Anda di halaman 1dari 32

Bab 17 Sampling Audit

untuk Pengujian Rincian Saldo

Ulasan Pertanyaan 17-1 Perbedaan yang paling penting antara (a) tes kontrol dan substantif tes
transaksi dan (b) tes rincian saldo dalam apa auditor ingin mengukur. Dalam tes kontrol dan substantif
tes transaksi, perhatian utama adalah menguji efektivitas pengendalian internal dan tingkat salah saji
moneter. Ketika auditor melakukan tes kontrol dan substantif tes transaksi, tujuannya adalah untuk
menentukan apakah tingkat pengecualian dalam populasi cukup rendah untuk membenarkan
mengurangi risiko pengendalian yang dinilai untuk mengurangi pengujian substantif. Ketika sampling
statistik digunakan untuk tes kontrol dan substantif tes transaksi, atribut sampling ideal karena
mengukur frekuensi kejadian (tingkat pengecualian). Dalam tes rincian saldo, kekhawatiran adalah
menentukan apakah jumlah moneter saldo rekening yang salah saji material. Atribut sampling, oleh
karena itu, jarang berguna untuk tes rincian saldo.

17-2 Stratified Sampling adalah metode sampling dimana semua elemen dalam total populasi dibagi
menjadi dua atau lebih sub-populasi. Setiap subpopulasi kemudian secara independen sampel, diuji
dan hasilnya diproyeksikan populasi. Setelah hasil dari bagian-bagian individu telah dihitung, mereka
digabungkan menjadi satu pengukuran keseluruhan populasi. Stratified sampling penting dalam audit
dalam situasi di mana salah saji cenderung baik besar atau kecil.

Agar auditor untuk mendapatkan sampel bertingkat dari 30 item dari masing-masing tiga
strata dalam konfirmasi piutang, ia harus terlebih dahulu membagi populasi menjadi tiga strata saling
eksklusif. Sebuah sampel acak dari 30 item kemudian dipilih secara independen untuk masing-masing
strata.

17-3 Estimasi titik perkiraan jumlah total salah saji dalam populasi sebagai proyeksi dari salah saji yang
dikenal ditemukan dalam sampel. Proyeksi ini didasarkan baik pada salah saji rata-rata di kali sampel
ukuran populasi, atau persen bersih dari salah saji di kali sampel populasi nilai buku.

Nilai sebenarnya dari salah saji dalam populasi adalah jumlah bersih dari semua salah saji
dalam populasi dan hanya dapat ditentukan oleh audit 100%.

17-4 Pernyataan itu menggambarkan bagaimana penyalahgunaan estimasi statistik dapat mengganggu
penggunaan alat audit jika tidak berharga. Kesalahan auditor adalah bahwa dia memperlakukan estimasi
titik seolah-olah itu adalah nilai populasi sebenarnya, bukan tapi satu nilai mungkin dalam distribusi
statistik. Daripada hakim apakah estimasi titik adalah material, auditor harus membangun kepercayaan
statistik

17-1
17-4 (lanjutan)

Interval sekitar estimasi titik, dan mempertimbangkan apakah interval menunjukkan salah saji material. Di
antara faktor-faktor lain, interval akan mencerminkan tingkat yang tepat dari risiko dan ukuran sampel.

17-5 unit moneter pengambilan sampel adalah metode dimana populasi didefinisikan sebagai dolar
individu (atau mata uang lainnya) yang membentuk saldo rekening. Sebuah sampel acak diambil dari
unit-unit moneter individu dan unit pemeriksaan fisik yang mengandung mereka diidentifikasi dan
diaudit. Hasil audit unit pemeriksaan fisik diterapkan, pro rata, dengan unit moneter acak, dan
kesimpulan statistik tentang semua unit moneter populasi berasal.

unit moneter sampling sekarang metode yang paling umum digunakan sampling statistik
untuk tes rincian saldo. Hal ini karena menggunakan kesederhanaan atribut sampel namun masih
memberikan hasil statistik dinyatakan dalam dolar. Hal ini dilakukan dengan menggunakan tabel atribut
untuk memperkirakan proporsi total dolar populasi salah saji, berdasarkan jumlah dolar sampel salah
saji, dan kemudian memodifikasi jumlah ini dengan jumlah salah saji yang ditemukan. Aspek terakhir ini
memberikan unit moneter sampel nya dimensi "variabel", meskipun teori distribusi normal tidak
digunakan; bukan aturan sewenang-wenang praktis diterapkan untuk membuat penyesuaian.

17-6 Sampling risiko adalah risiko bahwa karakteristik dalam sampel tidak mewakili orang-orang dalam
populasi. Kedua jenis risiko sampling yang dihadapi oleh auditor menguji saldo akun adalah:

Sebuah.Risiko penerimaan yang salah (ARIA) -ini adalah risiko bahwa sampel mendukung
kesimpulan bahwa saldo rekening yang tercatat tidak salah saji material ketika salah
saji material.
b. Risiko salah penolakan (ARIR) -ini adalah risiko bahwa sampel mendukung
kesimpulan bahwa saldo rekening yang direkam salah saji material jika tidak salah saji
material. Sampling risiko terjadi setiap kali sampel diambil dari populasi dan karena itu berlaku
untuk semua metode sampling. Sementara ARIA berlaku untuk semua metode pengambilan
sampel, ARIR hanya digunakan dalam variabel sampling dan estimasi perbedaan.

17-7 Langkah-langkah dalam pengambilan sampel nonstatistical untuk tes rincian saldo dan untuk tes kontrol
hampir sama, seperti yang digambarkan dalam teks. Perbedaan utama adalah bahwa pengambilan sampel untuk
tes kontrol berkaitan dengan pengecualian dan pengambilan sampel untuk tes rincian jumlah saldo kekhawatiran
dolar. Hal ini menyebabkan perbedaan dalam penerapan dua metode, tetapi tidak langkah-langkah.

17-8 Dua metode pemilihan sampel unit moneter yang random sampling dan sampling sistematik. Di
bawah random sampling, dalam situasi ini, 57 angka acak akan diperoleh (ukuran sampel di 17-14)
antara 1 dan 12.625.000. Ini akan diurutkan ke dalam urutan menaik. Unit Audit fisik dalam

17-2
17-8 (lanjutan)

daftar inventaris mengandung unit moneter acak kemudian akan diidentifikasi oleh diakumulasi jumlah
dengan mesin menambahkan atau spreadsheet jika data dalam bentuk yang dapat dibaca mesin.
Sebagai total kumulatif melebihi nomor acak berturut-turut, item menyebabkan acara ini diidentifikasi
sebagai mengandung unit dollar acak.

Ketika sampling sistematik digunakan, jumlah total penduduk dibagi dengan ukuran sampel
untuk memperoleh interval sampling. Sejumlah acak dipilih antara 1 dan jumlah interval sampling
untuk menentukan titik awal. Dolar yang akan dipilih adalah titik awal dan kemudian titik awal ditambah
jumlah interval yang diterapkan secara berturut-turut dengan jumlah penduduk. Item pada persediaan
daftar yang berisi unit dollar diidentifikasi dengan menggunakan metode kumulatif dijelaskan
sebelumnya.

Dalam menerapkan metode kumulatif di bawah kedua random sampling dan sampling
sistematik, jumlah halaman dapat digunakan sebagai pengganti menambahkan item rinci jika jumlah
halaman dianggap handal.

17-9 Aspek unik dari unit sampling moneter penggunaan penilaian awal tentang materialitas, seperti
dibahas dalam Bab 9, untuk langsung menentukan jumlah salah saji ditoleransi untuk audit
masing-masing akun. Kebanyakan teknik sampling membutuhkan auditor untuk menentukan salah saji
ditoleransi untuk setiap akun dengan mengalokasikan penilaian awal tentang materialitas. Hal ini tidak
diperlukan ketika moneter unit sampling yang digunakan. The penilaian awal tentang materialitas
digunakan.

