Nama : Rulla Alifah
NPM : 2413031093

1. Penilaian fair value secara tradisional menggunakan metode seperti market, income, dan cost approach dengan asumsi yang jelas, terdokumentasi, dan mudah diverifikasi sehingga memenuhi prinsip transparansi dalam akuntansi. Sementara itu, sistem AI mengolah data pasar real-time dan menggunakan model prediktif yang sangat cepat dan akurat, tetapi proses kerjanya sulit dijelaskan karena bersifat “black box”. Kondisi ini membuat pendekatan AI lebih relevan secara informasi, namun menimbulkan masalah pada aspek keterandalan dan kejelasan proses penilaian.

2. AI menggeser dasar pengetahuan akuntansi dari model valuasi yang dapat dijelaskan menjadi analisis pola data yang tidak selalu dapat dipahami oleh manusia. Meski nilai yang dihasilkan AI bisa lebih tepat secara prediksi, dasar penalarannya sulit dibuktikan karena mekanisme internal model tidak transparan, sehingga menimbulkan epistemic opacity. Hal ini memicu pertanyaan mengenai keabsahan dan keandalan informasi akuntansi yang dihasilkan, terutama karena IFRS menuntut informasi yang dapat diverifikasi dan bebas bias.

3. Agar penggunaan AI tetap memenuhi IFRS 13, perusahaan perlu meningkatkan keterbukaan model melalui dokumentasi rinci, penerapan explainable AI, serta pencatatan input dan asumsi utama. Output AI juga harus diuji melalui back-testing, perbandingan dengan metode manual, dan audit algoritma untuk memastikan tidak ada bias. Selain itu, perusahaan harus mengungkapkan teknik valuasi AI, sumber data, tingkat fair value, sensitivitas input, dan risiko model dalam laporan keuangan. Dengan cara ini, hasil penilaian AI dapat tetap dianggap akuntabel dan dapat diaudit sesuai standar.

Nama : Rulla Alifah
NPM : Rulla Alifah

1. Blockchain dapat meningkatkan reliabilitas dan transparansi laporan keberlanjutan karena data yang dicatat bersifat permanen, terverifikasi, dan memiliki jejak audit yang jelas. Hal ini membantu mengurangi manipulasi informasi dan memberi stakeholder akses yang lebih transparan terhadap data jejak karbon maupun sumber bahan baku. Namun, teknologi ini tetap bergantung pada kualitas input; jika data awal tidak akurat, blockchain tidak dapat memperbaikinya. Karena itu, kontrol internal dan metode pengukuran yang benar tetap menjadi bagian penting untuk menjaga relevansi dan representasi yang andal dalam konteks teori akuntansi.

2. Dalam konteks Indonesia, tantangan utama mencakup kepatuhan terhadap POJK mengenai laporan keberlanjutan serta risiko pelanggaran UU Perlindungan Data Pribadi karena sifat blockchain yang sulit diubah. Jika sistem melibatkan token atau aset digital, perusahaan juga harus menyesuaikan diri dengan regulasi OJK yang lebih ketat. Di tingkat internasional, data on-chain harus tetap kompatibel dengan standar seperti GRI dan GHG Protocol. Selain itu, kesiapan teknologi di tingkat pemasok, potensi biaya tinggi, serta risiko dianggap melakukan greenwashing menjadi hambatan yang perlu dikelola dengan baik.

3. PT Hijau Lestari disarankan membangun tata kelola data yang jelas agar hanya data yang valid dan terverifikasi masuk ke blockchain. Penggunaan permissioned blockchain dengan model hybrid menyimpan data rinci secara off-chain dan hash di on-chain akan lebih sesuai dengan kebutuhan privasi dan regulasi. Perusahaan juga perlu mengadopsi standar pengukuran emisi yang diakui, melibatkan auditor sejak awal, serta memulai penerapan melalui pilot project terbatas untuk menguji kelayakan teknis dan regulasi. Pelibatan pemasok dan komunikasi transparan akan membantu meningkatkan penerimaan stakeholder dan memastikan manfaat teknologi benar-benar dirasakan.

