studi eksploratif keahlian fungsional “excel” yang
TRANSCRIPT
1
Studi Eksploratif Keahlian Fungsional “Excel” yang Dibutuhkan dalam Karir di Kantor Akuntan Publik: Persepsi Mahasiswa dan Akuntan Publik
Muhamad Dzarin Fadhilah
Departemen Akuntansi, Fakultas Ekonomi dan Bisnis, Universitas Indonesia, Depok, 16424
Email: [email protected]
Abstrak
Penelitian ini bertujuan untuk meneliti fungsi Excel manakah yang dirasakan penting dan berguna bagi pegawai baru. Survei dilakukan terhadap akuntan publik di the big four dan juga mahasiswa S1 akuntansi dari Universitas Indonesia dan universitas lainnya di Indonesia untuk mengukur persepsi mereka terkait pentingnya, pengetahuan, dan penggunaan Excel di kantor akuntan publik. Peneliti menemukan responden akuntan publik percaya bahwa basic formula, filter and sort data, vertical(horizontal) lookup, pivot table, keyboard shortcuts, dan format functions merupakan fungsi-fungsi yang paling penting dalam mendukung pekerjaan mereka di kantor akuntan publik. Sedangkan mahasiswa cenderung tidak menganggap penting beberapa fungsi yang akuntan publik persepsikan penting.
Kata Kunci: Excel, Persepsi Mahasiswa, Persepsi Akuntan Publik
Exploratory Study of "Excel" Functional Skills Required for Career in Public Accounting Firms: Students’ and Public Accountants’ Perception
Abstract
This research aims to investigate which Excel functions that perceived to be important and useful for new hires. This study conducts a survey to public accountants in the big four and also undergraduate accounting students from Universitas Indonesia and other universities to measure their perceptions about Excel importance, knowledge, and usage in accounting firms. This study finds that public accountants perceive that basic formula, filter and sort data, vertical(horizontal) lookup, pivot table, keyboard shortcuts, and format functions are the most important functions that support their tasks in accounting firms. This study also finds that students tend to underestimate several functions that are perceived as important by public accountants.
Keywords: Excel, Students’ Perception, Public Accountants’ Perception
Studi Eksploratif ..., Muhamad Dzarin Fadhilah, FEB UI, 2017
2
1. Pendahuluan
Salah satu pertanyaan yang mendasar adalah keahlian apakah yang penting untuk
dimiliki oleh mahasiswa akuntansi untuk meniti karir sebagai akuntan publik dimasa
mendatang. Setiap mahasiswa akuntansi tentu saja perlu untuk memahami akuntansi dengan
baik. Namun, selain itu ada juga keahlian lain yang penting untuk dimiliki oleh mahasiswa
akuntansi. Berdasarkan Survey Welch, Madison, dan Welch (2010) salah satu hal yang
esensial atau penting untuk lulusan akuntansi miliki adalah keahlian dalam memanfaatkan
teknologi informasi (Cory & Pruske, 2012, p. 210).
Pentingnya Excel ini di kalangan mahasiswa akuntansi ini adalah sebagai tindak lanjut
atas saran yang disampaikan dalam penelitian sebelumnya di FEB UI. Penelitian ini meneliti
employability skills dari mahasiswa akuntansi di UI, dimana salah satu sarannya adalah untuk
mengusahakan peningkatan kemampuan penggunaan Microsoft Excel sejak awal perkuliahan.
Dengan adanya peningkatan tersebut sejak awal perkuliahan, diharapkan selama
perkuliahannya mahasiswa menjadi semakin terlatih (Nevelyn, 2016). Diharapkan, saran
tersebut dapat dipertimbangkan untuk diimplementasikan segera. Tentunya untuk mendukung
implementasinya diperlukan penelitian lebih lanjut mengenai pengetahuan secara spesifik atas
penggunaan fungsi-fungsi Excel apa saja yang penting untuk dikuasai calon pegawai baru.
Penelitian ini memiliki tujuan untuk menyelidiki fungsi-fungsi Excel manakah yang
dianggap penting dan berguna bagi pegawai baru untuk pemahaman sebelum mengawali
pekerjaan di kantor akuntan publik dan juga untuk mencari tahu apabila terdapat perbedaan
persepsi antara mahasiswa, pegawai baru di kantor akuntan publik, dan supervisor di kantor
akuntan publik terkait penggunaan fungsi-fungsi Excel. Penelitian ini juga diharapkan dapat
memberi manfaat bagi akuntan pendidik untuk dapat digunakan sebagai bahan pertimbangan
bagi akuntan pendidik dalam memformulasikan kurikulum pembelajaran mahasiswa
akuntansi dan bagi mahasiswa akuntansi untuk menjadi bahan pertimbangan bagi mereka
yang memiliki minat untuk bekerja di kantor akuntan publik agar dapat mempelajari secara
dini terkait fungsi-fungsi yang dianggap penting dalam menyelesaikan pekerjaan di kantor
akuntan publik.
2. Tinjauan Teoritis
a. Keahlian Berpikir Analitis dan Kritis di Kantor Akuntan Publik
Reinstein & Bayou (1997) menjabarkan apa yang dimaksud dengan kata “critical”
(kritis) menurut The American Heritage Dictionary sebagai perbuatan yang ditandai oleh
Studi Eksploratif ..., Muhamad Dzarin Fadhilah, FEB UI, 2017
3
evaluasi dan pertimbangan yang hati-hati dan tepat (AlMotairy, 2016, p. 50). Hal yang
menjadi relevan terkait berpikir kritis untuk penelitian ini adalah pernyataan bahwa
kemampuan berpikir kritis dalam konteks profesi akuntan adalah berpikir kritis yang
melibatkan paling sedikit terkait berbagai kemampuan yang salah satunya yaitu kemampuan
untuk menentukan implikasi (kesimpulan) yang kurang jelas dari data numerik (Sin et. al.,
2015). Sedangkan sebagaimana dikutip dalam dokumen milik Chicago State University
(www.csu.edu), definisi berpikir analitis adalah kemampuan mengidentifikasi dan
mendefinisikan permasalahan, mengekstrak informasi utama dari sebuah data dan
mengembangkan solusi-solusi yang dapat diterapkan untuk permasalahan-permasalahan yang
telah diidentifikasi dengan tujuan untuk menguji dan memverifikasi penyebab dari masalah
dan kemudian mengembangkan solusi-solusi untuk memecahkan masalah-masalah tersebut.
Seiring dengan terus berkembangnya teknologi, banyak sekali perusahaan yang sudah
menggunakan sistem ERP (Enterprise Resource Planning) untuk fungsi akuntansinya
(Akroyd, Askarany, O’Grady, & Spraakman, 2013). Dan oleh karena semakin kompleksnya
teknologi yang digunakan ini, akuntan harus semakin mengembangkan kemampuan analitis
dan kemampuan berpikir kritis yang kuat. Kemampuan-kemampuan ini digunakan untuk
dapat menggunakan teknologi yang mampu untuk menyortir, memanipulasi, dan/atau
memiliki kinerja fungsi analitis dalam mengekstrak data yang terdapat pada sistem (French &
Coppage, 2000; Kavanagh & Drennan, 2008).
b. Kegunaan Excel Spreadsheets di Ranah Akuntan Publik
Dari perspektif praktisi akuntan, majalah Strategic Finance memiliki kolom reguler
terkait teknologi dimana salah satunya adalah terkait penggunaan Excel. Majalah ini
menjelaskan mengenai keunggulan-keunggulan Excel dalam hal availability, familiarity, dan
flexibility. Availability maksudnya adalah Excel ini dapat diakses oleh siapapun dalam dalam
bentuk lain sekalipun seperti misalnya Google Docs. Familiarity maksudnya adalah Excel ini
digunakan hampir di setiap hari untuk melakukan berbagai macam tugas, sehingga akuntan
merasa familiar karena mengetahui bagaimana menggunakan software ini. Terakhir,
flexibility adalah akuntan dapat menetapkan rekonsiliasi dan analisis atas dokumen dengan
mudah dan menambahkan hal-hal yang ingin kita analisis tanpa melibatkan pihak manapun
(Alder, 2011).