17-10 risiko yang dapat diterima penerimaan yang salah (ARIA) adalah risiko auditor bersedia untuk mengambil
menerima keseimbangan sebagai benar ketika salah saji yang benar dalam keseimbangan lebih besar dari
salah saji ditoleransi. ARIA adalah istilah setara dengan risiko yang dapat diterima menilai risiko kontrol terlalu
rendah untuk sampling audit untuk tes kontrol dan substantif tes transaksi.

Faktor utama yang mempengaruhi keputusan auditor tentang ARIA risiko kontrol dalam model
risiko audit, yang merupakan sejauh mana auditor bergantung pada pengendalian internal. Ketika kontrol
internal yang efektif, risiko pengendalian dapat dikurangi, yang memungkinkan auditor untuk meningkatkan
ARIA, yang pada gilirannya mengurangi ukuran sampel yang diperlukan. Selain risiko pengendalian, ARIA
juga dipengaruhi langsung oleh risiko audit dapat diterima dan berbanding terbalik dengan risiko yang
melekat dan substantif tes lain yang sudah dilakukan pada saldo rekening, dengan asumsi hasil yang efektif.
Misalnya, jika risiko audit yang dapat diterima berkurang, ARIA juga harus dikurangi. Jika prosedur analitis
dilakukan dan tidak ada indikasi masalah daerah, ada kemungkinan lebih rendah dari salah saji dalam akun
yang sedang diuji, dan ARIA dapat ditingkatkan.

17-11 Pernyataan itu mencerminkan kesalahpahaman dari proses inferensi statistik. Proses ini didasarkan
pada jangka panjang probabilitas bahwa proses akan menghasilkan hasil yang benar dalam proporsi
diprediksi zaman itu diterapkan. Demikian,

17-3
17-11 (lanjutan)

proses pengambilan sampel acak yang menghasilkan interval kepercayaan 90% akan menghasilkan interval yang
melakukan, pada kenyataannya, mengandung nilai populasi sebenarnya 90% dari waktu. Namun, batas kepercayaan
dari setiap interval tidak semua akan sama.

17-12 ARIA untuk tes rincian saldo adalah setara dengan ARACR untuk tes kontrol dan substantif tes transaksi. Jika
pengendalian internal dianggap efektif, risiko pengendalian dapat dikurangi. Sebuah risiko pengendalian yang lebih
rendah memerlukan ARACR lebih rendah, yang membutuhkan ukuran sampel yang lebih besar untuk pengujian.
Jika kontrol bertekad untuk menjadi efektif setelah pengujian, pengendalian risiko dapat tetap rendah, yang
memungkinkan auditor untuk meningkatkan ARIA. Sebuah ARIA meningkat memungkinkan auditor untuk
mengurangi ukuran sampel untuk tes rincian saldo.

17-13 Dalam menggunakan distribusi binomial, moneter unit sampling memperkirakan proporsi semua
dolar populasi salah saji oleh beberapa jumlah. Untuk item sampel benar-benar salah saji, jumlah
mereka salah saji yang digunakan. Namun, banyak item dalam populasi memiliki probabilitas statistik
yang salah saji dengan nilai yang lain. Asumsi harus dibuat seperti apa jumlah ini adalah dalam rangka
untuk menghitung hasil unit moneter sampling. Ini disebut "persen dari asumsi salah saji."

Karena tujuan unit sampling moneter untuk memperkirakan paling salah saji dalam populasi
cenderung, ada kebutuhan yang melekat untuk konservatisme dalam proses MUS. Sejak rincian saldo
rekening jika mereka dilebih-lebihkan, tidak mungkin dibesar-besarkan oleh lebih dari nilai mereka
direkam, asumsi 100% adalah pilihan yang konservatif. Atas dasar ini lebih mudah untuk
membenarkan salah saji asumsi 100% dari jumlah kurang konservatif, dan dengan demikian umumnya
digunakan.

17-14 Ukuran sampel awal dihitung sebagai berikut:

salah saji ditoleransi 500.000


÷ asumsi rata-rata saji persen ÷ 1.00
500.000
÷ Nilai populasi yang direkam 1 2.625.000

= Tingkat pengecualian Ditoleransi 4%

Menggunakan meja untuk ARACR 10% dengan tingkat pengecualian populasi yang diharapkan dari nol
dan tingkat pengecualian ditoleransi dari 4%, ukuran sampel awal adalah
57.

17-4
17-15 batas salah saji menggunakan atribut tabel

SALAH MENGUTARAKAN-

MENT /
SALAH MENGUTARAKAN-TERCATAT DIAUDIT SALAH MENGUTARAKAN- MENCATAT
MENT NILAI NILAI MENT JUMLAH

12 897,16 609,16 0 288.00 . 321

3 47.02 47.02 1.000

1,621.68 1,522.68 99.00 . 061

U menyanyikan attri b utes pengambilan sampel t mampu untuk sa a m Ukuran ple dari 10 0 , Dan ARIA
dari 10%, CUER adalah:

KENAIKAN dihasilkan BOUND


DARI AN
TIDAK. salah saji salah saji
CUER TAMBAHAN

01 . 023

23 . 039 . 016

. 053 . 014

. 066 . 013

saya n untuk menghitung th e atas dan bawah mis s batas tatement, itu akan menjadi
diasumsikan bahwa untuk tingkat nol saji persen dari salah saji adalah 100%.

Salah saji atas terikat:

Mis-negara
bagian MENT
TIDAK. OF UNIT salah TERIKAT
MISSTATE- TERCATAT mengutarakan BAGIAN
KASIH NILAI x CUER
BAGIAN x - MENT =

01 12.625.000 . 023 1.000 290.375

23 12.625.000 . 016 1.000 202.000

12.625.000 . 014 . 321 56.737

12.625.000 . 013 . 061 10.012

Atas salah saji Bound 559.124

17-5
17-15 (lanjutan)

Salah saji batas bawah: Penyesuaian

Sebelum:

Mis-negara
bagian MENT
TIDAK. OF UNIT salah TERIKAT
MISSTATE- TERCATAT mengutarakan BAGIAN
KASIH NILAI x CUER
BAGIAN x - MENT =

0 12.625.000 . 023 1.000 290.375

Pengaturan:

Titik estimasi untuk overstatements = jumlah persen saji x mencatat nilai / ukuran
sampel

= (0,321 + 1,000 + 0,061) x (12.625.000 / 100) = 1,382 x

126.250 = 174.478

Disesuaikan salah saji batas bawah = awal terikat - titik estimasi untuk
overstatements

= 290.375 - 174.478 = 115.897 Berdasarkan c ini alculati metode, populasi

tidak dapat diterima seperti yang dinyatakan sejak saji atas terikat melebihi batas

materialitas $ 500.000.

17-16 Kesulitan dalam menentukan ukuran sampel terletak dalam memperkirakan jumlah dan jumlah salah saji
yang mungkin ditemukan dalam sampel. The batas atas sampel unit moneter sensitif terhadap faktor-faktor
ini. Dengan demikian, ukuran sampel bervariasi banyak dengan berbeda asumsi tentang mereka.

Umumnya, auditor akan menentukan ukuran sampel dengan membuat asumsi yang masuk
akal tapi konservatif tentang tingkat pengecualian sampel dan jumlah salah saji rata-rata. Dengan tidak
adanya informasi tentang jumlah salah saji, yang paling sulit untuk mengantisipasi, asumsi 100% sering
digunakan.

