Nama : Sevi Indah Suryani

NIM : 20416262201038
Kelas : AK20C
Mata Kuliah : UAS Big Data & Analitik

Soal UAS:
1. Jelaskan pengertian Teknik Audit Modern dan Teknik Audit berkelanjutan, lalu jelaskan
hubungan kedua teknik tersebut!
2. Jelaskan dan berikan contoh dari ke 4 Jenis Analisis Data Audit!
3. Sebutkan elemen dari Rencana Audit dan bagaimana mengotomatisasi rencana audit dan
menggabungkan analisis data yang serupa dengan model IMPACT!
4. Apa saja perubahan lanskap akuntansi dengan adanya Blokchain?
5. Bagaimana kecerdasan buatan dalam akuntansi dan bisnis! Berikan contoh dalam dunia
Perbankan

Jawaban UAS:
1. - Pengertian audit modern
Konsep audit skeptisisme profesional dan keyakinan memadai sama pentingnya dengan
bagian dari audit modern seperti di masa lalu. Namun, telah terjadi pergeseran, dari
sekadar memberikan jaminan yang masuk akal pada proses menjadi jaminan tambahan
dari robot yang melakukan banyak pekerjaan audit kasar. Dimana, sebelumnya, auditor
mungkin telah melihat sampel dan mengumpulkan bukti untuk membuat kesimpulan
untuk populasi, sekarang auditor yang sama harus memahami kontrol dan parameter yang
telah diprogram ke dalam robot. Dengan kata lain, karena bot otomatis ini melakukan
lebih banyak analisis rutin, auditor akan bebasuntuk melakukan lebih banyak penilaian
untuk menafsirkan alarm dan data sambil memfokuskan kembali upaya mereka pada
menguji parameter yang digunakan oleh robot. Auditor menggunakan Analisis Data
untuk meningkatkan kualitas audit dengan menilai risiko secara lebih akurat dan memilih
prosedur substantif dan pengujian pengendalian yang lebih baik. Sedangkan latihan
perilaku auditor cukup rutin, modelnya bisa rumit dan memerlukan penilaian dan
interpretasi auditor.
- Pengertian audit berkelanjutan
audit berkelanjutan mengevaluasi data dalam bentuk yang sesuai dengan denyut nadi
bisnis. Audit berkelanjutan adalah proses yang memberikan jaminan real-time atas proses
dan sistem bisnis. Ini melibatkan penerapan aturan atau analitik yang melakukan fungsi
pemantauan berkelanjutan yang secara konstan mengevaluasi kontrol dan transaksi
internal. Juga menghasilkan pelaporan berkelanjutan tentang status sistem sehingga
auditor dapat mengetahui waktu tertentu apakah sistem beroperasi dalam parameter yang
ditetapkan oleh manajemen atau tidak.
2. 4 jenis analisis data:
- Analisis deskriptif adalah sebuah metode untuk menggambarkan karakteristik dari
kumpulan data. Misalnya data laporan keuntungan bulanan suatu bisnis dapat digunakan
untuk mengetahui bagaimana kinerja suatu departemen dan faktor apa yang menyebabkan
kenaikan atau penurunan laba. Selain itu, hasil analisis deskriptif ini juga bisa
dikombinasikan dengan data lain untuk melihat kelemahan dan kelebihan suatu produk.
Selain laporan laba, data transaksi juga bisa digunakan untuk melihat bagaimana
karakteristik konsumen menggunakan data demografis. Dengan mengetahui karakteristik
konsumen, maka perusahaan akan lebih mudah untuk menentukan strategi marketing
yang tepat sehingga dapat menjangkau lebih banyak konsumen.
- Analisis Diagnostik
 Analisis diagnostik adalah metode untuk memecah informasi yang tersedia dan
mengidentifikasi penyebab di balik masalah, peristiwa, dan perilaku tertentu. Misalnya,
sebuah perusahaan ingin mendapatkan insight mengenai karyawan. Dengan bantuan
analisis data, perusahaan dapat mencari dan membuat laporan mengenai kinerja
karyawan, seperti absensi, masa kerja, target yang dicapai, dan lain sebagainya. Analisis
diagnostik biasanya disajikan menggunakan dashboard interaktif untuk menemukan akar
penyebab dari suatu permasalahan.
- Analisis Prediktif
Analisis prediktif merupakan salah satu jenis analisis data yang paling menarik.
Mengapa? Karena dengan analisis ini kita bisa memproyeksikan suatu kejadian di masa
mendatang. Analisis prediktif dapat membantu perusahaan untuk memperkirakan
kemungkinan suatu peristiwa terjadi, kapan peristiwa tersebut akan terjadi, atau
perubahan apa yang muncul di masa mendatang. Agar bisa menggunakan analisis ini,
perusahaan membutuhkan data historis dan data saat ini.
- Analisis Preskriptif
Analisis preskriptif bekerja dengan menggabungkan hasil dari ketiga analisis sebelumnya.
Analisis ini dimanfaatkan untuk memilih dan membandingkan rekomendasi atau solusi
mana yang paling cocok untuk situasi tertentu. Contoh pengaplikasian analisis ini adalah
pada aplikasi penunjuk arah yang menggunakan analisis preskriptif untuk
merekomendasikan jalur tercepat untuk sampai ke suatu tujuan.
3. Rencana audit terdiri dari satu atau lebih elemen berikut:
• Metodologi yang mengarahkan pekerjaan audit tersebut.
• Ruang lingkup audit, menentukan periode waktu, tingkat materialitas, dan waktu yang
diharapkan untuk audit.
• Potensi risiko dalam area yang diaudit.
• Prosedur dan tugas khusus yang akan dijalankan oleh tim audit untuk mengumpulkan dan
menganalisis bukti. Ini biasanya mencakup pengujian pengendalian dan pengujian substantif atas
rincian transaksi.
• Evaluasi formal oleh auditor dan supervisor. Karena rencana audit diformalkan dan
distandarisasi, mereka dapat menggunakan Analisis Data dan, akibatnya, otomatisasi. Sebagai
contoh,
• Metodologi dapat dibingkai oleh standar tertentu, seperti Perusahaan Terbuka Standar auditing
Accounting Oversight Board (PCAOB), Committee of Sponsoring Kerangka Kerja Manajemen
Risiko Perusahaan (COSO) Organisasi, atau Informasi Tujuan Kontrol Asosiasi Audit dan
Kontrol Sistem (ISACA) untuk Informasi dan kerangka kerja Teknologi Terkait (COBIT).
Analisis Data dapat digunakan untuk menganalisis standar dan menentukan persyaratan yang
berlaku untuk organisasi yang diaudit.
• Ruang lingkup audit menentukan parameter yang akan digunakan untuk menyaring catatan atau
tindakan trans yang dievaluasi.
• Analisis Data sederhana hingga kompleks dapat diterapkan ke data klien selama perencanaan
tahap audit untuk mengidentifikasi area mana yang harus menjadi fokus auditor. Ini mungkin
termasuk deteksi outlier atau pengujian substantif lainnya dari transaksi yang mencurigakan atau
berisiko.
• Prosedur audit sendiri biasanya mengidentifikasi data, lokasi, dan atribut yang auditor akan
mengevaluasi. Ini adalah variabel yang akan memberikan masukan untuk banyak dari prosedur
analitis substantive.
• Evaluasi data audit dapat disaring menjadi skor risiko. Ini mungkin fungsi volume rekaman luar
biasa atau tingkat paparan untuk area fungsional. Jika penilaian dan pengambilan keputusan
 mudah ditentukan, analitik berbasis aturan dapat secara otomatis menetapkan skor untuk ditinjau
oleh auditor.
- Mengotomatiskan rencana audit dan menggabungkan analitik data melibatkan langkah-langkah
berikut, yang serupa dengan model IMPACT:
1. Identifikasi pertanyaan atau persyaratan dalam rencana audit yang ada.
2. Kuasai data dengan mengidentifikasi atribut dan elemen yang dapat diotomatisasi.
3. Melakukan rencana pengujian, dalam hal ini dengan mengembangkan analytics (berupa aturan
atau model) untuk atribut yang diidentifikasi pada langkah 2.
4. Alamat dan perbaiki hasil. Buat daftar pengecualian yang diharapkan untuk analitik ini dan
yang diharapkan tindakan perbaikan oleh auditor, jika ada.
5. Komunikasikan wawasan dengan menguji aturan dan membandingkan keluaran analitik dengan
prosedur audit manual.
6. Lacak hasil dengan menindaklanjuti alarm dan menyempurnakan model sesuai kebutuhan.