Dari perspektif peneliti, berdasarkan survei yang dilakukan oleh Cory & Pruske
(2012) terhadap 213 akuntan publik mengenai seberapa pentingnya mahasiswa jurusan
akuntansi untuk memiliki pengetahuan terkait kemampuan teknologi yang berhubungan
Studi Eksploratif ..., Muhamad Dzarin Fadhilah, FEB UI, 2017
4
dengan akuntansi untuk memulai karir dalam bidang akuntansi. Dalam penelitian tersebut,
mereka menemukan bahwa kemampuan yang paling kritikal atau yang paling penting adalah
kemampuan pengetahuan Excel spreadsheet.
c. Perbedaan Persepsi terkait Excel Spreadsheets di Ranah Akuntan Publik dan
Akuntansi Pendidikan
Akuntan publik, lulusan baru akuntansi, mahasiswa akuntansi, dan regulator sama-
sama menganggap Excel sebagai salah satu keahlian teknologi yang paling penting untuk
dimiliki dalam bidang akuntansi (Jackson & Cherrington, 2002). Namun, penelitian-penelitian
menunjukkan terdapat sedikit pemisahan antara keahlian Excel yang dibutuhkan bagi pegawai
baru di kantor akuntan publik dengan kondisi pendidikan akuntansi (Brown & Pike, 2010;
Stoner, 2009). Para supervisor dan pegawai baru di kantor akuntan publik, misalnya, terus
mengeluhkan kepada akuntan pendidik mengenai lulusannya yang tidak siap untuk secara
efektif bekerja menggunakan spreadsheet Excel untuk memenuhi standar akuntansi
profesional (Brown & Pike, 2010).
Berangkat dari adanya kesenjangan antara ekspektasi pemberi kerja (akuntan publik)
dan keahlian mahasiswa dalam mengoperasikan Excel, maka penelitian ini bermaksud untuk
memberikan pandangan deskriptif terkait fungsi Excel manakah yang dianggap penting dan
berguna untuk mahasiswa akuntansi kuasai sebelum memulai karirnya di kantor akuntan
publik agar mahasiswa dapat memenuhi ekspektasi pemberi kerja.
d. Persepsi
Persepsi ini dapat diartikan sebagai proses seseorang mengorganisasi dan
menginterpretasi kesan dari aktivitas-aktivitas pancaindranya untuk memberikan makna
terhadap lingkungan sekitarnya (Robbins et al., 2013). Dalam penelitian ini, peneliti ingin
mengetahui fungsi Excel manakah yang penting untuk dimiliki oleh pegawai baru di kantor
akuntan publik dengan menggunakan persepsi sebagai alat bantu. Dalam penelitian terkait
fungsi spesifik Excel ini, persepsi yang berbeda dapat terjadi akibat adanya perbedaan faktor-
faktor yang telah disebutkan.
e. Penelitian Terdahulu
Penelitian ini merupakan replikasi atas penelitian sebelumnya yang dilakukan oleh
Ragland dan Ramachandran di Amerika Serikat pada tahun 2014. Tujuan dari penelitian
sebelumnya adalah untuk memberikan pandangan deskriptif terkait fungsi Excel yang
Studi Eksploratif ..., Muhamad Dzarin Fadhilah, FEB UI, 2017
5
dianggap penting dan berguna untuk mahasiswa akuntansi kuasai sebelum memulai karir yang
mungkin dijalaninya di kantor akuntan publik.
Penelitian sebelumnya ini melakukan survei untuk menganalisis secara deskriptif
keahlian-keahlian fungsional yang dibutuhkan untuk karir di kantor akuntan publik
berdasarkan perspektif akuntan publik dan mahasiswa akuntansi. Populasi dan sampel yang
digunakan untuk mahasiswa adalah mahasiswa undergraduate dan mahasiswa graduate di
satu universitas riset di Amerika Serikat. Sedangkan untuk di kantor akuntan publik mereka
meneliti persepsi new hires (pegawai baru) dan supervisors (supervisor).
Secara garis besar, penelitian tersebut menunjukkan bahwa mahasiswa mahasiswa
mungkin tidak benar-benar akrab dengan penggunaan Excel dalam pekerjaan akuntansi
karena kurangnya pengalaman dalam menggunakannnya di kantor akuntan publik. Sehingga
mereka mengesampingkan pentingnya penggunaan beberapa fungsi Excel kunci sebagai
bagian dari pekerjaan di lingkungan kantor akuntan publik.
3. Metode Penelitian
a. Sifat Penelitian
Penelitian ini merupakan penelitian eksploratif yang memiliki tujuan untuk memahami
fungsi manakah yang paling penting untuk dipahami dan dikuasai oleh calon staf di kantor
akuntan publik. Hasil penelitian ini diharapkan dapat menjadi pedoman bagi mahasiswa untuk
mengetahui persepsi dari akuntan publik yang kelak akan merekrut mereka sebagai staf terkait
keahlian Excel yang dibutuhkan. Fungsi Excel yang digunakan sebagai objek yang diteliti
terdiri dari empat belas fungsi Excel. Keempat belas fungsi Excel ini diidentifikasi
berdasarkan hasil penelitian sebelumnya oleh Ragland dan Ramachandran (2014) yang juga
membuat penelitian serupa dan juga dengan melakukan survei awal terhadap dua puluh lima
orang akuntan publik untuk menguji apakah fungsi-fungsi yang diidentifikasi dalam
penelitian Ragland dan Ramachandran tersebut dapat dikenali calon responden.
b. Sampel Penelitian
Sampel yang dipilih dalam penelitian ini adalah mahasiswa S1 akuntansi yang secara
spesifik merupakan mahasiswa tahun terakhirnya di universitas (tahun keempat). Pemilihan
sampel tersebut didasarkan pada pemikiran bahwa mahasiswa tingkat akhir akan segera
memasuki dunia kerja dan salah satu pilihan pekerjaan mereka kelak adalah di kantor akuntan
publik. Mahasiswa S1 akuntansi tahun terakhir ini dikelompokkan menjadi dua kategori, yaitu
mahasiswa S1 akuntansi Universitas Indonesia (UI) dan juga mahasiswa tahun terakhir S1
Studi Eksploratif ..., Muhamad Dzarin Fadhilah, FEB UI, 2017
6
akuntansi universitas lainnya di Indonesia (non-UI) yang memiliki jurusan akuntansi yang
terakreditasi A dari Badan Akreditasi Nasional Perguruan Tinggi.
Sedangkan untuk akuntan publik, sampel yang dipilih adalah akuntan publik dari
kantor akuntan publik big four. Pertimbangan dipilihnya KAP big four adalah karena KAP
big four dapat merepresentasikan KAP lainnya yang dibuktikan dari jumlah pendapatannya
yang mencapai 65,50% dari jumlah pendapatan seluruh kantor akuntan publik yang terdaftar
di Indonesia (PPPK Kemenkeu, 2015). Sampel akuntan publik ini selanjutnya dikelompokkan
menjadi dua kategori, yaitu kategori staf yang terdiri dari staf junior dan staf senior serta
kategori supervisor yang terdiri dari asisten manajer, manajer, direktur, dan rekan.
