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
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.
Item Populasi
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
sampling berstratifikasi,
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
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
Contoh
Dampak
thd ARIA
Jml sample
Efektivitas
Pengendalian Internal
(risiko pengendalian)
Bertambah
Berkurang
Pengujian substantif
atas
transaksi
Bertambah
Berkurang
Kemungkinan terjadi
kebangkrutan rendah
(risiko audit yg dpt diterima
meningkat)
Bertambah
Berkurang
Prosedur analitis
Bertambah
Berkurang
2,7
2,3
2
2,4
2,1
1,6
2
1,6
1,2
1,6
1,2
1
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
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
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.
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
_
X = nilai rata-rata dalam sampel
Xj = nilai masing-masing sampel
n = jumlah sampel
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
salah
saji
secara ARIA
risiko
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
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