskriptif dan
diagnostik biasanya digunakan ketika Anda ingin menggambarkan data masa lalu dan kemudian
membandingkannya dengan tolok ukur untuk menentukan mengapa hasilnya seperti itu, mirip
dengan konsep akuntansi perencanaan dan pengendalian.

Demikian juga, analitik prediktif dan preskriptif menjadi mitra yang baik ketika Anda ingin
memprediksi hasil dan kemudian membuat rekomendasi tentang cara menindaklanjuti, mirip
dengan auditor yang menandai transaksi sebagai risiko tinggi dan kemudian mengikuti diagram
alur keputusan untuk menentukan apakah akan meminta tambahan bukti atau memasukkannya
ke dalam temuan audit. Saat berpindah dari satu pendekatan Analisis Data ke pendekatan
berikutnya, kita menggunakan tinjauan ke belakang dan informasi, yang secara tradisional
menghitung area domain, untuk tinjauan ke masa depan dan pengoptimalan. Pada akhirnya,
model yang digunakan mengarah pada pertanyaan yang ingin dijawab.

Data Analytics in Accounting and Finance

B. Deskriptif Analitik

Analitik deskriptif membantu meringkas apa yang telah terjadi di masa lalu. Misalnya, akuntan
keuangan akan menjumlahkan semua transaksi penjualan dalam suatu periode untuk menghitung
nilai Pendapatan Penjualan yang muncul pada laporan laba rugi. Seorang analis akan menghitung
jumlah catatan dalam ekstrak data untuk memastikan data lengkap sebelum menjalankan analisis
yang lebih kompleks. Seorang auditor akan menyaring data untuk membatasi ruang lingkup
transaksi yang mewakili risiko tertinggi. Dalam semua kasus ini, analisis dasar memberikan
pemahaman tentang apa yang telah terjadi di masa lalu untuk membantu pengambil keputusan
mencapai hasil yang baik dan memperbaiki hasil yang buruk.

1. Ringkasan Statistik
Ringkasan statistik menggambarkan lokasi, penyebaran, bentuk, dan ketergantungan dari satu
set pengamatan. Ini biasanya termasuk hitungan, jumlah, minimum, maksimum, rata-rata atau
rata-rata, standar deviasi, median, kuartil, kovarians korelasi, dan frekuensi yang
menggambarkan nilai terukur tertentu.

2. Reduksi Data
Pendekatan reduksi data mencoba untuk mengurangi jumlah informasi rinci yang dianggap
berfokus pada item yang paling penting, menarik, atau abnormal (misalnya, biaya tertinggi,
risiko tertinggi, dampak terbesar, dll.). Ini dilakukan dengan menyaring melalui kumpulan
data yang besar (mungkin total populasi) dan menguranginya menjadi kumpulan yang lebih
kecil yang memiliki sebagian besar informasi penting dari kumpulan yang lebih besar.
Pendekatan reduksi data dilakukan terutama dengan menggunakan data terstruktur—yaitu,
data yang disimpan dalam database atau spreadsheet dan mudah dicari.

Reduksi data melibatkan langkah-langkah berikut (dengan contoh karyawan yang membuat
vendor fiktif dan mengirimkan faktur palsu):

1. Identifikasi atribut yang ingin Anda kurangi atau fokuskan. Misalnya, seorang karyawan
dapat melakukan penipuan dengan membuat vendor fiktif dan mengirimkan faktur palsu.
Daripada mengevaluasi setiap karyawan, auditor mungkin hanya tertarik pada catatan
karyawan yang memiliki alamat yang cocok dengan alamat vendor.

Data Analytics in Accounting and Finance

 2. Saring hasilnya. Ini bisa sesederhana menggunakan filter di Excel, atau menggunakan
frasa WHERE dalam kueri SQL. Ini mungkin juga melibatkan perhitungan yang lebih
rumit. Misalnya, karyawan yang membuat vendor fiktif akan sering menggunakan alamat
yang mirip, tetapi tidak persis sama dengan, alamat mereka sendiri untuk menggagalkan
kueri SQL dasar. Di sini auditor harus menggunakan alat yang memungkinkan
pencocokan fuzzy, yang menggunakan probabilitas untuk mengidentifikasi kemungkinan
alamat yang serupa.

3. Menafsirkan hasilnya. Setelah Anda menghilangkan data yang tidak relevan, luangkan
waktu sejenak untuk melihat apakah hasilnya masuk akal. Hitung statistik ringkasan.
Sudahkah Anda menghilangkan entri yang jelas? Melihat daftar karyawan yang cocok,
auditor mungkin mengubah probabilitas dalam pencocokan fuzzy menjadi lebih atau
kurang tepat untuk mempersempit atau memperluas jumlah karyawan yang muncul.

