SAMPLING AUDIT UNTUK PENGUJIAN ATAS RINCIAN SALDO

ABSTRAK

A. Perbandingan Sampling Audit Untuk Pengujian Atas Rincian Saldo dan Untuk
Pengujian Pengendalian Serta Pengujian Substantif Atas Transaksi.
Sebagian besar konsep sampling untuk pengujian pengendalian dan pengujian
substantive atas transaksi, yang dibahas pada bab 15, dapat juga diterapkan bagi
sampling pengujian atas rincian saldo. Dalam kedua kasus, auditor ingin membuat
kesimpulan mengenai populasi secara keseluruhan berdasarkan sampel . karena itu,
baik risiko sampling maupun risiko non sampling merupakan hal yang penting bagi
pengujian pengendalian , pengujian substantive atas transaksi, dan pengujian atas
rincian saldo. Untuk mengatasi risiko sampling, auditor dapat menggunakan metode
non statistic atau statistic atas ketiga jenis pengujian tersebut. Perbedaan utama antara
pengujian pengendalian, pengujian substantif atas transaksi, dan pengujian atas
rincian saldo terletak pada apa yang ingin diukur oleh auditor.

Jenis pengendalian
Pengujian pengendalian
Pengujian
transaksi

substantif

atas

Pengujian atas rincian saldo

Apa yang diukurnya

Keefektifan
operasi
pengendalian
internal
Keefektifan pengendalian
Kebenaran moneter transaksi dalam
sistem akuntansi
Apakah jumlah dolar saldo akun
mengandung salah saji yang material

Auditor melaksanakan pengujian pengendalian dan pengujian substantive atas

transaksi:

Untuk menentukan apakah tingkat pengecualian populasi cukup rendah.

Untuk mengurangi penilaian risiko pengendalian dan karenanya mengurangi

pengujian atas rincian saldo.

Untuk perusahaan public, guna menyimpulkan bahwa pengendalian telah
beroperasi secara efektif demi tujuan audit pengendalian internal atas
pelaporan keuangan.

Tidak seperti pada pengujian pengendalian dan pengujian subtansif atas transaksi,
auditor jarang menggunakan tingkat keterjadian dalam pengujian atas rincian saldo.
Sebaliknya , auditor menggunakan metode sampling yang memberikan hasil dalam
dolar. Ada tiga jenis utama metode sampling yang digunakan untuk menghitung salah
saji saldo akun dalam dolar yang dibahas pada bab ini; sampling nonstatistik,
sampling unit moneter, dan sampling variabel.
B. Sampling Nonstatistik
Ada 14 langkah yang diperlukan dalam sampling audit untuk pengujian atas rincian
saldo. Langkah langkah tersebut selaras dengan 14 langkah yang digunakan untuk
pengujian pengendalian dan pengujian substantive atas transaksi, walaupun tujuannya
berbeda.
Ada 14 langkah yang diperlukan dalam sampling audit untuk pengujian atas rincian
saldo, yaitu:
Merencanakan sampel
1. Menyatakan tujuan pengujian, auditor akan mengambil sampling untuk
menetukan apakah saldo akun yang akan diaudit telah dinyatakan secara wajar.
2. Memutuskan apakah sampling audit dapat diterapkan, karena meski auditor
mengambil sampel dari berbagai akun, namun dalam beberapa situasi samplig
tersebut tidak diterapkan.
3. Mendefinisikan salah saji, karena sampling audit untuk pengujian atas rincian
saldo mengukur salah saji moneter, yaitu salah saji yang terjadi apabila item
sampel disalah sajikan.
4. Mendefinisikan populasi, populasi sebagai item yang membentuk populasi
dolar yang tercatat. Auditor memisahkan populasi kedalam dua atau lebih
subpopulasi (strata) sebelum melakukan sampling audit yang disebut sebagai
sampling berstratifikasi (stratified sampling).
5. Mendefinsikan unit sampling, unit sampling hampi selalu merupakan item
yang membentuk saldo akun.

6. Menetapkan salah saji yang dapat ditoleransi, untuk menentukan ukuran

sampel dan mengevaluasi hasil sampling non statistik.
7. Menetapkan risiko yang dapat diterima atas penerimaan yang salah
(acceptable risk of incorrect acceptance = ARIA), mengukur jumlah resiko
keyakinan yang diinginkan auditor atas suatu saldo akun.
8. Mengestimasi salah saji dalam populasi, ukuran sampel yang direncanakan
akan meningkat apabila jumlah salah saji yang diharapkan dalam populasi
mendekati salah saji yang dapat ditoleransi.
9. Menentukan ukuran sampel awal, jika menggunakan sampling non statistik,
auditor menentukan ukuran sampel awal dengan mempertimbangkan beberapa
faktor.
Memilih sampel dan melaksanakan prosedur audit
10. Memilih sampel.
11. Melaksanakan prosedur audit, dengan menerapkan prosedur yang tepat pada
setiap item sampel untuk menentukan apakah item tersebut mengandung salah
saji.
Mengevaluasi hasil
12. Menggeneralisasi dari sampel ke populasi, dengan memproyeksikan salah saji
dari hasil sampel ke populasi dan mempertimbangkan kesalahan sampling serta
resiko (ARIA).
13. Menganalisis salah saji, auditor harus mengevaluasi sifat dan penyebab salah
saji yang ditemukan dalam pengujian, serta menganilisis salah saji untuk
memutuskan apakah setiap modifikasi model resiko audit memang diperlukan.
14. Memutuskan akseptabilitas populasi.