17-6
17-17 Aturan keputusan untuk estimasi perbedaan adalah:

Jika interval kepercayaan dua sisi untuk salah saji benar-benar dalam plus atau minus salah
saji ditoleransi, menerima hipotesis bahwa nilai buku tidak salah saji dengan jumlah yang
material. Jika tidak, menerima hipotesis bahwa nilai buku saji dengan jumlah yang material.
Sebagai contoh, asumsikan LCL adalah -10.000, UCL adalah 40.000 dan salah saji ditoleransi
adalah $ 45.000. Berikut ini menggambarkan aturan pengambilan keputusan:

- TM + TM
- 45.000 0 + 45.000

- 10.000 + 40.000
LCL UCL

auditor dapat menyimpulkan bahwa populasi tidak salah saji material karena keduanya LCL
dan UCL berada dalam batas salah saji ditoleransi.

17-18 Ketika populasi tidak dianggap dapat diterima, ada beberapa program yang mungkin tindakan:

1. Lakukan tes pemeriksaan diperluas di daerah tertentu. Jika analisis saji menunjukkan
bahwa sebagian besar salah saji yang dari jenis tertentu, mungkin diinginkan untuk
membatasi upaya audit tambahan ke daerah masalah.

2. Meningkatkan ukuran sampel. Ketika auditor meningkatkan ukuran sampel, sampling


error berkurang jika tingkat salah saji dalam sampel diperluas, jumlah dolar mereka,
dan arah mereka adalah sama dengan yang di sampel asli. Meningkatkan ukuran
sampel, oleh karena itu, dapat memenuhi kebutuhan salah saji ditoleransi auditor.

Meningkatkan ukuran sampel yang cukup untuk memenuhi standar saji


ditoleransi auditor sering mahal, terutama ketika perbedaan antara salah saji
ditoleransi dan diproyeksikan salah saji kecil.

3. Sesuaikan saldo rekening. Ketika auditor menyimpulkan bahwa saldo rekening yang
salah saji material, klien mungkin bersedia untuk menyesuaikan nilai buku.

4. Minta klien untuk memperbaiki penduduk. Dalam beberapa kasus catatan klien begitu
memadai bahwa koreksi dari seluruh penduduk diperlukan sebelum audit dapat
diselesaikan.
5. Menolak untuk memberikan pendapat wajar tanpa pengecualian. Jika auditor yakin jumlah yang
tercatat dalam rekening piutang atau akun lainnya tidak disajikan secara wajar, perlu untuk
mengikuti setidaknya salah satu alternatif di atas atau untuk memenuhi syarat opini audit
dengan cara yang tepat.

17-7
17-19 Deviasi standar populasi adalah ukuran dari perbedaan antara nilai-nilai individu dan mean dari
populasi. Hal ini dihitung untuk semua metode variabel pengambilan sampel tetapi tidak untuk unit
sampling moneter. Untuk auditor, biasanya diperkirakan sebelum menentukan ukuran sampel yang
diperlukan, berdasarkan hasil tahun sebelumnya atau pada sampel awal.

Deviasi standar populasi diperlukan untuk menghitung ukuran sampel yang diperlukan untuk
selang presisi dapat diterima bila metode pengambilan sampel variabel yang digunakan. Setelah
sampel dipilih dan diaudit, deviasi standar populasi diperkirakan dari standar deviasi dihitung dari
nilai-nilai dalam sampel.

ukuran sampel yang dibutuhkan berbanding lurus dengan kuadrat deviasi standar populasi.

17-20 Praktek ini tidak tepat untuk sejumlah alasan:

1. Tidak ada tekad dibuat apakah sampel acak dari 100 item persediaan akan cukup untuk
menghasilkan interval presisi diterima untuk tingkat kepercayaan tertentu. Bahkan,
batas kepercayaan diri bahkan tidak dihitung.

2. jumlah bersih gabungan dari salah saji sampel mungkin tidak material karena jumlah
berlebihan besar dapat mengimbangi jumlah meremehkan besar menghasilkan
jumlah bersih gabungan yang relatif kecil.

3. Meskipun tidak ada salah saji dengan sendirinya mungkin materi, salah saji material lain mungkin
tidak telah menunjukkan diri mereka sendiri jika terlalu kecil sampel diambil.

4. Terlepas dari ukuran jumlah individu atau bersih dari salah saji dalam sampel, efek pada
populasi secara keseluruhan tidak dapat ditentukan kecuali hasil dievaluasi
menggunakan metode statistik yang valid.

17-21 estimasi perbedaan adalah metode untuk memperkirakan total salah saji dalam suatu populasi
dengan mengalikan rata-rata salah saji (nilai diaudit dikurangi nilai tercatat) dalam sampel acak
dengan jumlah item di seluruh populasi.

estimasi rasio sangat mirip dengan estimasi perbedaan. Namun, bukan mendasarkan
perkiraan total salah saji pada perbedaan antara nilai-nilai yang telah diaudit dan dicatat,
menggunakan rasio dari salah saji sebesar jumlah yang dicatat. Rasio ini untuk sampel dikalikan kali
jumlah total penduduk yang tercatat untuk memperkirakan jumlah salah saji. Berarti-per-unit estimasi
adalah metode memperkirakan nilai diaudit total populasi dengan mengalikan aritmatika rata-rata, atau
berarti, nilai diaudit kali sampel jumlah item dalam populasi.

estimasi rata-per-unit bertingkat mirip berarti-per-unit estimasi kecuali bahwa populasi dibagi
menjadi kelompok-kelompok barang yang homogen, yang disebut strata, untuk keperluan desain
sampel. Sebuah sampel acak yang terpisah dipilih dari setiap strata dan estimasi dari total jumlah
penduduk diaudit dihitung dengan menentukan perkiraan untuk setiap strata dan menambahkan hasil.

17-8
17-21 (lanjutan)

Berikut ini adalah contoh di mana masing-masing metode dapat digunakan:

Sebuah. estimasi perbedaan dapat digunakan dalam menghitung keseimbangan dalam


piutang dengan menggunakan salah saji ditemukan selama proses konfirmasi, di
mana sejumlah besar salah saji ditemukan.

b. estimasi rasio dapat digunakan untuk menentukan jumlah cadangan LIFO di mana
catatan persediaan internal dipertahankan secara FIFO tapi melaporkan pada LIFO.

c. Berarti-per-unit estimasi dapat digunakan untuk menentukan nilai total persediaan di mana
metode persediaan periodik digunakan.
d. estimasi rata-per-unit berlapis dapat digunakan untuk menentukan nilai total persediaan di
mana ada beberapa lokasi dan masing-masing sampel secara terpisah.

unit moneter pengambilan sampel pada umumnya akan lebih baik untuk semua ini di mana sedikit
atau tidak ada salah saji diharapkan. Perbedaan dan estimasi rasio tidak dapat diandalkan di mana tingkat
pengecualian rendah, dan berarti-per-unit umumnya tidak efisien. Namun, dalam item “c” di atas,
berarti-per-unit harus digunakan karena hanya ada satu nilai per item sampel.

17-22 Ditoleransi salah saji (Bab 9) merupakan bagian dari materialitas keseluruhan dialokasikan untuk
setiap rekening perorangan. Ini adalah jumlah salah saji auditor yakin bisa hadir di akun dan saldo
rekening masih dapat diterima untuk tujuan audit.

Sejak pengujian hipotesis memerlukan aturan keputusan berdasarkan materialitas, jumlah


yang harus salah saji ditoleransi untuk saldo rekening perorangan. Jika hasil tes memberikan batas
kepercayaan besar dari salah saji ditoleransi, auditor akan menyimpulkan account saji. Hal ini akan
menghasilkan satu atau lebih dari beberapa tindakan:

1. Lakukan tes pemeriksaan diperluas di daerah tertentu.


2. Meningkatkan ukuran sampel.
3. Sesuaikan saldo rekening.
4. Minta klien untuk memperbaiki penduduk.
5. Menolak untuk memberikan pendapat wajar tanpa pengecualian.

