SlideShare a Scribd company logo
1 of 28
SISTEM INFORMASI AKUNTANSI
TINJAUAN PEMROSESAN TRANSAKSI DAN
ENTERPRISE RESOURCE PLANNING
Dwi Ayu Siti Hartinah H, Amd., B.Ing.,
S.E., Ak., M. Ak.
DATA PROCESSING CYCLE
INPUT PROCESS OUTPUT
STORAGE
The Data Processing Cycle Determines
What data is
stored?
How can
unanticipated
information needs be
met?
How is the data
organized?
Whi has access to
the data?
3. Taxonomy
Data Input - Capture
As a business activity
accurs data is
collected about :
 Each activity of interest
 The resources affected
 The people who are
participating
Resources
Events
Agents
4. Phylum: Chordata
Paper-Based Source Documents
Data are collected on source documents
• E.g., a sales-order form
• The data from paper-based will eventually need to be transferred to the AIS
Turnaround
• Usually paper-based
• Are sent from organization to customer
• Same document is returned by customer to organization
4. Phylum: Chordata
Source Data Automation
•In machine-readable from
•At the time of the business activity
(E.g., ATM’s; POS)
Source data is captured
4. Phylum: Chordata
Data Input-Accuracy and Control
Well-designed source documents can
ensure that data captured is
Provide instructions and prompts
Check boxes
Drop-down boxes
Internal control support
Prenumbered documents
Complete
Accurate
Data Storage
TYPES OF AIS STORAGE
• Ledgers
• Journals
Ledgers
Asset, liability, equity, revenue, and expense
GENERAL
Summary level data for each :
Accounts Receivable
Accounts Payable
SUBSIDIARY
Detailed data for a General Ledger (Control)
Account that has individual sub-accounts:
Journals
Infrequents or specialized transactions
GENERAL
Repetitive transactions
E.g., Sales transactions
Specialized
An audit trail is traceable
path of a transaction
through a data
processing system
It is used to check the
accuracy and validity of
ledger postings
4. Phylum: Chordata
Coding Techniques
Items numbered consecutively to account for
all items (prenumbered checks, invoices)
Sequence
Specific range of numbers are associated with
a category
Block
Product Code Product Type
1000000 – 1999999 Electic range
2000000 – 2999999 Refrigenator
3000000 – 3999999 Washer
4000000 - 4999999 Dryer
4. Phylum: Chordata
Coding Techniques
Positioning of digit in code provide meaning
Group
Digit Position Meaning
1-2 Product line, size,
and ect
3 Color
4-5 Year of
manufacture
6-7 Optional features
1241000 12 = Dishwasher
4 = white
10 = 2010
00 = no options
1241000
White
Dishwasher
2010
No Option
4. Phylum: Chordata
Coding Techniques
• Letters and numbers
• Easy to memorize
• Code derived from description of item
Mnemonic
Dry300W05
Driyer
Low end
sears
White
4. Phylum: Chordata
Coding Techniques
Types of block coding
Chart of
accounts
4. Phylum: Chordata
Computer Base Storoge
Person, place, thing (noun) or something an organization
wishers to store data about
Entity
Fact about the entity
Attributes
Where attributes are stored
Fields
Group of related attributes about an entity
Records
Group of related records
File
4. Phylum: Chordata
Computer Base Storoge
File Types
Contains records of a business from a specific period of
time
Transaction
• Permanent records
• Updates by transaction with the transaction file
Master
Set of interrelated files
Database
E.g., File Types
Data Processing
Four Main Activities
Create
New records
Read
Existing
records
Update
Existing
records
Delete
Records or data
from records
Batch Processing
File
Induk
Online Batch Processing
File
Induk
Online Real-Time Processing
File
Induk
Data Output Types
Soft Copy
Hard Copy
Displayed on a
screen
Print on
paper
Enterprise Resource Planning
Integrate an organization’s information into one overall AIS
• Financial
• Human resources and payroll
• Order to cash
• Purchase to pay
• Manufacturing
• Project management
• Customer relationship management
• System tools
ERP modules:
KUISIONER PENGENDALIAN INTERNAL
KUISIONER PENGENDALIAN INTERNAL
ERP Advantages
Integration of an organization’s data and financial information
Data is captured once
Greater management visibility, increased monitoring
Better access controls
Standardizes business operating procedures
Improved customers service
More efficient manufacturing
KUISIONER PENGENDALIAN INTERNAL
Cost
Time-consuming to implement
Changes to an organization’s existing business processes
can be disruptive
Complex
Resistance to change
ERP Disadvantages

More Related Content

Similar to TINJUAN PEMROSESAN TRANSAKSI DAN ERP.pptx

BTEC National in ICT: Unit 3 - Data vs Information
BTEC National in ICT: Unit 3 - Data vs InformationBTEC National in ICT: Unit 3 - Data vs Information
BTEC National in ICT: Unit 3 - Data vs Informationmrcox
 
Group_1_Secondary_data_in_digital_Age.pptx
Group_1_Secondary_data_in_digital_Age.pptxGroup_1_Secondary_data_in_digital_Age.pptx
Group_1_Secondary_data_in_digital_Age.pptxAnishBengeri
 
Datawarehouse Overview
Datawarehouse OverviewDatawarehouse Overview
Datawarehouse Overviewashok kumar
 
Lawson for Total Beginners
Lawson for Total BeginnersLawson for Total Beginners
Lawson for Total BeginnersNogalis Inc
 
Data Warehousing Datamining Concepts
Data Warehousing Datamining ConceptsData Warehousing Datamining Concepts
Data Warehousing Datamining Conceptsraulmisir
 