Populasi Piutang Usaha Ilustratif

Item

Jumlah yang Tercatat

Item Populasi

Jumlah yang Tercatat

Populasi
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

(Lanjutan)
$ 4.865
770
2.305
2.665
1.000
6.225
3.675
6.250
1.890
27.705
935
5.595
930
4.045
9.480
360
1.145
6.400
100
8.435
$ 207.295
Auditor akan mengambil sampel untuk pengujian atas rinciaan saldo guna
$ 1.410
9.130
660
3.355
5.725
8.210
580
44.110
825
1.150
2.270
50
5.785
940
1.820
3.380
530
955
4.490
$ 17.140

(Lanjutan)
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40

menentukan apakah saldo akun yang sedang diaudit telah dinyatakan secara wajar.
Populasi sebanyak 40 piutang usaha pada tabel diatas , yang berjumlah total $
207.295, mengilustrasikan penerapan sampling non statistic . auditor akan melakukan
pengujian atas rincian saldo untuk menentukan apakah saldo sebesar $ 207.295 itu
mengandung salah saji yang material. Biasanya salah saji yang dapat ditoleransi
mendefinisikan salah saji yang material.
Seperti dinyatakan dalam bab 15 sampling dapat diterapkan setiap kali
auditor berencana membeuat kesimpulan mengenai populasi berdasarkan sampel.
Walaupun auditor seringkali mengambil sampel dari banyak akun, dalam beberapa
situasi sampling tidak dapat diterapkan. Untuk populasi dalam tabel diatas , auditor
dapat memutuskan hanya mengaudit item diatas $5.000 dan mengabaikan semua
yang lain karena total item yang lebih kecild dari itu tidak material. Demikian juga,
jika auditor memverifikasi tambahan aktiva tetap dan menemukan banyak tambahan

bernilai kecil dan satu pembelian bangunan bernilai sangat besar, auditor mungkin
mmemutuskan untuk mengabaikan sama sekali item item yang kecil .
Karena samping audit untuk pengujian atas rincian saldo mengukur salah saji
moneter, yaitu salah saji yang terjadi apabilaitem sampel disalahsajikan . ketika
mengaudit piutang usaha , setiap salah saji pada saldo pelanggan klien yang
dimasukkan dalam sampel auditor merupakan salah saji.
Bagi kebanyakan populasi, audtor memisahkan populasi kedalam dua atau
lebih subpopulasi

dalam menerapkan sampling audit . hal ini disebut sebagai

sampling berstratifikasi,

dimana setiap sub populasi disebut dengan strata.

Stratifikasi memungkinkan auditor untuk menekankan item populasi tertentu dan

mengabaikan yang lain. Dalam kebanyakan situasi sampling audit, termasuk
konfirmasi piutang usaha, auditor ingin menekankan nilai dolar yang tercatat yang
lebih besar, sehingga mereka dapat mendefinisikan setiap strata berdasarkan ukuran
nilai dolar yang tercatat.
Ada banyak cara lain untuk menstratifikasi populasi ini. Salah satu cotohnya
adalah meiliki empat strata ( membuat strata 3 item antara $2000 dan 55.000, dan
menambahkan strata keempat untuk item yang lebih kecil dari $2000).
Pada tabel diatas unit sampling adalah nomor pelanggan. Auditor dapat menggunakan
item yang membentuk populasi yang tercatat sebagai unit sampling untuk menguji
semua tujuan audit kecuali kelengkapan. Jika auditor berkepentinngan dengan tujuan
kelengkapan mereka harus memilih sampel dari sumber yang berbeda, seperti
pelanggan atau vendor dengan saldo nol. Karena itu unit sampling untuk pengujian
ini adalah pelanggan dengan saldo nol.
Bagi semua penerapan sampling statistic dan nonstatistk , audtor beresiko
membuat kesimpulan kuantitatif yang tidak tepat mengenai populasi. Hal ini akan
terjadi kecuali auditor menguji 100 persen populasi.
Risiko yang dapat diterima atas penerimaan yang salah ( acceptable risk of
incorrect acceptance = ARIA) adalah jumlah risiko yang bersedia ditanggung auditor
karena menerima suatu saldo sebagai benar padahal salah saji yang sebenarnya dalam
saldo tersebut melampaui salah saji yang dapat ditoleransi.. ARIA mengukur

keyakinan yang diinginkan auditor atas suatu saldo akun. Untuk memperoleh
keyakinan yang lebih besar ketika mengaudit suatu saldo, auditor akan menerapkan
ARIA yang lebih rendah. ARIA dapat diterapkan secara kuantitatif dalam bentuk
prosentase.
Ada hubungan terbalik antara ARIA dan ukuran sampel yang diperlukan,
sebagai contoh, jika auditor memtuskan untuk mengurangi ARIA dai 10% menjadi
5%, ukuran sampel yang diperlukan semakin meningkat. Dengan kata lain, jika
auditor hanya bersedia mengambil risiko yang lebih kecil, akan diperlukan ukuran
sampel yang lebih besar. Sebuah factor penting yang mempengruhi keputusan auditor
mengenai ARIA adalah penilaian risiko pengendalian dalam model risiko audit. Jika
pengendalian internal sudah efektif, risiko pengendalian dapat dikurangi sehingga
sehingga memungkinkan auditor untuk meningkatkan ARIA. Pada gilirannya , hal ini
akan mengurangi ukuran sampel yang diperlukan untuk pengujian atas rincian saldo
akun yang berkaitan. Jika auditor menimpulan bahwa pengendalian internal mungkin
akan efektif, risiko pengendalian pendahuluan dapat dikurangi. Risiko pengendalian
yangrendah akan memerlukan ARO yang lebih rendah dalam pengujian
pengendalian, yang selanjutnya memerlukan ukuran sampel ang lebih besar. Jika
pengendalian dianggap sudah efektif, risiko pengendalian akan tetap rendah, yang
memungkinkan auditor meningkatkan ARIA sehingga memerlukan ukuran sampel
yang lebih kecil dalam pengujian subtantif atas rincian saldo yang berkaitan. Hal ini
dapat menghasilkan efisensi dalam audit yang terintegrasi atas laporan keuangan dan
penegndalian internal bagi perusahaan public.
Selain risiko pengendalian, ARIA juga diperngaruhi secara langsung oleh
risiko audit yang dapat diterima dan sebaliknya dipengaruhi oleh pengujian
substantive lainnya yang telah dilaksanakan atas saldo akun. Jika mengurasi risiko
audit yang dapat diterima , auditor juga harus mengurangi ARIA. Jika prosedur
analitis menunjukkan bahwa saldo akun yang telah dinyatakan dengan wajar, ARIA
dapat ditingkatkan. Dengan kata lain prosedur analitis merupakan bukti yang
mendukung saldo akun, yang berarti auditor memelukan sampel yng lebih kecil

dalam pengujian atas rincian saldo untuk mencapai risiko audit yang dapat diterima
yang diingiinkan.
Dampak ARO dan ARIA terhadap Pengujian Substantif
Pengendalian diyakini tidak efektif

