Nama : Lola Egidiya
Kelas : 2024C
NPM : 2413031087

a. Peran Kerangka Konseptual PSAK/IFRS
Dalam situasi ketika tidak ada PSAK yang secara khusus mengatur transaksi tertentu, Kerangka Konseptual menjadi pedoman utama bagi manajemen dalam mengambil keputusan akuntansi. Kerangka ini, yang disusun dengan mengacu pada prinsip-prinsip dari International Financial Reporting Standards Foundation, membantu menjawab pertanyaan mendasar seperti: apakah suatu pos memenuhi definisi aset, apakah manfaat ekonominya mungkin mengalir ke perusahaan, dan apakah nilainya dapat diukur secara andal. Kerangka konseptual juga menekankan tujuan pelaporan keuangan, yaitu menyediakan informasi yang relevan dan merepresentasikan kondisi ekonomi secara jujur. Jadi ketika bisnis digital memiliki karakteristik unik yang belum diatur secara rinci, manajemen tetap memiliki landasan berpikir agar keputusan yang diambil tidak asal-asalan, melainkan tetap konsisten dengan prinsip dasar akuntansi.

b. Analisis kritis atas goodwill dan nilai wajar aset tidak berwujud
Pengakuan goodwill dalam akuisisi PT Cerdas Digital pada dasarnya wajar jika memang terdapat selisih lebih antara harga perolehan dan nilai wajar aset neto yang dapat diidentifikasi. Goodwill memang mencerminkan potensi manfaat ekonomi di masa depan, seperti pertumbuhan pengguna dan sinergi usaha. Namun yang perlu dikritisi adalah dasar penilaiannya. Jika nilai goodwill sangat bergantung pada proyeksi pertumbuhan yang belum tentu terealisasi, maka ada risiko bahwa angka tersebut terlalu optimistis. Dalam kondisi seperti ini, goodwill bisa lebih mencerminkan ekspektasi manajemen daripada substansi ekonomi yang sudah nyata terjadi.
Hal yang sama berlaku pada pengukuran aset tidak berwujud menggunakan pendekatan nilai wajar tanpa adanya pasar aktif. Secara teori hal itu diperbolehkan, tetapi dalam praktiknya sangat bergantung pada model dan asumsi internal. Jika asumsi tersebut tidak realistis atau kurang transparan, maka nilai aset bisa saja terlalu tinggi dan tidak benar-benar mencerminkan kondisi ekonomi yang sebenarnya. Dengan demikian, kebijakan tersebut hanya bisa dianggap mencerminkan substansi ekonomi apabila didukung metode yang rasional, data yang memadai, serta pengungkapan yang jelas kepada pengguna laporan keuangan.

c. Risiko dan implikasi etis dari penyalahgunaan professional judgment
Professional judgment adalah bagian penting dalam akuntansi, tetapi juga membuka peluang penyalahgunaan. Jika pertimbangan profesional digunakan untuk menaikkan nilai aset, memperbesar laba, atau menunda pengakuan kerugian, maka laporan keuangan bisa menjadi menyesatkan. Risiko yang muncul tidak hanya berupa kesalahan pengambilan keputusan oleh investor, tetapi juga potensi sanksi hukum dan rusaknya reputasi perusahaan. Dari sisi etika, penyalahgunaan judgment menunjukkan kurangnya integritas dan tanggung jawab kepada publik. Akuntansi pada dasarnya dibangun atas kepercayaan. Jika laporan keuangan dimanipulasi melalui asumsi yang tidak wajar, maka kepercayaan tersebut akan hilang dan dampaknya bisa sangat luas.

d. Pemanfaatan kasus sebagai pembelajaran bagi calon pendidik ekonomi
Sebagai calon pendidik ekonomi, kasus ini sangat efektif dijadikan contoh pembelajaran berbasis studi kasus. Mahasiswa dapat diajak untuk tidak hanya menerima angka dalam laporan keuangan begitu saja, tetapi belajar mempertanyakan asumsi di baliknya. Diskusi bisa diarahkan pada pertanyaan seperti: apakah nilai goodwill benar-benar realistis, atau hanya hasil optimisme manajemen? Apakah penilaian aset digital sudah cukup transparan? Dengan cara ini, peserta didik dilatih berpikir kritis dan memahami bahwa akuntansi bukan sekadar mengikuti aturan, melainkan juga melibatkan tanggung jawab moral. Pembelajaran semacam ini penting agar mahasiswa tidak hanya cakap secara teknis, tetapi juga memiliki kesadaran etis dalam praktik profesionalnya nanti.

Tugas Kelompok 9
Nama Anggota Kelompok
1. Lola Egidiya-2413031087
2. Faiz Ramadhan_2413031096

Link Post Test : https://forms.gle/mRKp4Ldt7fAfWT9t6

Nama : Lola Egidiya
NPM : 2413031087
Kelas : 24C

1. Perbandingan pendekatan tradisional vs. AI dalam penilaian fair value
Menurut saya, perbedaan paling mendasar antara penilaian fair value tradisional dan penilaian berbasis AI terletak pada sumber otoritas dan cara pengetahuan nilai itu dibangun. Pendekatan tradisional mengandalkan teknik yang dapat dijelaskan seperti market approach atau income approach di mana asumsi, data pembanding, dan proses perhitungan bisa ditelusuri dengan jelas. Ini sejalan dengan prinsip IFRS bahwa nilai wajar harus merefleksikan harga pasar yang dapat diverifikasi. Sebaliknya, AI menghasilkan estimasi dengan memproses big data dan pola yang sering kali tidak dapat diterjemahkan langsung ke dalam logika valuasi tradisional. Meski AI bisa lebih cepat dan menangkap dinamika pasar yang kompleks, sifatnya yang “black box” membuat auditor sulit memastikan apakah hasil akhirnya benar-benar mencerminkan market participant assumptions atau hanya hasil dari struktur model yang tidak transparan. Jadi, keunggulan efisiensi AI perlu diseimbangkan dengan kebutuhan akuntansi akan penjelasan dan keterlacakan.