Fis 2011-w2
Fis 2011-w2Fis 2011-w2
Fis 2011-w2oktazia
 
FAIR landscape in ELIXIR: FAIR metrics and other initiatives
FAIR landscape in ELIXIR: FAIR metrics and other initiativesFAIR landscape in ELIXIR: FAIR metrics and other initiatives
FAIR landscape in ELIXIR: FAIR metrics and other initiativesPeter McQuilton
 
Dataware housing
Dataware housingDataware housing
Dataware housingwork
 
Emerging concept in information system
Emerging concept in information systemEmerging concept in information system
Emerging concept in information systemmeenakshi24
 
Marketing research ch 4_malhotra
Marketing research ch 4_malhotraMarketing research ch 4_malhotra
Marketing research ch 4_malhotraJamil Ahmed AKASH
 
Exploratory research design secondary data
Exploratory research design  secondary dataExploratory research design  secondary data
Exploratory research design secondary dataRohit Kumar
 
Book 1 chapter-2
Book 1 chapter-2Book 1 chapter-2
Book 1 chapter-2GTU
 
Data Mining Xuequn Shang NorthWestern Polytechnical University
Data Mining Xuequn Shang NorthWestern Polytechnical UniversityData Mining Xuequn Shang NorthWestern Polytechnical University
Data Mining Xuequn Shang NorthWestern Polytechnical Universitybutest
 
marketingresearchch4malhotra-140725014621-phpapp01.pptx
marketingresearchch4malhotra-140725014621-phpapp01.pptxmarketingresearchch4malhotra-140725014621-phpapp01.pptx
marketingresearchch4malhotra-140725014621-phpapp01.pptxssuserb9efd7
 
Dissemination Documentation
Dissemination DocumentationDissemination Documentation
Dissemination Documentationannegrete
 

Similar to TINJUAN PEMROSESAN TRANSAKSI DAN ERP.pptx (20)

BTEC National in ICT: Unit 3 - Data vs Information
BTEC National in ICT: Unit 3 - Data vs InformationBTEC National in ICT: Unit 3 - Data vs Information
BTEC National in ICT: Unit 3 - Data vs Information
 
Group_1_Secondary_data_in_digital_Age.pptx
Group_1_Secondary_data_in_digital_Age.pptxGroup_1_Secondary_data_in_digital_Age.pptx
Group_1_Secondary_data_in_digital_Age.pptx
 
Datawarehouse Overview
Datawarehouse OverviewDatawarehouse Overview
Datawarehouse Overview
 
Lawson for Total Beginners
Lawson for Total BeginnersLawson for Total Beginners
Lawson for Total Beginners
 
Data Warehousing Datamining Concepts
Data Warehousing Datamining ConceptsData Warehousing Datamining Concepts
Data Warehousing Datamining Concepts
 
14515386.ppt
14515386.ppt14515386.ppt
14515386.ppt
 
Fis 2011-w2
Fis 2011-w2Fis 2011-w2
Fis 2011-w2
 
FAIR landscape in ELIXIR: FAIR metrics and other initiatives
FAIR landscape in ELIXIR: FAIR metrics and other initiativesFAIR landscape in ELIXIR: FAIR metrics and other initiatives
FAIR landscape in ELIXIR: FAIR metrics and other initiatives
 
Dataware housing
Dataware housingDataware housing
Dataware housing
 
Emerging concept in information system
Emerging concept in information systemEmerging concept in information system
Emerging concept in information system
 
Information system
Information systemInformation system
Information system
 
Marketing research ch 4_malhotra
Marketing research ch 4_malhotraMarketing research ch 4_malhotra
Marketing research ch 4_malhotra
 
Exploratory research design secondary data
Exploratory research design  secondary dataExploratory research design  secondary data
Exploratory research design secondary data
 
Book 1 chapter-2
Book 1 chapter-2Book 1 chapter-2
Book 1 chapter-2
 
Data Mining Xuequn Shang NorthWestern Polytechnical University
Data Mining Xuequn Shang NorthWestern Polytechnical UniversityData Mining Xuequn Shang NorthWestern Polytechnical University
Data Mining Xuequn Shang NorthWestern Polytechnical University
 
marketingresearchch4malhotra-140725014621-phpapp01.pptx
marketingresearchch4malhotra-140725014621-phpapp01.pptxmarketingresearchch4malhotra-140725014621-phpapp01.pptx
marketingresearchch4malhotra-140725014621-phpapp01.pptx
 
Data mining notes
Data mining notesData mining notes
Data mining notes
 
Dissemination Documentation
Dissemination DocumentationDissemination Documentation
Dissemination Documentation
 
Transaction processing
Transaction processingTransaction processing
Transaction processing
 
Business Informaton Systems
Business Informaton SystemsBusiness Informaton Systems
Business Informaton Systems
 

Recently uploaded

B2 Creative Industry Response Evaluation.docx
B2 Creative Industry Response Evaluation.docxB2 Creative Industry Response Evaluation.docx
B2 Creative Industry Response Evaluation.docxStephen266013
 
办理学位证中佛罗里达大学毕业证,UCF成绩单原版一比一
办理学位证中佛罗里达大学毕业证,UCF成绩单原版一比一办理学位证中佛罗里达大学毕业证,UCF成绩单原版一比一
办理学位证中佛罗里达大学毕业证,UCF成绩单原版一比一F sss
 
PKS-TGC-1084-630 - Stage 1 Proposal.pptx
PKS-TGC-1084-630 - Stage 1 Proposal.pptxPKS-TGC-1084-630 - Stage 1 Proposal.pptx
PKS-TGC-1084-630 - Stage 1 Proposal.pptxPramod Kumar Srivastava
 
Top 5 Best Data Analytics Courses In Queens
Top 5 Best Data Analytics Courses In QueensTop 5 Best Data Analytics Courses In Queens
Top 5 Best Data Analytics Courses In Queensdataanalyticsqueen03
 
