Nama ; ZAINDUDIN

Nim ; B1032191055

Kelas ;Akuntansi B Sore

Makul ; UTS Big Data

1. Sulitnya mencegah dan mengungkap tindakan korupsi di lingkungan sektor publik

(pemerintahan) membuat aksi pemberantasan terhadap kejahatan ini mulai banyak dilakukan,
namun belum menunjukkan hasil yang optimal. Tulisan ini bertujuan untuk mengungkap
peranan Akuntan Forensik dalam megatasi tindakan korupsi di lembaga sektor publik
(pemerintahan). Penelitian menggunakan metode kualitatif dengan metode pengumpulan data
menggunakan studi literatur. Objek pada penelitian ini adalah data sekunder yang berupa
kecurangan, seperti korupsi dan fraud. Hasil penelitian ini menunjukkan bahwa Akuntan
Forensik salah satu upaya pencegahan (preventif) sejak dini terhadap kejahatan korupsi di
Indonesia, dan dapat secara signifikan mengurangi kecurangan pada sektor publik. Akuntan
Forensik dapat menemukan petunjuk awal terjadinya fraud dalam suatu organisasi/instansi,
dan dapat membantu kepolisian untuk penyelesaian kasus-kasus hukum dengan
mengumpulkan bukti dan barang bukti untuk proses pengadilan, kreatif dalam menerapkan
teknik investigatif.

2. Kejahatan keuangan mendatangkan kerugian finansial maupun dampak sosial baik bagi
masyarakat maupun negara. Untuk menumpasnya dibutuhkan tidak hanya teknologi terkini
tapi juga kolaborasi.Pembicaraan tentang kejahatan keuangan seperti tak ada habisnya,
sampai-sampai mungkin membosankan para pendengarnya.Tapi menjadi menarik jika Anda
tahu bagaimana kejahatan ini ternyata mengarah pada hal-hal, seperti terorisme, human
trafficking, dan lain-lain. Untuk itu Industri perbankan Tanah Air dinilai perlu meningkatkan
sistem IT dengan menggunakan teknologi yang menggunakan pendekatan data analitik dalam
rangka pemberantasan praktek pencucian uang dan pencegahan pendanaan terorisme.Big
data, analytics, dan teknologi canggih, machine learning dan Artificial Intelligence (AI),
disebut dapat membantu bank dan lembaga keuangan lainnya mencegah terjadinya kejahatan
keuangan ini. Namun sebagian orang khawatir machine learning akan mengambil alih
pekerjaan manusia. Tapi realitanya, machine learning justru membuat kerja tim
pendeteksi kejahatankeuangan menjadi lebih efektif. Machine learning pun dapat membantu
menghindari false positive dalam upaya pencegahan kejahatan finansial sehingga pengalaman
nasabah pun tidak akan terganggu. Lembaga keuangan tidak akan untuk dapat
memanfaatkan machine learning dan AI dengan baik maka di butuhkan platform big
data dan analytics. Dan untuk mendeteksi kejahatan finansial, lembaga keuangan harus
memiliki sebanyak mungkin sumber data yang berbeda, dari internal maupun eksternal dan
pihak ketiga. Setelah memiliki bermacam-macam data ini, lembaga keuangan juga harus
dapat menemukan hubungan dan pola-pola yang mungkin di antara data-data tersebut. Selain
tentunya, bank harus memiliki pemahaman yang baik tentang siapa nasabahnya. Menurut
Country Manager Cloudera Indonesia, Fanly Tanto, Cloudera menyediakan platform data
yang dilengkapi kemampuan untuk memberdayakan orang dalam mengubah data tang
kompleks menjadi insight yang jelas dan dapat ditindaklanjuti. Tentunya
termasuk insight untuk membantu lembaga keuangan menemukan pola-pola yang berpotensi
menjadi kejahatan finansial. Cloudera Data Platform datang dengan layanan Data Hub, Data
Warehouse, dan Machine Learning untuk kebutuhan self-service analytics di
lingkungan hybrid maupun multicloud.