Selain itu, dimungkinkan untuk menyesuaikan salah saji ditoleransi (ke atas) dan remake
keputusan. Dasar ini akan menjadi pertimbangan ulang dari penghakiman asli menyangkut penentuan
materialitas keseluruhan dan alokasi ke rekening. Misalnya, pekerjaan audit diselesaikan pada akun lain
dapat menunjukkan bahwa salah saji yang jauh lebih rendah ditoleransi ada untuk akun yang kemudian
direncanakan. Hal ini akan memungkinkan realokasi menyediakan saji ditoleransi lebih besar ke
rekening subjek.

17-9
17-23 estimasi perbedaan dapat menjadi sangat efektif dan sangat efisien mana (1) nilai yang telah diaudit dan
nilai buku yang tersedia untuk setiap item populasi, (2) frekuensi yang relatif tinggi salah saji yang diharapkan,
dan (3) hasil dalam bentuk selang kepercayaan yang diinginkan. Dalam situasi seperti itu, estimasi perbedaan
jauh performanya melebihi MUS dan estimasi berarti-per-unit. Ini mungkin atau mungkin tidak mengungguli
estimasi rasio, tergantung pada hubungan dari salah saji sebesar jumlah yang dicatat, tetapi tidak
membutuhkan usaha yang lebih sedikit komputasi dibandingkan estimasi rasio dalam hal apapun. Jika fokus
pada item nilai dolar yang besar diperlukan, estimasi perbedaan dapat digunakan dengan stratifikasi.

17-24 Contoh kesimpulan audit yang dihasilkan dari penggunaan atribut, unit moneter, dan variabel
pengambilan sampel adalah sebagai berikut:

Gunakan atribut sampling dalam tes transaksi penjualan untuk verifikasi internal yang:

Kami telah memeriksa sampel acak dari 100 faktur penjualan untuk indikasi verifikasi
internal, dua pengecualian dicatat. Berdasarkan sampel kami, kami menyimpulkan,
dengan risiko 5%, bahwa proporsi faktur penjualan yang verifikasi internal yang belum
diterapkan tidak melebihi 6,2%.

Gunakan dari unit sampling moneter dalam tes transaksi penjualan keberadaan:

Kami telah memeriksa sampel acak dari 100 unit dolar transaksi penjualan untuk
eksistensi. Semua didukung oleh order penjualan disiapkan dengan benar dan dokumen
pengiriman. Berdasarkan sampel kami, kami menyimpulkan, dengan risiko 20%,
penjualan tidak sah tidak melebihi $ 40.000. Penggunaan variabel sampling dalam
konfirmasi piutang (dalam bentuk perkiraan interval dan uji hipotesis):

Kami telah mengkonfirmasi sampel acak dari 100 piutang. Kami memperoleh balasan
atau memeriksa bukti-bukti lain yang memuaskan untuk semua item sampel. Sebuah
daftar pengecualian terpasang. Berdasarkan sampel kami, kami memperkirakan,
dengan risiko 10%, bahwa salah saji populasi yang sebenarnya adalah antara
meremehkan $ 20.000 dan $ 40.000 berlebihan. Sejak saji ditoleransi untuk piutang
dinilai menjadi $ 50.000, kita menyimpulkan, dengan risiko 5%, yang piutang tidak
salah saji material.

Multiple Choice Pertanyaan dari CPA Pemeriksaan 17-25 Sebuah.

(4) b. (3) c. (3)

17-26 Sebuah. (4) b. (2) c. (2)

17-10
Pertanyaan Diskusi dan Masalah 17-27

Sebuah.Jika pilihan acak dilakukan dengan menggunakan Excel (P1728.xls), perintah untuk

memilih nomor secara acak dari populasi adalah: = RANDBETWEEN (1,78493)

10 nomor acak dipilih menggunakan pendekatan ini akan bervariasi untuk setiap siswa.

Perintah untuk memilih nomor acak dapat dimasukkan langsung ke spreadsheet, atau
dapat dipilih dari menu fungsi (matematika & trigonometri) fungsi. Mungkin perlu untuk
menambahkan paket alat analisis untuk mengakses fungsi RANDBETWEEN. Setelah
rumus dimasukkan, dapat disalin ke bawah untuk memilih nomor acak tambahan.

CATATAN: item dolar acak dicocokkan dengan item populasi


nomor di mana nilai buku kumulatif itu
populasi termasuk dolar acak dipilih.
b.
Total populasi total
dolar dalam populasi / Jumlah
Selang = item yang dipilih untuk
pengujian

78.493 10
=
=

7849 Interval

Menggunakan 1857 sebagai titik awal, kita harus:

SISTEMATIS POPULASI
DOLAR ITEM NO.

12 1.857 8
9706 10
17555 15 2
25404
18
33253
22
41102
25
48951
56800 31
64649 35
3 4 5 6 7 8 9 10 72498 38

17-11
CATATAN: item dolar sistematis terkait dengan barang populasi
angka dalam cara yang sama seperti untuk bagian atas. Semua item yang lebih

besar dari interval akan secara otomatis disertakan. Dalam hal ini tidak ada item lebih besar

dari interval 7849 ..

Hal yang sama belum tentu benar untuk pemilihan nomor acak, tapi probabilitas
yang tinggi.
d. Tidak ada perbedaan yang signifikan dalam kemudahan seleksi antara komputer
generasi nomor acak dan seleksi yang sistematis. Beberapa auditor lebih suka
menggunakan angka acak karena mereka percaya ini membantu memastikan sampel
berisi.
e. unit moneter pengambilan sampel akan digunakan karena (1) itu adalah efisien dan (2) berfokus
pada item dolar yang besar.

17-12
17-28 Sebuah. Berikut ini adalah ringkasan tanggapan konfirmasi:

Direkam Nilai Konfirmasi


Response Salah saji

Acct. 113 $ 183.219 $ 173.219 0 perbedaan waktu


Acct. 219 23.457 16.937 error 6520 Cutoff
Acct. 267 8439 7867 572 Kesalahan dalam kuantitas dikirimkan

Acct. 476 17.443 0 17.443 kesalahan cutoff

Acct. 573 7452 6832 620 kesalahan harga

Acct. 689 4.381 0 0 perbedaan waktu


Acct. 847 34.583 23.649 10.934 kesalahan cutoff

jumlah salah saji $ 36.089

b. Perkiraan total salah saji

Mencicipi Mencicipi Book diproyeksikan

Nilai salah saji Nilai salah saji

strata 1 $ 939.197 $ 0 $ 939.197 $ 0


strata 2 1.174.561 34.897 4.687.886 139.280
stratum 3 71.239 1.192 892.521 14.934
total $ 2.184.997 $ 36.089 $ 6.519.604 $ 154.214

c. populasi adalah tidak dapat diterima karena salah saji proyeksi $ 154.214 melebihi salah
saji ditoleransi dari $ 100.000. auditor kemungkinan untuk mengusulkan penyesuaian dan /
atau meningkatkan tes. Dalam situasi ini, banyak dari kesalahan yang terlibat cutoff,
sehingga auditor dapat memperluas pengujian di daerah ini dan mengusulkan penyesuaian
untuk kesalahan yang ditemukan. Karena kesalahan cutoff diisolasi dan pengujian diperluas
di daerah ini, kesalahan cutoff tidak akan dimasukkan dalam proyeksi kesalahan untuk
setiap strata.

17-29 Sebuah. perbedaan yang ditemukan hanya mencakup lima


salah saji daripada tujuh. Item 2 dan 7 tidak
salah saji, namun perbedaan hanya waktu. Oleh karena itu, hanya lima saji
dirangkum dalam rangka untuk menghitung batas salah saji atas dan bawah. salah
saji tersebut adalah sebagai berikut.

