4.

Asumsi kesalahan penyajian harus dikaitkan dengan setiap lapisan (layer)

Metode yang paling umum mengaitkan asumsi kesalahan penyajian dengan lapisan
(layer) adalah secara konservatif mengaitkan persentase kesalahan penyajian rupiah terbesar
dengan lapisan terbesar. Batas atas kesalahan penyajian dihitung seolah-olah tidak terdapat
jumlah yang kurang saji, dan batas bawah kesalahan penyajian dihitung seolah-seolah tidak ada
jumlah yang lebih saji.
Apabila ditemukan jumlah kurang saji, logis dan masuk akal apabila jumlah batas lebih
saji harus lebih rendah daripada jika tidak ditemukan jumlah kurang saji dan seballiknya.
Penyesuaian untuk jumlah pengurang dilakukan sebagai berikut : 1) Taksiran poin kesalahan
penyajian dibuat untuk jumlah lebih maupun kurang saji, 2) Setiap batas dikurangi dengan
taksiran poin berlawanan.
MENETAPKAN AKSEPTABILITAS POPULASI DENGAN MENGGUNAKAN
Setelah batas kesalahan penyajian dihitung, auditor harus menetapkan apakah populasi
bisa diterima. Aturan pengambilan keputusan untuk MUS (misststement/LMB) maupun batas atas
kesalahan penyajian jatuh diantara jumlah kurang saji dan jumlah lebih saji bisa ditoleransi, bisa
disimpulkan bahwa nilai per buku tidak mengandung kesalahan penyajian secara material.
TINDAKAN APABILA SEBUAH POPULASI DITOLAK
Apabila salah satu atau kedua kesalahan penyajian berada diluar batas yang bisa ditoleransi dan
populasi dipandang tidak bisa diterima, auditor memiliki beberapa opsi untuk hal tersebut.
MENENTUKAN UKURAN SAMPEL DENGAN MENGGUNAKAN MUS
Metode yang digunakan untuk menenntukan ukuran sampel untuk MUS sama dengan yang
digunakan untuk sampling atribut unit fisik dengan menggunakan tabel sampling atribut.
Materialitas
Pertimbangan pendahuluan tentang materialitas biasanya digunakan merupakan dasar untuk
penentuan jumlah kesalahan penyajian bisa ditoleransi yang akan digunakan. Apabila kesalahan
penyajian dalam pengujian non-MUS diperkiran terjadi maka kesalahan penyajian bisa
ditoleransi bisa secara material lebih kecil dari jumlah tersebut.
Asumsi tentang persentase rata-rata kesalahan penyajian untuk unsur populasi yang berisi
kesalahan penyajian

Asumsi yang berbeda dapat terjadi pada batas atas dan batas bawah. Hal ini
membutuhkan pertimbangan auditor yang harus didasakan pada pengetahuan auditor tentang
klien dan pengalaman bersangkutan, dan apabila digunakan asumsi kurang dari 100%.
Risiko bisa diterima untuk keliru menerima
ARIA adalah suatu kebijakan auditor dan sering kali digunakan dengan model risiko audit.
Nilai populasi per pembukuan
Nilai populasi perpembukuan adalah nilai yang diambil dari pembukuan klien.
Estimasi tingkat penyimpangan populasi
Estimasi tingkat penyimpangan populasi untuk MUS adalah nol, karena MUS paling tepat
digunakan kalau tidak terdapat kesalahan penyajian atau hanya terdapat kesalahan penyajian,
jumlah total rupiah kesalahan penyajian yang diperkirakan dalam populasi ditaksir dan kemudian
dinyatakan sebagai persentase dari nilai populasi ditaksir kemudian di nyatakan nilai populasi
per buku.
Hubungan antara model risiko audit dengan ukuran sampel
Model risiko audit untuk perencanaan disajikan sebagai berikut :
PDR=

AACR
IR x CR

MUS menarik bagi auditor karena empat hal :

1.

MUS secara otomatis menaikkan kemungkinan terpilihnya unsur rupiah dengan rupiah

tertinggi dari populasi yang diaudit.

2.
MUS sering kali mengurangi biaya untuk melaksanakan pengujian audit.
3.
MUS mudah penerapannya
4.
MUS memberikan kesimpulan statistika bukan non statistika.
MUS memiliki dua kelemahan yaitu :
1.
Total batas kesalahan penyajian yang dihasilkan bisa terlalu tinggi untuk digunakan
auditor.
2.
Tidak praktis untuk memilih sample PPS.
SAMPLING VARIABEL
Sampling variabel adalah metode statistik yang digunakan auditor dengan tujuan untuk
mengukur kesalahan penyajian dalam saldo akun.
PERBEDAAN ANTARA VARIABEL SAMPLING DENGAN SAMPLING NON
STATISTIK
Beberapa perbedaan antara sampling variabel dan sampling non statistik adalah pada distribusi
samplingnya.
Distribusi sampling

Auditor tidak mengetahui nilai mean (rata-rata) kesalahan penyajian dalam populasi, distribusi
jumlah kesalahan penyajian, atau nilai per auditnya. Karakteristik populasi ini harus diestimasi
dari sampel yang merupakan tujuan audit.
Inferensi statistik
Ketika auditor tidak mengetahui karakteristik populasi, dan biasanya hanya satu sampel yang
diambil dari populasi, akan tetapi pengatahuan tentang distribusi sampling memungkinkan
auditor untuk menarik kesimpulan statistik atau inferensi statistik.
Metoda-metoda variabel
Auditor menggunakan proses inferensi statistik untuk semua metode sampling variabel, akan
tetapi hal tersebut tergantung dari apa yang diukur.
Estimasi Selisih
Auditor menggunakan estimasi selisih untuk mengukur jumlah taksiran kesalahan penyajian total
dalam suatu populasi apabila nilai menurut buku maupun nilai menurut audit tersedia untuk
setiap sampel biasanya terdapat pada setiap audit. Estimasi selisih sering kali menghasilkan
sampel yang lebih kecil ukurannya dibanding dengan metode lainnya.
Estimasi rasio
Auditor akan menghitung rasio antara kesalahan penyajian dan nilai bukunya dan memproyeksi
hal ini ke populasi untuk menaksir total kesalahan penyajian populasi.