3. seperti yang kita ketahui Big Data Analytics adalah suatu proses menelusuri (inspecting),
cleaning, mentransformasi (transforming), dan modelling big data untuk menemukan
(discover) dan mengkomunikasikan informasi dan patterns, memberikan saran dan
mendukung pengambilan keputusan. Dalam konteks audit laporan keuangan, auditor akan
fokus pada transaksi keuangan, saldo keuangan, pengungkapan (disclosures) transaksi yang
digunakan pada pelaporan keuangan dan asersi manajemen yang terkait. Salah satu perannya
pada proses audit berdasarkan standar ISAs adalah 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 dan juga Mengidentifikasi dan menguji
salah saji (misstatement) yang material yang ada pada laporan keuangan karena adanya fraud,
dan menguji fraud atas risiko yang ditemukan. Pendekatan big data dianggap relevan
karena big data memungkinkan didapatkannya bukti audit yang unik dan tepat waktu jika
dibandingkan dengan pendekatan audit tradisional. Satu hal yang harus diingat adalah, bukti
audit yang dihasilkan oleh big data umumnya memberikan petunjuk keterkaitan (association),
bukan sebab-akibat (causation).
Dibandingkan dengan cara tradisional Big data dapat digunakan untuk membantu dalam
menilai kehandalan dari bukti audit yang diperoleh melalui proses audit tradisional.
Contohnya, pada audit tradisional dalam memverifikasi proses pengiriman, auditor eksternal
umumnya menggunakan dokumen pengiriman (shipping document). Namun, pada
kenyataannya, dengan menggunakan data dari GPS dianggap lebih reliabel, dan data GPS
tersebut tidak bisa dimanipulasi. Dalam audit tradisional, dokumen transaksi diperiksa secara
manual untuk memverifikasi transaksi bisnis. Dalam lingkungan big data, auditor dapat
menggunakan teknik text analysis, seperti clustering, untuk mengurai kalimat dan
mensummary dokumen secara otomatis. Penggunaan teknik ini dianggap lebih efisien dan
lebih memberikan banyak informasi dibandingkan pemeriksaan secara manual.

4. Menurut saya kalau pergi ke toko elektronik, kamu mungkin sering melihat kalau sekarang
sudah banyak peralatan rumah yang dimulai dengan kata “smart”. Ada smart TV, smart
fridges (kulkas), bahkan smart car atau mobil yang bisa berjalan sendiri tanpa pengemudi.

Konsep smart appliances sendiri adalah bahwa semua peralatan kamu di rumah ini terhubung
satu sama lain dan kamu dapat mengaturnya dari satu alat – misalnya smartphone kamu.
Semua ini merupakan bagian dari teknologi terbaru, Internet of Things.

Nah, semua data dari smart devices kamu, seperti misalnya temperatur dan konsumsi daya di
rumah kamu juga akan dikumpulkan agar produsen bisa memperbaiki layanannya dan
menawarkan teknologi mutakhir untuk kamu. Nah menurut saya semua elektronik itu bisa
membuat kita dapat menghasilkan berbagai data data atau informasi yg berada di elektronik
tersebut.

5.