Predicting Salary Using Data Science: A Comprehensive Analysis.pdf
Predicting Salary Using Data Science: A Comprehensive Analysis.pdfPredicting Salary Using Data Science: A Comprehensive Analysis.pdf
Predicting Salary Using Data Science: A Comprehensive Analysis.pdfBoston Institute of Analytics
 
NLP Project PPT: Flipkart Product Reviews through NLP Data Science.pptx
NLP Project PPT: Flipkart Product Reviews through NLP Data Science.pptxNLP Project PPT: Flipkart Product Reviews through NLP Data Science.pptx
NLP Project PPT: Flipkart Product Reviews through NLP Data Science.pptxBoston Institute of Analytics
 
dokumen.tips_chapter-4-transient-heat-conduction-mehmet-kanoglu.ppt
dokumen.tips_chapter-4-transient-heat-conduction-mehmet-kanoglu.pptdokumen.tips_chapter-4-transient-heat-conduction-mehmet-kanoglu.ppt
dokumen.tips_chapter-4-transient-heat-conduction-mehmet-kanoglu.pptSonatrach
 
NLP Data Science Project Presentation:Predicting Heart Disease with NLP Data ...
NLP Data Science Project Presentation:Predicting Heart Disease with NLP Data ...NLP Data Science Project Presentation:Predicting Heart Disease with NLP Data ...
NLP Data Science Project Presentation:Predicting Heart Disease with NLP Data ...Boston Institute of Analytics
 
INTERNSHIP ON PURBASHA COMPOSITE TEX LTD
INTERNSHIP ON PURBASHA COMPOSITE TEX LTDINTERNSHIP ON PURBASHA COMPOSITE TEX LTD
INTERNSHIP ON PURBASHA COMPOSITE TEX LTDRafezzaman
 
EMERCE - 2024 - AMSTERDAM - CROSS-PLATFORM TRACKING WITH GOOGLE ANALYTICS.pptx
EMERCE - 2024 - AMSTERDAM - CROSS-PLATFORM  TRACKING WITH GOOGLE ANALYTICS.pptxEMERCE - 2024 - AMSTERDAM - CROSS-PLATFORM  TRACKING WITH GOOGLE ANALYTICS.pptx
EMERCE - 2024 - AMSTERDAM - CROSS-PLATFORM TRACKING WITH GOOGLE ANALYTICS.pptxthyngster
 
DBA Basics: Getting Started with Performance Tuning.pdf
DBA Basics: Getting Started with Performance Tuning.pdfDBA Basics: Getting Started with Performance Tuning.pdf
DBA Basics: Getting Started with Performance Tuning.pdfJohn Sterrett
 
Building on a FAIRly Strong Foundation to Connect Academic Research to Transl...
Building on a FAIRly Strong Foundation to Connect Academic Research to Transl...Building on a FAIRly Strong Foundation to Connect Academic Research to Transl...
Building on a FAIRly Strong Foundation to Connect Academic Research to Transl...Jack DiGiovanna
 
原版1:1定制南十字星大学毕业证(SCU毕业证)#文凭成绩单#真实留信学历认证永久存档
原版1:1定制南十字星大学毕业证(SCU毕业证)#文凭成绩单#真实留信学历认证永久存档原版1:1定制南十字星大学毕业证(SCU毕业证)#文凭成绩单#真实留信学历认证永久存档
原版1:1定制南十字星大学毕业证(SCU毕业证)#文凭成绩单#真实留信学历认证永久存档208367051
 
Beautiful Sapna Vip Call Girls Hauz Khas 9711199012 Call /Whatsapps
Beautiful Sapna Vip  Call Girls Hauz Khas 9711199012 Call /WhatsappsBeautiful Sapna Vip  Call Girls Hauz Khas 9711199012 Call /Whatsapps
Beautiful Sapna Vip Call Girls Hauz Khas 9711199012 Call /Whatsappssapnasaifi408
 
办理(UWIC毕业证书)英国卡迪夫城市大学毕业证成绩单原版一比一
办理(UWIC毕业证书)英国卡迪夫城市大学毕业证成绩单原版一比一办理(UWIC毕业证书)英国卡迪夫城市大学毕业证成绩单原版一比一
办理(UWIC毕业证书)英国卡迪夫城市大学毕业证成绩单原版一比一F La
 
办美国阿肯色大学小石城分校毕业证成绩单pdf电子版制作修改#真实留信入库#永久存档#真实可查#diploma#degree
办美国阿肯色大学小石城分校毕业证成绩单pdf电子版制作修改#真实留信入库#永久存档#真实可查#diploma#degree办美国阿肯色大学小石城分校毕业证成绩单pdf电子版制作修改#真实留信入库#永久存档#真实可查#diploma#degree
办美国阿肯色大学小石城分校毕业证成绩单pdf电子版制作修改#真实留信入库#永久存档#真实可查#diploma#degreeyuu sss
 
Call Girls In Dwarka 9654467111 Escorts Service
Call Girls In Dwarka 9654467111 Escorts ServiceCall Girls In Dwarka 9654467111 Escorts Service
Call Girls In Dwarka 9654467111 Escorts ServiceSapana Sha
 
High Class Call Girls Noida Sector 39 Aarushi 🔝8264348440🔝 Independent Escort...
High Class Call Girls Noida Sector 39 Aarushi 🔝8264348440🔝 Independent Escort...High Class Call Girls Noida Sector 39 Aarushi 🔝8264348440🔝 Independent Escort...
High Class Call Girls Noida Sector 39 Aarushi 🔝8264348440🔝 Independent Escort...soniya singh
 

Recently uploaded (20)