4. Teknologi Blockchain bisa menjadi hal besar berikutnya dalam akuntansi: Perusahaan dapat
menulis transaksi mereka langsung ke dalam daftar bersama, menciptakan sistem yang saling
terkait dari catatan akuntansi yang bertahan lama, daripada menyimpan catatan terpisah
berdasarkan penerimaan transaksi. Memalsukan atau menghancurkan entri untuk
menyembunyikan aktivitas praktis tidak mungkin karena mereka didistribusikan dan disegel
secara kriptografis. Mirip dengan transaksi yang diverifikasi oleh notaris, tetapi dilakukan secara
elektronik.
Banyak manfaat yang akan diperoleh perusahaan seperti auditor akan dapat secara otomatis
memverifikasi sebagian besar data terpenting dalam laporan keuangan jika standarisasi
diterapkan. Biaya dan waktu audit akan berkurang secara signifikan. Auditor dapat menggunakan
waktu ekstra untuk mengerjakan tugas yang lebih berharga, seperti transaksi yang sangat
kompleks atau mekanisme pengendalian internal.
Tidak perlu memulai dengan entri akuntansi dalam satu daftar. Dalam struktur akuntansi saat ini,
Blockchain sebagai sumber kepercayaan bisa sangat bermanfaat. Hal ini dapat diintegrasikan
secara bertahap dengan prosedur akuntansi standar, dimulai dengan integritas catatan dan
berlanjut ke jejak audit yang dapat dilacak sepenuhnya. Audit yang sepenuhnya otomatis dapat
menjadi kenyataan di masa depan.