a. Kasus Korsel juga diperoleh kecenderungan yang sama dengan kasus Tiongkok
maupun Italia. Dari 17 jenis teknologi AI dan Big Data yang sudah dalam kategori O
atau yang sudah diterapkan, 13 jenis teknologi di antaranya mendukung pelaksanaan
Strategi Pelandaian Kurva. Hanya empat (4) jenis teknologi di antaranya digunakan
untuk mendukung Strategi Peningkatan Kemampuan Pelayanan Kesehatan. Di sini
terlihat lagi bahwa lebih banyak jenis teknologi yang sudah operational (digunakan)
yang mendukung Strategi Pelandaian Kurva. Dengan piranti analisis yang sama
dilakukan kajian terhadap AS. Ternyata terdapat perbedaan yang signifikan. Dalam
kasus ini, dari sembilan (9) jenis teknologi AI dan Big Data yang sudah diterapkan,
lima (5) jenis teknologi di antaranya justru mendukung pelaksanaan Strategi
 Peningkatan Kemampuan Pelayanan Kesehatan. Sedangkan empat (4) di antaranya
digunakan untuk mendukung Strategi Pelandaian Kurva. Jadi tampaklah bahwa pada
kasus AS kecenderungannya adalah yang sebaliknya, yaitu lebih banyak jenis
teknologi yang sudah operasional (O) (diterapkan) yang mendukung pelaksanaan
Strategi Peningkatan Kemampuan Pelayanan Kesehatan
b. AI dan Big Data dapat mendukung fungsi-fungsi yang berguna untuk mengenali,
mendiagnosis, memprediksi, dan menjelaskan terjadinya infeksi COVID-19. Selain
itu, AI dan Big Data juga dapat mendukung pelaksanaan pengelolaan dampak sosial
ekonomi [7]. Data Jenis AI dan Big Data yang digunakan untuk mendukung salah
satu strategi melawan COVID-19 kemudian diidentifikasi dan dihimpun dengan
meneliti praktek dan pelaksanaan pada tiap negara yang dikaji. Untuk itu, data tentang
Strategi Pelandaian Kurva (Flattening the Curve Strategy)dan Strategi Peningkatan
Kapasitas Perawatan Kesehatan (Raising the Health Care Capacity Strategy)di
Tiongkok, Korsel, Italia dan AS, dikumpulkan. Data jenis-jenis teknologi yang
diterapkan di negara-negara tersebut diklasifikasikan kedalam kategoriResearch (R),
Development & Engineering (DE), Available (A) dan Operational (O). Selain
melakukan klasifikasi R, DE, A dan O, maka data jenis teknologi yang diterapkan di
negara-negara Italia, AS, Tiongkok dan Korsel juga diklasifikasikan ke dalam jenis-
jenis strategi dalam melawan pandemi COVID-19 di mana jenis teknologi AI dan Big
Data tersebut diterapkan
c. Metode yang digunakan untuk penyusunan kajian adalah desk study. Dalam desk
study seluruh tahapan dilakukan dengan menggunakan data sekunder yang
dikumpulkan dari sejumlah dokumen baik berupa laporan, data statistik, buku, jurnal
hingga berita yang diterbitkan oleh situs/media terpercaya. Metode pengumpulan data
dilakukan umumnya melalui mesin pencari di internet. Oleh karena itu diperlukan
kejelian untuk memilih dan mengunduh sumber guna menjamin keakuratan data yang
digunakan. Kajian ini dilakukan dengan beberapa tahapan hingga menghasilkan
kesimpulan dan pembelajaran. Data yang dikumpulkan untuk menjawab tujuan kajian
yaitu mengetahui langkah Pemerintah di empat negara yakni Tiongkok, Korsel, Italia
dan AS dalam menanggulangi pandemi COVID-19. Beberapa data yang penting
untuk mendukung tujuan tersebut adalah (a) data kasus, berupa jumlah dan dinamika
yang terjadi pada setiap negara (b) penambahan jumlah kasus per hari, total kematian,
kematian per hari. Kemudian data diidentifikasi dan dianalisis dengan diawali
pengenalan karakteristik tiap kasus yang terjadi yang kemudian diintegrasikan dengan
 kebijakan yang muncul akibat kasus tersebut. Kemunculan kebijakan tersebut dapat
dipercepat dalam pencapaiannya dengan dukungan dari masyarakat dan dukungan
iptekin. Oleh karena itu penting untuk mengetahui peran dari keduanya.

6.

