Anda di halaman 1dari 9

RANGKUMAN AUDIT CAHAPTER 17

SAMPLING AUDIT UNTUK PENGUJIAN ATAS


RINCIAN SALDO

OLEH
Cintya wulandary 15/
Erine Tikasari 15/380967/EK/20417
Johana Krishna Irma
Yusnila Sari

11 SEPTEMBER 2017
SAMPLING AUDIT UNTUK PENGUJIAN ATAS
RINCIAN SALDO

PERBANDINGAN SAMPLING AUDIT UNTUK PENGUJIAN ATAS RINCIAN SALDO


DAN UNTUK PENGUJIAN ATAS RINCIAN SALDO DAN UNTUK PENGUJIAN
PENGENDALIAN SERTA PENGUJIAN SUBSTANTIF ATAS TRANSAKSI

terletak pada apa yang ingin di ukur oleh auditor. Auditor melaksanakan pengujian
pengendalian dan pengujian substantifatas transaksi :

 Untuk menentukan apakah tingkat pengecualian populasi cukup rendah.


 Untuk mengurangi penilaian resiko pengendalian dan karenannya mengurangi
pengujian atas rincian saldo.
 Untuk perusahaan publik, guna menyimpulkan bahwa pengendalian telah
beroperasi secara efektif demi tujuan audit pengendalian internal atas
pelaporan keuangan.

SAMPLING NONSTATISTIK
langkah yang diperlukan dalam Langkah-Sampling Audit untuk
sampling audit untuk pengujian atas Pengujian atas Rincian Saldo Langkah-
rincian saldo Sampling Audit untuk Pengujian
Pengendalian dan Pengujian Substantif
atas Transaksi Merencanakan Sampel

1. Menyatakan tujuan pengujian audit 1. Menyatakan tujuan pengujian audit


2. Memutuskan apakah sampling audit 2. Memutuskan apakah sampling audit
dapat audit dapat diterapkan . dapat audit dapat diterapkan .

3. Mendifinisikan salah saji. 3. Mendefinisikan atribut dan kondisi


pengecualian.
4.Mendefinisikan populasi 4. Mendefiniskan populasi

5. Mendefiniskan unit sampling 5. Mendefiniskan unit sampling

6. Menetapkan salah saji yang dapat 6. Menetapkan tingkat pengecualian


ditoleransi yang dapat ditoleransi.

7. Menetapkan risiko yang dapat diterima 7. Menetapkan risiko yang dapat penilian
atas diterima atas penerima yang salah risiko pengendalian yang (ARACR)
terlalu rendah.
8. Mengestimasi salah saji dalam 8. Mengestimasi tingkat pengecualian
populasi. populasi
9. Menentukan ukuran sampel awal 9. Menentukan ukuran sampel awal
Memilih sampel dan Melaksanakan
Prosedur Audit Memilih sampel dan
Melaksanakan Prosedur

10. Memilih sampel 10. Memilih sampel

11. Melaksanakan Prosedur Audit 11. Melaksanakan Prosedur Audit


Mengevaluasi Hasil Mengevaluasi Hasil

12. Menggeneralisasi dari sampel ke 12. Menggeneralisasi dari sampel ke


populasi populasi
13. Menganalisis salah saji 13. Menganalisis pengecualian

14. Memutuskan akseptibilitas populasi

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.
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.
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. 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.
Ukuran Sampel Ditentukan dengan Menggunakan Rumus Statistik. 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. Pemilihan
Sampel Dilakukan dengan Menggunakan PPS (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 lainnya adalah
ketidakmampuan PPS untuk memasukkan saldo negative, seperti saldo kredit piutang usaha,
ke dalam sampel PPS.
Auditor 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:

- Tabel sampling atribut digunakan untuk menghitung hasil.


- Hasil atribut harus dikonversi ke dalam dolar.
- Auditor harus membuat asumsi mengenai persentase salah saji setiap item populasi
yang mengandung salah saji.
- Hasil statistik yang diperoleh jika menggunakan MUS disebut sebagai batas salah
saji (misstatement bounds).

Persentase Asumsi Salah Saji yang Tepat Asumsi yang pas bagi persentase salah saji
dalam item populasi yang mengandung salah saji tersebut secara keseluruhan merupakan
keputusan auditor. Auditor harus menetapkan persentase tersebut berdasarkan pertimbangan
profesionalnya dalam situasi tersebut. 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.
Setelah 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

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. Tindakan Jika Populasi Ditolak Jika
satu atau kedua batas salah saji itu berada di luar batas salah saji yang dapat ditoleransi dan
populasi dianggap tidak dapat diterima, auditor memiliki beberapa opsi.
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.
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.
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. Risiko yang Dapat Diterima atas
Penerimaan yang Salah (ARIA) ARIA adalah suatu pertimbangan auditor dan sering kali
dicapai dengan bantuan model risiko audit. 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.
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.