5. Di luar aspek teknis tentang bagaimana kecerdasan buatan akan mendorong perubahan dalam
profesi, di antaranya penting juga untuk menyadari kenyataan bahwa integrasi AI akan
mengubah secara dramatis jenis profesional yang dibutuhkan di bidang keuangan. Terus
menjadi ahli materi pelajaran, atau fokus hanya pada aspek ceruk tertentu dari audit, pajak,
atau keuangan tidak akan cukup dalam lanskap bisnis di mana alat AI, bot, dan perangkat
lunak otomasi lainnya menjadi lebih umum. Individu yang bekerja dalam profesi pada
keadaan saat ini, serta individu yang terus memasuki profesi harus menyadari dua fakta yang
menonjol.
- gagasan untuk menjadi – dan tetap – menjadi ahli materi pelajaran di bidang penerapan
teknis interpretasi standar akuntansi tertentu akan menjadi semakin tidak mungkin. Ini bukan
untuk mengatakan itu akan tetap tidak mungkin, tetapi akan lebih sulit bagi manusia untuk
mencocokkan kemampuan pemrosesan dan interpretasi alat dan platform AI yang semakin
kuat. Sebaliknya, dan mencerminkan tren yang sudah terjadi di pasar, praktisi yang bekerja di
 lanskap layanan keuangan harus dapat melengkapi kecepatan dan kekuatan pemrosesan alat
AI
- membangun implikasi pertama AI pada layanan keuangan, adalah bahwa untuk
memberikan layanan yang konsisten dan berkualitas tinggi kepada pengguna akhir,
diperlukan pendekatan yang lebih holistik. Ini tidak berarti, bagaimanapun, bahwa inti dari
layanan akan menyimpang dari masalah keuangan, hanya saja agar efektif akan
membutuhkan lebih banyak masukan dari jumlah peserta yang lebih banyak. Berbeda dengan
hanya melibatkan profesional akuntansi atau keuangan dalam proses pengambilan keputusan,
tampaknya logis bahwa profesional teknologi informasi dan pakar hukum juga harus
disertakan dalam proses ini. Misalnya, jika program dan proses kecerdasan buatan akan
diterapkan di seluruh organisasi, program ini perlu dikodekan, diprogram, diuji, dan di-debug
saat berpindah dari lingkungan pengujian ke produksi; ini menunjuk pada masuknya pakar
teknologi.
Contoh penerapan AI dalam Perbankan di Indonesia
Teknologi AI kemudian membuat nasabah bank tidak perlu lagi datang langsung ke bank cabang
terdekat, karena cukup dengan smartphone yang terkoneksi dengan WiFi nasabah dapat membuka
rekening bank secara mandiri serta melakukan transaksi.
Orientasi nasabah bank pun kini dapat dengan mudah dilakukan melalui proses Know Your Customer
(eKYC) elektronik, dibandingkan dengan harus berkunjung langsung ke bank secara fisik untuk
memverifikasi dokumen identitas nasabah.
Kemajuan teknologi AI serta OCR (Optical Character Recognition) kemudian dapat meningkatkan
inklusi keuangan, terutama bagi kota-kota tingkat 2 dan 3 di Indonesia, terutama dalam proses eKYC.
Country Manager ADVANCE.AI Indonesia, Ronald F. Molenaar menjelaskan, beberapa bank,
lembaga keuangan, serta perusahaan e-commerce di Indonesia sudah mulai melakukan peningkatan
langkah keamanan dengan dukungan perusahaan seperti ADVANCE.AI.
Indonesia disebut Molenaar memiliki potensi besar di mana bank, lembaga keuangan, serta
perusahaan e-commerce dapat memperoleh berbagai manfaat dengan lebih terbuka untuk
menyalurkan pinjaman modal kerja bagi setiap pengusaha yang masih tradisional.
ADVANCE.AI sendiri memberi dukungan bagi mitranya dalam menjalani prosedur eKYC dengan
menggunakan deteksi biometrik sederhana, seperti selama orientasi pelanggan individu, serta
menyediakan solusi manajemen penipuan yang komprehensif untuk dapat mengurangi penipuan serta
mengotentikasi identitas asli pelanggan secara digital.
Salah satu teknologi eKYC yang dihadirkan ADVANCE.AI adalah sistem OCR dengan tingkat
akurasi 99 persen, yang terhubung dengan fitur liveness detection untuk memastikan profil individu
yang akan melakukan transaksi sesuai dengan identitas yang terdaftar.
Perbandingan wajah ini didahului dengan menggunakan teknologi penilaian pencocokan wajah, di
mana profil pelanggan yang terdaftar pada aplikasi akan dicocokkan dengan Kartu Tanda Penduduk
(KTP) selama tahap orientasi pelanggan.
Maka dengan teknologi tersebut, ADVANCE.AI pun baru-baru ini mengumumkan kemitraan
strategis dengan Semangat Digital Bangsa (SDB) yang merupakan penyedia innovative credit scoring
(ICS) berbasis e-commerce yang berafiliasi dengan Tokopedia. Hal ini dalam memanfaatkan AI serta
transaksi e-commerce untuk menganalisis kelayakan kredit.