17-13
17-29 (lanjutan)

SALAH MENGUTARAKAN-

MENT /
TERCATAT DIAUDIT SALAH MENGUTARAKAN- MENCATAT
BARANG NILAI NILAI MENT NILAI

13456 $ 2,728.00 $ 2,498.00 $ 230.00 . 084


3,890.00 1,190.00 2,700.00 . 694
791,00 815,00 (24.00) (0,030)
(0,892)
548,00 1,037.00 (489,00) (0,024)
3,115.00 3,190.00 (75.00)

salah saji atas terikat sebelum penyesuaian:

Mis-negara
TIDAK. OF MISSTATE- MENT% bagian
ASUMSI =
MISSTATE- x CUER BAGIAN x MENT
KASIH TERCATAT NILAI BOUND

012 $ 1.975.000 . 023 1.000 $ 45.425


1.975.000 . 016 . 694 21.930
1.975.000 . 014 . 084 2323
. 053 $ 69.678

salah saji batas bawah sebelum penyesuaian:

Mis-negara
TIDAK. OF MISSTATE- MENT% bagian
ASUMSI =
MISSTATE- x CUER BAGIAN x MENT
KASIH TERCATAT NILAI BOUND

0123 $ 1.975.000 . 023 1.000 $ 45.425


1.975.000 . 016 . 892 28.187 830
1.975.000 . 014 . 030 616 $
1.975.000 . 013 . 024 75.058
. 066

17-14
17-29 (lanjutan)

Penyesuaian dari salah saji atas terikat:

Titik perkiraan jumlah meremehkan = jumlah dari salah saji


persen x mencatat ukuran nilai / sampel = (0,892 +

0,030 + 0,024) x (1.975.000 / 100) = 0,946 x 19.750 = 18.684

Disesuaikan terikat = awal terikat - estimasi titik untuk meremehkan


jumlah = 69.678 - 18.684 = 50.994

Adjustme nt l ower salah saji terikat:

Titik perkiraan jumlah berlebihan = jumlah dari salah saji


persen x mencatat ukuran nilai / sampel = (0,694 +

0,084) x (1.975.000 / 100) = 0,778 x 19.750 = 15.366

Disesuaikan terikat = awal terikat - estimasi titik untuk overstatements = 75.058 -

15.366 = 59.692

b. Populasi tidak dapat diterima seperti yang dinyatakan karena baik salah saji batas
bawah dan salah saji atas terikat melebihi materialitas.

Dalam situasi ini, auditor memiliki pilihan berikut:

1. Pisahkan jenis tertentu dari salah saji dan uji saya t


secara terpisah (untuk seluruh populasi). Sampel kemudian tidak akan
mencakup jenis tertentu dari salah saji karena sedang diuji secara terpisah.

2. Meningkatkan ukuran sampel.

17-15
17-29 (lanjutan)

3. Menyesuaikan saldo rekening (yaitu, mengusulkan penyesuaian).


4. Meminta klien untuk meninjau dan memperbaiki populasi.
5. Pertimbangkan kualifikasi pendapat adalah klien menolak untuk memperbaiki masalah.

6. Pertimbangkan kriteria yang digunakan dalam ujian, mungkin sehubungan dengan


pekerjaan audit tambahan di daerah-daerah di luar piutang.

Pilihan ini, memisahkan jenis tertentu dari salah saji mungkin terbukti menjadi yang
paling menguntungkan. Dalam masalah ini, item 3 dan 5 adalah salah saji cutoff.
Memisahkan barang-barang ini, pengujian cutoff lebih luas, dan menghilangkan mereka
dari sampel akan menghasilkan batas-batas sebagai berikut:

salah saji atas terikat:

Mis-negara
TIDAK. OF bagian
MISSTATE- x MENT% ASUMSI =
CUER BAGIAN x MISSTATE- MENT
KASIH TERCATATNILAI BOUND

01 $ 1.975.000 . 023 1.000 $ 45.425


1.975.000 . 016 . 084 2654
. 039 $ 48.079

Kurang penyesuaian [(0,030 + 0,024) (19.750)] (1067) $


47.012

salah saji batas bawah:

Mis-negara
TIDAK. OF bagian
MISSTATE- x CUER BAGIAN x MISSTATE-
MENT% ASUMSI = MENT
KASIH TERCATATNILAI BOUND

012 $ 1.975.000 . 023 1.000 $ 45.425


1.975.000 . 016 . 030 948
1.975.000 . 014 . 024 664 $
. 053 47.037
(1 , 65 9) $
Kurang penyesuaian [(0,084) (19.750)]
45.378

Hal ini dapat dilihat bahwa kedua batas salah saji sekarang dalam setimnya ri Sebuah lity setelah
salah saji cutoff dipisahkan. salah saji ini adalah signifikan dalam dua cara. Keberadaan mereka
meningkat secara keseluruhan diperkirakan tingkat pengecualian populasi, dan besarnya mereka
memberikan kontribusi terhadap jumlah diperkirakan saji di bagian dari populasi yang diwakili oleh
salah saji dalam sampel.

17-16
17-30 Sebuah. Perbedaan yang ditemukan hanya mencakup lima saji daripada tujuh. Item 2
dan 7 tidak salah saji, tetapi hanya perbedaan waktu. Oleh karena itu, hanya lima
saji dirangkum dalam rangka untuk menghitung batas salah saji atas dan bawah.
salah saji tersebut adalah sebagai berikut.

SALAH MENGUTARAKAN-

MENT /
TERCATAT DIAUDIT SALAH MENGUTARAKAN- MENCATAT
BARANG NILAI NILAI MENT NILAI

13 $ 2,728.00 $ 2,498.00 $ 230.00 . 084

45 3,890.00 1,190.00 2,700.00 . 694


(0,030)
6 791,00 815,00 (24.00)
(0,892)
548,00 1,037.00 (489,00)
(0,024)
3,115.00 3,190.00 (75.00)

mis atas s tatement terikat sebelum adjus tment:

Mis-negara
TIDAK. KASIH DARI MISSTATE- TERCATAT MISSTATE- MENT% bagian
ASUMSI = MENT
NILAI x CUER
BAGIAN x BOUND

01 $ 1.975.000 . 023 1.000 $ 45.425

2 1.975.000 . 016 . 694 21.930

1.975.000 . 014 . 084 2323

. 053 $ 69.678

mis rendah s tatement bo u n d sebelum adju stment:

Mis-negara
TIDAK. KASIH DARI MISSTATE- TERCATAT MISSTATE- MENT% bagian
ASUMSI = MENT
NILAI x CUER
BAGIAN x BOUND

01 $ 1.975.000 . 023 1.000 $ 45.425

23 1.975.000 . 016 . 892 28.187

1.975.000 . 014 . 030 830 616

1.975.000 . 013 . 024 $

. 066 75.058

17-17
17-30 (lanjutan)

Penyesuaian dari salah saji atas terikat:

Titik perkiraan jumlah meremehkan = jumlah persen saji x mencatat nilai / ukuran
sampel

= (0,892 + 0,030 + 0,024) x (1.975.000 / 100) = 0,946 x

19.750 = 18.684

Disesuaikan terikat = awal terikat - estimasi titik untuk jumlah meremehkan

= 69.678 - 18.684 =

50.994

penyesuaian o f Lowe r salah saji terikat:

Titik perkiraan jumlah berlebihan = jumlah persen saji x mencatat nilai / ukuran
sampel

= (0,694 + 0,084) x (1.975.000 / 100) = 0,778 x

19.750 = 15.366

Disesuaikan terikat = awal terikat - estimasi titik untuk overstatements

= 75.058 - 15.366 =

59.692

b. pop ulatio n tidak dapat diterima seperti yang dinyatakan karena baik salah saji batas
bawah dan salah saji atas terikat melebihi materialitas.

Dalam situasi ini, auditor memiliki pilihan berikut:

1. Pisahkan jenis tertentu dari salah saji dan mengujinya secara terpisah (untuk
seluruh populasi). Sampel kemudian tidak akan mencakup jenis tertentu dari
salah saji karena sedang diuji secara terpisah.

