Anda di halaman 1dari 39

www.downloadslide.

net

Sampling Audit untuk tes


Bab

17 rincian saldo

Tujuan Pembelajaran Kedua statistik dan Nonstatistical Sampling Apakah Diterima Di bawah

Setelah mempelajari bab ini, Anda harus dapat


Standar Auditing, Tapi Apapun Digunakan, It Must Be Done Kanan

17-1 Membedakan audit sampling


Bob Danau adalah manajer audit Images, Inc., pengecer khusus yang memiliki toko-toko di seluruh Midwest. Gambar
untuk tes rincian saldo dan
mengimbau perempuan yang bekerja kelas atas dan menawarkan kartu kredit sendiri. akuntansi gambar dilakukan
untuk tes kontrol dan
secara terpusat. Transaksi ditangkap online dan penjualan dan rekening file piutang dipertahankan pada database.
substantif tes transaksi.

17-2 Terapkan pengambilan sampel nonstatistical


perusahaan Bob Lake mendorong
untuk tes rincian saldo.
penggunaan sampling statistik dalam
17-3 Terapkan moneter unit sampling.
praktek dan memberikan program pelatihan
17-4 Jelaskan variabel sampling.
untuk pengembangan koordinator statistik
17-5 Gunakan estimasi perbedaan
tes rincian saldo. untuk masing-masing kantor. Koordinator di
kantor Danau adalah Barbara Ennis. Danau
percaya bahwa transaksi penjualan dan
rekening tes konfirmasi piutang harus
dilakukan dengan menggunakan sampling
statistik dan ia meminta Ennis untuk
membantu merancang dan mengawasi
aspek statistik pengujian ini.

Ennis mengembangkan sebuah program untuk desain prosedur audit konfirmasi sebagai bagian dari melakukan tes rincian
saldo piutang usaha. Karyanya termasuk menentukan ukuran sampel. Dia meninggalkan program dengan Danau untuk
melaksanakan dan mengatakan bahwa dia akan tersedia untuk membantu mengevaluasi hasil setelah tes dilakukan.

Ketika semua balasan konfirmasi diterima atau prosedur alternatif diselesaikan beberapa minggu kemudian, Lake disebut Ennis
untuk melakukan evaluasi statistik. Banyak kecewa, ia menemukan bahwa Ennis telah meninggalkan perusahaan, dan lebih
buruk, tidak ada orang statistik dilatih untuk mengambil tempatnya. Danau berada di bawah banyak tekanan untuk mendapatkan
pekerjaan selesai dan memutuskan untuk membuat perhitungan statistik sendiri. Berdasarkan perhitungannya, ia menyimpulkan
bahwa potensi salah saji itu besar, tetapi tidak material, sehingga Danau menyimpulkan tujuan dari tes konfirmasi telah terpenuhi.

Tahun berikutnya, Gambar, pendapatan Inc menurun tajam, sebagian karena besar write-off piutang. Harga saham
turun tajam dan gugatan class action diajukan penamaan perusahaan Danau di antara para terdakwa. Seorang ahli
luar dibawa untuk meninjau dokumentasi audit. Ahli redid semua pekerjaan Danau dan menemukan kesalahan
dalam perhitungan statistik. Ahli menghitung bahwa salah saji dalam piutang, berdasarkan sampel auditor, secara
signifikan lebih dari jumlah material. Perusahaan danau menetap gugatan sebesar $ 3,5 juta.
www.downloadslide.net

saya n Bab 16, kami pindah ke fase III dari proses audit dengan memeriksa prosedur analitis substantif dan tes rincian saldo piutang
usaha. Sekarang kita akan melanjutkan fase III dengan membahas sampling untuk piutang, termasuk menentukan ukuran sampel, memilih
item untuk menguji dari populasi, dan mengevaluasi hasil sampel. Meskipun konsep dalam kesepakatan bab ini dengan piutang, mereka
berlaku untuk audit dari banyak saldo rekening lainnya.

