Dewasa ini, big data telah digunakan dalam hampir semua aspek pengambilan keputusan dan strategi bisnis perusahaan-perusahaan besar. Sebagai contoh, sebuah perusahaan di Amerika Serikat mungkin memproses satu miliar elemen data setiap hari untuk memahami lingkungan kompetitifnya. Pengolahan data yang besar dapat menyebabkan bias karena keterbatasan kognitif manusia dalam memproses informasi. Oleh karena itu, big data akan mengubah proses audit yang dilakukan
Menurut Vasarhelyi et al. (2015), munculnya bentuk-bentuk baru data yang dihasilkan secara otomatis dengan ukuran yang semakin besar mendorong adopsi teknologi dalam menjaminan proses yang benar. Penggunaan analisis data dapat membantu auditor dalam mengurangi kesalahan kognitif yang disebabkan oleh jumlah data yang besar dan beragam. Beberapa studi telah menguji pengaruh analisis data terhadap penilaian auditor dan menemukan bahwa analisis data dapat meningkatkan penilaian auditor.
Patut dicurigai bahwa jenis-jenis analisis data lainnya dapat mempengaruhi penilaian auditor. Studi terbaru yang dilakukan oleh Koreff (2021) menemukan bahwa model analisis data (prediktif vs anomali) dan jenis data (keuangan vs non-keuangan) tidak mempengaruhi penilaian auditor. Oleh karena itu studi ini bertujuan untuk menguji model-model analisis data lainnya (visual vs teks) dan jenis-jenis big data (terstruktur vs tidak terstruktur) terhadap penilaian auditor.
Perkembangan perangkat lunak analisis visual dan teks yang semakin canggih saat ini dapat membantu auditor dalam mengidentifikasi big data, baik itu jenis data terstruktur maupun tidak terstruktur, dalam mendukung penilaian auditor. terdapat dua manfaat yang diperoleh auditor ketika menggunakan analisis data audit. Pertama, mereka memperoleh wawasan yang lebih mendalam dengan mengidentifikasi informasi dari data terstruktur dan tidak terstruktur. Kedua, mereka mendapatkan dukungan yang lebih baik dalam membuat penilaian karena data terstruktur dan tidak terstruktur dapat digunakan sebagai bukti audit tambahan dalam jumlah yang besar dan beragam.
Teori kesesuaian kognitif digunakan untuk menjelaskan logika dalam perumusan hipotesis. Teori ini menjelaskan hubungan antara kesesuaian teknologi dengan tugas yang dilakukan. Individu akan lebih cepat dan lebih akurat dalam membuat keputusan ketika alat teknologi yang digunakan dapat sesuai dengan keputusan yang akan diambil.
Desain penelitian eksperimen factorial 2×2 digunakan dengan melibatkan 109 mahasiswa akuntansi senior sebagai partisipan. Eksperimen dilakukan dengan seting kelas atau laboratorium. Terdapat grup pertama partisipan menerima informasi berupa analisis visual, grup kedua menerima informasi berupa analisis teks. Grup ketiga menerima informasi berupa jenis data tidak terstruktur dan grup keempat menerima informasi jenis data terstruktur.
Riset ini menghasilkan beberapa temuan sebagai berikut: Pertama, penelitian ini berhasil membuktikan bahwa analisis data memiliki pengaruh pada penilaian auditor, terutama dalam menentukan risiko audit. Hasil ini didukung oleh argumen yang disampaikan oleh Murphy dan Tysiac (2015) serta Krieger et al. (2021), yang menemukan bahwa penggunaan analisis data dapat membantu auditor fokus pada data klien berisiko tinggi untuk mengurangi risiko audit.
Kedua, penelitian ini membuktikan bahwa big data, baik yang terstruktur maupun tidak terstruktur, memiliki pengaruh pada risiko audit dan jam audit. Hasil ini berbeda dari penelitian sebelumnya yang dilakukan oleh Koreff (2021). Jenis data terstruktur yang ada dalam basis data perusahaan dalam jumlah yang sedikit dapat mengurangi risiko audit dan jam audit. Sementara itu, jenis data tidak terstruktur meningkatkan risiko audit dan jam audit. Hasil ini didukung oleh penelitian yang dilakukan oleh De Martinis dan Houghton (2019), yang menemukan bahwa audit yang berfokus pada data berisiko tinggi mampu mengurangi risiko audit dan jam audit.
Terakhir, dari hasil analisis tambahan, peserta yang menerima informasi dari hasil analisis visual memiliki tingkat kepercayaan yang lebih tinggi daripada mereka yang menerima analisis teks. Hal ini dikarenakan peserta dapat memahami informasi yang diperoleh dari analisis visual dengan lebih mudah dan cepat daripada dari analisis teks.
Hasil penelitian ini mendukung teori kesesuaian kognitif, yang menyatakan bahwa individu akan lebih cepat dan lebih akurat dalam membuat keputusan ketika alat teknologi yang digunakan sesuai dengan keputusan yang dibuat. Hasil penelitian ini menemukan bahwa ketika peserta diberikan informasi dari analisis visual, mereka cenderung menilai risiko audit lebih rendah daripada analisis teks untuk kedua jenis data, baik terstruktur maupun tidak terstruktur
Penelitian ini juga memiliki implikasi praktis bagi auditor eksternal. Mereka sebaiknya meningkatkan keterampilan dan pengetahuan mereka tentang big data dan analisis data. Selain itu, mereka sebaiknya semakin menggunakan big data dan analisis data dalam perencanaan audit.
Meskipun para peneliti telah berusaha mengatasi keterbatasan dalam penelitian ini, penelitian eksperimental ini memiliki kelemahan. Untuk menjaga protokol kesehatan dan menjaga jarak, penelitian ini dilakukan empat kali di ruang kelas yang berbeda karena tidak ada ruang yang memadai untuk menampung 120 peserta sambil tetap menjaga jarak. Namun, uji homogenitas varians telah dilakukan untuk memastikan bahwa sampel memiliki varians yang sama.
Sebagai peluang penelitian di masa depan, peneliti dapat menguji jenis analisis data lain yang dapat mempengaruhi risiko audit dan jam audit. Selain itu, untuk meningkatkan konsistensi temuan, penelitian ini dapat dilakukan pada mahasiswa akuntansi di universitas-universitas yang berbeda dan juga dapat dilakukan pada auditor sebenarnya, baik auditor eksternal maupun auditor internal.
Penulis: Prof. Dr. I Made Narsa, M.Si., Ak., CA.
Baca selengkapnya di link berikut:
https://www.scopus.com/record/display.uri?eid=2-s2.0-85153379927&origin=resultslist&sort=plf-f
https://www.emerald.com/insight/content/doi/10.1108/ARJ-08-2022-0187/full/html