Selanjutnya, untuk melakukan pengambilan sampel penelitian, peneliti menggunakan metode
convenience sampling.
c. Metode Pengumpulan dan Analisis Data
Penelitian ini bersifat kuantitatif dan menggunakan metode pengumpulan data primer.
Data primer ini diperoleh melalui kuesioner baik berupa lembaran kuesioner fisik maupun
kuesioner elektronik yang dibagikan kepada responden mahasiswa dan akuntan publik. Untuk
seluruh partisipan mahasiswa S1 akuntansi tingkat akhir non-Universitas Indonesia, peneliti
menggunakan kuesioner elektronik sebagai metode pengumpulan data dengan
mempertimbangkan kemudahan dalam hal jarak, waktu, dan kemungkinan kesediaan
partisipan dalam mengisi.
Metode yang digunakan dalam menganalisis data adalah analisis deskriptif atas hasil
kuesioner yang diberikan kepada responden yaitu mahasiswa dan akuntan publik. Selain itu,
peneliti juga melakukan uji beda statistik independen (independent t-test) atas kelompok-
kelompok partisipan. Uji beda ini dilakukan untuk mengetahui apakah terdapat perbedaan
persepsi yang signifikan antara keempat kategori yang menjadi subjek penelitian.
4. Pembahasan
a. Sampel Penelitian Tabel 1.
Kelayakan
sampel
Sampel Jumlah Persentase Layak Tidak Layak
261 14
94,91 5,09
Total 275 100,00
Studi Eksploratif ..., Muhamad Dzarin Fadhilah, FEB UI, 2017
7
Peneliti berhasil mengumpulkan 275 respon dari keempat kategori penelitian melalui
kuesioner fisik dan kuesioner elektronik. Dari 275, sebanyak 261 respon (94,91%) dinyatakan
layak dan kemudian diolah lebih lanjut menggunakan perangkat IBM SPSS Statistics 22.
Sampel dinyatakan tidak layak apabila dalam kuesioner yang terisi responden bukan termasuk
kepada kategori responden yang merupakan target penelitian. Sementara untuk responden
yang tidak mengisi secara lengkap dan/atau melakukan kesalahan dalam pengisian datanya
tetap dimasukkan kecuali untuk yang tidak diisi dan/atau salah dalam melakukan pengisian.
b. Data Demografis Responden
Seperti yang sudah disampaikan sebelumnya, yang menjadi sampel penelitian yaitu
sebanyak 261 orang. Untuk responden mahasiswa dibagi menjadi dua kategori yaitu
mahasiswa tingkat akhir S1 UI dengan jumlah sampel sebanyak 50 orang dan mahasiswa
tingkat akhir S1 non-UI dengan jumlah sampel 50 orang. Sedangkan untuk responden akuntan
publik juga dibagi menjadi dua kategori yaitu staf dengan jumlah sampel sebanyak 102 orang
dan supervisor dengan jumlah sampel sebanyak 59 orang.
Tabel 2. Sampel berdasarkan grup pengguna Excel akuntansi.
Untuk data demografis, peneliti juga menanyakan terkait jumlah periode magang di
kantor akuntan publik yang pernah dilakukan oleh responden mahasiswa. Dari data tersebut,
peneliti juga melakukan analisis dengan membedakan mahasiswa yang pernah magang dan
yang belum pernah. Mahasiswa yang pernah magang diberi nilai 1, sedangkan yang belum
pernah diberikan nilai 0. Kemudian, dari pemberian nilai tersebut, peneliti menghitung nilai
rata-rata dan standar deviasinya. Hasilnya dapat dilihat pada Tabel 3. Tabel ini menunjukkan
bahwa 28 persen dari mahasiswa UI memiliki pengalaman kerja di KAP sedangkan untuk
mahasiswa non-UI, hanya sekitar 12 persen yang memiliki pengalaman kerja tersebut.
Tabel 3. Pengalaman kerja mahasiswa di kantor akuntan publik (Ya = 1, Tidak = 0). N Mean Standar Deviasi Mahasiswa Universitas Indonesia 50 0,28 0,4536 Mahasiswa Non- Universitas Indonesia 50 0,12 0,3283
Berdasarkan asal kantor akuntan publik, responden yang paling banyak berasal dari
PwC dengan jumlah responden 59 orang, kemudian disusul oleh Deloitte dengan 46 orang,
Staf di kantor akuntan publik 102 Supervisor di kantor akuntan publik 59 Mahasiswa Universitas Indonesia 50 Mahasiswa Non-Universitas Indonesia 50 Total (n) 261
Studi Eksploratif ..., Muhamad Dzarin Fadhilah, FEB UI, 2017
8
EY dengan 37 orang, dan KPMG dengan 19 orang. Sedangkan berdasarkan sebaran divisi,
akuntan publik mayoritas berasal dari divisi audit/assurance yaitu dengan jumlah 144 orang,
atau sekitar 91% dari total responden akuntan publik. Untuk responden lain, 13 orang berasal
dari advisory, dan 4 orang berasal dari divisi lain yaitu tax, quality assurance, consulting, dan
risk assurance.
Dalam Tabel 4 peneliti melakukan analisis perbandingan pengalaman kerja untuk
keempat kategori. Untuk kategori pertama yaitu staf di kantor akuntan publik, rata-rata
pengalaman bekerjanya adalah 21,57 bulan. Sedangkan untuk kategori supervisor, rata-rata
merupakan kategori dengan rata-rata pengalaman bekerja terlama yaitu 96,80 bulan. Untuk
kategori mahasiswa Universitas Indonesia, rata-rata pengalaman bekerjanya adalah 0,79 bulan
dan untuk kategori mahasiswa non-Universitas Indonesia adalah 0,26 bulan.
Tabel 4. Pengalaman kerja di kantor akuntan publik (semua kategori).
N Mean Standar Deviasi
Median Range Low
Range High
Staf di kantor akuntan publik 102 21,57 17,9699 16,5 1 86 Supervisor di kantor akuntan publik
59 96,80 36,7980 96 41 250
Mahasiswa Universitas Indonesia
50 0,79 1,2900 0 0 3
Mahasiswa Non-Universitas Indonesia
50 0,26 0,7775 0 0 3
c. Persepsi terkait Pentingnya Excel dalam Menyelesaikan Pekerjaan di Kantor
Akuntan Publik
Peneliti melakukan analisis deskriptif mengenai persepsi keempat kategori responden
terkait pentingnya Excel dalam menyelesaikan pekerjaan di kantor akuntan publik.
Berdasarkan hasil survei yang peneliti lakukan, semua kategori cenderung menyatakan bahwa
Excel sangat penting dalam membantu mereka menyelesaikan pekerjaannya di kantor akuntan
publik. Yaitu dengan nilai rata-rata paling rendah 8,720 untuk semua kategori.
19
59 46 37
Gambar 1. Asal KAP Responden
KPMG PwC Deloitte EY
144
13 4
Gambar 2. Divisi Responden
Audit/Assurance Advisory Lain-lain
Studi Eksploratif ..., Muhamad Dzarin Fadhilah, FEB UI, 2017
9
Tabel 5. Persepsi pentingnya Excel dalam menyelesaikan pekerjaan di kantor akuntan publik.