2. Implikasi epistemologis penggunaan AI
Dari sudut pandang epistemologi akuntansi, penggunaan AI membuat sumber pengetahuan tentang nilai menjadi lebih problematis. Biasanya, nilai wajar dianggap sah karena bertumpu pada bukti pasar yang bisa dipertanggungjawabkan. Namun AI membangun pengetahuannya dari pola statistik yang tersembunyi, sehingga “kebenaran” nilai yang dihasilkan sangat bergantung pada dataset dan desain model, bukan hanya pada kondisi pasar aktual. Menurut saya, ini memunculkan risiko bahwa nilai yang tampak objektif sebenarnya merupakan interpretasi algoritmik yang tidak sepenuhnya dapat diuji oleh auditor. Selain itu, bias data historis atau noise pasar dapat dengan mudah terbawa ke dalam model dan kemudian dianggap sebagai informasi yang valid. Dengan demikian, penggunaan AI menuntut kita untuk lebih kritis terhadap apa yang kita sebut sebagai fair value, karena validitasnya tidak lagi hanya ditentukan oleh pasar, tetapi juga oleh kualitas teknis model.

3. Strategi akuntabilitas dan pelaporan agar sesuai IFRS 13
Agar AI tetap sejalan dengan IFRS 13, menurut saya perusahaan perlu membangun kerangka akuntabilitas yang jauh lebih transparan dibanding metode tradisional. Minimal, perusahaan harus mendokumentasikan bagaimana model bekerja, sumber data yang digunakan, serta alasan pemilihan parameter utama. Selain itu, penjelasan model (explainability) perlu diperkuat, misalnya dengan teknik seperti SHAP atau analisis sensitivitas, sehingga auditor bisa memahami mengapa nilai tertentu dihasilkan. Perbandingan berkala antara output AI dan metode valuasi tradisional juga penting untuk menilai konsistensi. Dalam laporan keuangan, perusahaan wajib mengungkapkan metode AI yang digunakan, tingkat ketidakpastian, dan input mana yang termasuk Level 2 atau Level 3 menurut IFRS 13. Menurut pandangan saya, prinsip utamanya sederhana: AI boleh mempercepat proses, tetapi akuntabilitas tetap harus berada pada manusia, bukan algoritma.

Nama : Lola Egidiya
NPM : 2413031087
Kelas : 24C

1. Dampak Blockchain terhadap Teori Akuntansi (Reliabilitas & Transparansi)
Penggunaan blockchain dapat meningkatkan reliabilitas dan transparansi karena setiap data keberlanjutan seperti jejak karbon atau asal bahan baku dicatat secara permanen dan sulit dimodifikasi. Ini sejalan dengan prinsip faithful representation dalam teori akuntansi. Namun, blockchain juga menantang konsep tradisional karena akuntabilitas berpindah dari manusia ke sistem. Jika data awal yang dimasukkan salah, blockchain justru mengabadikan kesalahan tersebut. Artinya, reliabilitas tidak hanya berasal dari teknologi, tetapi dari kualitas governance dan kontrol internal yang memastikan data yang masuk benar dan dapat diverifikasi.

2. Tantangan Regulasi di Indonesia dan Global
Tantangan utama adalah belum adanya pedoman regulasi spesifik di Indonesia yang mengatur penggunaan blockchain dalam sustainability reporting, sehingga auditor dan regulator mungkin meragukan validitasnya. Integrasi blockchain dengan standar GRI juga belum sepenuhnya terakomodasi. Selain itu, perbedaan standar global, isu privasi data, dan keterbatasan kemampuan rantai pasok terutama petani kecil dapat menimbulkan inkonsistensi data. Stakeholder mungkin menghargai transparansi, tetapi mereka tetap menuntut penjelasan teknis dan jaminan bahwa teknologi tidak menggantikan penilaian profesional.

3. Rekomendasi Strategis
PT Hijau Lestari perlu membangun tata kelola data yang kuat, termasuk audit data awal dan standar input sebelum data masuk ke blockchain. Perusahaan juga sebaiknya menerapkan hybrid assurance: audit teknologi digabungkan dengan audit profesional untuk memastikan informasi tetap sesuai prinsip akuntansi dan GRI. Selain itu, perusahaan harus berkolaborasi dengan regulator dan auditor sejak awal agar implementasi diterima secara formal, sekaligus melatih seluruh rantai pasok agar mampu menghasilkan data yang akurat. Dengan langkah ini, blockchain dapat menjadi alat peningkat kredibilitas, bukan sekadar inovasi teknologi yang sulit diverifikasi.