1.

Siklus konversi merupakan siklus yang memproses bahan baku dan suplai menjadi produk jadi
(barang atau jasa) yang siap dijual. Dalam siklus konversi, sistem akuntansi mencatat satu kejadian
ekonomi (transaksi) yaitu konsumsi bahan baku tenaga kerja dan overhead untuk menghasilkan
produk atau jasa yang dapat dijual. Dalam perusahaan manufaktur, siklus ini terdiri atas sistem
penggajian, sistem persediaan sistem akuntansi biaya. Sistem aplikasi dalam siklus konversi
memproses lima jenis transaksi yaitu: pembelian barang, penjualan barang, transfer bahan baku,
tenaga kerja, dan overhead ke dalam produksi barang.

a. Ancaman, akibat dan penanganannya merupakan hal-hal yang harus dilakukan perusahaan.
Otorisasi dan persetujuan order produksi yang tepat juga merupakan prosedur pengendalian yang
dapat diterapkan untuk mencegah kelebihan produksi. Dalam kasus ini dapat digunakan prosedur
yang disebut verifikasi closed-loop, yaitu:

1. Perencanaan produksi memasukkan kedalam komputer data nomor produk dan

Sistem akan menyajikan nama produk, kuantitas order, dan data lain yang relevan.

2. Meminta unit memakai untuk melakukan verifikasi untuk memastikan bahwa order

Produksi yang dikeluarkan telah benar.

3. Jika digunakan blangko order produksi, maka akses terhadap blangko tersebut harus

Dibatasi.

4. Blangko tersebut harus bernomor urut tercetak dan secara reriodik dihitung untuk

Menjamin bahwa semua aktivitas produksi telah diotorisasi.

Ancaman 2: Pencurian atau Perusakan Persediaan Barang dan Aktivasi Tetap

Pencurian barang dan Aktivasi tetap merupakan ancaman utama bagi perusahaan manufaktur.
Selain itu pencarian aktiva tetap dapat pula menyebabkan pelaporan aktiva tetap yang terlalu tinggi,
sehingga rnenyebabkan analisis kinerja keuangan tidak akurat, dan dalam hal persediaan barang,
menyebabkan produksi terlalu rendah (underproduction).

Untuk mengurangi risiko kehilangan barang, akses fisik kepersediaan harus dihatasi dan

Perpindahan barang internal harus didokumentasikan. Dengan demikian permintaan bahan baku
harus digunakan untuk mengotorisasi pengeluaran bahan baku untuk produksi.
Ancaman 3: Kesalahan Pencatatan dan Pembukuan Pencatatan clan pemrosesan data aktivitas
produksi yang tidak akurat dapat menurunkan eféktivitas penjadwalm produksi dan memperlemah
kemampuan manajemen dalam memantau dan kegiatan operasi atau produksi, Sebagai contoh,
tidak

Akuratnya data biaya dapat berakibat ketidak tepatan keputusan tentang jenis produk apa yang
harus dibuat dan penetapan harga jual.

Prosedur pengendalian terbaik untuk menjamin bahwa entry data akurat adalah

Mengotornasikan pengumpulan data dengan menggunakan mesin pembaca kode bar, mesin
pembaca badge, dan sejenisnya.

Alternatif lainnya adalah digunakannya terminal on-line untuk memasukkan data. Selain itu dapat
juga digunakan password dan identifikasi pemakai untuk membatasi akses hanya untuk karyawan
yang sah saja.

Ancaman 4: Kehilangan data produksi menghambat pemantauan persediaan barang dan aktiva
tetap, dan mempersulit peniaminan bahwa manufaktur dilaksanakan sccara efektif, karena itu
catatan persediaan barangmg dan produjk dalam proses harus dilindungi dari kernungkinan hilang
atau rusak, baik secara sengaja maupun tidak sengaja.

Ancaman 5: Inefisiensi dan Persoalan biaya Kualitas efisiensi kegiatan produksi dapat menyébabkan
kenaikan biaya.Persoalan biaya kualitas juga menaikan biaya dan bahkan mengurangi peluang
penjualan dimasa mendatangtang.Dengan

Demikian, aktivitas produksi harus dipantau secara ketat dan dilakukan tindakan segera jika terjadi
penyimpangan terhadap standar yang telah ditetukan sebelumnya. Sistem informasi akuntansi dapat
membantu mengendalikan efisiensi dan kualitas dengan

Cara memyusun laporan kinerja, selain berisi perbandingan antara anggaran dan realisasi, juga
disajikan hasil pengukuran throughput total unit diproduksi/waktu pemrosesan) x (produk

Sempurna /total unit)) dan pengendalian kualitas.

b. Proses pengendaliannya berdasarkan unsur pengendalian internal yang mencakup struktur
organisasi, otorisasi kebijakan dan prosedur yang membantu

menjamin bahwa arahan manajemen dilaksanakan .Aktivitas tersebut membantu

memastikan bahwa tindakan yang diperlukan untuk menanggulangi risiko dalam

pencapaian tujuan entitas.Aktivitas pengendalian memiliki berbagai tujuan dan

diterapkan di berbagai tingkat organisasi dan fungsi. Umumnya aktivitas

pengendalian yang mungkin relevan dengan audit dapat digolongkan sebagai

kebijakan dan prosedur yang berkaitan dengan review terhadap kinerja,

pengolahan informasi, pengendalian fisik, dan pemisahan tugas. Aktivitas

pengendalian dapat dikategorikan sebagai berikut:

1) Pengendalian Pemrosesan Informasi, yang meliputi : pengendalian umum, Pengendalian

aplikasi, otorisasi yang tepat, pencatatan dan dokumentasi, dan Pemeriksaan independen.