N Mean Standar deviasi
Median Range low Range high
Staf 102 9,725 0,9966 10,00 1,00 10,00 Supervisor 58 9,724 0,6700 10,00 7,00 10,00 Mahasiswa UI 50 9,440 0,7866 10,00 8,00 10,00 Mahasiswa Non-UI 50 8,720 1,5124 9,00 1,00 10,00 Tabel 6. Hasil uji beda (independent t-test) atas persepsi pentingnya Excel dalam menyelesaikan pekerjaan di kantor akuntan publik.
Df t-value p-value Staf (n=102) vs Supervisor (n=58) 158 0,009 0,993 Staf (n=102) vs Mahasiswa UI (n=50) 150 1,772 0,078 Staf (n=102) vs Mahasiswa Non-UI (n=50) 150 4,895 0,000 Mahasiswa UI vs Mahasiswa Non-UI 98 2,986 0,004 Akuntan Publik (n=160) vs Mahasiswa (n=100) 258 4,846 0,000
Peneliti juga melakukan melakukan uji beda statistik atas nilai rata-rata berbagai
kategori yang dapat dilihat di Tabel 6. Hasil penelitian menunjukkan bahwa terdapat
perbedaan yang signifikan atas staf dan mahasiswa UI (p = 0,078), dimana staf lebih
mempercayai pentingnya Excel di KAP. Perbedaan yang lebih signifikan ditunjukkan oleh
perbandingan antara staf dan mahasiswa non-UI (p = 0,000). Begitu halnya juga dengan
mahasiswa UI yang secara signifikan mempunyai kepercayaan lebih tinggi bahwa Excel
penting untuk menunjang pekerjaan mereka di KAP kelak dibanding mahasiswa non-UI (p =
0,004).
Peneliti juga menggabungkan kategori staf dan supervisor menjadi kategori akuntan
publik sedangkan mahasiswa UI dan mahasiswa non-UI menjadi mahasiswa. Ternayata
terdapat perbedaan signifikan antara akuntan publik dan juga mahasiswa terkait pentingnya
penggunaan Excel spreadsheet dalam mendukung pekerjaan mereka (pekerjaan mereka kelak)
di kantor akuntan publik (p = 0,000).
d. Persepsi terkait Keahlian Staf di KAP dalam Menggunakan Excel
Dapat dilihat pada Tabel 6 ternyata nilai rata-rata persepsi staf akan keahliannya
sendiri lebih tinggi dibandingkan dengan persepsi supervisor atas keahlian mereka, yaitu
dengan rata-rata 7,039 berbanding 6,069 atau berbeda 0,970. Hasil uji beda pada Tabel 6 juga
menunjukkan bahwa perbedaan tersebut signifikan (p = 0,001). Ini berarti staf di KAP menilai
bahwa mereka sendiri cukup menguasai Excel dan cukup percaya diri dibandingkan
supervisor memercayai keahlian mereka.
Studi Eksploratif ..., Muhamad Dzarin Fadhilah, FEB UI, 2017
10
Tabel 6. Persepsi terkait apakah staf di KAP ahli dalam Excel dan Hasil uji beda (independent t-test) atas persepsi terkait apakah staf di KAP ahli dalam Excel.
N Mean Standar deviasi
Median Range low Range high
Staf 102 7,039 1,7628 7,000 2,0 10,0 Supervisor 58 6,069 1,8148 6,000 1,0 9,0
Df t-value
p-value
Staf (n=102) vs Supervisor (n=58)
158 3,311 0,001
e. Persepsi terkait Pengetahuan dalam Menggunakan Fungsi Excel Spesifik
Tabel 7 menunjukkan bahwa staf di KAP memiliki pengetahuan yang lebih besar atas
basic functions, format functions, filter and sort data, vertical (horizontal) lookup functions,
dan pivot tables dibandingkan fungsi-fungsi Excel lainnya. Untuk mahasiswa UI,
pengetahuan mereka dalam menggunakan basic functions, format functions, charts and
graphs function, filter and sort data, dan keyboard functions lebih tinggi dibandingkan
dengan fungsi lainnya.
Tabel 7. Persepsi terkait pengetahuan dalam menggunakan fungsi Excel spesifik
Staf KAP N Mean Standar deviasi
Median Range low
Range high
Basic functions (e.g., add, divide, sum, table)
100 9,240 1,0456 10,000 5,0 10,0
Format functions (e.g., fonts, highlighting number
100 9,190 1,1866 10,000 5,0 10,0
Filter and sort data functions 100 9,120 1.2167 10,000 3,0 10,0 Macros 100 4,830 2,5547 5,000 1,0 10,0 Vertical (horizontal) lookup functions
99 8,707 1,5731 9,000 2,0 10,0
Pivot tables 100 8,470 1,7550 9,000 3,0 10,0 Formula auditing (e.g., trace, show, evaluate formulas)
100 6,550 2,5520 7,000 1,0 10,0
Data analysis add-in functions (e.g., descriptive statistics)
100 5,720 2,7158 7,000 1,0 10,0
Statistical regression analysis function
100 5,260 2,5766 5,000 1,0 10,0
Concatenate function 100 6,210 2,9035 7,000 1.0 10,0 Financial functions (e.g., NPV, PMT, FV)
100 6,060 2,4611 7,000 1,0 10,0
If/Then statements 100 8,350 1,7313 9,000 3,0 10,0 Keyboard shorcuts 100 8,440 1,4656 9,000 3,0 10,0 Charts and graphs function 100 7,840 1,6436 8,000 3,0 10,0 Mahasiswa UI
N
Mean
Standar deviasi
Median
Range low
Range high
Basic functions (e.g., add, divide, sum, table)
50 9,240 1,1704 10,000 4,0 10,0
Format functions (e.g., fonts, highlighting number
50 9,180 1,2887 10,000 6,0 10,0
Studi Eksploratif ..., Muhamad Dzarin Fadhilah, FEB UI, 2017
11
Filter and sort data functions 50 7,880 1,9758 8,000 2,0 10,0 Macros 50 4,660 2,4546 5,000 1,0 10,0 Vertical (horizontal) lookup functions
50 6,480 2,8229 7,000 1,0 10,0
Pivot tables 50 4,640 3,0356 5,000 1,0 10,0 Formula auditing (e.g., trace, show, evaluate formulas)
50 3,240 2,5917 5,000 1,0 10,0
Data analysis add-in functions (e.g., descriptive statistics)
50 4,020 2,8820 3,500 1,0 10,0
Statistical regression analysis function
50 3,400 2,6496 2,500 1,0 10,0
Concatenate function 50 2,960 2,4575 2,000 1,0 10,0 Financial functions (e.g., NPV, PMT, FV)
50 4,720 3,1301 5,000 1,0 10,0
If/Then statements 50 6,840 2,5584 7,000 1,0 10,0 Keyboard shorcuts 50 6,940 2,4278 7,000 1,0 10,0 Charts and graphs function 50 8,200 1,7843 8,000 3,0 10,0 Mahasiswa Non-UI
N
Mean
Standar deviasi
Median
Range low
Range high
Basic functions (e.g., add, divide, sum, table)
50 8,400 1,7023 9,000 2,0 10,0
Format functions (e.g., fonts, highlighting number
50 8,400 1,7496 9,000 3,0 10,0
Filter and sort data functions 50 7,500 1,8323 8,000 3,0 10,0 Macros 50 4,540 2,3142 4,000 1,0 10,0 Vertical (horizontal) lookup functions
50 6,940 2,5747 7,000 2,0 10,0
Pivot tables 50 6,080 2,7909 6,500 1,0 10,0 Formula auditing (e.g., trace, show, evaluate formulas)
50 4,180 2,4800 4,000 1,0 8,0
Data analysis add-in functions (e.g., descriptive statistics)
50 3,940
2,1229 4,000 1,0 8,0