Pengendalian Diyakini efektif

Risiko pengendalian =
100%

Mengurangi risiko
pngendalian

ARO =100%

Mengurangi ARO

Tidak melakukan
pengujian pengendalian

Melakukan
pengujian
pengendalian

Menggunakan tingkat
ARIA rendah

Menggunakan ARIA
tinggi

Melakukan pengujian
substatif yg luas

Melakukan
pengujian substatif
yg cukup

Hubungan antara Faktor-faktor yang memegaruhi ARIA, Dampak terhadap ARIA,

dan Jumlah Sampel yg dibutuhkan dlm Pengambilan Sampel Audit
Faktor yg
memegaruhi ARIA

Contoh

Dampak
thd ARIA

Jml sample

Efektivitas
Pengendalian Internal
(risiko pengendalian)

Pengendalian internal efektif

(mengurangi
Risiko pengendalian)

Bertambah

Berkurang

Pengujian substantif
atas
transaksi

Tak ada pengecualian yg

ditemukan
Dlm pengujian substantive atas
transaksi

Bertambah

Berkurang

Risiko audit yg dapat

diterima

Kemungkinan terjadi
kebangkrutan rendah
(risiko audit yg dpt diterima
meningkat)

Bertambah

Berkurang

Prosedur analitis

Prosedur analitis dilakukan

tanpa adanya
Indikasi salah saji

Bertambah

Berkurang

Faktor yg mempengaruhi jumlah sampel untuk Pengujian Perincian Saldo

Faktor
Sampel kecil Sampel Besar
Risiko pengendalian
Rendah
tinggi
Hasil dr prosedur substantif lain terkait dg asersi yg Memuaskan
Tidak
Sama memegaruhi risiko yg dapat diterima atas
memuaskan
kesalahan penerimaan
Risiko audit yg dapat diterima
Tinggi
Rendah
Salah saji yg dapat diterima untuk akun tertentu
Besar
Kecil
Risiko bawaan
Rendah
Tinggi
Ekspektasi jmh & frekuensi salah saji
Kecil
Tinggi
Jumlah uang dalam populasi
Sedikit
Besar
Jumlah sampel dalam populasi
Hampir tdk
Hampir tdk
ada dampak
ada sampak
thd jmh
thd jmh
sampel
sampel kecuali
kecuali
populasinya
populasinya
sangat kecil.
sangat kecil
Rumus untuk menghitung pengujian Nonstatistik atas Perincian Jumlah Sampel
Saldo berdasarkan Audit Sampling Formula AICPA
Jumlah populasi tercatat
Salah saji yg dapat diterima

Risiko Bawaan dan Risiko

Pengendalian
Maksimum

x Faktor assurance = Jumlah sampel

Risiko jika prosedur substantif tdk mampu

mendeteksi Salah Saji Material
Sedikit di bawah
Maks Maks.
Sedang Rendah
3
2,7
2,3
2

Sedang di bawah maksimum

Sedang
Rendah

2,7
2,3
2

2,4
2,1
1,6

2
1,6
1,2

1,6
1,2
1

C. Tindakan yang diambil Apabila Populasi ditolak

Tidak mengambil tidakan hingga pengujian atas bidang audit lainnya telah
selesai. Akhirnya auditor harus mengevaluasi apakah laporan keuangan secara
keseluruhan mengandung salah saji yang material. Jika salah saji yang mengoffset
ditemukan pada bagian audit lainnya, seperti dalam persediaan , auditor dapat
menyimpulkan bahwa estimasi salah saji piutang usaha dapat diterima. tentu saja ,
sebelum audit selesai, auditor harus mengevaluasi apakah salah saji dalam salah satu
akun akan membuat laporan keuangan menjadi menyesatkan meskipun ada salah saji
yang mengoffset.
Melaksanakan pengujian audit yang diperluas pada bidang tertentu jika analisis
salah saji menunjukan bahwa sebagian besar salah saji merupakan suatu jenis khusus,
mungkin perlu membatasi upaya audit tambahan pada bidang yang menjadi masalah.
Meningkatkan ukuran sampel jika auditor meningkatkan ukuran sampel kesalahan
sampling akan dikurangi jika tingkat salah saji dalam sampel yang diperluas , jumlah
dolarnya , dan arahnya serupa dengan pada sampel awal. Karena itu, meningkatkan
ukuran sampel dapat saja memennuhi persyaratan salah saji yang dapat ditoleransi
auditor.
Menyesuaikan saldo akun jika auditor menyimpulkan bahwa saldo akun
mengandung salah saji yang material , klien mungkin akan bersedia menyesuaikan
nilai buku berdasarkan hasil sampel.
Meminta klien untuk mengoreksi populasi , dalam beberapa kasus catatan klien
sangat tidak memadai sehingga populasi harus dikoreksi secara keseluruhan sebelum
audit dalam diselesaikan .
Menolak untuk memberikan pendapat wajar tanpa pengecualian jika auditor
yakin bahwa jumlah yang tercatat dalam suatu akun tidak dinyatakan secara wajjar,