2. Meningkatkan ukuran sampel.

17-18
17-30 (lanjutan)

3. Menyesuaikan saldo rekening (yaitu, mengusulkan penyesuaian).


4. Meminta klien untuk meninjau dan memperbaiki populasi.
5. Pertimbangkan kualifikasi pendapat adalah klien menolak untuk memperbaiki masalah.

6. Pertimbangkan kriteria yang digunakan dalam ujian, mungkin sehubungan dengan


pekerjaan audit tambahan di daerah-daerah di luar piutang. Pilihan ini, memisahkan jenis
tertentu dari salah saji mungkin terbukti menjadi yang paling menguntungkan. Dalam
masalah ini, item 3 dan 5 adalah salah saji cutoff. Memisahkan barang-barang ini, pengujian
cutoff lebih luas, dan menghilangkan mereka dari sampel akan menghasilkan batas-batas
sebagai berikut:

salah saji atas terikat:

Mis-negara
TIDAK. KASIH DARI MISSTATE- TERCATAT MISSTATE- MENT% bagian
ASUMSI = MENT
NILAI x CUER
BAGIAN x BOUND

01 $ 1.975.000 . 023 1.000 $ 45.425

1.975.000 . 016 . 084 2654

. 039 $ 48.079

Kurang penyesuaian [(0,030 + 0,024) (19.750)] (1067) $

47.012

salah saji batas bawah:

Mis-negara
TIDAK. KASIH DARI MISSTATE- TERCATAT MISSTATE- MENT% bagian
ASUMSI = MENT
NILAI x CUER
BAGIAN x BOUND

01 $ 1.975.000 . 023 1.000 $ 45.425

2 1.975.000 . 016 . 030 948

1.975.000 . 014 . 024 664 $

. 053 47.037

Kurang penyesuaian [(0,084) (19.750)] (1659) $

45.378

17-19
17-30 (lanjutan)

Hal ini dapat dilihat bahwa kedua batas salah saji sekarang dalam materialitas
setelah salah saji cutoff yang terpisah. salah saji ini adalah signifikan dalam dua cara.
Keberadaan mereka meningkat secara keseluruhan diperkirakan tingkat pengecualian
populasi, dan besarnya mereka memberikan kontribusi terhadap jumlah diperkirakan
saji di bagian dari populasi yang diwakili oleh salah saji dalam sampel.

17-31 Sebuah. Solusi komputer. Ini adalah masalah yang sangat baik untuk menunjukkan
penggunaan komputer dalam audit, karena membutuhkan banyak pekerjaan komputasi.
Sebuah solusi disusun dengan menggunakan Excel disertakan pada Companion Situs
Web dan Instruktur Sumber Daya CD-ROM, yang tersedia atas permintaan (Nama file
P1732.xls). poin penting untuk stres adalah:

1. Program spreadsheet diatur dalam dua bagian: satu untuk entri data dan satu untuk
perhitungan.
2. Sel diatur untuk variabel dengan nama, dan nilai-nilai untuk variabel tersebut kemudian
dimasukkan dalam sel-sel (misalnya, ukuran sampel = ).
Perhitungan kemudian dilakukan dengan mengacu pada sel-sel daripada dengan memasukkan
nilai-nilai dalam rumus. Hal ini memungkinkan worksheet b e digunakan sebagai program umum untuk
masalah yang sama.
3. Meskipun program menjamin keakuratan komputasi, itu
rumus harus benar. Mereka harus selalu ditinjau dan dua kali diperiksa, dan data uji
harus diproses untuk menjamin akurasi.

Sebuah. Menghitung estimasi titik:


= • Σ
NE nje


1840 E 173 . 69
= •
80

= 3994 E . 87

17-20
17-31 (lanjutan)

Sebelum komputasi interval presisi dihitung, kita harus menghitung standar deviasi:

ej (e j) 2

2
5,184.00
2j

E (SD Σ ) - E (n
) $ (72.00)
=
- 1
n
65.70 4,316.49
41,10 1,689.21
36,10 1,303.31
173 .
16, 521 .
80 79
• •• • - ••
2
51,80 2,683.24
80 69 (0,12) . 01
-
-1
80 30.00 900.00
21.11 445,63
173,69 16,521.79
= 14 . 30

Dihitung Interval presisi:

-
= •
SEBUAH

n SD NZ CPIN n N

14 . 1 80 30 , - 80
840
= ,
CPI
1 1• 840
. 64 • •
1, 840

= CPI
4 $ , 718 . 46

Selang kepercayaan dinyatakan sebagai 3,994.87 + 4,718.46. Untuk menghitung

batas kepercayaan,

UCL = Ê + CPI = 3,994.87 + 4,718.46 = 8,713.33 LCL = Ê -

CPI = 3,994.87 - 4,718.46 = -723,59

b. auditor tidak harus menerima nilai buku dari populasi sejak saji maksimum dalam
populasi bahwa dia bersedia menerima, $ 6.000, pada tingkat risiko 5%, kurang dari
jumlah yang mungkin dari salah saji yang benar ditunjukkan oleh UCL dari $ 8,713.33
.

c. Pilihan yang tersedia untuk auditor pada saat ini adalah:


1. Melakukan tes pemeriksaan diperluas di daerah tertentu.
2. Meningkatkan ukuran sampel.
3. Menyesuaikan saldo rekening.
4. Meminta klien untuk memperbaiki penduduk.
5. Menolak untuk memberikan pendapat wajar tanpa pengecualian.

17-21
17-32 1. (Sebuah) 2. (c) 3. (a) 4. (d) 5. (d)

17-33

Solusi komputer. Ini adalah masalah yang sangat baik untuk menunjukkan penggunaan komputer dalam audit,
karena membutuhkan banyak pekerjaan komputasi. Sebuah solusi disusun dengan menggunakan Excel disertakan
pada Companion Situs web (Nama file P1733.xls). poin penting untuk stres adalah:

1. Program spreadsheet diatur dalam dua bagian: satu untuk entri data dan satu untuk
perhitungan.
2. Sel diatur untuk variabel dengan nama, dan nilai-nilai untuk variabel tersebut kemudian
dimasukkan dalam sel-sel (misalnya, ukuran sampel = ).
Perhitungan kemudian dilakukan dengan mengacu pada sel-sel
bukan dengan memasukkan nilai-nilai dalam rumus. allo ini th ws e
worksheet untuk digunakan sebagai program umum untuk masalah yang sama.
3. Meskipun program menjamin keakuratan komputasi, rumus
harus benar. Mereka harus selalu ditinjau dan dua kali diperiksa, dan data uji harus
diproses untuk menjamin akurasi.

Sebuah. Menghitung estimasi titik:

Sebelum komputasi interval presisi dihitung, kita harus menghitung standar


deviasi:

17-22
ej (e j) 2

$ (72.00) 5,184.00
65.70 4,316.49
41,10 1,689.21
36,10 1,303.31
51,80 2,683.24
(0,12) . 01
30.00 900.00
21.11 445,63
$ 173,69 16,521.79

17-33 (lanjutan)

Dihitung Interval presisi:

Selang kepercayaan dinyatakan sebagai 3,994.87 + 4,718.46. Untuk menghitung

batas kepercayaan,

UCL = Ê + CPI = 3,994.87 + 4,718.46 = 8,713.33 LCL = Ê - CPI =

3,994.87 - 4,718.46 = -723,59

b. auditor tidak harus menerima nilai buku dari populasi sejak saji maksimum dalam
populasi bahwa dia bersedia menerima, $ 6.000, pada tingkat risiko 5%, kurang dari
jumlah yang mungkin dari salah saji yang benar ditunjukkan oleh UCL dari $ 8,713.33
.

c. Pilihan yang tersedia untuk auditor pada saat ini adalah:

1. Melakukan tes pemeriksaan diperluas di daerah tertentu.


2. Meningkatkan ukuran sampel.
3. Menyesuaikan saldo rekening.
4. Meminta klien untuk memperbaiki penduduk.
5. Menolak untuk memberikan pendapat wajar tanpa pengecualian.