Statistical regression analysis function
50 3,760 2,0757 4,000 1,0 9,0
Concatenate function 50 4,540 2,7937 4,000 1,0 10,0 Financial functions (e.g., NPV, PMT, FV)
50 5,800 2,5635 5,500 1,0 10,0
If/Then statements 50 7,380 2,4652 8,000 2,0 10,0 Keyboard shorcuts 50 6,740 2,1458 7,000 2,0 10,0 Charts and graphs function 50 7,100 2,0825 7,000 3,0 10,0 Tabel 8. Hasil uji beda (independent t-test) atas pengetahuan dalam menggunakan fungsi Excel
Staf vs UI Staf vs Non-UI UI vs Non- UI Df t-value p-
value Df t-
value p-value
Df t-value
p-value
Basic functions (e.g., add, divide, sum, table)
148 0,000
1,000 148 3,730 0,000 98 2,875 0,005
Format functions (e.g., fonts, highlighting number
148 0,047 0,962 148 3,262 0,001 98 2,538 0,013
Filter and sort data functions 148 4,738 0,000 148 6,452 0,000 98 0,997 0,321 Macros 148 0,389 0,698 148 0,676 0,500 98 0,252 0,802 Vertical (horizontal) lookup functions 147 6,186 0,000 147 5,184 0,000 98 -0,851 0,397 Pivot tables 148 9,781 0,000 148 6,406 0,000 98 -2,469 0,015 Formula auditing (e.g., trace, show, 148 7,450 0,000 148 5,412 0,000 98 -1,853 0,067
Studi Eksploratif ..., Muhamad Dzarin Fadhilah, FEB UI, 2017
12
evaluate formulas) Data analysis add-in functions (e.g., descriptive statistics)
148 3,541 0,001 148 4,054 0,000 98 0,158 0,875
Statistical regression analysis function 148 4,129 0,000 148 3,575 0,000 98 -0,756 0,451 Concatenate function 148 6,789 0,000 148 3,362 0,001 98 -3,003 0,003 Financial functions (e.g., NPV, PMT, FV)
148 2,864 0,005 148 0,602 0,548 98 -1,888 0,062
If/Then statements 148 4,268 0,000 148 2,794 0,006 98 -1,075 0,285 Keyboard shorcuts 148 4,705 0,000 148 5,704 0,000 98 0,436 0,663 Charts and graphs function 148 -1,229 0,221 148 2,373 0,019 98 2,836 0,006
Peneliti juga meneliti perbedaan persepsi atas semua kategori yang disurvei. Pada
Tabel 8, peneliti melakukan t-test pada staf dan mahasiswa UI. Hasilnya adalah terdapat 10
fungsi yang memiliki perbedaan signifikan antara staf dan mahasiswa UI. Hasil ini
menunjukkan bahwa persepsi staf atas pengetahuannya terkait suatu fungsi Excel spesifik
lebih baik dibandingkan dengan mahasiswa UI. Uji beda statistik berikutnya dilakukan
terhadap kategori staf dan mahasiswa non-UI. Hasilnya menunjukkan hanya terdapat dua
fungsi yang tidak memiliki perbedaan signifikan yaitu macros (p = 0,500) dan financial
functions (p = 0,548).
Selain melakukan uji beda statistik terhadap staf dan mahasiswa, peneliti juga
melakukan uji beda statistik terhadap kategori mahasiswa Universitas Indonesia dan
mahasiswa non-Universitas Indonesia. Hasilnya menunjukkan bahwa mahasiswa Universitas
Indonesia memiliki persepsi terkait pengetahuan dalam menggunakan basic functions (p =
0,005), format functions (p = 0,013), dan charts and graphs function (p = 0,006) yang lebih
tinggi secara signifikan dibanding mahasiswa non Universitas Indonesia.
f. Pemeringkatan Fungsi Excel Spesifik
Analisis selanjutnya adalah terkait pemeringkatan (ranking) terhadap fungsi-fungsi
Excel spesifik. Dalam penelitian ini, peneliti mengarahkan kepada responden untuk
memeringkatkan antara peringkat 1 s.d. 14 (1 untuk yang paling penting dan 14 untuk yang
paling tidak penting) untuk masing-masing fungsi yang berbeda. Peneliti menganalisisnya
dengan menggunakan analisis rata-rata nilai.
Tabel 9. Pemeringkatan fungsi Excel spesifik: semua kategori.
Fungsi Staf Supervisor Mahasiswa UI Mahasiswa non-UI
Basic functions 1 1 1 1 Format functions 4 4 6 2 (tie) Filter and sort 2 2 2 2 (tie) Macros 14 13 12 10 Vertical (horizontal) lookup functions 6 3 4 4 Pivot tables 5 5 8 7 Formula auditing 8 8 3 6 Data analysis add-in functions 12 11 5 5
Studi Eksploratif ..., Muhamad Dzarin Fadhilah, FEB UI, 2017
13
S
eperti yang dapat kita lihat pada Tabel 8, hasil analisis atas keempat kategori menunjukkan
bahwa peringkat 1 sama-sama ditempati oleh basic functions. Sama halnya yang terjadi pada
filter and sort data yang menempati peringkat 2 atas keempat kategori. Dengan meilhat hasil
ini, dapat disimpulkan bahwa semua kategori yang menjadi responden penelitian menganggap
bahwa basic functions dan filter and sort data merupakan dua fungsi yang paling penting bagi
pekerjaan mereka di lingkungan kantor akuntan publik.
Untuk staf di KAP, fungsi yang dianggap paling penting dan mendukung pekerjaan
mereka di kantor akutan publik adalah basic functions, filter and sort data, keyboard
shortcuts, format functions, dan pivot tables. Perbedaan lima peringkat fungsi-fungsi
terpenting antara staf dan supervisor hanyalah pada peringkat 3 dimana keyboard shortcuts
yang pada staf merupakan peringkat 3, untuk supervisor peringkat 3 diisi oleh vertical
(horizontal) lookup functions.
Beralih ke kategori mahasiswa, untuk kategori mahasiswa UI fungsi-fungsi yang
dianggap paling penting adalah basic functions, filter and sort data, formula auditing, vertical
(horizontal) lookup functions, dan data analysis add-in function. Sedangkan untuk kategori
mahasiswa non-UI fungsi-fungsi yang dianggap penting hampir sama dengan kategori
mahasiswa UI. Bagi akuntan pendidik, hasil ini menunjukkan ternyata terdapat perbedaan
persepsi antara akuntan publik dengan mahasiswa dalam hal memilih fungsi-fungsi Excel
yang dianggap penting. Temuan ini juga menunjukkan bahwa mahasiswa menaksir terlalu
tinggi atau malah meremehkan fungsi-fungsi Excel tersebut.
g. Persepsi atas Frekuensi Penggunaan Fungsi Excel Spesifik
Untuk bagian ini adalah terkait kuantitas atau menilai seberapa sering penggunaan
masing-masing fungsi Excel spesifik ini untuk menyelesaikan pekerjaan di lingkungan kantor
akuntan publik. Disini peneliti ingin meneliti juga terkait apa yang diekspektasikan oleh
mahasiswa terkait seberapa seringnya fungsi-fungsi Excel tersebut akan digunakan dalam
menyelesaikan pekerjaan mereka di lingkungan kantor akuntan publik kelak.