B2 Creative Industry Response Evaluation.docx
B2 Creative Industry Response Evaluation.docxB2 Creative Industry Response Evaluation.docx
B2 Creative Industry Response Evaluation.docx
 
办理学位证中佛罗里达大学毕业证,UCF成绩单原版一比一
办理学位证中佛罗里达大学毕业证,UCF成绩单原版一比一办理学位证中佛罗里达大学毕业证,UCF成绩单原版一比一
办理学位证中佛罗里达大学毕业证,UCF成绩单原版一比一
 
PKS-TGC-1084-630 - Stage 1 Proposal.pptx
PKS-TGC-1084-630 - Stage 1 Proposal.pptxPKS-TGC-1084-630 - Stage 1 Proposal.pptx
PKS-TGC-1084-630 - Stage 1 Proposal.pptx
 
Top 5 Best Data Analytics Courses In Queens
Top 5 Best Data Analytics Courses In QueensTop 5 Best Data Analytics Courses In Queens
Top 5 Best Data Analytics Courses In Queens
 
Predicting Salary Using Data Science: A Comprehensive Analysis.pdf
Predicting Salary Using Data Science: A Comprehensive Analysis.pdfPredicting Salary Using Data Science: A Comprehensive Analysis.pdf
Predicting Salary Using Data Science: A Comprehensive Analysis.pdf
 
Deep Generative Learning for All - The Gen AI Hype (Spring 2024)
Deep Generative Learning for All - The Gen AI Hype (Spring 2024)Deep Generative Learning for All - The Gen AI Hype (Spring 2024)
Deep Generative Learning for All - The Gen AI Hype (Spring 2024)
 
NLP Project PPT: Flipkart Product Reviews through NLP Data Science.pptx
NLP Project PPT: Flipkart Product Reviews through NLP Data Science.pptxNLP Project PPT: Flipkart Product Reviews through NLP Data Science.pptx
NLP Project PPT: Flipkart Product Reviews through NLP Data Science.pptx
 
dokumen.tips_chapter-4-transient-heat-conduction-mehmet-kanoglu.ppt
dokumen.tips_chapter-4-transient-heat-conduction-mehmet-kanoglu.pptdokumen.tips_chapter-4-transient-heat-conduction-mehmet-kanoglu.ppt
dokumen.tips_chapter-4-transient-heat-conduction-mehmet-kanoglu.ppt
 
NLP Data Science Project Presentation:Predicting Heart Disease with NLP Data ...
NLP Data Science Project Presentation:Predicting Heart Disease with NLP Data ...NLP Data Science Project Presentation:Predicting Heart Disease with NLP Data ...
NLP Data Science Project Presentation:Predicting Heart Disease with NLP Data ...
 
Call Girls in Saket 99530🔝 56974 Escort Service
Call Girls in Saket 99530🔝 56974 Escort ServiceCall Girls in Saket 99530🔝 56974 Escort Service
Call Girls in Saket 99530🔝 56974 Escort Service
 
INTERNSHIP ON PURBASHA COMPOSITE TEX LTD
INTERNSHIP ON PURBASHA COMPOSITE TEX LTDINTERNSHIP ON PURBASHA COMPOSITE TEX LTD
INTERNSHIP ON PURBASHA COMPOSITE TEX LTD
 
EMERCE - 2024 - AMSTERDAM - CROSS-PLATFORM TRACKING WITH GOOGLE ANALYTICS.pptx
EMERCE - 2024 - AMSTERDAM - CROSS-PLATFORM  TRACKING WITH GOOGLE ANALYTICS.pptxEMERCE - 2024 - AMSTERDAM - CROSS-PLATFORM  TRACKING WITH GOOGLE ANALYTICS.pptx
EMERCE - 2024 - AMSTERDAM - CROSS-PLATFORM TRACKING WITH GOOGLE ANALYTICS.pptx
 
DBA Basics: Getting Started with Performance Tuning.pdf
DBA Basics: Getting Started with Performance Tuning.pdfDBA Basics: Getting Started with Performance Tuning.pdf
DBA Basics: Getting Started with Performance Tuning.pdf
 
Building on a FAIRly Strong Foundation to Connect Academic Research to Transl...
Building on a FAIRly Strong Foundation to Connect Academic Research to Transl...Building on a FAIRly Strong Foundation to Connect Academic Research to Transl...
Building on a FAIRly Strong Foundation to Connect Academic Research to Transl...
 
原版1:1定制南十字星大学毕业证(SCU毕业证)#文凭成绩单#真实留信学历认证永久存档
原版1:1定制南十字星大学毕业证(SCU毕业证)#文凭成绩单#真实留信学历认证永久存档原版1:1定制南十字星大学毕业证(SCU毕业证)#文凭成绩单#真实留信学历认证永久存档
原版1:1定制南十字星大学毕业证(SCU毕业证)#文凭成绩单#真实留信学历认证永久存档
 
Beautiful Sapna Vip Call Girls Hauz Khas 9711199012 Call /Whatsapps
Beautiful Sapna Vip  Call Girls Hauz Khas 9711199012 Call /WhatsappsBeautiful Sapna Vip  Call Girls Hauz Khas 9711199012 Call /Whatsapps
Beautiful Sapna Vip Call Girls Hauz Khas 9711199012 Call /Whatsapps
 
办理(UWIC毕业证书)英国卡迪夫城市大学毕业证成绩单原版一比一
办理(UWIC毕业证书)英国卡迪夫城市大学毕业证成绩单原版一比一办理(UWIC毕业证书)英国卡迪夫城市大学毕业证成绩单原版一比一
办理(UWIC毕业证书)英国卡迪夫城市大学毕业证成绩单原版一比一
 