Seperti cerita tentang audit Images, Inc, menunjukkan, auditor harus benar menggunakan sampling untuk menghindari ing mak- kesimpulan yang salah
tentang populasi. Sementara kedua metode sampling audit statistik dan nonstatistical digunakan secara ekstensif untuk tes rincian saldo, auditor harus
memutuskan metode mana yang digunakan, tergantung pada mereka pref- selisih, pengalaman, dan pengetahuan tentang sampling statistik. Bab ini akan
membantu Anda membuat kesimpulan yang benar tentang populasi menggunakan metode baik statistik atau nonstatistical.

Sebelum memulai studi tentang bab ini, kami sarankan Anda lihat Gambar 13-9 pada halaman 430 untuk memastikan Anda memahami di
mana kita berada dalam proses audit. Pada tahap ini, semua item dalam fase I dan II akan telah selesai sebelum auditor menentukan ukuran
sampel dan item untuk memilih dari populasi. Juga, auditor akan menyelesaikan prosedur analitis substantif dan prosedur audit yang dirancang
untuk tes rincian saldo, seperti dibahas dalam Bab 16 (bagian dari fase III). auditor mempertimbangkan penilaian risiko, materialitas, dan hasil tes
kontrol, tes substantif transaksi, dan prosedur analitis substantif dalam memutuskan pendekatan sampling dan tingkat sampling untuk tes rincian.

Perbandingan audit sampling untuk tes rincian saldo dan


untuk tes Kontrol
dan substantif tes transaksi
Sebagian besar konsep pengambilan sampel untuk tes kontrol dan substantif tes tions transac-, yang tujuan 17-1
dibahas dalam Bab 15, berlaku untuk pengambilan sampel untuk tes rincian saldo. Dalam kedua kasus,
Membedakan audit sampling untuk tes
auditor ingin membuat kesimpulan tentang seluruh populasi berdasarkan sampel. Kedua sampling dan rincian saldo dan untuk tes kontrol dan
risiko nonsampling karena itu penting untuk tes kontrol, tes substantif transaksi, dan tes rincian saldo. substantif tes transaksi.
Untuk mengatasi risiko sampling, auditor dapat menggunakan metode baik nonstatistical atau statistik
untuk ketiga jenis tes.

Perbedaan utama antara tes kontrol, tes substantif transaksi, dan tes rincian saldo dalam apa
yang auditor ingin mengukur.

jenis tes Apa itu Tindakan

Tes kontrol • Efektivitas operasi pengendalian internal

pengujian substantif transaksi • Efektivitas operasi pengendalian internal


• Kebenaran moneter transaksi dalam sistem akuntansi

Tes rincian saldo • Apakah jumlah dolar dari saldo rekening salah saji
material

Auditor melakukan pengujian kontrol dan substantif tes transaksi:


• Untuk menentukan apakah tingkat pengecualian dalam populasi cukup rendah
• Untuk mengurangi risiko pengendalian yang dinilai dan dengan demikian mengurangi tes rincian saldo
• Untuk perusahaan publik yang lebih besar, untuk menyimpulkan bahwa kontrol beroperasi secara
efektif untuk tujuan audit pengendalian internal atas pelaporan keuangan seperti untuk tes kontrol dan
substantif tes transaksi, auditor jarang menggunakan tingkat tes terjadinya di tes rincian saldo. Sebaliknya,
auditor menggunakan metode pling sam- yang memberikan hasil dalam dolar istilah. Ada tiga jenis utama
dari metode sampling yang digunakan untuk menghitung salah saji dolar di saldo rekening dibahas dalam
bab ini: nonstatistical sampling, moneter unit sampling, dan variabel sampling.
www.downloadslide.net

nonstatistical pengambilan sampel


tujuan 17-2 audit sampling untuk tes rincian saldo mirip dengan mengaudit pengambilan sampel untuk tes kontrol dan
substantif tes transaksi, meskipun tujuan berbeda. Langkah-langkah yang terlibat paralel yang digunakan untuk
Terapkan nonstatistical sampling untuk
tes rincian saldo.
pengambilan sampel untuk tes kontrol dan substantif tes transaksi. Perbedaan utama dalam menerapkan audit
sampling untuk tes rincian saldo ditunjukkan dalam huruf miring.