Nama : Rulla Alifah
NPM : 2413031093

1. Analisis Kritis
● Pemanfaatan AI dan blockchain mengganggu konsep utama akuntansi konvensional, seperti keandalan bukti, transparansi proses, dan fleksibilitas koreksi. Sistem AI sering menghasilkan estimasi secara otomatis tanpa penjelasan yang jelas, sehingga sulit dipahami oleh auditor. Sementara itu, karakter permanen blockchain menyulitkan penyesuaian transaksi. Selain itu, pemisahan data yang tersimpan di blockchain dan data tambahan di luar jaringan membuat proses verifikasi menjadi lebih kompleks. Situasi ini menuntut penyesuaian ulang terhadap konsep verifiabilitas dan pertimbangan profesional dalam akuntansi.
● Digitalisasi memang meningkatkan efisiensi, akurasi, dan kecepatan pelaporan, namun juga menciptakan bentuk manipulasi baru. Manajemen dapat mengatur parameter algoritma untuk menunda pencatatan beban atau mengubah estimasi tanpa terlihat jelas. Input yang dimasukkan ke sistem AI pun bisa dimanipulasi, dan kerumitan model membuat kesalahan atau bias lebih sulit diidentifikasi auditor. Dengan demikian, risiko manipulasi beralih dari level transaksi ke level sistem dan algoritma.

2. Etika dan Transparansi
● Ketika algoritma mulai mengambil alih proses penilaian dan estimasi, muncul risiko siapa yang bertanggung jawab atas hasilnya. Akuntan juga berisiko kehilangan kapasitas judgement karena terlalu bergantung pada model otomatis. Selain itu, manajemen mungkin memanfaatkan kurangnya transparansi sistem untuk menampilkan laporan yang tampak lebih baik, menempatkan akuntan dalam posisi etis yang sulit.
● Akuntan harus tetap berpegang pada prinsip skeptisisme profesional. Mereka perlu meminta dokumentasi lengkap terkait penggunaan algoritma, termasuk parameter dan rekam jejak perubahan. Jika ada desakan untuk “menyelaraskan angka” demi menarik investor, akuntan wajib menolak dan melaporkannya sesuai prosedur, menjaga independensi serta kepatuhan terhadap kode etik.

3. Respon Strategis
● Perusahaan perlu memperkuat tata kelola teknologi, termasuk pengujian model, verifikasi perubahan algoritma, dan rekonsiliasi data on-chain dan off-chain. Auditor harus mengembangkan kemampuan analitis terkait AI dan blockchain, menggunakan teknik audit berkelanjutan, serta menilai integritas model melalui pengujian sensitivitas. Dokumentasi dan akses terhadap log algoritma menjadi elemen penting untuk memperkuat audit.
● Standar akuntansi berbasis prinsip masih berfungsi sebagai fondasi, namun belum cukup spesifik untuk menangani isu-isu teknis dalam ekosistem digital, seperti pengakuan transaksi otomatis atau estimasi yang dihasilkan AI. Karena itu, diperlukan pedoman tambahan yang mengatur pengungkapan penggunaan teknologi, tata kelola model, serta metode audit yang sesuai dengan sistem berbasis AI dan blockchain.

Nama : Rulla Alifah
NPM : 2413031093

1. Situasi PT Karya Sentosa memperlihatkan tanda-tanda yang kuat terkait kemungkinan penggunaan accrual-based earnings management. Peningkatan laba sebesar 45% tidak didukung oleh kenaikan arus kas operasi, sementara piutang usaha justru melonjak tajam. Hal tersebut menunjukkan bahwa perusahaan mungkin mengakui pendapatan yang belum menghasilkan kas. Penurunan cadangan kerugian piutang semakin memperkuat dugaan adanya pengurangan beban estimasi demi memperindah laba. Ketidakselarasan antara pendapatan, kas, dan perubahan akun akrual menjadi indikasi umum praktik manipulasi laporan keuangan.