办美国阿肯色大学小石城分校毕业证成绩单pdf电子版制作修改#真实留信入库#永久存档#真实可查#diploma#degree
办美国阿肯色大学小石城分校毕业证成绩单pdf电子版制作修改#真实留信入库#永久存档#真实可查#diploma#degree办美国阿肯色大学小石城分校毕业证成绩单pdf电子版制作修改#真实留信入库#永久存档#真实可查#diploma#degree
办美国阿肯色大学小石城分校毕业证成绩单pdf电子版制作修改#真实留信入库#永久存档#真实可查#diploma#degree
 
Call Girls In Dwarka 9654467111 Escorts Service
Call Girls In Dwarka 9654467111 Escorts ServiceCall Girls In Dwarka 9654467111 Escorts Service
Call Girls In Dwarka 9654467111 Escorts Service
 
High Class Call Girls Noida Sector 39 Aarushi 🔝8264348440🔝 Independent Escort...
High Class Call Girls Noida Sector 39 Aarushi 🔝8264348440🔝 Independent Escort...High Class Call Girls Noida Sector 39 Aarushi 🔝8264348440🔝 Independent Escort...
High Class Call Girls Noida Sector 39 Aarushi 🔝8264348440🔝 Independent Escort...
 

TINJUAN PEMROSESAN TRANSAKSI DAN ERP.pptx

  • 1. SISTEM INFORMASI AKUNTANSI TINJAUAN PEMROSESAN TRANSAKSI DAN ENTERPRISE RESOURCE PLANNING Dwi Ayu Siti Hartinah H, Amd., B.Ing., S.E., Ak., M. Ak.
  • 2. DATA PROCESSING CYCLE INPUT PROCESS OUTPUT STORAGE
  • 3. The Data Processing Cycle Determines What data is stored? How can unanticipated information needs be met? How is the data organized? Whi has access to the data?
  • 4. 3. Taxonomy Data Input - Capture As a business activity accurs data is collected about :  Each activity of interest  The resources affected  The people who are participating Resources Events Agents
  • 5. 4. Phylum: Chordata Paper-Based Source Documents Data are collected on source documents • E.g., a sales-order form • The data from paper-based will eventually need to be transferred to the AIS Turnaround • Usually paper-based • Are sent from organization to customer • Same document is returned by customer to organization
  • 6. 4. Phylum: Chordata Source Data Automation •In machine-readable from •At the time of the business activity (E.g., ATM’s; POS) Source data is captured
  • 7. 4. Phylum: Chordata Data Input-Accuracy and Control Well-designed source documents can ensure that data captured is Provide instructions and prompts Check boxes Drop-down boxes Internal control support Prenumbered documents Complete Accurate
  • 8. Data Storage TYPES OF AIS STORAGE • Ledgers • Journals
  • 9. Ledgers Asset, liability, equity, revenue, and expense GENERAL Summary level data for each : Accounts Receivable Accounts Payable SUBSIDIARY Detailed data for a General Ledger (Control) Account that has individual sub-accounts:
  • 10. Journals Infrequents or specialized transactions GENERAL Repetitive transactions E.g., Sales transactions Specialized
  • 11. An audit trail is traceable path of a transaction through a data processing system It is used to check the accuracy and validity of ledger postings
  • 12. 4. Phylum: Chordata Coding Techniques Items numbered consecutively to account for all items (prenumbered checks, invoices) Sequence Specific range of numbers are associated with a category Block Product Code Product Type 1000000 – 1999999 Electic range 2000000 – 2999999 Refrigenator 3000000 – 3999999 Washer 4000000 - 4999999 Dryer
  • 13. 4. Phylum: Chordata Coding Techniques Positioning of digit in code provide meaning Group Digit Position Meaning 1-2 Product line, size, and ect 3 Color 4-5 Year of manufacture 6-7 Optional features 1241000 12 = Dishwasher 4 = white 10 = 2010 00 = no options 1241000 White Dishwasher 2010 No Option
  • 14. 4. Phylum: Chordata Coding Techniques • Letters and numbers • Easy to memorize • Code derived from description of item Mnemonic Dry300W05 Driyer Low end sears White
  • 15. 4. Phylum: Chordata Coding Techniques Types of block coding Chart of accounts
  • 16. 4. Phylum: Chordata Computer Base Storoge Person, place, thing (noun) or something an organization wishers to store data about Entity Fact about the entity Attributes Where attributes are stored Fields Group of related attributes about an entity Records Group of related records File
  • 18. File Types Contains records of a business from a specific period of time Transaction • Permanent records • Updates by transaction with the transaction file Master Set of interrelated files Database
  • 20. Data Processing Four Main Activities Create New records Read Existing records Update Existing records Delete Records or data from records
  • 24. Data Output Types Soft Copy Hard Copy Displayed on a screen Print on paper
  • 25. Enterprise Resource Planning Integrate an organization’s information into one overall AIS • Financial • Human resources and payroll • Order to cash • Purchase to pay • Manufacturing • Project management • Customer relationship management • System tools ERP modules:
  • 27. KUISIONER PENGENDALIAN INTERNAL ERP Advantages Integration of an organization’s data and financial information Data is captured once Greater management visibility, increased monitoring Better access controls Standardizes business operating procedures Improved customers service More efficient manufacturing
  • 28. KUISIONER PENGENDALIAN INTERNAL Cost Time-consuming to implement Changes to an organization’s existing business processes can be disruptive Complex Resistance to change ERP Disadvantages