Langkah-audit Sampling untuk tes Kontrol


Langkah-audit Sampling untuk tes dan Substantif tes transaksi (lihat hal.
Rincian Saldo 490)
Rencana Sampel Rencana Sampel

1. Negara tujuan dari tes audit. 1. Negara tujuan dari tes audit.
2. Tentukan apakah audit sampling berlaku. 2. Tentukan apakah audit sampling berlaku.

3. Def Ine salah saji. 3. Tentukan atribut dan kondisi


pengecualian.
4. Tentukan populasi. 4. Tentukan populasi.
5. Tentukan unit sampling. 5. Tentukan unit sampling.
6. Tentukan salah saji ditoleransi. 6. Tentukan tingkat pengecualian ditoleransi.
7. Tentukan risiko yang dapat diterima dari salah 7. Tentukan risiko yang dapat diterima dari
penerimaan. overreliance.
8. salah saji perkiraan di 8. Perkirakan tingkat pengecualian populasi.
populasi.
9. Tentukan ukuran sampel awal. 9. Tentukan ukuran sampel awal.
Pilih Sampel dan Melakukan Pilih Sampel dan Melakukan
Prosedur Audit Prosedur Audit
10. Pilih sampel. 10. Pilih sampel.
11. Lakukan prosedur audit. 11. Lakukan prosedur audit.
Evaluasi Hasil Evaluasi Hasil
12. Generalisasi dari sampel ke populasi. 12. Generalisasi dari sampel ke populasi.

13. Menganalisis salah saji. 13. Menganalisis pengecualian.


14. Putuskan akseptabilitas populasi. 14. Putuskan akseptabilitas populasi.

Auditor sampel untuk tes rincian saldo untuk menentukan apakah akun menentukan keseimbangan yang
Menyatakan Tujuan dari tes
diaudit disajikan secara wajar. Populasi 40 piutang pada Tabel 17-1, total $ 207.295, menggambarkan
pemeriksaan
penerapan sampling nonstatistical. Seorang auditor akan melakukan tes rincian saldo untuk menentukan
apakah saldo $ 207.295 adalah salah saji material.

Seperti yang tercantum dalam Bab 15, “Sampling audit berlaku setiap kali auditor merencanakan untuk mencapai kesimpulan
Putuskan Apakah Audit
tentang populasi berdasarkan sampel.” Meskipun auditor umumnya sampel di banyak account, dalam beberapa situasi
Sampling berlaku
pengambilan sampel tidak berlaku. Untuk tion popula- pada Tabel 17-1, auditor dapat memutuskan untuk mengaudit hanya item
lebih dari $ 5.000 dan mengabaikan semua orang lain karena total item yang lebih kecil adalah tidak penting. Demikian pula,
jika auditor memverifikasi penambahan aset tetap dan menemukan banyak tambahan kecil dan satu pembelian yang sangat
besar bangunan, auditor dapat memutuskan untuk mengabaikan barang-barang kecil sekali. Dalam kedua kasus, auditor belum
sampel.

Karena sampling audit untuk tes rincian saldo mengukur pernyataan mis-moneter, salah saji itu
Tentukan salah saji yang
ada setiap kali item sampel saji. dalam audit
www.downloadslide.net

tabel 17-1 Account Ilustrasi Piutang Penduduk

penduduk Barang direkam Jumlah


penduduk Barang direkam Jumlah (Cont.) (Cont.)

1 $ 1.410 21 $ 4865
2 9130 22 770

3 660 23 2305
4 3355 24 2665
5 5725 25 1.000

6 8210 26 6225
7 580 27 3675
8 44.110 28 6.250

9 825 29 1.890

10 1155 30 27.705

11 2.270 31 935

12 50 32 5.595

13 5785 33 930

14 940 34 4045
15 1.820 35 9480
16 3.380 36 360

17 530 37 1.145

18 955 38 6.400

19 4490 39 100

20 17.140 40 8435

$ 207.295

piutang, setiap salah saji klien dalam keseimbangan pelanggan termasuk dalam sampel auditor
adalah salah saji. Seperti dibahas dalam Bab 16, auditor harus dis- saji tinguish dari perbedaan
seperti perbedaan waktu dalam pencatatan transaksi yang tidak mewakili salah saji.