17-23
17-34 Sebuah. Ini akan diinginkan untuk menggunakan estimasi perbedaan unstratified ketika auditor
yakin bahwa tidak ada sejumlah kecil saji dalam populasi yang berada di materi total,
dan penduduk memiliki sejumlah besar salah saji kecil yang total bisa material.

estimasi perbedaan unstratified tidak akan sesuai ketika salah satu dari
karakteristik di atas tidak hadir. Sebagai contoh, jika auditor yakin bahwa rekening
besar tertentu hutang mungkin mengandung salah saji besar yang material, mereka
harus diuji secara terpisah.

Pertimbangan signifikan dalam situasi ini adalah apakah auditor dapat


mengidentifikasi seluruh penduduk. Pertimbangan ini berlaku apakah menggunakan
estimasi perbedaan stratified atau unstratified. Auditor dalam hal ini adalah
mengidentifikasi populasi didasarkan pada sebuah account daftar hutang. Jika daftar
ini hanya mencakup rekening dengan saldo, sampel mengabaikan mereka account
yang memiliki saldo yang tercatat nol.

Dengan demikian, banyak account bisa bersahaja tetapi tidak dipertimbangkan dalam
sampel atau kesimpulan statistik yang diambil dari sampel.
b. Mengabaikan ARIR, ukuran sampel yang dibutuhkan dapat dihitung sebagai berikut:

dimana

TM - E * = 45.000 - 20.000 = $ 25.000

c. Dalam rangka untuk menentukan apakah populasi disajikan secara wajar, interval
presisi computed harus dihitung.

CI = Ê + CPI CI

= 21 . 000 + 22.374 UCL =

43.374

17-24
17-34 (lanjutan)

LCL = -1374

Karena kedua UCL dan LCL kurang dari salah saji ditoleransi, auditor dapat
menyimpulkan bahwa populasi disajikan secara wajar.
Alasan utama penduduk dapat diterima adalah bahwa (1) estimasi titik
sebenarnya cukup dekat dengan salah saji yang diharapkan, dan (2) sebenarnya
deviasi standar sampel kurang dari estimasi standar deviasi.

d. Mengingat ARIR, ukuran sampel dapat dihitung dari rumus berikut:

e. Meningkatkan ukuran sampel secara signifikan dengan masuknya ARIR karena


dengan memasukkan itu auditor adalah membangun risiko ia akan mengambil
menolak populasi diterima, serta mempertimbangkan risiko menerima populasi yang
tidak dapat diterima. Dibutuhkan lebih banyak usaha (item sampel) untuk mengontrol
dua risiko, bukan hanya satu. Efeknya dapat dilihat dari meninjau rumus untuk
menghitung ukuran sampel.

f. Pendekatan digambarkan hanya akan menghasilkan ukuran sampel yang sesuai secara
kebetulan. Hal ini akan terjadi ketika kenaikan 25% adalah sama dengan peningkatan
ukuran sampel yang diperlukan ketika ARIR dianggap. Ini bukan kejadian mungkin.
Pendekatan ini tidak diinginkan karena tidak efisien dalam hal waktu dan biaya. Kecuali
secara kebetulan ukuran sampel kira-kira sama dengan ukuran sampel yang diperlukan
dengan mempertimbangkan ARIR, ukuran sampel akan baik terlalu kecil atau terlalu
besar. Terlalu kecil sampel akan membutuhkan sampel yang akan meningkat. Ini mungkin
baik memakan waktu dan mahal, jika bahkan mungkin. Sebaliknya, terlalu besar hasil
sampel di auditor melakukan lebih banyak pekerjaan dari yang dibutuhkan.

17-25
kasus 17-35 Sebuah. Penentuan ARIA - Perhatikan bahwa ada banyak cara untuk memperkirakan

ARIA. Salah satu metode adalah sebagai berikut:


ARIA = AAR / (IR x CR x April)
= 0,05 / (0,8 x 0,5 x 1,0) =
0,05 / 0,4
= 0,13 dibulatkan menjadi 0,10 (konservatif)

salah saji ditoleransi sebagai persen:

TER = TM / Penduduk
= 800.000 / 12.000.000
= 0,067 dibulatkan menjadi 0,06 (untuk menjadi konservatif) Ukuran sampel

ditentukan dengan menggunakan Tabel 15-8 ( mengasumsikan salah saji diharapkan dari

nol dan salah saji persen dari 100%): n = 38

b. Penentuan ARIA - Perhatikan bahwa ada banyak cara untuk memperkirakan ARIA. Salah satu metode
adalah sebagai berikut:

ARIA = AAR / (IR x CR x April) =


. 05 / [1,0 x 0,8 x (1-0,6)] =
. 05 / 0,32 =
. 16 dibulatkan menjadi 0,15

salah saji ditoleransi sebagai persen:

TER = TM / Populasi =
800.000 / 23.000.000
= . 035 dibulatkan menjadi 0,03 (konservatif)

Tidak ada meja yang tersedia untuk ARIA dari 15%. Inherent risiko dan
pengendalian risiko persediaan lebih besar dari piutang usaha. Namun, karena
masuknya komponen risiko prosedur analitis, ARIA persediaan tidak signifikan lebih
besar daripada ARIA untuk piutang. Karena nilai buku dari populasi persediaan jauh
lebih besar, salah saji ditoleransi sebagai persen jauh lebih rendah untuk persediaan.
Akibatnya, ukuran sampel untuk persediaan harus lebih besar dari ukuran sampel
untuk piutang dalam suatu kebutuhan.

c. ARIA yang sama harus digunakan untuk tes gabungan seluruh. Ini akan menjadi yang paling bijaksana untuk
menggunakan lebih rendah dari arias dihitung untuk

17-26
17-35 (lanjutan)

tes terpisah, (yaitu 10% dari contoh-contoh yang ditampilkan dalam persyaratan a dan b).

salah saji ditoleransi sebagai persen:

TER = TM / Penduduk
= 800.000 / (12.000.000 + 23.000.000) = 800.000 /
35.000.000 = 0,023 (dibulatkan ke 0,02)

Ukuran sampel dihitung dengan menggunakan Tabel 15-8 ( memungkinkan untuk 0,005
pengecualian tingkat-rata-rata dari salah saji yang diharapkan untuk piutang dan
persediaan-dan mengasumsikan salah saji persen dari 100%):

n = 194

d. Generasi nomor acak menggunakan Excel (P1734.xls) untuk mendapatkan sampel


dari 38 piutang konfirmasi akan diperoleh sebagai berikut:

Populasi nilai buku = $ 12.000.000 Command untuk

mendapatkan setiap nomor acak:

= RANDBETWEEN (1,12000000)

Setelah rumus dimasukkan, dapat disalin ke bawah untuk memilih nomor acak
tambahan. Untuk mendapatkan daftar diurutkan, daftar nomor acak harus disalin ke
kolom terpisah, dan disisipkan sebagai nilai (menggunakan “Tempel Khusus” perintah
dan pilih “value”). Kemudian gunakan “Data Urutkan” perintah untuk mendapatkan daftar
diurutkan.
Perintah untuk memilih nomor acak dapat dimasukkan langsung ke
spreadsheet, atau dapat dipilih dari menu fungsi (matematika & trigonometri) fungsi.
Mungkin perlu untuk menambahkan paket alat analisis untuk mengakses fungsi
RANDBETWEEN.
Contoh disusun dengan menggunakan Excel disertakan pada
Companion situs web dan pada Instruktur Sumber Daya CD-ROM, yang tersedia atas
permintaan (nama file P1734.xls).