auditor harus mengikuti setidaknya satu prosedur alternative sebelumnya atau

mengkualifikasi laporan audit dengan cara yang tepat.
D. Sampling Unit Moneter
Sampling unit moneter (monetary unit sampling = MUS ) merupakan metode
sampling statistic yang paling umum digunakan untuk pengujian atas rincian saldo
karena memiliki kesederhanaan statistic bagi sampling atribut serta memberikan hasil
statistic yang diekspresikan dalam dolar ( atau mata uang lainnya yang sesuai ). MUS
juga disebut sebagai sampling unit dolar, sampling jumlah moneter kumulatif, dan
sampling dengan probabilitas yang proporsiaonal dengan ukuran.
Perbedaan Antara Sampling Unit Moneter ( MUS ) dan Sampling Nonstatistik
MUS serupa dengan penggunaan sampling nonstatistik. Ke-14 langkahnya juga
harus dilakukan dalam MUS, walaupun beberapa dilakukan dengan cara yang
berbeda. Perbedaan tersebut yaitu:
1. Definisi Unit Sampling adalah suatu Dolar Individual
MUS memiliki fitur yang penting seperti definisi unit sampling sebagai suatu dolar
individual dalam saldo akun. Dengan berfokus pada dolar individual sebagai unit
sampling, secara otomatis MUS akan menekankan unit fisik yang memiliki saldo
tercatat lebih besar. Karena sampel dipilih berdasarkan doalr individual, akun
dengan saldo yang besar memiliki kesempatan yang lebih besar untuk dimasukkan
ketimbang akun dengan saldo yang lebih kecil. Akibatnya sampling berstratifikasi
tidak diperlukan dalam MUS. Stratifikasi itu akan terjadi secara otomatis.
2. Ukuran Populasi adalah Populasi Dolar yang Tercatat
MUS tidak dapat digunakan untuk mengevaluasi apakah item persediaan tertentu
memang ada tetapi belum diperhitungkan. Jika tujuan kelengkapan sangat penting
dalam pengujian audit, tujuan tersebut harus dipenuhi secara terpisah dari
pengujian MUS.
3. Pertimbangan Pendahuluan Mengenai Materialitas Digunakan untuk Setiap Akun
dan Bukan Salah Saji yang Dapat Ditoleransi

Aspek unik lain dari MUS adalah penggunaan pertimbangan pendahuluan

mengenai materialitas, untuk menentukan secara langsung jumlah salah saji yang
dapat ditoleransi ketika mengaudit setiap akun. Teknik sampling lainnya
mengharuskan auditor untuk menentukan salah saji yang dapat ditoleransi bagi
setiap akun dengan mengalokasikan pertimbangan pendahuluan mengenai
materialitas. Hal ini tidak diperlukan jika yang digunakan adalah MUS.
4. Ukuran Sampel Ditentukan dengan Menggunakan Rumus Statistik
Proses ini akan dibahas secara terpisah setelah membahas 14 langkah sampling
untuk sampling unit moneter ( MUS )
5. Aturan Keputusan Formal Digunakan untuk Memutuskan Akseptabilitas Populasi
Aturan keputusan yang digunakan untuk MUS serupa dengan yang digunakan
untuk sampling nonstatistik, tetapi hal tersebut cukup berbeda dengan pembahasan
tentang keunggulannya.
6. Pemilihan Sampel Dilakukan dengan Menggunakan PPS
Sampel unit moneter adalah sampel yang dipilih dengan menggunakan
probabilitas yang proporsional bagi pemilihan ukuran sampel (probability
proportional to size sample selection=PPS). Sampel PPS dapat diperoleh dengan
menggunakan perangkat lunak computer, tabel angka acak, atau teknik sampling
sistematis.
Salah satu masalah dalam menggunakan pemilihan PPS adalah bahwa
item populasi dengan saldo tercatat nol tidak memiliki peluang untuk dipilih
melalui pemilihan sampel PPS, walaupun mungkin mengandung salah saji.
Demikian juga, saldo berjumlah kecil akibat kurang saji yang signifikan
memiliki kesempatan yang kecil untuk dimasukkan dalam sampel. Masalah ini
dapat diatasi dengan melakukan pengujian audit khusus atas item bersaldo nol
dan berjumlah kecil, dengan mengasumsikan bahwa hal itu perlu ditangani.
Masalah lainnya adalah ketidakmampuan PPS untuk memasukkan saldo
negative, seperti saldo kredit piutang usaha, ke dalam sampel PPS.
Menggeneralisasi dari Sampel ke Populasi dengan Menggunakan Teknik MUS

Tanpa memandang metode sampling yang dipilih, auditor harus menggeneralisasi

dari sampel ke populasi dengan (1) memproyeksikan salah saji dari hasil sampel ke
populasi dan (2) menentukan kesalahan sampling yang terkait. Ada empat aspek
dalam melakukan hal tersebut dengan menggunakan MUS:
1. Tabel sampling atribut digunakan untuk menghitung hasil.
2. Hasil atribut harus dikonversi ke dalam dolar.
3. Auditor harus membuat asumsi mengenai persentase salah saji setiap item
populasi yang mengandung salah saji.
4. Hasil statistik yang diperoleh jika menggunakan MUS disebut sebagai batas
salah saji (misstatement bounds).
Generalisasi dari sampel ke populasi ketika salah saji tidak ditemukan dengan
menggunakan MUS
Asumsikan bahwa auditor mengonfirmasikan suatu populasi piutang dagang atas
kebenaran nilai moneter. Total populasi adalah Rp.1.200.000.000,- dan sampelnya
menggunakan 100 konfirmasi. Selama audit, seluruh salah saji ditemukan dalam
sampel. Auditor ingin menentukan jumlah maksimal salah saji atau kurang saji yang
dapat muncul dalam populasi meskipun salah saji tidak ditemukan dalam sampel. Hal
ini disebut batas salah saji atas dan batas salah saji bawah. Diasumsikan ARIA adalah
5%. CUER sebesar 3% menunjukkan batas atas dan batas bawah , disajikan dalam
persen. Oleh karena tingkat salah saji dalam sampel adalah 0%, maka 3%
mempresentasikan estimasi kesalahan pengambilan sampel.
Berdasarkan hasil sampel dari batas salah saji dalam tabel, auditor dapat
menyimpulkan dengan risiko pengambilan sampel 5%, bahwa sebanyak 3% dari unit
moneter dalam populasi tidak mengalami salah saji. Untuk mengonversikan
persentase ini dalam rupiah, auditor harus membuat asumsi dengan persentase ratarata salah saji dalam populasi tersebut. Asumsi ini secara signifikan memegaruhi
batas-batas salah saji. Berikut ini contoh asumsi yang dibuat untuk mengilustrasikan
hal tersebut:

Asumsi 1 : jumlah lebih saji adalah 100%, jumlah salah saji adalah 100% batas salah
saji pada aria 5% adalah:
Batas salah saji atas = Rp 1.200.000.000 X 3% X100% = Rp.36.000.000,Batas salah saji bawah =Rp.1.200.000.000 X 3% X 100% = Rp.36.000.000,Diasumsikan secara rata-rata, bagian populasi ini telah salah saji sebesar total uang
dari nilai tercatat. Oleh karena batas salah saji adalah 3%, maka nilai salah saji
mungkin tidak melebihi Rp.36.000.000,- Jika seluruh jumlah ternyata lebih saji, maka
terdapat lebih saji sebesar Rp.36.000.000,-. Jika seluruhnya kurang saji, maka
terdapat kurang saji sebesar Rp.36.000.000,Asumsi 100% salah saji tersebut sebenarnya sangat konservatif, terutama untuk lebih
saji. Asumsikan tingkat pengecualian populasi aktual adalah 3%. Di bawah ini
merupakan dua kondisi yang muncul sebelum nilai Rp.36.000.000,- secara tepat
menunjukkan jumlah salah saji sebenarnya:
-

Seluruh jumlah salah saji. Saling hapus (offsetting) akan mengurangi jumlah
salah saji.

Seluruh bagian populasi yang salah saji harus 100% salah saji. Oleh karena itu
tidak mungkin, misalnya salah saji sebesar Rp.226.000,- dicatat sebesar
Rp.262.000,- berarti hanya ada 13,71% salah saji (262.000-226.000 = 36.000
lebih saji; 36.000/262.000 = 13,7%).

Dalam perhitungan lebih saji dan salah saji sebesar Rp.36.000.000,- diatas, auditor
tidak menghitung titik estimasi dan kesalahan dalam pengambilan sampel. Hal ini
disebabkan karena tabel menggunakan keduanya, baik titik estimasi maupun jumlah
presisi untuk memperoleh tingkat pengecualian batas atas. Meskipun titik estimasi
dan jumlah presisi tidak dihitung dalam MUS, keduanya masuk dalam perhitungan
batas-batas salah saji secara implisit dan dapat ditentukan pula dari tabel. Pada
Ilustrasi ini, titik estimasi adalah nol dan jumlah presisi statistik adalah
Rp.36.000.000,-.

Asumsi 2: Jumlah lebih saji adalah 10%, jumlah kurang saji adalah 10% batas atas
salah saji pada ARIA 5% yaitu:
Batas atas salah saji

= Rp.1.200.000 X 3% X 10% = Rp.3.600.000,-

Batas bawah salah saji = Rp.1.200.000 X 3% X 10% = Rp.3.600.000,Asumsinya adalah bahwa secara rata-rata, bagian-bagian yang salah saji tidak
melebihi 10%. Jika seluruh bagian telah salah saji pada satu arah, maka batas salah
saji adalah + Rp.3.600.000,- dan Rp.3.600.000,-. Perubahan asamsi salah saji dari
100% menjadi 10% secara signifikan mempengaruhi batas salah saji. Dampaknya
secara langsung pada nilai perubahan.
Asumsi 3 : jumlah lebih saji sama dengaan 20% , jumlah kurang saji sama dengan
200 persen; batas salah saji pada ARIA 5 persen adalah:
Batas salah saji atas

: Rp 1.200.000 X 3% X 20% = Rp. 7.200.000

Batas salah saji bawah

: Rp 1.200.000 X 3% X 200% = Rp72.000.000

Persentase Asumsi Salah Saji yang Tepat

Asumsi yang pas bagi persentase salah saji dalam item populasi yang mengadung
salah saji tersebut secara keseluruhan merupakan keputusan auditor. Auditor harus
menetapkan persentase tersebut berdasarkan pertimbangan profesionalnya dalam
situasi tersebut. Dalam situasi di mana tidak ada informasi sebaliknya, sebagian besar
auditor yakin bahwa lebih baik mengasumsikan jumlah 100 persen baik untuk lebih
saji maupun kurang saji kecuali ada salah saji dalam hasil sampel. Pendekatan ini
dianggap sangat konservatif, tetapi lebih mudah dijustifikasi ketimbang asumsi
lainnya.
Menggeneralisasi Ketika Salah Saji Ditemukan
Empat aspek dalam menggeneralisasi dari sampel ke populasi, tetapi penggunaannya
telah dimodifikasi sebagai berikut:

1. Jumlah lebih saji dan kurang saji ditangani secara terpisah dan kemudian
digabungkan. Pertama, batas salah saji atas dan bawah awal dihitung secara
terpisah untuk jumlah lebih saji dan kurang saji dihitung.
2. Asumsi salah saji yang berbeda dibuat untuk setiap salah saji, termasuk salah saji
nol. Jika tidak ada salah saji dalam sampel, asumsinya akan diperlukan sebagai
persentase rata-rata salah saji untuk item populasi yang mengandung salah saji.
etelah salah saji tersebut ditemukan, auditor dapat menggunakan informasi yang
tersedia tentang sampel untuk menentukan batas salah saji.
3. Auditor harus berhadapan dengan lapisan CUER dari tabel sampling atribut.
Auditor melakukan hal ini karena ada asumsi salah saji yang berbeda bagi setiap
salah saji. Lapisan tersebut dihitung dengan terlebih dahulu menentukan CUER
dari tabel untuk setiap salah saji dan kemudian menghitung setiap lapisan.
4. Asumsi salah saji harus dikaitkan dengan setiap lapisan. Metode yang paling
umum untuk mengaitkan asumsi salah saji dengan lapisan adalah mengaitkan
secara konservatif persentase salah saji dolar yang terbesar dengan lapisan yang
terbesar.
Sebagian besar pengguna MUS yakin bahwa pendekatan ini terlalu konservatif jika
ada jumlah yang mengoffset. Jika ditemukan jumlah kurang saji, sangatlah logis dan
masuk akal bahwa batas jumlah lebih saji harus lebih rendah ketimbang tidak ada
jumlah kurang saji yang ditemukan, dan sebaliknya. Penyesuaian atas batas untuk
mengoffset jumlah dilakukan sebagai berikut:
1.