Dalam tes rincian saldo, populasi didefinisikan sebagai item yang membentuk
Tentukan populasi
populasi dolar yang direkam. Populasi mencatat piutang pada Tabel 17-1 terdiri dari 40 rekening
sebesar $ 207.295. Kebanyakan populasi akuntansi yang audi- tor sampel akan, tentu saja, termasuk
jauh lebih item total jumlah dolar yang jauh lebih besar. auditor akan mengevaluasi apakah direkam
penduduk dibesar-besarkan atau bersahaja.

Sampling stratified Bagi banyak populasi, auditor memisahkan populasi menjadi dua atau lebih sub-populasi
sebelum menerapkan audit sampling. Ini disebut stratified sampling, dimana setiap subpopulasi adalah
disebut strata satu. Stratifikasi memungkinkan auditor untuk menekankan item populasi tertentu dan
deemphasize orang lain. Dalam kebanyakan situasi sampling audit, termasuk konfirmasi piutang, auditor ingin
em-phasize lebih besar nilai dolar yang tercatat, sehingga mereka mendefinisikan setiap strata atas dasar
ukuran nilai dolar yang tercatat.

Dengan memeriksa populasi pada Tabel 17-1, Anda dapat melihat bahwa ada cara yang berbeda untuk stratifikasi
penduduk. Asumsikan bahwa auditor memutuskan untuk stratifikasi sebagai berikut:

No Dolar dalam
Lapisan Kriteria stratum populasi populasi

1 > $ 15.000 3 $ 88.955

2 $ 5.000 - $ 15.000 10 71.235

3 <$ 5.000 27 47.105

40 $ 207.295
www.downloadslide.net

Ada banyak cara alternatif untuk stratifikasi populasi ini. Salah satu contoh adalah memiliki empat strata
(membuat strata 3 item antara $ 2.000 dan $ 5.000, dan menambahkan lapisan keempat untuk item kurang dari $
2.000).

Untuk audit sampling nonstatistical di tes rincian saldo, unit sampling hampir selalu item yang
Mendefinisikan Unit
membentuk saldo rekening. Misalnya, untuk piutang pada Tabel 17-1, unit sampling akan menjadi
Sampling
nomor pelanggan. Auditor dapat menggunakan item yang membentuk mencatat populasi sebagai unit
sampling untuk pengujian semua tujuan audit kecuali kelengkapan. Jika auditor prihatin tentang tujuan
ness complete-, mereka harus memilih sampel dari sumber yang berbeda, seperti ers custom dengan
nol saldo. Dengan demikian, unit sampling untuk tes kelengkapan akan pelanggan dengan saldo nol.

salah saji ditoleransi adalah aplikasi kinerja materialitas untuk prosedur pengambilan sampel lar khususnya
Tentukan salah saji
untuk para. Kinerja materialitas didefinisikan dalam Bab 8 dan jumlah yang ditetapkan kurang dari materialitas
ditoleransi
untuk laporan keuangan secara keseluruhan dan diterapkan untuk mengaudit segmen untuk mengurangi ke
tingkat tepat rendah probabilitas bahwa agregat salah saji yang tidak dikoreksi dan tidak terdeteksi melebihi
materialitas untuk laporan keuangan secara keseluruhan. salah saji ditoleransi mungkin jumlah yang sama
seperti kinerja materialitas, atau mungkin lebih rendah jika populasi dari mana sampel yang dipilih lebih kecil
dari saldo rekening. Auditor mencari tingkat yang sesuai jaminan bahwa salah saji yang sebenarnya dalam
populasi tidak melebihi salah saji ditoleransi. Yang diperlukan ukuran sampel meningkat saji sebagai
ditoleransi menurun untuk prosedur sampling.

