Page 151 - Sistem Informasi dan Pengendalian - Ikatan Akuntan Indonesia
P. 151
SISTEM INFORMASI
DAN PENGENDALIAN INTERNAL LEMBAR JAWABAN
BAB 6.
Pilihan Ganda
1. C Pembahasan: Tujuan utama dari siklus pendapatan adalah menyediakan produk yang
tepat, di tempat yang tepat, waktu yang tepat, dan harga yang tepat kepada pelanggan.
2. C Pembahasan: Aktivitas pertama dari siklus pengeluaran adalah memesan barang,
persediaan, dan jasa, termasuk memilih pemasok dan menentukan apa yang
dibutuhkan.
3. C Pembahasan: Dalam proses shipping, ancaman umum adalah kesalahan dalam
pengemasan dan pengiriman, seperti barang atau jumlah yang salah.
• IAI WEB VERSION
4. C Pembahasan: SIA dalam siklus produksi berfungsi untuk merencanakan, menjadwalkan,
dan memberi informasi ke bagian lain, seperti sistem pengeluaran dan pendapatan.
5. C Pembahasan: Justru pemecahan tugas antara otorisasi dan pencatatan adalah bentuk
pengendalian yang baik. Jika dilakukan oleh orang yang sama, itu menjadi celah fraud.
6. C Pembahasan: Rekonsiliasi manual bukan fitur utama cloud computing; cloud justru
mendorong otomatisasi dan real-time integration untuk efisiensi.
7. B Pembahasan: IoT dalam produksi berkaitan dengan sensor dan mesin yang memberi
data produksi aktual secara otomatis ke sistem akuntansi.
8. C Pembahasan: Risiko utama pada perencanaan produksi adalah ketidaktepatan dalam
jumlah produksi, yang menyebabkan kelebihan atau kekurangan stok.
9. B Pembahasan: AI mampu melakukan prediksi penerimaan kas (cash collection) dan
segmentasi pelanggan berdasarkan historis perilaku pembayaran.
10. B Pembahasan: Big Data dan analytics digunakan untuk analisis historis pengeluaran,
performa vendor, dan tren pembelian untuk efisiensi pengeluaran kas.
Esai
Soal 1.
Pembahasan:
1. Identifikasi dan Penjelasan 3 Akar Masalah
Prediksi permintaan oleh AI tidak akurat sehingga overproduksi dan pemborosan
bahan baku. Sistem AI tampaknya menggunakan model prediksi yang tidak adaptif
terhadap tren penjualan aktual, atau tidak terintegrasi dengan data pelanggan (CRM).
Ini menyebabkan forecast yang terlalu optimis, mendorong produksi melebihi kapasitas
permintaan pasar.
• Perbedaan data bahan baku antara sensor IoT dan gudang sehingga nilai persediaan
tidak akurat. Sistem IoT mungkin merekam konsumsi material langsung dari mesin,
sementara gudang mencatat berdasarkan dokumen manual atau input berbeda,
sehingga terjadi mismatch data. Ini menunjukkan tidak adanya reconciliation logic
otomatis antara catatan sistem fisik dan catatan akuntansi.
142 Hak Cipta 2025 IKATAN AKUNTAN INDONESIA – Dilarang memfoto-kopi atau memperbanyak Hak Cipta 2025 IKATAN AKUNTAN INDONESIA – Dilarang memfoto-kopi atau memperbanyak 143