Titik estimasi salah saji dibuat untuk jumlah lebih saji dan kurang saji.

2.

Setiap batas dikurangi sebesar titik estimasi sebaliknya.

Memutuskan Akseptabilitas Populasi dengan Menggunakan MUS

Setelah batas salah saji dihitung, auditor harus memutuskan apakah populasi dapat
diterima. Untuk melakukan hal tersebut, diperlukan suatu aturan keputusan. Aturan
keputusan untuk MUS adalah sebagai berikut: Jika batas salah saji bawah dan batas
salah saji atas berada di antara jumlah salah saji yang berupa lebih saji dan kurang

saji yang dapat ditoleransi, kesimpulan bahwa nilai buku tidak mengandung salah saji
yang material dapat diterima. Jika tidak, ambil kesimpulan bahwa nilai buku
mengandung salah saji yang material.
Menentukan Ukuran Sampel dengan Menggunakan MUS
Metode yang digunakan untuk menentukan ukuran sampel bagi MUS serupa dengan
yang digunakan untuk sampling atribut unit fisik, yang menggunakan tabel sampling
atribut.
1. Materialitas
Pertimbangan pendahuluan tentang materialitas umumnya merupakan dasar bagi
jumlah salah saji yang dapat ditoleransi yang akan digunakan. Jika diperkirakan
terjadi salah saji dalam pengujian non-MUS, salah saji yang dapat ditoleransi
akan kurang materialitas dari jumlah tersebut. Salah saji yang dapat ditoleransi
berupa lebih saji atau kurang saji mungkin akan berbeda.
2. Asumsi Persentase Rata-rata Salah Saji untuk Item Populasi yang Mengandung
Salah Saji
Mungkin ada asumsi yang terpisah untuk batas atas dan bawah, yang juga
merupakan pertimbangan auditor. Hal tersebut harus didasarkan pada
pengetahuan auditor mengenai klien serta pengalaman masa lalu, dan jika lebih
kecil dari 100 persen yang digunakan, asumsinya harus dapat dipertahankan
dengan jelas
3. Risiko yang Dapat Diterima atas Penerimaan yang Salah (ARIA)
ARIA adalah suatu pertimbangan auditor dan sering kali dicapai dengan bantuan
model risiko audit.
4. Nilai Populasi yang Tercatat
Nilai dolar populasi diambil dari catatan klien
Estimasi Tingkat Pengecualian Populasi

Umumnya, estimasi tingkat pengecualian populasi untuk MUS adalah nol, karena
MUS sangat tepat digunakan pada situasi tidak ada salah saji, atau jika hanya sedikit
salah saji yang diperkirakan akan terjadi.
Hubungan Model Risiko Audit dengan Ukuran Sampel untuk MUS
MUS akan digunakan dalam melaksanakan pengujian atas rincian saldo. Auditor
harus memahami hubungan ketiga faktor-faktor independen itu dalam model risiko
audit, ditambah prosedur analitis dan pengujian substantif atas transaksi dengan
ukuran sampel untuk pengujian atas rincian saldo.
Sampling unit moneter (MUS) memiliki sedikitnya empat fitur yang menarik bagi
auditor:
1) MUS secara otomatis akan meningkatkan kemungkinan memilih item dolar
yang tinggi dari populasi yang sedang diaudit.
2) MUS dapat mengurangi biaya pelaksanaan pengujian audit karena beberapa
item

sampel akan diuji sekaligus.

3) MUS mudah diterapkan.

4) MUS menghasilkan kesimpulan statistik dan bukan kesimpulan nonstatistik.
Terdapat dua kelemahan utama MUS
1. Total batas salah saji yang dihasilkan ketika salah saji ditemukan mungkin
terlalu tinggi untuk digunakan oleh auditor.
2. Sulit untuk memilih sampel PPS dari populasi yang besar tanpa bantuan
komputer.
Karena semua alasan tersebut, auditor seringkali menggunakan MUS ketika
mengharapkan tidak ada atau sedikit salah saji, menginginkan hasil dolar, dan
mencatat data populasi pada file komputer.
E. Distribusi Sampling
Auditor tidak mengetahui nilai rata-rata (mean) salah saji dalam populasi, distribusi
jumlah salah saji, atau nilai yang diaudit. Karakteristik populasi tersebut harus
diestimasi dari sampel yang tentu saja, merupakan tujuan dari pengujian audit.

Diasumsikan bahwa auditor sebagai eksperimen mengambil ribuan sampel rata-rata

yang berulang dengan jumlah yang sama dari suatu populasi data akuntansi, dengan
nilai rata-rata
_
X = Xj
n
Dimana,

_
X = nilai rata-rata dalam sampel
Xj = nilai masing-masing sampel
n = jumlah sampel