17-27
17-36 Sebuah. nonstatistical (yaitu, nonprobabilistic atau menghakimi) sampel ini adalah contoh
bertingkat. Semua 23 item lebih dari $ 10.000 diperiksa 100%. Sisanya 7297 item diuji
dengan sampel 77 item. Meskipun ini bukan sampel probabilistik, standar auditing
mensyaratkan bahwa dalam pertimbangan auditor, itu adalah salah satu perwakilan.
Dengan demikian, hasil harus diproyeksikan populasi dan keputusan dibuat tentang
risiko sampling, meskipun risiko sampling dan presisi tidak dapat diukur.

Proyeksi total salah saji populasi akan menjadi sebagai berikut:

Item lebih dari $ 10.000:

Proyeksi Salah saji = Diaudit nilai - nilai Direkam


= 432.000 - 465.000 = (33.000)
berlebihan

Item di bawah $ 10.000 - rata saji metode jumlah:

Proyeksi Salah saji = rata-rata saji sampel


x ukuran populasi = [(4350) / 77] x
(7320 - 23) = (56,49) x 7297 =
(412.207) berlebihan

Item di bawah $ 10.000 - metode jumlah yang proporsional:

Proyeksi Salah saji = Contoh salah saji rasio x


nilai buku populasi = [(4350) / 81.500] x
(2.760.000 -
465.000)
= (0,053) x 2.295.000 = (121.635)
berlebihan

17-28
17-36 (lanjutan)

Di mana salah saji sampel adalah:

DIAUDIT TERCATAT
BARANG NILAI NILAI salah saji

12 19 4820 5120 (300)

33 35 385 485 (100)

51 59 250 1.250 (1.000)

74 3875 3975 (100)

Total 1.825 1.850 (25)

3780 0 4.200 (420)

2405 (2405)

14.935 19.285 (4350)

Catatan th di sa m salah saji ple dibagi oleh buku sampel


nilai $ 81.500 untuk menghitung rasio sampel saji. salah saji yang diproyeksikan
secara signifikan menurunkan menggunakan metode jumlah yang proporsional
karena ukuran akun rata-rata dalam sampel besar dari ukuran rata-rata akun dalam
populasi.

Jumlah salah saji adalah baik:

(33.000) + (412.207) = (445.207) berlebihan


atau
(33.000) + (121.635) = (154.635) berlebihan

Dalam kedua kasus, berikut ini dapat dikatakan: Ada sejumlah besar item salah saji
dalam sampel, dan jumlahnya cukup besar. Karena sampel merupakan perwakilan,
jelas bahwa ada salah saji material dari populasi. Jumlah saji tidak mudah diduga dari
sampel. Ini bisa menjadi signifikan lebih tinggi atau lebih rendah dari estimasi titik
baik. Pada titik ini, tindakan yang terbaik akan meminta klien untuk membuat studi
catatan mereka untuk semua item populasi untuk mengidentifikasi lebih akurat salah
saji yang ada dan memperbaikinya.

b. Jika ini adalah sampel PPS, porsi sampel akan dievaluasi sebagai berikut:

17-29
17-36 (lanjutan)

taintings salah saji:

Mis-PERNYATAAN PERSEN
NILAI TERCATAT NILAI
BARANG DIAUDIT

12 4820 5120 (300) (0,059)

19 385 485 (100) (0,206)

33 250 1.250 (1.000) (0,800)

35 3875 3975 (100) (0,025)

51 1.825 1.850 (25) (0,014)

59 3780 0 4.200 (420) (0,100)

74 2405 (2405) (1,000)

Calculat saya pada dari bou berlebihan nd:

Mis-negara
UNIT bagian MENT
Over negara MISSTATE- TERIKAT
bagian MENT MENT BAGIAN
NILAI
UPL TERCATAT ASUMSI

0 ( 1) . 040 2.295.000 1.0 91.800

12 . 022 2.295.000 1.0 50.490

34 . 020 2.295.000 . 800 36.720

56 . 019 2.295.000 . 206 8983

7 . 017 2.295.000 . 100 3902

. 018 2.295.000 . 059 2437

. 016 2.295.000 . 025 918

. 017 2.295.000 . 014 546


(1) Dari Tabel 15-9 menggunakan ARIA dari 5 persen dan sampel

ukuran 75.

Berlebihan terikat dari sampel 195.796


Salah saji dari 100% item 33.000
Jumlah berlebihan terikat 228.796

17-30
17-36 (lanjutan)

Meremehkan disesuaikan terikat dihitung sebagai berikut:

meremehkan awal terikat = 0,040 x 2.295.000


= 91.800

Titik estimasi untuk overstatements = jumlah asumsi satuan saji / jumlah


populasi ukuran sampel x dicatat

= 2,204 / 77 x 2.295.000 =
65.691

meremehkan disesuaikan terikat = awal terikat - titik estimasi untuk


overstatements

= 91.800 - 65.691 =
26.109

Seperti yang diharapkan, ini sangat kecil. Karena semua salah saji yang
overstatements, satu tidak akan mengharapkan meremehkan net terjadi.

Hasil sampel PPS menunjukkan bahwa saldo piutang yang dibesar-besarkan oleh
sebanyak $ 228.796. Ini adalah sekitar 8 persen dari jumlah buku yang tercatat. Hal ini
secara signifikan lebih besar dari salah saji ditoleransi, menunjukkan bahwa populasi
adalah tidak dapat diterima dan harus tunduk pada pengawasan lebih baik oleh klien dan /
atau auditor.

c. Sebuah template untuk bagian PPS dari masalah ini disusun dengan menggunakan Excel
pada Companion Situs web (Nama file P1735.xls). template ini adalah lembar kerja lengkap
untuk MUS, termasuk tabel sesuai untuk berbagai tingkat pengecualian dan tingkat risiko.
Anda akan dicatat bahwa hasil yang sangat mirip dengan yang dihitung secara manual,
perbedaan yang karena pembulatan.

Internet Masalah Solusi: Satuan Moneter Sampling Pertimbangan 17-1 unit moneter sampling
(MUS) adalah metode statistik yang paling umum digunakan sampling untuk tes rincian karena
kesederhanaan dan kemampuannya untuk memberikan hasil statistik dalam dolar. Sebuah artikel
tentang menggunakan MUS muncul dalam edisi Mei 2005 CPA Journal. Lihat berikut:

[Http://www.nysscpa.org/cpajournal/2005/505/essentials/p36.htm].

17-31
Internet Soal 17-1 (lanjutan)

1. Para penulis berpendapat bahwa ada tiga langkah penting dalam menerapkan MUS. Apa
langkah-langkah ini?

Menjawab:
• Menentukan ukuran sampel yang tepat;
• Memilih sampel dan melakukan prosedur audit; dan

• Mengevaluasi hasil dan tiba pada kesimpulan tentang nilai populasi yang
tercatat.

2. Bagaimana penulis menunjukkan bahwa ukuran sampel MUS ditentukan?

Menjawab:
Menurut koran penulis “Karena MUS didasarkan pada atribut sampling, ukuran sampel
dapat ditentukan dengan prosedur dasar yang sama seperti untuk ukuran sampel statistik
untuk pengujian pengendalian.”

3. Apa dua faktor harus dipertimbangkan ketika mengevaluasi hasil?

Menjawab:
Para penulis menyatakan bahwa dua faktor yang harus dipertimbangkan ketika
mengevaluasi hasil. Faktor-faktor ini adalah: mengetik pengecualian arti apakah itu adalah
meremehkan atau berlebihan dan tingkat pengecualian harus diukur dan dipertimbangkan
dalam memperkirakan salah saji tersebut.

( catatan: masalah internet mengatasi masalah saat ini menggunakan sumber internet. Karena situs internet dapat berubah,
masalah internet dan solusi dapat berubah. informasi terkini tentang masalah internet tersedia di
www.pearsonglobaleditions.com/arens.)

17-32