Resiko Sampilng

ARIA. Resiko yang dapat diterima atas penerimaan yang salah untuk sampling
nonstatistik dan MUS. ARIA adalah risiko statistik bahwa auditor telah menerima populasi
uang dalam kenyataannya, mengandung salah saji yang material. ARIA mendapatkan
perhatian yang besar dari auditor karena memiliki impikasi hukum yang seruis dalam
menyimpulkan bahwa saldo akun telah dinyatakan secara wajar padahal sebenarnya
mengandung salah saji dlam jumlah yang material. ARIA merupakan pengujian statistik satu
arah.karena itu, koefisien keyakinan untuk ARIA berbeda dengan tingkat keyakinan.
ARIR. Resiko yang dapat diterima atas penolakan yang salah (acceptable risk of
incorrect rejection). ARIR adalah resiko statistik bahwa auditor telah menyimpulkan suatu
populasi mengandung salah saji yang material padahal sebenanya tidak. ARIR hanya akan
mempengaruhi tindakan auditor jika mereka menyimpulkan bahwa populasi tidak dinyatakan
secara wajar. Jika ARIA selalu dianggap penting, ARIR baru dianggap penting jika
diperlukan biaya yang tinggi untuk meningkatkan ukuran sampel atau melakukan pengujian
lainnya.
TABEL 17-12

Koefisien Keyakinan untuk Tingkat Keyakinan, ARIAs,

dan ARIRs
Tingkat Keyakinan (%)
ARIA
ARIR
99
0.5
1
95
2.5
5
90
5
10
80
10
20
75
12.5
25
70
15
30
60
20
40
50
25
50
40
30
60
30
35
70
20
40
80
10
45
90
0
50
100
ILUSTRASI PENGGUNAAN ESTIMASI PERBEDAAN

Koefisien Keyakinan
2.58
1.96
1.64
1.28
1.15
1.04
0.84
0.67
0.52
0.39
0.25
0.13
0.0

Kami mengilustrasikan penggunaan estimasi perbedaan ketika mengaudit piutang usaha Hart
Lumber Company. Piutang usaha itu terdiri dari 4.000 akun yan tercantum dalam aged trial
balance dengan nilai tercatat sebesar $600,000. Salahsaji yang dapat ditoleransi ditetapkan
sebesar $21,000.

Menetapkan Resiko yang DapaT Diterima.

Auditor menetapkan dua resiko :
1. Resiko yang dapat diterima atas penerimaan yang salah (ARIA). Resiko menerima
piutang usaha sebagai benar padahal sebenarnya mengandung salah saji sebesar lebih
dari $21,000. ARIA dipengaruhi oleh risiko audit yang dapat diterima, hasil pengujian
pengendalian dan pengujian substantif atas transaksi, prosedur analitis, dan
signifikansi relatif piutang usaha dalam laporan keuangan. Untuk audit Hart Lumber
2.

Company, asumsikan ARIA sebesar 10%.

Resiko yang dapat diterima atas penolakan yang salah (ARIR). Risiko menolak
piutang usaha sebagai tidak benar padahal sebenarnya tidak mengandung salah saji
dalam jumlah yang material. ARIR dipengaruhi oleh biaya tambahan resampling.
Karena cukup mahal mengkonfirmasi piutang usaha untuk yang kedua kalinya,
asumsikan ARIR sebesar 25%.

Mengestimasi Salah Saji dalam Populasi.

Estimasi ini memiliki dua bagian :
1. Estimasi titik estimasi yang diharapkan. Auditor memerlukan estimasi di muka atas
titik estimasi populasi bagi estimasi perbedaan, seperti ketika mereka memperlukan
estimasi tingkat pengecualian populasi untuk sampling atribut. Estimasi di muka
untuk Hart Lumber Company adalah $1,500 (lebih saji).
2. Melalukan estimasi deviasi standar populasi di muka - variabilitas populasi. Untuk
menentukan ukuran sampel awal, auditor memerlukan estimasi di muka atas variasi
salah saji dalam populasi seperti yang diukur oleh diasi standar populasi. Untuk Hart
Lumber Company, hal itu diestimasi sebesar $20 berdasarkan pengujian audit
sebelumnya.

Menghitung Ukuran Sampel Awal

Ukuran sampel awal untuk Hart Lumber Company sekarang dapat dihitung dengan
menggunakan rumus berikut :
TM E
SD( Z A + Z R ) N

n=
Jika diterapkan pada Hart Lumber Company, persamaan ini akan menghasilkan :

n=

20 ( 1.28+1.15 ) 4.000
=( 9.97 )2=100
21,00015,000

Menggeneralisasi dari Sampel ke Populasi

Auditor memilih sampel, melaksanakan pengujian dan mengidentifikasi salah saji sampel.
Empat langkah berikut akan menggambarkan perhitunhan batas keyakinan untuk Hart
Lumber Company :
1. Menghitung titik estimasi total salah saji. Titik estimasi adalah ekstrapolasi langsung
dari salah saji dalam sampel ke salah saji dalam populasi.
2. Menghitung titik estimasi deviasi standar populasi. Deviasi standar populasi adalah
ukuran statistik dari variabilitas nilai setiap item dalam populasi. Jika adasejumlah
besar variasi dalam nilai item populasi, deviasi standar akan lebih besar dibandingkan
jika variasinya kecil.
3. Menghitung interval presisi. Interval presisi dihitung dengan menggunakan rumus
statistik. Agar interval presisi yang dihitung memiliki arti penting, interval tersebut
harus dihubungkan dengan ARIA.
4. Menghitung batas keyakinan. Auditor

menghitung

batas

keyakinan,

yang

mendefinisikan interval keyakinan, dengan mengombinasikan titikl estimasi dari total

salah saji dan interval presisi yang dihitung pada tingkat keyakinan yang diinginkan
(titik estimasi interval interval presisi yang dihitung).