Sebagai ilustrasi, asumsikan terdapat populasi dengan rata-rata Rp.40.000,- dan

standar deviasi Rp.15.000,- ( x = Rp.40.000,- dan SD = Rp.15.000,-) yang kita pilih
untuk mengambil 100 sampel acak untuk setiap bagian. Standar deviasi dari dari
distribusi pengambilan sampel ini adalah Rp.1.500,- (SD/n = 15.000/ 100 = 1.500).
Patokan untuk SD dari populasi dan SD dari distribusi pengambilan sampel
kadang-kadang membingungkan. Untuk menghindari kebinggungan ingatlah bahwa
standar deviasi dari distribusi rata-rata sampel sering kali disebut the standard error of
the mean(SE).
Tiga hal yang membentuk hasil eksperimen mengambil jumlah sampel yang
besar dari populasi yang diketahui :
1. Nilai rata-rata dari semua rata-rata sampel sama dengan rata-rata populasi .
akibatnya adalah bahwa nilai rata-rata sampel dengan frekuensi keterjadian
tertinggi juga sama dengan rata-rata populasi.
2. Jenis dari distribusi frekueni rata-rata sampel adalah distribusi normal (kurva),
selama ukuran sampel cukup besar, tanpa memandang distribusi populasi.
3. Persentase rata-rata sampel diantara dua nilai distribusi sampling dapat diukur. Di
hitung dengan menentukan jumlah kesalahan standar.
Metode Variabel
1. Estimasi Perbedaan

Auditor menggunakan estimasi perbedaan untuk mengukur total jumlah salah saji
dalam populasi ketika nilai tercatat dan nilai yang diaudit muncul disetiap bagian
dalam sampel. Sebagai contoh auditor dapat mengorfimasikan sampel atas piutang
dagang dan menentukan perbedaan (salah saji) antara jumlah yang dicatat klien
dengan jumlah ang dianggap benar oleh auditor untuk setiap akun yang dipilih.
Estimasi Risiko
2. Estimasi risiko sama dengan estimasi perbedaan, kecuali auditor menghitung rasio
antara salah saji dan nilai yang mereka catat lalu memproyeksikannya ke populasi
untuk mengestimasikan total salah saji populasi.
3. Estimasi Rata-rat Per unit
Dalam estimasi rata-rata per unit, auditor berfokus pada nilai yang diaudit
dibandingkan jumlah salah saji untuk setiap sampel. Titik estimasi dalam nilai
yang diaudit sama dengan rata-rata nilai yang diaudit dalam sampel dikalikan
jumlah populasi.
Contoh Diasumsikan auditor mengambil 100 sampel dari daftar persediaan yang
terdiri atas 3.000 bagian dan nilai tercatat Rp.265.000.000,-. Jika nilai rata-rata dari
sampel adalah Rp.85.000,- maka estimasi nilai persediaan adalah Rp.255.000.000,(Rp.85.000,- X Rp.3000,-). Jika nilai tercatat Rp 265.000.000,- berada diantara batas
keyakinan, maka auditor akan menerima saldo populasi. Estimasi rata-rata per unit
jarang digunakan dalam praktik karena jumlah sampel biasanya lebih besar
dibandingkan kedua metode sebelumnya.
Metode Statistik Berstratifikasi
Sampling berstratifikasi adalah metode sampling dimana semua unsur dalam total
populasi dibagi menjadi dua atau lebih subpopulasi. Setiap sub populasi kemudian di
uji secara independen. Perhitungannya dilakukan bagi setiap strata dan kemudian
digabung menjadi satu estimasi populasi secara keseluruhan untuk interval keyakinan
populasi secara menyeluruh. Hasilnya diukur secara statistic. Stratifikasi dapat
diterapkan pada estimasi perbedaan, rsio dan rata-rata per unit, tetapi paling sering
digunakan dengan estimasi rata-rata per unit.

Risiko Sampling
Risiko yang dapat diterima atas penerimaan yang salah ( ARIA ) untuk
sampling nonstatistik. Untuk sampling variabel, auditor menggunakan ARIA serta
risiko yang dapat diterima atas penolakan yang salah ( acceptable risk of incorrect
rejection = ARIR ).
ARIA adalah risiko statistic bahwa auditor telah menerima populasi yang, dalam
kenyataannya, mengandung salah saji yang material. ARIA mendapat perhatian yang
besar dari auditor karena memiliki implikasi hukum yang serius dakam menyimpulkan
bahwa saldo akun telah dinyatakan secara wajar padahal sebenarnya mengandung
salah saji dalam jumlah yang material.
Saldo akun dapat dinyatakan terlalu tinggi atau terlalu rendah, tetapi tidak keduanya ;
karena itu, ARIA merupakan pengujian statistic satu arah. Karena itu, koefisien
keyakinan untuk ARIA berbeda dengan tingkat keyakinan. Tingkat keyakinan = 1 2
x ARIA.
ARIR, Risiko yang dapat diterima atas penolakan yang salah ( acceptable risk of
incorrect rejection = ARIR ) adalah risiko statistic bahwa auditor telah
menyimpulkan suatu populasi mengandung salah saji yang material padahal
sebenarnya tidak. ARIR hanya akan mempengaruhi tindakan auditor jika mereka
menyimpulkan bahwa populasi dinyatakan secara wajar. Jika auditor menemukan
suatu saldo tidak dinyatakan secara wajar, mereka umumnya akan meningkatkan
ukuran sampel atau melaksanakan pengujian lainnya. ARIR baru dianggap penting
jika diperlukan biaya yang tinggi untuk meningkatkan ukuran sampel atau
melaksanakan pengujian lainnya
Tabel Koefisien Keyakinan untuk tingkat keyakinan,ARIA,ARIR
Tingkat Keyakinan
(%)
99
95
90
80
75

ARIA
(%)
0,5
2,5
5
10
12,5

ARIR
(%)
1
5
10
20
25

Koefisien
Keyakinan
2,58
1,96
1,64
1,28
1,15

70
60
50
40
30
20
10
0

15
20
25
30
35
40
45
50

30
40
50
60
70
80
90
100

1,04
0,84
0,67
0,52
0,39
0,25
0,13
0

ARIA dan ARIR

Keputusan Audit Aktual
Kesimpulan bahwa populasi

Salah saji material

Salah saji tidak material
Keputusan yg benar-tanpa Keputusan yg salah-risiko

Salah saji secara material

risiko
ARIR
Kesimpulan bahwa populasi Keputusan yang salah-risiko Keputusan yang benar-tanpa
tidak
material