Editor's Notes

  1. Kita harus mengentahui gambar besar siklus pengolahan data Pengolahan data dimulai dari input data Kemudian data akan diproses, atau bisa jadi data disimpan terlebih dahalu Kemudian data yang disimpan akan dilakukan pemrosesan Setelah data diproses akan menjadi output dalam hal ini sebuah informasi, Dimana informasi ini penting bagi pengambilan Keputusan
  2. Seorang analisis system ketika merancang sebuah system informasi, dibutuhkan beberapa informasi yang biasanya diperoleh oleh akuntan dan pengguna informasi lainnya. Muncul pertanyaan yaitu ? Data apa yang sebaiknya dimasukkan dan disimpan oleh organisasi ?, perlu diingat tidak semua informasi itu dibutuhkan dan bermanfaat untuk pengambilan Keputusan, maka penting bagi analisis system untuk menetapkan data apa saja yang dimasukan dan disimpan dalam system Siapa yang memiliki akses terhadap data tersebut ? Karena dlm sebuah organisasi terdapat Tingkat2tan struktur organisasi, yang setiap tingkatan memiliki karakteristik tersendiri dalam mengaksesnya, oleh karena itu harus ditentukan hak akses dalam penggunan system Bagaimana data2 tersebut bisa diatur, diperbaharui, disimpan, diakses, dan diambil Kembali ? Misalnya ada data2 terdapat kode-kode tertentu yang Dimana kode tersebut mengandung makna sehingga memudahkan untuk diidentifikasi dan diolah. Bagaimana agar kebutuhan informasi yg tak terduga dapat dipenuhi ? Dalam kondisi tertentu organisasi butuh informasi yang tidak biasa lalu bagaimana cara data tersebut diperoleh .
  3. Langkah pertama dalam sebuah system yaitu : Proses input, yaitu mengambil data transaksi dan dimasukkan kedalam system. Proses pengambilan data dipicu oleh aktivitas bisnis. Dimana data dikumpulkan dari setiap aktivitas bisnis, yaitu : a. Aktivitas organisasi, misalnya siklus penjualan atau aktivitas penjualan ini merupakan aktivitas yang seringkali dilakukan yaitu penjualan baik tunai maupun kredit. Data yang diperlukan dari segi aktivitasnya adalah waktu dan tanggal penjualan misalnya. b. sumber daya, Kemudian dari segi sumberdayanya, misalnya barang yang terjual semua barang yang terjaul datanya harus diinput c. Orang yang melakukannya atau siapa orang yang melakukan penjualan. Oleh karena itu semua data ini harus terinput Dapat dibilng, jika ingin memudahkan kita singkat dengan REA
  4. Secara historis Sebagian besar bisnis menggunakan dokumen sumber yang berbasis kertas untuk mengumpulkan data aktivitas bisnis mereka. Kemudian mereka akan memidahkan data tsb ke dlm computer, misalnya Formulir pesanan penjualan Diantara dokumen kertas tsb ada dokumen turnaround (dokumen untuk pihak eksternal) yang kemudian dokumen tersebut akan Kembali lg ke perusahan. Misalnya : Dokumen tagihan. Dokumen ini biasanya disampaikan ke customer dan Ketika customer membayar maka dokumen ini akan Kembali ke Perusahaan sebagai dasar pembayaran dan dokumen ini dibaca dgn alat pemindai Ketika dikembali ke Perusahaan.
  5. Alat pemindai untuk membaca dokumen secara otomatis disebut dengan Source data automation, yaitu berfungsi untuk mengambil data transaksi dalam bentuk yang dapat dibaca oleh mesin. Misalnya ATM yang digunakan oleh bank, pemindai barkot yang digunakan untuk mengidentifikasi barang pada POS (Point of Sil) atau kasir
  6. Dalam melakukan penginputan data desain dari formular input harus memastikan data yang diinput akurat dan lengkap. Ada beberapa cara. Akurasi. Dalam dokumen input diberikan intruksi atau petunjuk yang jelas terkait penginputannya, bisa menggunakan cek box Ketika pilihannya terbatas 1 atau 2, sehingga kita dapat menghindari ada pilihan lain yang diinputkan, selain itu bisa menggunakan drop-down boxes (ini pilihannya lebih banyak, tetapi masih terbatas jumlahnya) Kelengkapan. Kita bisa menggunakan internal control support sehingga memungkinkan data yang dimasukan lengkap dan prenumbered document ini contoh dari internal support dgn dokumen yang dari awal diberikan nomor sehingga dapat dikontrol jumlah urutan dokumen yang telah dikeluarkan
  7. Setelah penjeleaskan proses input, maka kita harus mengetahui juga proses penyimpanan data. Proses penyimpanan data dalam SIA terbagi menjadi 2 jenis, yaitu : Paper based (Penyimpanan dokumen dalam bentuk kertas) contohnya buku besar dan jurnal Penyimpanan dengan komputer
  8. Ledgers (buku besar), terbagi menjadi 2, yaitu : General ledgers yang merupakan summary dari akun2 akuntansi (akun asset, kewajiban, ekuitas, pendapatan, dan biaya) Buku besar pembantu (Subsidiary ledgers) yang merupakan detelai dari buku besar pada akun-akun tertentu yang membutuhkan detail seperti (piutang usaha dan utang usaha)
  9. Jurnal terbagi menjadi 2, yaitu : Junal umum, yang digunakan untuk transaksi yang jarang terjadi dan khusus seperti (Jurnal pnyesuaian dan jurnal penutup) Jurnal khusus yaitu untuk transaksi yang sering terjadi dalam setiap bulannya dan selalu berulang misalnya (jurnal pembelian, jurnal penjualan, jurnal penerimaan, dan jurnal pengeluaran kas