a. Peranan data sangat penting terutama memasuki era ledakan data atau "Big Data".
Oleh karenanya, pihak yang mampu mengolah dan memanfaatkan data-data yang
sangat besar, cepat, variatif, dan kompleks, dapat mengambil keuntungan yang besar.
Namun sayangnya, penerapan Big Data analitik masih belum begitu populer di
Indonesia, khususnya di lembaga pemerintahan. Penelitian ini dimaksudkan untuk
melihat sejauh mana teknologi Big Data sudah dimanfaatkan di beberapa lembaga
pemerintahan, dan tantangan apa saja yang muncul dalam penerapannya. Diharapkan
hasil kajian dapat memberikan informasi dan inspirasi sehingga implementasi
teknologi Big Data di Indonesia dapat semakin luas, khususnya di lembaga
pemerintahan.
b. Penelitian ini menggunakan pendekatan kualitatif, dengan teknik pengumpulan data
melalui wawancara mendalam kepada beberapa penanggungjawab atau pengelola
teknologi informasi di 4 (empat) objek penelitian, yaitu Lembaga Kebijakan
Pengadaan Barang/Jasa Pemerintah (LKPP), Pemerintah Kota Bandung, Direktorat
Jenderal Pajak Kementerian Keuangan, dan Badan Informasi Geospasial (BIG),
guna mendapatkan gambaran tentang pemanfaatan teknologi Big Data di instansi
masing-masing, serta tantangan yang dihadapi dalam penerapannya. Namun
demikian, implementasi Big Data di lembaga pemerintahan Indonesia tidak
terbatas pada 4 (empat) lembaga yang disebutkan. Beberapa lembaga pemerintahan
diluar objek penelitian, juga sudah menerapkan Big Data pada berbagai peruntukkan,
seperti Pemerintah Provinsi DKI Jakarta dan Badan Pusat Statistik (BPS).
Selanjutnya, data dianalisis dengan menggunakan TDWI (The Data Warehousing
Institute) Big Data Maturity Model, untuk mengevaluasi kematangan penerapan
teknologi Big Data pada keempat instansi tersebut. Model kematangan TDWI
dipilih dibandingkan dengan skala kematangan Big Data lainnya, seperti model
Gartner atau Predictive Analytics Maturity Framework Assessment (PAMFA) dari
Capgemini, dengan pertimbangan lebih mudah dipahami dan mengakomodir
implementasi Big Data dari tahap persiapan hingga tahap matang/visioner.
1. data
Deskripsi dasar dari data menunjuk pada benda, event, aktivitas, dan transaksi
yang terdokumentasi, terklasifikasi, dan tersimpan tetapi tidak terorganisasi untuk
dapat memberikan suatu arti yang spesifik. Data yang telah terorganisir sehingga
dapat memberikan arti dan nilai kepada penerima, disebut informasi. (Rainer,
Kelly, & Cegielski., 2009). Ketersediaan data menjadi kunci awal bagi teknologi
Big Data. Ada beberapa organisasi yang memiliki banyak data dari proses bisnisnya
yang dilakukan, baik data terstruktur maupun tidak terstruktur, seperti industri
telekomunikasi maupun perbankan. Namun, ada pula organisasi yang perlu
membeli atau bekerjasama dengan pihak lain untuk mendapatkan.

2. Hal ini terkait dengan infrastruktur dan tools dalam pengoperasian Big Data,
seperti teknik komputasi dan analitik, serta media penyimpanan (storage). Biasanya,
organisasi tidak akan mengalami kendala yang berarti dalam hal teknologi karena
teknologi bisa didapatkan dengan membeli atau kerjasama dengan pihak ketiga.
3. Dalam proses mengadopsi teknologi Big Data dibutuhkan perubahan budaya
organisasi. Misalnya, sebelum adanya Big Data, seorang pimpinan dalam
menjalankan organisasi, melakukan pengambilan keputusan hanya berdasarkan
‘intuisi’ berdasarkan nilai, keyakinan atau asumsinya. Namun setelah adanya
teknologi Big Data, pimpinan mampu bertindak “data-driven decision making”
artinya mengambil keputusan berdasarkan data yang akurat dan informasi yang
relevan. Contoh lain, sebuah perusahan telekomunikasi sejak menggunakan
sistem monitoring informasi digital yang berasal dari web, twitter, dan lain-lain,
dapat dengan lebih mudah mengetahui masalah pelanggan terkait produk dan
membangun komitmen untuk menindaklanjuti masalah tersebut dalam paling lama 6
jam. Dalam hal ini terbangun budaya organisasi baru tentang brand tracking, untuk
menyikapi kecenderungan pelanggan yang dewasa ini lebih memilih
membicarakan suatu masalah di twitter dibandingkan mengajukan komplain
langsung ke customer ervice. Big Data dapat membantu untuk melakukan analisis
dan prediksi terhadap pelanggan yang akan menghentikan layanannya atau churn,
sehingga dapat ditindaklanjuti dengan mendengarkan kebutuhan pelanggan serta
melakukan pencegahan di awal.

4.Dalam mengaplikasikan teknologi Big Data dibutuhkan SDM dengan keahlian

analitik dan kreativitas yaitu kemampuan/keterampilan untuk menentukan metode
baru yang dapat dilakukan untuk mengumpulkan, menginterpretasi dan
 menganalisis data, keahlian pemrograman komputer, dan ketrampilan bisnis yaitu
pemahaman tentang tujuan bisnis.

ihak ketiga