salah

saji

secara ARIA

risiko

Merencanakan Sampel dan Menghitung Ukuran Sampel dengan Menggunakan

Estimasi Perbedaan
1. Menyatakan Tujuan Pengujian Audit
Tujuan pengujian audit adalah untuk menentukan apakah piutang usaha sebelum
mempertimbangkan penyisihan piutang tak tertagih mengandung salah saji yang
material
2. Memutuskan Apakah Sampling Audit Dapat Diterapkan
Sampling audit diterapkan dalam konfirmasi piutang usaha karena besarnya
jumlah piutang usaha.
3. Mendefinikan Kondisi Salah Saji
Kondisi salah saji merupakan kesalahan klien yang ditentukan melalui konfirmasi
setiap akun atau prosedur alternative.
4. Mendefinisikan Populasi
Ukuran populasi ditentukan melalui perhitungan. Perhitungan yang akurat jauh
lebih penting dlam sampling variabel karena ukuran populasi mempengaruhi
secara langsung ukuran sampel batas presisi yang dihitung.
5. Mendefinisikan Unit Sampling
Unit sampling adalah suatu akun dalam daftar piutang usaha.
6. Menetapkan Salah Saji yang Dapat Ditoleransi
Jumlah salah saji yang bersedia diterima auditor merupakan pertanyaan tentang
materialitas.
Menetapkan Risiko yang Dapat Diterima
Audito menetapkan dua risiko :
a. Risiko yang dapat diterima atas penerimaan yang salah ( ARIA ), ARIA
dipengaruhi oleh risiko audit yang dapat diterima, hasil pengujian pengendalian
dan pengujian substansif atas transaksi, prosedur analitis, dan signifikansi relative
piutang usaha dalam laporan keuangan.
b. Risiko yang dapat diterima atas penolakan yang salah ( ARIR ), ARIR dipengaruhi
oleh biaya tambahan resampling

Mengestimasi Salah Saji dalam Populasi

Estimasi ini memiliki dua bagian :
1. Estimasi titik estimasi yang diharapkan. Auditor memerlukan estimasi dimuka atas
titik estimasi populasi bagi estimasi perbedaan, seperti ketika mereka memerlukan
estimasi tingkat pengecualian populasi untuk sampling atribut.
2. Melakukan estimasi deviasi standar populasi dimuka variabilitis populasi.
Untuk menentukan ukuran sampel awal, auditor memerlukan estimasi di muka
atas variasi salah saji dalam populasi seperti yang diukur oleh deviasi standar
populasi.
Menghitung Ukuran Sampel Awal
Ukuran sampel awal dapat dihitung dengan menggunakan rumus berikut :

Memilih Sampel dan Melaksanakan Prosedur

Memilih Sampel, karena memerlukan sampel acak ( selain PPS ), auditor harus
menggunakan salah satu metode pemilihan sampel probabilistic guna memilih 100
item sampel untuk konfirmasi.
Melaksanakan Prosedur Audit, dalam konfirmasi salah saji adalah perbedaan antara
respons konfirmasi dan saldo klien setelah merekonsiliasi semua perbedaan waktu
serta kesalahan pelanggan. Dalam situasi nonrespons, salah saji yang ditemukan
dengan prosedur alternative akan diperlakukan serupa dengan salah saji yang
ditemukan melalui konfirmasi.
Mengevaluasi Hasil
a. Menggeneralisasi dari Sampel ke Populasi
Secara konseptual, estimasi nonstatistik dan estimasi perbedaan akan melakukan
hal yang sama menggeneralisasi dari sampel ke populasi. Meskipun kedua

metode itu mengukur kemungkinan salah saji populasi berdasarkan hasil sampel,
estimasi perbedaan menggunakan pengukuran statistic untuk menghitung batas
keyakinan. Emapat langkah menggambarkan perhitungan batas keyakinan ;
1. Menghitung titik estimasi total salah saji. Titik estimasi adalah ekstrapolasi
langsung dari salah saji dalam sampel kesalah saji dalam produksi.
2. Menghitung estimasi deviasi standar populasi. Deviasi standar populasi
adalah ukuran statistic dari variabilitas nilai setiap item dalam populasi. Jika
ada sejumlah besar variasi dalam nilai item populasi, deviasi standar akan
lebih besar dibandingkan jika variasinya kecil. Deviasi standar memiliki
pengaruh yang signifikan terhadap interval presisi yang dihitung
3. Menghitunng interval presisi. Interval presisi dihitung dengan menggunakan
rumus statistic. Hasilnya adalah berupa ukuran dolar dari ketidakmampuan
memprediksi salah saji populasi yang sebenarnya karena pengujian
didasarkan pada sampel, bukan pada populasi secara keseluruhan. Pengaruh
perubahan setiap factor meskipun factor-faktor lainnya tetap konstan yaitu :
Jenis Perubahan

Pengaruhnya terhadap Interval

Presisi yang Dihitung

Meningkatkan ARIA
Menurun
Meningkatkan titik estimasi salah saji Meningkat
Meningkatkan deviasi standar
Meningkat
Meningkatkan ukuran sampel
Menurun
4. Menghitung batas keyakinan. Auditor menghitung batas keyakinan, yang
mendefinisikan interval keyakinan, dengan mengombinasikan titik estimasi
dari total salah saji dan interval presisi yang dihitung pada tingkat keyakinan
yang diinginkan.
b. Menganalisis Salah Saji
Auditor harus mengevaluasi salah saji untuk menentukan penyebab setiap salah
saji dan memutuskan apakah perlu memodifikasi model risiko audit.
c. Memutuskan Akseptabilitas Populasi

Jika menggunakan metode statistic, maka untuk memutuskan apakah suatu

populasi dapat diterima auditor bergantung pada aturan keputusan sebagai berikut :
-

Jika interval keyakinan dua sisi untuk salah saji sepenuhnya berada dalam salah
saji yang dapat ditoleransi berupa plus dan minus, terima hipotesis bahwa nilai
buku tidak disalahsajikan dalam jumlah yang material.

Jika terjadi sebaliknya, terima hipotesis bahwa nilai buku disalahsajikan dalam
jumlah yang material.

DAFTAR PUSTAKA