  10. Untuk menggambarkan jurnal, buku besar, buku besar pembantu, serta audit trail. Perhatikan gambar ini Ketika terjadi transaksi penjualan secara kredit, maka akan dicatat di jurnal khusus penjulan kredit, kemudian secara periodic dilakukan posting ke buku besar umum. Karena ini penjualan secara kredit, maka posting ke buku besar dilakukan terhadap akun piutang usaha dan buku besar akun penjualan secara kredit secara berkala dalam jangka waktu tertentu di totalkan berapa penjualan kredit kemudian di posting ke buku besar. Selain dilakukan posting ke buku besar, perlu diingat bahwa harus ada referensi Ketika melakukan posting. Jika dilihat di jurnal umum ada di halaman 5 kemudian diberikan kode SJ5. Hal ini penting agar bisa dilakukan penelusuran atau audit trail. Selain di posting kedalam buku besar juga dilakukan pemostingan terhadap buku besar pembantu, karena piutang usaha ini akan menghasilkan daftar orang atau institusi yang melakukan penjualan secara kredit dan ini penting sebagai detail dari piutang usaha, maka transaksi2 ini juga masuk ke dalam buku besar pembantu piutang usaha. Jadi Ketika ingin mengetahui berapa saja atau kepada siapa saja utang usaha ini dilakukan, utang mana saja yg blm terbayar dan mana yang sdh dibayar. Maka kita bisa mencari informasi itu dengan melihat buku besar pembantu
  11. Data didalam buku besar disusun secara logis menggunakan Teknik pengkodeaan. Pengkodeaan adalah penetapan secara sistematis berupa angka atau huruf terhadap aitem2 untuk mengkalsifikasikan dan mengatur item2 tsb. Ada beberapa Teknik dalam pengkodeaan Kode urutan atau sequence. Semua item diberikan kode secara urutan. Seperti 1,2,3 dst Kode Blok. Blok angka yang dicadangkan untuk kategori tertentu. Misalnya seperti ini kode produk 1 juta sampai dengan 2 juta itu time produknya electric range, lalu seterusnya. Kode group. Pengkodeaan dengan posisi digit yang mengandung arti. Misalnya Kode nemonik.
  12. 3. Kode group. Pengkodeaan dengan posisi digit yang mengandung arti. Misalnya seperti ini bagaimana posisi digit mengandung arti digit 1-2 berarti line produk (jenis produk), digit ke-3 berarti menunjukkan warna, 4-5 = tahun pembuatan, 6-7 = vitur yang bersifat opsional, Kode nemonik.
  13. 4. Kode nemonik yaitu gabungan antara angka dan huruf untuk mengidentifikasi item yang biasanya mudah dihafal. Misalnya Dry300W05 Dry (pengering atau jenis produknya) 300 (low end) W (warna / putih) 05 (pembuatnya / sears)
  14. Contoh implementasi pengkodeaan pada bagan akun, yaitu Pengkodeaan bagan akun bertipe kode blok. Perhatikan table ini ada kode blok disini yaitu 100 – 199 itu adalah aktiva lancar (current assets), dan seterusnya. Ini merupakan contoh Teknik pengkodeaan dengan tipe blok koding atau blok
  15. Selanjutnya bagaimana konsep penyimpanan berbasis computer. Ada beberapa istilah yang harus diketahui terkait konsep penyimpanan data berbasis computer Entitas, yaitu sesuatu bisa orang ataubarang dalam organisasi yang akan disimpan informasinya misalnya karyawan, barang persediaan, dan pelanggan Atribut, yaitu fakta ttg entitas. Misalnya, kalua kita entitas karyawan maka atributnya nama karyawan, Alamat, no tlfn. Dan lainnya Tempat Dimana atribut disimpan / fields. Records yaitu sekumpulan atribut yang saling terkait dgn entitas. File yaitu sekumpulkan record yang saling terkait.
  16. Untuk memperjelas istilah tadi, kita bisa lihat contoh Ini merupakan data pelanggan, jadi ada 3 pelanggan yang disebut dgn entitas Setiap entitas memiliki antribut (No pelanggan, nama pelanggan, Alamat, batas kredit, dan saldo). Atribut disimpan dalam Fields. Dalam satu kolom ini adalah fields Dalam fields ada records2 seperti nama pelanggannya 19283, Namanya XYZ, lamatnya dan lain2 (ini merupakan record) Dan semua isinya disebut file
  17. Dalam konsep penyimpanan berbasis computer kita juga mengenal beberapa tipe2 file, yaitu File transaksi, berisi dari records dari bisnis dalam periode tertentu. Misalnya record bulan januari, jadi semua catatan yang terjadi pada bulan januari. File master (permanen records) yang terupdate Ketika file transaksi diperbaharui. Artinya ada data transaksi yang berubah atau bisa dikatakan rekapnya. Jadi didalam akuntansi yang dimaksud dalam transaksi yaitu JURNAL sedangkan yang dimaksud dgn Master yaitu buku besar Database jadi file2 yang saling berhubung atau berinteraksi satu dgn lainnya.
  18. Kita bisa lihat untuk mengetahui tipe2 file, disini ada data transaksi , ada file master (file induk), ada data base. Transaksi terisi dari records2 harian dicatat kemudian Ketika jurnal tersebut diupdate (perbaharui) Maka file master recordnya (catatan file induk) itu otomatis terupdate. Kumpulan dari transaksi dan file induk maka disebut data base
  19. Jadi tadi kita sdh membahas bagaiman data tersebut diinput, disimpan, jadi sekarang kita akan membahas bagaimana data2 tsb di proses. Jadi setelah aktivitas bisnis tersebut sudah diinput ke dalam system maka akan dilakukan pemrosesan data Pemrosesan data itu pada dasarnya ada 4 jenis, yaitu : Create (untuk menambah records / membuat). Read (membaca dan mengambil records yang telah disimpan) Update (memperbaharui records atau mengedit records yang tersimpan) Delete (menghapus records yang pernah disimpan)