SAMPLING VARIABEL
Sampling variable adalah metode statistic yang digunakan oleh auditor. Sampling
variable dan sampling nonstatistik untuk pengujian atas rincian saldo memiliki tujuan yang
sama, yaitu mengukur salah saji dalam suatu saldo akun. Jika auditor menentukan bahwa
jumlah salah saji melampaui jumlah yang dapat ditoleransi, mereka akan menolak populasi
dan melakukan tindakan tambahan.
Ke-14 langkah dalam sampling nonstatistik harus dilaksanakan pada metode variable,
dan sebagian besar tidak jauh berbeda. 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. Untuk setiap sampel, auditor menghitung nilai rata-rata item
dalam sampel sebagai berikut: Setelah menghitung nilai rata-rata item sampel, auditor
memplotnya ke dalam distribusi frekuensi. Inferensi Statistik Jika sampel diambil dari satu
populasi dalam situasi audit actual, auditor tidak mengetahui karakteristik populasi itu dan
biasanya, hanya satu sampel yang akan diambil dari populasi bersangkutan. Pengetahuan
mengenai distribusi sampling akan memungkinkan auditor untuk menarik kesimpulan
statistic, atau inferensi statistic ( statistical inferences ), mengenai populasi.
Auditor dapat menyatakan kesimpulan yang dibuatnya dari interval keyakinan dengan
menggunakan inferensi statistic dalam cara yang berbeda. Akan tetapi, mereka harus berhati-
hati untuk menghindari kesimpulan yang tidak benar, mengingat nilai populasi yang
sebenarnya selalu tidak diketahui. Akan tetapi, auditor dapat mengatakan bahwa prosedur
yang digunakan untuk memperoleh sampel dan menghitung interval keyakinan akan
menghasilkan interval yang berisi nilai rata- rata populasi yang sebenarnya dalam persentase
tertentu pada saat tersebut. Singkatnya, auditor mengetahui reliabilitas proses inferensi
statistic yang digunakan untuk menarik kesimpulan.
Menghitung interval keyakinan rata-rata populasi dengan menggunakan logika yaitu
sebagai berikut :
 Metode Variabel Auditor menggunakan proses inferensi statistic sebelumnya
bagi semua metode sampling variabel. Setiap metode dibedakan menurut apa
yang sedang diukur, ketiga metode variabel tersebut.
 Estimasi Perbedaan Auditor menggunakan estimasi perbedaan (difference
estimation) untuk mengukur estimasi jumlah salah saji total dalam populasi
apabila ada nilai tercatat maupun nilai yang diaudit bagi setiap item sampel,
yang hampir selalu terjadi dalam audit. Estimasi perbedaan sering kali
menghasilkan ukuran sampel yang lebih kecil jika dibandingkan dengan setiap
metode lainnya, dan relative lebih mudah digunakan. Karena alasan tersebut,
estimasi perbedaan sering kali dianggap sebagai metode variabel yang paling
disukai
 Estimasi Rasio Estimasi rasio ( ratio estimation ) serupa dengan estimasi
perbedaan kecuali auditor menghitung rasio antara salah saji dan nilai
tercatatnya serta memproduksikan hal ini dengan populasi untuk mengestimasi
total salah saji populasi. Estimasi rasio dapat menghasilkan ukuran sampel
yang jauh lebih kecil ketimbang estimasi perbedaan jika ukuran salah saji
populasi proporsional dengan nilai tercatat item populasi. Jika ukuran setiap
salah saji bersifat independen dengan nilai tercatat, estimasi perbedaan akan
menghasilkan ukuran sampel yang lebih kecil. Sebagian besar auditor lebih
menyukai estimasi perbedaan karena lebih sederhana untuk menghitung
interval keyakinan.
 Estimasi Rata-rata per Unit Estimasi rata-rata per unit ( mean per unit
estimation ) auditor berfokus pada nilai yang teraudit dan bukan pada jumlah
salah saji setiap item dalam sampel. Kecuali untuk definisi apa yang sedang
diukur, estimasi rata-rata per unit dihitung dengan cara yang sama seperti
estimasi perbedaan. Titik estimasi nilai yang diaudit sama dengan rata-rata
nilai item yang di audit dalam sampel dikalikan dengan ukuran populasi.
Perhitungan interval presisi dilakukan berdasarkan nilai item sampe yang
diaudit dan bukan salah saji. Jika auditor telah menghitung batas keyakinan
atas dan bawah, mereka akan memutuskan akseptabilitas populasi dengan
membandingkan jumlah tersebut dengan nilai buku yang tercatat. Estimasi
rata-rata per unit jarang digunakan dalam praktik karena ukuran sampel
umumnya jauh lebih besar ketimbang untuk dua metode sebelumnya.
Metode Statistik Berstratifikasi Sampling stratifikasi adalah metode sampling dimana
semua unsur dalam total populasi dibagi menjadi dua atau lebih subpopulasi. Setiap
subpopulasi kemudian diuji 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, rasio, 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 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.
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.
ARIA dan ARIR Keadaan Aktual Populasi Keputuan Audit Aktual Salah Saji secara
Material Salah Saji yang Tidak Material Menyimpulkan bahwa populasi mengandung salah
saji yang material. Kesimpulan yang benar tidak ada risiko Kesimpulan yang tidak benar € “
risikonya adalah ARIA Menyimpulkan bahwa populasi tidak mengandung salah saji yang
material. Kesimpulan yang tidak benar risikonya adalah ARIA Kesimpulan yang benar € “
tidak
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
 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.

kesalahan sampling, populasi tidak dianggap dapat diterima. Pada titik tersebut, auditor
memiliki beberapa tindakan yang dapat dilakukan antara lain:

1. Tidak mengambil tindakan hingga pengujian atas bidang audit lainnya telah
selesai.
2. Melaksanakan pengujian audit yang diperluas pada bidang tertentu.
3. Meningkatkan ukuran sampel.
4. Menyesuaikan saldo akun.
5. Meminta klien untuk mengoreksi populasi.
6. Menolak untuk memberikan pendapat wajar tanpa pengecualian.