Tabel 11. Frekuensi penggunaan fungsi Excel spesifik
Staf N Mean Standar deviasi
Median Range low
Range high
Statistical regression analysis function
13 14 11 14
Concatenate function 10 12 14 13 Financial functions 11 10 10 11 If/Then statements 7 7 9 9 Keyboard shortcuts 3 6 7 8 Charts and graphs function 9 9 13 12
Studi Eksploratif ..., Muhamad Dzarin Fadhilah, FEB UI, 2017
14
Basic functions (e.g., add, divide, sum, table)
96 9,594 0,8282 10,000 5,0 10,0
Format functions (e.g., fonts, highlighting number
96 9,344 1,1592 10,000 5,0 10,0
Filter and sort data functions 96 9,500 0,8826 10,000 5,0 10,0 Macros 96 4,552 2,7487 5,000 1,0 10,0 Vertical (horizontal) lookup functions
96 8,760 1,8396 10,000 1,0 10,0
Pivot tables 96 8,406 1,8444 9,000 1,0 10,0 Formula auditing (e.g., trace, show, evaluate formulas)
96 6,177 2,8873 7,000 1,0 10,0
Data analysis add-in functions (e.g., descriptive statistics)
96 4,625 2,8069 5,000 1,0 10,0
Statistical regression analysis function
96 3,781 2,6880 3,000 1,0 10,0
Concatenate function 96 5,448 3,1418 5,500 1,0 10,0 Financial functions (e.g., NPV, PMT, FV)
96 5,177 2,8691 5,500 1,0 10,0
If/Then statements 96 8,042 2,3749 9,000 1,0 10,0 Keyboard shorcuts 96 9,281 1,2954 10,000 3,0 10,0 Charts and graphs function 96 7,406 2,2505 8,000 1,0 10,0 Supervisor
N
Mean
Standar deviasi
Median
Range low
Range high
Basic functions (e.g., add, divide, sum, table)
59 9,390 0,8513 10,000 7,0 10,0
Format functions (e.g., fonts, highlighting number
59 8,881 1,6824 10,000 3,0 10,0
Filter and sort data functions 59 9,102 1,0454 9,000 6,0 10,0 Macros 59 5,153 2,6249 5,000 1,0 10,0 Vertical (horizontal) lookup functions
59 8,322 1,7165 8,000 2,0 10,0
Pivot tables 59 8,153 2,0994 9,000 1,0 10,0 Formula auditing (e.g., trace, show, evaluate formulas)
59 7,102 2,4544 7,000 1,0 10,0
Data analysis add-in functions (e.g., descriptive statistics)
59 5,712 2,8890 6,000 1,0 10,0
Statistical regression analysis function
59 4,424 2,8358 5,000 1,0 10,0
Concatenate function 59 5,542 3,0304 5,000 1,0 10,0 Financial functions (e.g., NPV, PMT, FV)
59 5,814 2,6940 6,000 1,0 10,0
If/Then statements 59 7,644 2,1316 8,000 2,0 10,0 Keyboard shorcuts 59 8,780 1,4747 9,000 5,0 10,0 Charts and graphs function 59 6,966 2,0508 7,000 1,0 10,0 Mahasiswa UI
N
Mean
Standar deviasi
Median
Range low
Range high
Basic functions (e.g., add, divide, sum, table)
50 9,480 0,9528 10,000 5,0 10,0
Format functions (e.g., fonts, highlighting number
50 8,700 1,7291 9,000 2,0 10,0
Filter and sort data functions 50 8,680 1,5836 9,000 3,0 10,0 Macros 50 6,340 2,7819 7,000 1,0 10,0 Vertical (horizontal) lookup functions
50 7,640 2,5376 8,000 1,0 10,0
Pivot tables 50 7,020 3,0338 8,000 1,0 10,0 Formula auditing (e.g., trace, show, evaluate formulas)
50 7,420 3,1693 9,000 1,0 10,0
Data analysis add-in functions (e.g., descriptive statistics)
50 6,860 2,9278 8,000 1,0 10,0
Statistical regression analysis function
50 6,040 2,9064 6,500 1,0 10,0
Concatenate function 50 5,940 3,1585 6,000 1,0 10,0 Financial functions (e.g., NPV, 50 7,040 2,7402 8,000 1,0 10,0
Studi Eksploratif ..., Muhamad Dzarin Fadhilah, FEB UI, 2017
15
PMT, FV) If/Then statements 50 7,460 2,4345 8,000 1,0 10,0 Keyboard shorcuts 50 8,840 1,8111 10,000 1,0 10,0 Charts and graphs function 50 8,300 2,0329 9,000 2,0 10,0 Mahasiswa Non-UI
N
Mean
Standar deviasi
Median
Range low
Range high
Basic functions (e.g., add, divide, sum, table)
50 8,720 1,4574 9,000 5,0 10,0
Format functions (e.g., fonts, highlighting number
50 7,780 1,7761 8,000 4,0 10,0
Filter and sort data functions 50 8,240 1,5592 8,000 4,0 10,0 Macros 50 5,960 2,0300 6,000 1,0 10,0 Vertical (horizontal) lookup functions
50 7,160 1,9098 7,000 2,0 10,0
Pivot tables 50 7,020 2,2176 7,500 1,0 10,0 Formula auditing (e.g., trace, show, evaluate formulas)
50 7,440 2,4839 8,000 1,0 10,0
Data analysis add-in functions (e.g., descriptive statistics)
50 6,420 2,1485 7,000 1,0 10,0
Statistical regression analysis function
50 6,520 2,3320 7,000 1,0 10,0
Concatenate function 50 6,060 2,1035 6,000 1,0 10,0 Financial functions (e.g., NPV, PMT, FV)
50 7,140 2,2040 7,000 1,0 10,0
If/Then statements 50 7,520 2,2153 8,000 1,0 10,0 Keyboard shorcuts 50 7,940 2,1610 8,000 2,0 10,0 Charts and graphs function 50 7,820 1,9763 8,000 3,0 10,0 Tabel 12. Hasil uji beda (independent t-test) atas frekuensi penggunaan fungsi Excel spesifik.
Staf vs Supervisor Staf vs Mahasiswa UI Staf vs Mahasiswa Non-UI
Akuntan Publik vs Mahasiswa
Df t-value
p-value
Df t-value p-value
Df t-value p-value
Df t-value p-value
Basic functions (e.g., add, divide, sum, table)
152 1,538 0,126 144 0,747 0,456 144 4,621 0,000 252 3,098 0,002
Format functions (e.g., fonts, highlighting number
152 2,095 0,038 144 2,675 0,008 144 6,405 0,000 252 4,574 0,000
Filter and sort data functions
152 2,625 0,010 144 4,021 0,000 144 6,239 0,000 252 5,537 0,000
Macros 152 -1,159 0,248 144 -3,714 0,000 144 -3,194 0,002 252 -4,222 0,000 Vertical (horizontal) lookup functions
152 1,566 0,119 144 3,054 0,003 144 4,924 0,000 252 4,636 0,000
Pivot tables 152 0,883 0,379 144 3,428 0,001 144 4,016 0,000 252 4,435 0,000 Formula auditing (e.g., trace, show, evaluate formulas)
152 -1,926 0,056 144 -2,386 0,018 144 -2,627 0,010 252 -2,582 0,010
Data analysis add-in functions (e.g., descriptive statistics)
152 -2,155 0,033 144 -4,499 0,000 144 -3,956 0,000 252 -4,630 0,000
Statistical regression analysis
152 -1,210 0,228 144 -4,685 0,000 144 -6,105 0,000 252 -6,647 0,000
Studi Eksploratif ..., Muhamad Dzarin Fadhilah, FEB UI, 2017
16
function Concatenate function
152 -0,034 0,973 144 -0,896 0,372 144 -1,239 0,217 252 -1,452 0,148
Financial functions (e.g., NPV, PMT, FV)
152 -1,215 0,226 144 -3,780 0,000 144 -4,229 0,000 252 -4,950 0,000
If/Then statements
152 1,153 0,251 144 1,392 0,166 144 1,288 0,200 252 1,310 0,192
Keyboard shorcuts
152 2,299 0,023 144 1,697 0,092 144 4,684 0,000 252 3,236 0,001
Charts and graphs function
152 1,365 0,174 144 -2,352 0,020 144 -1,098 0,274 252 -3,096 0,002
Tabel 11 menunjukkan bahwa staf di KAP percaya mereka paling sering
menggunakan basic functions, filter and sort data functions, format functions, keyboard
shortcuts, dan vertical (horizontal) lookup functions sebagai bagian dari pekerjaannya di
KAP. Untuk kategori supervisor, penelitian menunjukkan bahwa supervisor di KAP percaya
bahwa mereka paling sering menggunakan basic functions, filter and sort data functions,
format functions, keyboard shortcuts, dan vertical (horizontal) lookup functions sebagai
bagian dari pekerjaannya di KAP.