  20. Proses pembaharuan data bisa dilakukan secara periodic, misalnya harian, mingguan, bulanan (proses ini disebut pemrosesan batch). Dalam pemrosesan batch catatan transaksi dikumpulkan ke dalam ke group / batch, kemudian dalam kurang waktu tertentu misalnya harian ayau mingguan data tersebut dimasukkan kedalam system, yang disimpan didalam penyimpanan file sementara Dalam kurang waktu tertentu akan diproses dalam system untuk mengupdate master file (file induk). Kemudian kita bisa cetak atau tampilkan oputput yang diinginkan secara elektronik . Cetak kesalahan laporan, laporan transaksi, laporan total pengendalian, dan lainnya
  21. Teknik pemrosesan data selanjutnya yaitu Online batch processing (pemprosesan batch online). Setiap terjadi transaksi langsung dimasukan kedalam system, namun pemrossannya kedalam master file dilakukan secara periodic. Jadi yang pertama tadi sumber datanya di batch dulu baru dimasukkan ke dalam system secara periodic . Sedangkan ini dimasukkan langsung kedalam system, namun pemrosesan data dilakukan secara batch
  22. Model yang ketiga, yaitu pemrosesan real-time online. Jadi pembaharuan data dilakukan pada saat transaksi terjadi. Begitu transaksi terjadi dimasukkan kedalam system dan secara otomatis akan mengupdate file master (file induk)
  23. Terkahir ada Output / informasi apa yang dihasilkan. Informasi yang dihasilkan ini bisa langsung dilihat lewat computer (soft copy) dan bisa juga dilihat dalam bentuk hard copy (diprint)
  24. Sebuah system terdiri dari sub system sub system. Bisanya jadi subsistem2 ini menjadi system tersendiri, terpisah, dan Ketika dia menjadi system tersendiri atau terpisah sering kali menjadi atau terjadi sebuah kendala. Kendalanya apa ? Seperti penginputan sering dilakukan berkali-kali. Sistem yang tidak terhubung biasanya informasi yang dihasilkan bisa berbeda-beda, oleh karena itu adanya ERP bisa dapat mengintegrasikan / menghubungkan subsistem2 tsb menjadi sebuah system. Dalam sebuah organisasi itu mengintegrasikan sebuah aspek aktivitas organisasi kedalam sebuah system. Oleh karena itu ERP ini terdiri dari modul2 didalamnya, yaitu Modul keuangan SDM dan penggajian Pesanan – penerimaan kas ( siklus pendapatan), seperti pesanan penjualan, pengiriman, persediaan, penerimaan kas, Modul pembelian (siklus pengeluaran), seperti pembelian, penerimaan dan inspeksi, persediaan, persediaan dan manajemen Gudang, dan pengeluaran kas Manufaktur (siklus prosuksi), seperti penjadwalan produk, daftar bahan baku, barang dalam proses, manajemen alur kerja, pengendalian kualitas, manajemen biaya Manajemen proyek, seperti penetapan biaya, penagihan, waktu dan biaya, unit kerja, manajemen aktivitas Manajemen hubungan pelanggan. Seperti penjualan dan pemasaran, komisi, pelayanan, kontak pelanggan Alat system (alat untuk membuat data file induk, membuat perincian arus informasi, pengendalian akses, dan lainnia)
  25. Ini merupakan gambar dari ERP, bisa kita lihat di siklus pendapatan (revenue cycle) mulai dari menjual barang dan jasa – menerima pembayaran Disampingnya ada siklus pengeluaran (expenditure cycle) mulai dari menjual barang dan jasa – melakukan pembayaran Siklus SDM mulai dari memperoleh waktu karyawan – membayar karyawan Modul system buku besar dan pelaporan yaitu memproduksi laporan dan laporan keuangan Siklus produksi, mulai dari menggunakan waktu karyawan, bahan baku, menggunakankan mesin sampai mebuat produk jadi Siklus semua ini, dibuatkan semacam 1 system besar yang Dimana siklus2 ini menjadi modul2 dari system besar ini. INI LAH DISEBUT ERP, karena ERP terintegrasi dari system besar yang didalamnya terdapat modul-modul atau siklus2
  26. Sistem ERP memberikan keuntungan yang signifikan terhadap organisasi, seperti : Semua data organisasi dan laporan keuangan terintegrasi atau berhubungan satu dengan lainnya Data dapat diambil hanya sekali Manajemen mendapatkan tinjauan yang lebih besar terhadap organisasi dan juga manajemen dapat meningkatkan pengawasan terhadap organisasi Organisasi memperoleh pengendalian akses yang lebih baik Prosedur dan laporan yang sudah distandarisasi antar unik bisnis Pelayanan pelanggan juga akan menignkat, karena karyawan dapat dgn cepat mengakses mengenai pesanan, dan lainnya. Produksi yang lebih efisien
  27. Namun, ada juga kelemahan ERP, yaitu : Biaya, seperti perangkat keras, lunak, software, konsultan, dan lainnya Waktu yang dibutuhkan yang banyak untuk diimplementasikan Perubahan proses bisnis, jadi sebuah Perusahaan akan merubah proses bisnisnya yang sebelumnya tdk terintegrasi atau masing-masing menjadi terintegrasi atau terhubung antar satu dengan lainnya. Oleh karena itu berpotensi terjadi gangguan2 Kompleksitas. Hal ini berasal dari integrasi berbagai aktivitas dan system bisnis yang berbeda, masing2 memiliki proses, aturan bisnis, semantic data, hirarki otoritas, dan lainya. Hal ini akan menjadi kompleks yang sblmnya masing2 sekarang saling integrasi Resistansi. Karena terjadi perubahan yang banyak maka tidak mudah untuk menyakinkan karyawan untuk melakukan perubahan atau arah dalam melakukan pekerjaan. Harus ada tranning atau pelatihan sehingga akan menimbulkan resistensi pegawai