2. Penelitian pertama (2024) menelaah bagaimana ketidakpastian kondisi makro memengaruhi praktik manajemen laba dan menemukan bahwa perusahaan lebih cenderung memanipulasi akrual maupun aktivitas riil ketika menghadapi tekanan eksternal. Penelitian kedua (2023) berfokus pada tahap siklus hidup organisasi menggunakan model akrual, dan menunjukkan bahwa perusahaan dalam fase tertentu seperti pertumbuhan atau penurunan lebih mudah dianggap melakukan manajemen laba. Perbedaan utamanya ialah fokus analisis: satu melihat dampak faktor eksternal, sementara yang lain mengaitkan perilaku manajemen laba dengan karakteristik internal perusahaan.

3. Manajemen laba tidak selalu membawa dampak buruk. Jika dilakukan secara oportunistik, praktik ini dapat mengurangi keandalan laporan keuangan dan menyesatkan para pengguna laporan. Namun, melalui perspektif signaling, diskresi akuntansi dapat berfungsi untuk menyampaikan informasi internal atau menjaga kestabilan pelaporan di tengah kondisi bisnis yang fluktuatif. Artinya, moralitas praktik ini bergantung pada motivasi pelakunya apakah untuk kepentingan pribadi atau untuk memberikan informasi yang lebih relevan bagi pihak eksternal.

4. Tanda-tanda manajemen laba pada PT Karya Sentosa tampak jelas melalui perubahan piutang, cadangan kerugian, serta arus kas yang tidak mencerminkan pertumbuhan laba. Stakeholder perlu meningkatkan proses pemantauan, meminta klarifikasi terkait akun-akun yang sensitif, serta mengevaluasi kinerja perusahaan melalui indikator arus kas, bukan hanya laba akuntansi. Auditor juga harus memperketat pemeriksaan atas kualitas piutang, dan investor dianjurkan lebih berhati-hati dalam menilai pertumbuhan laba yang tampak tidak didukung oleh pergerakan kas yang sehat.

Nama : Rulla Alifah
NPM : 2513031093

Artikel Earnings Management: A Literature Review mengkaji praktik manajemen laba dengan menelusuri 50 artikel internasional yang membahas dua sudut pandang utama, yakni oportunistik dan signaling. Dalam perspektif oportunistik, manajer dipandang memanfaatkan ketimpangan informasi untuk memenuhi tujuan pribadi, seperti mengejar bonus, menjaga kepatuhan terhadap perjanjian utang, atau menghindari tekanan regulasi. Sebaliknya, perspektif signaling menilai bahwa praktik ini dapat menjadi sarana penyampaian pesan mengenai prospek perusahaan yang tidak tercermin penuh dalam laporan keuangan. Dari hasil peninjauan, sekitar 74% penelitian bersifat kuantitatif, dan sebagian besar menggunakan pengukuran berbasis akrual, walaupun manipulasi aktivitas riil semakin sering dipilih karena lebih sulit terdeteksi. Selain itu, hampir 75% penelitian menempatkan earnings management sebagai tindakan manipulatif sehingga dipandang merugikan pengguna laporan. Meskipun demikian, artikel ini menegaskan bahwa dalam situasi tertentu, diskresi manajemen justru dapat meningkatkan kemampuan laporan keuangan dalam menyampaikan informasi yang relevan.

Menurut saya, artikel ini memberikan gambaran yang menyeluruh sekaligus kritis tentang bagaimana manajemen laba tidak semata-mata merupakan praktik yang merugikan, melainkan juga dapat berfungsi sebagai alat komunikasi manajerial. Dominasi penelitian yang berfokus pada sisi oportunistik menunjukkan kekhawatiran atas kemungkinan distorsi informasi yang memengaruhi keputusan ekonomi. Namun, sudut pandang signaling menawarkan pemahaman lain bahwa fleksibilitas akuntansi kadang diperlukan untuk menyampaikan informasi strategis yang tidak terakomodasi oleh aturan baku. Tantangan terbesar ke depan adalah menentukan batas yang jelas antara tindakan manajemen laba yang dapat diterima dan yang menyesatkan. Karena itu, penelitian lanjutan perlu memperdalam pemahaman mengenai motif di balik manajemen laba serta mengembangkan teknik deteksi yang lebih efektif, terutama untuk praktik manipulasi aktivitas nyata yang berdampak pada kinerja perusahaan dalam jangka panjang. Dengan demikian, diskursus mengenai manajemen laba dapat bergerak menuju pemahaman yang lebih seimbang dan kontekstual.