Untuk kategori mahasiswa, dari tabel tersebut mahasiswa Universitas Indonesia
mempercayai bahwa mereka kelak akan paling sering menggunakan basic functions, keyboard
shortcuts, format functions, filter and sort data functions, dan charts and graphs function
sebagai bagian dari pekerjaannya di kantor akuntan publik. Sedangkan untuk mahasiswa non-
Universitas Indonesia mempercayai bahwa mereka kelak akan paling sering menggunakan
basic functions, filter and sort data functions, keyboard shortcuts, charts and graphs function,
dan format functions sebagai bagian dari pekerjaannya di kantor akuntan publik.
Analisis selanjutnya adalah melalui Tabel 12, yaitu peneliti melakukan uji beda
statistik (independent t-test) terhadap nilai rata-rata keempat kategori atas persepsi mereka
terkait frekuensi penggunaan fungsi Excel spesifik ini. Tabel tersebut menunjukkan bahwa
kategori staf secara signifikan menganggap format functions, filter and sort data functions,
dan keyboard shortcuts lebih sering mereka gunakan dalam menyelesaikan pekerjaan di
kantor akuntan publik dibanding dengan kategori supervisor.
Untuk perbandingan dengan kategori mahasiswa kategori staf secara signifikan
menganggap format functions (p = 0,008), filter and sort data functions (p = 0,000), vertical
(horizontal) lookup functions (p = 0,003), pivot tables (p = 0,001), dan keyboard shortcuts (p
=0,092) lebih sering mereka gunakan dalam menyelesaikan pekerjaan mereka di kantor
akuntan publik dibanding dengan kategori mahasiswa Universitas Indonesia menganggap
fungsi-fungsi tersebut akan sering mereka gunakan. Kategori staf juga secara signifikan
Studi Eksploratif ..., Muhamad Dzarin Fadhilah, FEB UI, 2017
17
menganggap basic functions (p = 0,000), format functions (p = 0,000), filter and sort data
functions (p = 0,000), vertical (horizontal) lookup functions (p = 0,000), pivot tables (p =
0,000), dan keyboard shortcuts (p =0,000) lebih sering mereka gunakan dalam menyelesaikan
pekerjaan mereka di kantor akuntan publik dibanding dengan kategori mahasiswa non-
Universitas Indonesia menganggap fungsi-fungsi tersebut akan sering mereka gunakan.
Tabel ini juga menunjukkan perbedaan persepsi antara kategori akuntan publik dan
kategori mahasiswa. Akuntan publik menganggap bahwa basic functions (p = 0,002), format
functions (p = 0,000), filter and sort data functions (p = 0,000), vertical (horizontal) lookup
functions (p = 0,000), pivot tables (p = 0,000), dan keyboard shortcuts (p = 0,001) secara
signifikan lebih sering mereka gunakan dalam menyelesaikan pekerjaan mereka di kantor
akuntan publik dibanding dengan kategori mahasiswa menganggap fungsi-fungsi tersebut
akan sering mereka gunakan. Sedangkan untuk fungsi-fungsi seperti macros (p = 0,000),
formula auditing (p = 0,010), data analysis add-in functions (p = 0,000), statistical regression
analysis function (p = 0,000), financial functions (p = 0,000), dan charts and graphs function
(p = 0,002) mahasiswa terlalu berekspektasi bahwa fungsi-fungsi tersebut akan sering mereka
gunakan, padahal kenyataannya secara signifikan persepsi akuntan publik menganggap
fungsi-fungsi tersebut tidak begitu serig seperti yang mahasiswa ekspektasikan.
Untuk akuntan pendidik, hasil ini menunjukkan bahwa mahasiswa yang belum
memulai berkarir di kantor akuntan publik dan rata-rata dari mereka bahkan belum pernah
melakukan magang cenderung meremehkan pentingnya fungsi-fungsi Excel spesifik yang
sering digunakan oleh akuntan publik.
h. Persepsi terkait Pengetahuan dalam Menggunakan Excel oleh Mahasiswa
dibanding Frekuensi Penggunaan Fungsi Excel Spesifik oleh Akuntan Publik
Tabel di bawah ini menunjukkan bahwa frekuensi penggunaan basic functions (p =
0,000), filter and sort data functions (p = 0,000), vertical (horizontal) lookup functions (p =
0,000), pivot tables (p = 0,000), formula auditing (p = 0,000), concatenate function (p =
0,000), dan keyboard shortcuts (p = 0,000) oleh staf di KAP secara signifikan lebih tinggi
dibanding persepsi yang dimiliki oleh mahasiswa UI atas pengetahuan mereka dalam
menggunakan fungsi-fungsi tersebut. Sedangkan untuk mahasiswa non-UI, tabel ini
menunjukkan bahwa frekuensi penggunaan basic functions (p = 0,000), format functions (p =
0,000), filter and sort data functions (p = 0,000), vertical (horizontal) lookup functions (p =
0,000), pivot tables (p = 0,000), formula auditing (p = 0,000), concatenate function (p =
0,088), dan keyboard shortcuts (p = 0,000) oleh secara signifikan lebih tinggi dibanding
Studi Eksploratif ..., Muhamad Dzarin Fadhilah, FEB UI, 2017
18
persepsi yang dimiliki oleh mahasiswa non-Universitas Indonesia atas pengetahuan mereka
dalam menggunakan fungsi-fungsi tersebut.
Tabel ini juga menunjukkan bahwa frekuensi penggunaan basic functions (p = 0,000),
format functions (p = 0,006), filter and sort data functions (p = 0,000), vertical (horizontal)
lookup functions (p = 0,000), pivot tables (p = 0,000), formula auditing (p = 0,000), data
analysis add-in function (p = 0,092), concatenate function (p = 0,088), if/then statements (p =
0,008) dan keyboard shortcuts (p = 0,000) oleh staf di KAP secara signifikan lebih tinggi
dibanding persepsi mahasiswa atas pengetahuan yang mereka miliki baik Universitas
Indonesia maupun non-Universitas Indonesia. Hal ini dapat mengindikasikan bahwa
pengetahuan mahasiswa untuk fungsi-fungsi tersebut dapat ditingkatkan agar dapat memenuhi
ekspektasi pemberi kerja Karena seringnya fungsi-fungsi tersebut digunakan.