4. Tindak lanjuti hasil. Pada titik ini, Anda akan terus membangun model atau
menggunakan hasilnya sebagai sampel yang ditargetkan untuk ditindaklanjuti. Auditor
harus meninjau kebijakan perusahaan dan menindaklanjuti dengan setiap karyawan yang
muncul dalam daftar yang dikurangi karena mewakili risiko.

C. Analisa Diagnostik

Analitik diagnostik memberikan wawasan tentang mengapa sesuatu terjadi atau bagaimana nilai
data individu berhubungan dengan populasi umum. Setelah Anda meringkas data menggunakan
teknik deskriptif, Anda dapat menelusuri dan menemukan angka-angka yang mendorong suatu
hasil. Tolok ukur memberikan konteks pada data dengan memberikan titik referensi (atau garis)
kepada analis untuk membandingkan data tersebut. Misalnya, rata-rata aritmatika dari kumpulan
data memberi Anda konteks untuk nilai tertentu. Tolok ukur ini mungkin didasarkan pada
aktivitas masa lalu atau perbandingan dengan pesaing utama atau seluruh industri.

Dua metode umum analitik diagnostik termasuk profil dan analisis klaster. Dalam kedua kasus
ini, analisis memberikan wawasan tentang di mana letak nilai tertentu relatif terhadap sampel
atau populasi lainnya. Semakin jauh jarak dari sisa pengamatan, semakin menarik nilai
individunya. Pencilan ini dapat mewakili risiko atau peluang untuk mempelajari lebih lanjut

Data Analytics in Accounting and Finance

tentang proses bisnis yang mendorong perilaku tersebut. Saat melakukan pembuatan profil,
seringkali membantu untuk menstandardisasi data ke dalam skor-Z jika Anda membandingkan
kumpulan data yang diatur pada skala yang berbeda halaman 123 (misalnya, dolar dan euro,
tinggi dan berat). Di bagian berikutnya, sebelum kita menyelami contoh pembuatan profil, kami
akan menyajikan diskusi singkat tentang transformasi Z-score dan bekerja dengan metode
visualisasi distribusi data, termasuk kurva dan plot kotak.

Pengujian hipotesis adalah metode ketiga analisis diagnostik yang digunakan untuk menentukan
apakah ada perbedaan yang signifikan antara kelompok. Menjalankan uji hipotesis
memungkinkan Anda untuk secara sistematis membandingkan statistik deskriptif dari dua
kelompok atau variabel (misalnya, rata-rata dan distribusi data) untuk menentukan apakah
perbedaannya secara signifikan lebih besar dari variasi yang diharapkan.

Analitik diagnostik sangat penting bagi auditor internal dan eksternal, dan tugas mereka untuk
mencari kesalahan, anomali, outlier, dan terutama penipuan dalam laporan keuangan mereka.
Penelitian akuntansi awal menemukan bahwa investasi perusahaan dalam perangkat lunak
analitik diagnostik dikaitkan dengan manfaat berikut:
• Pengurangan biaya audit eksternal
• Pengurangan penundaan audit
• Pengurangan kesalahan yang material
• Pernyataan ulang

Data Analytics in Accounting and Finance

 KESIMPULAN

Terdapat empat tipe utama dalam data analisis yang sering digunakan, yaitu analisa deskriptif,
analisa diagnostic, analisa prediktif, dan analisa preskriptif. Setiap jenis analisa ini dapat
digunakan sesuai dengan tujuan yang ingin dicapai. Analisa deskriptif digunakan untuk
merangkum data yang ada untuk menentukan apa yang telah terjadi di masa lalu. Sedangkan,
analisa diagnostik digunakan untuk mengeksplorasi data saat ini untuk menentukan mengapa
sesuatu terjadi seperti itu, biasanya dengan membandingkan data dengan tolok ukur.

Data Analytics in Accounting and Finance

 DAFTAR PUSTAKA

1. Vernon J. Richardson, Ryan A. Teeter, Katie L. Terrell (2019). Data Analytics for
Accounting. McGraw-Hill Education, New York. ISBN: 9781260837834. Chapter 3.
2. Moreira J., Carvalho A., Horvath T, (2019). A General Introduction to Data Analytics.
Wiley. Chapter 4.

Data Analytics in Accounting and Finance