<![CDATA[Penelitian ini bertujuan untuk mengeksplorasi konseptualisasi machine learning dalam proses audit berbasis kecerdasan buatan, kerangka konseptualnya, menelaah tingkat penerimaan auditor, serta mengidentifikasi faktor pendukung dan hambatan dalam penerapannya. Jenis Penelitian Ini Studi Literatur menggunakan data sekunder dengan sebanyak 15 Artikel yang bersasal dari Jurnal yang terindeks Scopus Q1-Q4, kriteria artilkel yang di gunakan yaitu yang dapat di akses bebas, dari tahun 2020-2025 dengan menggunakan kata kunci Machine Learning, Effetifitive dan Quality Audit. Hasil daripada penelitian ini adalah bahwa Konseptualisasi ini menjelaskan bahwa audit sampling masih bertahan bukan karena lebih unggul, tetapi karena auditor memandangnya lebih mudah digunakan (PEOU), meski secara kegunaan (PU) lebih rendah dibanding machine learning audit. Oleh karena itu, penerapan ML membutuhkan strategi yang meningkatkan PU dan PEOU auditor agar dapat diterima dan digunakan secara luas.]]>
Copyrights © 2026