Frekuensi Penggunaan Staf (n=102) vs Tingkat Pengatahuan Mahasiswa Universitas Indonesia (n=50).
Staf vs Mahasiswa UI Mahasiswa Non-UI Mahasiswa UI dan Non-UI Df t-value p-value Df t-value p-value Df t-value p-value Basic functions (e.g., add, divide, sum, table)
144 2,116 0,000 144 5,707 0,000 194 4,414 0,000
Format functions (e.g., fonts, highlighting number
144 0,779 0,437 144 3,897 0,000 194 2,790 0,006
Filter and sort data functions
144 6,844 0,000 144 8,911 0,000 194 8,475 0,000
Macros 144 -0,233 0,816 144 0,027 0,979 194 -0,131 0,979 Vertical (horizontal) lookup functions
144 5,880 0,000 144 4,927 0,000 194 6,192 0,000
Pivot tables 144 9,311 0,000 144 6,029 0,000 194 8,543 0,000 Formula auditing (e.g., trace, show, evaluate formulas)
144 6,036 0,000 144 4,156 0,000 194 6,327 0,000
Data analysis add-in functions (e.g., descriptive statistics)
144 1,225 0,223 144 1,514 0,132 194 1,695 0,092
Statistical regression analysis function
144 0,817 0,415 144 0,049 0,961 194 0,556 0,579
Concatenate function 144 4,874 0,000 144 1,719 0,088 194 4,040 0,000 Financial functions (e.g., NPV, PMT, FV)
144 0,885 0,377 144 -1,290 0,199 194 -0,201 0,841
If/Then statements 144 2,825 0,005 144 1,577 0,117 194 2,665 0,008 Keyboard shorcuts 144 7,609 0,000 144 8.911 0,000 194 9,160 0,000 Charts and graphs function
144 -2,164 0,032 144 0,800 0,425 194 -0,801 0,424
5. Kesimpulan dan Saran
Penelitian ini memberikan kontribusi untuk literatur akuntansi pendidikan dengan
menambah pengetahuan kita mengenai pentingnya dan penggunaan Excel di lingkungan
kantor akuntan publik. Peneliti mengidentifikasi ulang berdasarkan penelitian terdahulu
Studi Eksploratif ..., Muhamad Dzarin Fadhilah, FEB UI, 2017
19
terkait fungsi-fungsi Excel tertentu yang dianggap penting dan digunakan oleh staf di kantor
akuntan publik. Penelitian ini juga menyoroti perbedaan dalam persepsi dan pengetahuan
antara apa yang dipikirkan oleh mahasiswa yang menurutnya penting dan apa yang staf di
kantor akuntan publik sebenarnya gunakan. Pengetahuan terkait hal ini memungkinkan
akuntan pendidik untuk memasukkan fungsi-fungsi paling penting dan paling digunakan
tersebut ke dalam kurikulum akuntansi sehingga kedepannya mahasiswa S1 akuntansi lebih
siap dalam menjalani karirnya kelak di lingkungan kantor akuntan publik.
Dalam hal pengaplikasiannya, ada banyak cara yang akuntan pendidik dapat lakukan
terkait penggabungan antara pemikiran analitis dan kritis dengan keterampilan dalam
menggunakan fungsi-fungsi Excel yang dirasa paling penting dan paling sering digunakan di
kantor akuntan publik. Misalnya, Convery dan Swaney (2012) memperkenalkan modul
instruksional yang disebut “Analyzing Business Issues – with Excel” yang dapat digunakan
dalam mata kuliah akuntansi manajemen untuk mengembangkan kemampuan analitis
mahasiswa dalam memecahkan suatu masalah menggunakan Excel.
Sebagaimana dibahas dalam penelitian ini, mendapatkan pemahaman yang lebih baik
dari fungsi-fungsi Excel yang dianggap penting dan sering digunakan di kantor akuntan
publik merupakan langkah pertama yang penting untuk lebih mempersiapkan mahasiswa
akuntansi dalam kemungkinan karirnya kelak di kantor akuntan publik. Langkah yang
mungkin dapat dilakukan oleh peneliti berikutnya atau oleh akuntan pendidik adalah untuk
mendapatkan pemahaman atas sejauh mana fungsi-fungsi Excel ini dapat dimasukkan ke
dalam kurikulum akuntansi. Beberapa kesenjangan yang diidentifikasi (dari perspektif
mahasiswa akuntansi dan perspektif akuntan publik) dapat diekspolrasi dan dievaluasi untuk
mengidentifikasi strategi-strategi yang lebih baik dalam menyiapkan mahasiswa akuntansi
untuk berkarir di kantor akuntan publik.
DAFTAR REFERENSI
Akroyd, C., Askarany, D., O’Grady, W., & Spraakman, G. (2013). Requirements for information
technology with newly hired management accounting graduates. Working paper.
Alder, J. (2011). Closing the loop on closing the books. Strategic Finance (July), 43–47.
Brown, W., & Pike, B. (2010). Excel competency for the professional accountant: Advanced
applications, controls, and audit addins. AIS Educators Journal, 5, 25–45.
Convery, S., & Swaney, A. (2012). Analyzing business issues with Excel: The case of superior log
cabins, inc. Issues in Accounting Education, 27, 141–156.
Studi Eksploratif ..., Muhamad Dzarin Fadhilah, FEB UI, 2017
20
Cory, S., & Pruske, K. (2012). Necessary skills for accounting graduates: An exploratory study to
determine what the profession wants. Proceeds of ASBBS Annual Conference: Las Vegas, 19,
208–218.
French, G., & Coppage, R. (2000). Educational issues challenging the future of the accounting
profession. Ohio CPA Journal, 59(2), 69–73.
Jackson, R., & Cherrington, J. (2002). IT instruction methodology and minimum competency for
accounting students. Journal of Information Systems Education, 12(4), 213–221.
Kavanagh, M., & Drennan, L. (2008). What skills and attributes does an accounting graduate need?
Evidence from student perceptions and employer expectations. Accounting and Finance,
48(2), 279–300.
Nevelyn, Josephine P.R. (2016). Persepsi Mahasiswa Akuntansi Mengenai Employability Skills Dan
Kesiapan Kerja: Studi Eksploratori Pada Universitas Indonesia. Depok: Universitas
Indonesia.
Ragland, L., & Ramachandran, U. (2014). Towards an understanding of excel functional skills needed
for a career in public accounting: Perceptions from public accountants and accounting
students. Journal of Accounting Education. 32, p. 113–129
Robbins, S., Judge, T. A., Millett, B., & Boyle, M. (2013). Organisational behaviour. Pearson Higher
Education AU.
Sin, S, Jones, A & Wang, Z. (2015). 'Critical Thinking in Professional Accounting Practice:
Conceptions of Employers and Practitioners' in Davies, M and Barnett, R (ed.) The Palgrave
Handbook of Critical Thinking in Higher Education. Palgrave Macmillan US, p. 431-456.
Stoner, G. (2009). Accounting students’ IT application skills over a 10-year period. Accounting
Education, 18(1), 7–31.
Welch, O., Madison, T., & Welch, S. (2010). Accounting professionals’ value assessment of entry
level IT skills and topics: A comparison of the differences between CPA firms and
industry/government organizations. Issues in Information Systems, 11(1), 211–215.
www.csu.edu/humanresources/empdev/documents/AnalyticalThinking.pdf, diunduh 26 November
2016 pukul 22.30
http://www.pppk.kemenkeu.go.id/News/Details/18, diunduh 10 Januari 2017 pukul 8.50
Studi Eksploratif ..., Muhamad Dzarin Fadhilah, FEB UI, 2017