2) Pemisahan tugas

3) Pengendalian fisik

4) Telaah kinerja

2. Data cleansing atau yang disebut juga dengan data scrubbing merupakan suatu proses analisa
mengenai kualitas dari data dengan mengubah. Bisa juga pengelola mengoreksi ataupun menghapus
data tersebut. Data yang dibersihkan tersebut adalah data yang salah, rusak, tidak akurat, tidak
lengkap dan salah format.
Pembersihan data yang disebut juga data cleaning ini dipergunakan untuk organisasi atau
perusahaan yang butuh data intensif. Misalnya untuk perbankan, transportasi, ritel, asuransi
ataupun komunikasi.

Jika dilihat secara administratif, jika ada data yang salah atau yang tidak konsisten akan
menimbulkan salah arah untuk skala public dan pribadi. Apalagi jika bersangkutan dengan khalayak
banyak seperti sensus.

Sedangkan dalam dunia bisnis, data yang salah harus dihargai dengan sangat mahal. Hal tersebut
disebabkan karena data yang kurang tepat akan berpengaruh pada keputusan perusahaan.

Jika keputusan perusahaan kurang tepat, apalagi jika berkaitan dengan riset, akibatnya bisa rugi
dalam waktu pendek ataupun waktu panjang. Misalnya terkait dengan biaya pengiriman. Jika dalam
data salah, maka mau tidak mau perusahaan harus menanggung kekurangan biaya yang salah dalam
data tersebut.

Tujuan dari melakukan data cleaning adalah untuk mengoreksi data secara sistematis lewat
algoritma. Sehingga Anda bisa lebih menghemat biaya dan waktu. Pada prosesnya, pembersihan
data ini dilakukan tidak hanya dengan cara otomatis namun juga dengan proses manual. Sehingga
hasilnya akan lebih optimal.

Dalam data cleansing terdapat tahapan untuk melakukan pembersihan misalnya dalam sistem.

Terdapat tahapan untuk membersihkan data tersebut, dan prosesnya yaitu:

1. Audit Data Cleansing

Sebelum Anda melakukan data cleansing maka Anda harus melakukan audit data. Tujuannya adalah
agar anomaly serta kontradiksi yang ada di dalam basis data tersebut bisa terdeteksi dengan baik. Ini
disebabkan karena proses ini sangat mendasar.

Jika salah mengaudit data, tentunya proses selanjutnya tidak akan bisa maksimal. Untuk
meminimalisir hal tersebut, maka Anda harus menggunakan software dan algoritma yang tepat.
 2. Spesifikasi Alur Kerja

Dalam tahapan ini, anomaly dan kontradiksi basis data akan dihapus. Sehingga Anda akan
mendapatkan data yang berkualitas tinggi untuk nantinya akan dieksekusi di proses selanjutnya.

3. Eksekusi Alur Kerja Data Cleansing

Ketika sudah menentukan spesifikasinya, maka langkah data cleansing yang dilakukan adalah
mengeksekusi alur kerjanya. Di tahapan ini data yang sudah dipilih akan ‘diverifikasi’ untuk tahu
apakah data tersebut benar-benar sesuai dengan yang dibutuhkan. Sehingga, untuk pelaksanaan
proses ini perlu alur kerja yang efektif dan efisien serta cermat.

4. Pengendalian dan Pasca Eksekusi Data Cleansing

Jika alur kerja sudah dilaksanakan, maka langkah selanjutnya adalah mengendalikan pasca
eksekusinya. Tujuannya adalah untuk mengevaluasi rangkaian dari proses yang sudah dilakukan
tersebut. Jika data yang ditemukan tersebut tidak bisa diperbaiki bahkan selama eksekusi dilakukan,
maka akan dikoreksi secara manual.

Dari data yang sudah diperbaiki dan yang memiliki kualitas bagus akan dikumpulkan kembali.
Nantinya akan dimasukkan kembali ke proses awal untuk tahu data yang benar-benar berkualitas.
Sehingga nanti ketika data tersebut diolah, Anda akan bisa melakukan pengolahan data yang
maksimal.

5. Data Analytics (DA) merupakan proses inspeksi serangkaian data yang berguna untuk
mendapatkan kesimpulan dari informasi yang ada dan meningkatkan sistem pada software.
Teknologi data analytics dan teknik digunakan di industri komersial yang memudahkan
perusahaan mendapatkan hasil akhir yang lebih baik dan akurat.

Data analytic dapat membantu proses audit sesuai dengan standard, seperti:
 1. Mengidentifikasi dan menilai resiko yang terkait dengan keputusan untuk menerima atau
melanjutkan penugasan audit, misalnya, adanya resiko kebangkrutan atau management
fraud (kecurangan manajemen) tingkat tinggi yang terjadi pada entitas/perusahaan yang
diaudit.

2. Mengidentifikasi dan menguji salah saji (misstatement) yang material yang ada pada laporan
keuangan karena adanya fraud, dan menguji fraud atas risiko yang ditemukan.

3. 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 efektifitas pengendalian internal.

4. Melakukan prosedur analitis substantive sebagai respon atas penilaian auditor terhadap
risiko salah saji yang material.

5. 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

6. Implementasi big data membutuhkan orang-orang yang ahli dalam data analytics, sehingga,
banyak perusahaan meng-outsource dari pihak lain. Profesi audit juga dapat meng-hire
seorang yang terlatih dan professional dalam melakukan big data analytic atau bahkan,
menggunakan perusahaan provider penyedia jasa big data analytic. Namun hal ini
menimbulkan isu tentang privacy.