Untuk semua aplikasi statistik dan nonstatistical sampling, auditor berisiko membuat kesimpulan
Tentukan risiko yang dapat
kuantitatif incor- rect tentang populasi. Hal ini selalu benar, kecuali jika auditor menguji 100 persen
diterima penerimaan Salah
populasi.
risiko yang dapat diterima penerimaan yang salah (ARIA) adalah risiko bahwa sampel mendukung
kesimpulan bahwa saldo rekening yang tercatat tidak salah saji material ketika salah saji material. ARIA mengukur
jaminan diinginkan auditor untuk saldo rekening. Untuk jaminan yang lebih besar dalam mengaudit keseimbangan,
auditor akan mengatur ARIA lebih rendah. Perhatikan bahwa ARIA adalah istilah setara dengan ARO (risiko yang
dapat diterima dari ketergantungan berlebihan) untuk tes kontrol dan substantif tes transaksi. Seperti untuk ARO,
ARIA dapat diatur secara kuantitatif (seperti 5% atau 10%), atau kualitatif (seperti rendah, sedang, atau tinggi).

Ada hubungan terbalik antara ARIA dan ukuran sampel yang diperlukan. Jika, misalnya, auditor memutuskan untuk
mengurangi ARIA dari 10 persen menjadi 5 persen, ukuran sampel yang dibutuhkan akan meningkat. Menyatakan berbeda,
jika auditor kurang bersedia mengambil risiko, ukuran sampel yang lebih besar diperlukan.

Faktor penting yang mempengaruhi keputusan auditor tentang ARIA dinilai pengendalian risiko, yang, bersama
dengan risiko yang melekat, merupakan bagian dari risiko yang dinilai dari salah saji material. Ketika kontrol internal
yang efektif, risiko pengendalian dapat dikurangi, per- mitting auditor untuk meningkatkan ARIA. Hal ini, pada
gilirannya, mengurangi ukuran sampel yang diperlukan untuk uji rincian saldo rekening terkait.

Anda perlu memahami bagaimana ARO dan ARIA berinteraksi untuk mempengaruhi bukti tuduhannya mulation.
Anda sudah tahu dari bab-bab sebelumnya bahwa tes rincian saldo untuk salah saji moneter dapat dikurangi jika
auditor menemukan kontrol internal yang efektif setelah menilai risiko pengendalian dan melakukan tes kontrol. Efek
dari ARO dan ARIA konsisten dengan kesimpulan itu. Jika auditor menyimpulkan bahwa Trols con internal mungkin
efektif, risiko pengendalian awal dapat dikurangi. Sebuah risiko pengendalian yang lebih rendah memerlukan ARO
rendah dalam pengujian kontrol, yang membutuhkan ukuran sampel yang lebih besar.
www.downloadslide.net

Gambar 17-1 Pengaruh ARO dan ARIA pada Pengujian Substantif

Kontrol Tidak Kontrol Dianggap


Dianggap E? Efektif E? Efektif

Mengurangi
pengendalian risiko 100%
risiko kontrol

ARO 100% mengurangi ARO

Tidak melakukan Lakukan tes


tes kontrol kontrol

Gunakan ARIA lebih rendah Gunakan ARIA lebih tinggi *

Melakukan pengujian Lakukan mengurangi


substantif ekstensif pengujian substantif

* Mengasumsikan tes hasil kontrol yang memuaskan, yang memungkinkan pengendalian risiko untuk tetap rendah.

Jika kontrol ditemukan efektif, risiko pengendalian dapat tetap rendah, yang memungkinkan auditor untuk
meningkatkan ARIA (melalui penggunaan model risiko audit), sehingga membutuhkan ukuran sampel yang
lebih kecil dalam tes substantif terkait rincian saldo. Gambar 17-1 menunjukkan efek ARO dan ARIA
pengujian substantif ketika kontrol tidak dianggap efektif dan ketika mereka dianggap efektif.

Selain mengendalikan risiko, ARIA secara langsung dipengaruhi oleh risiko audit yang dapat diterima dan
berbanding dipengaruhi oleh pengujian substantif lain yang sudah dilakukan (atau direncanakan) untuk saldo
rekening. Jika auditor mengurangi risiko audit yang dapat diterima, mereka juga harus mengurangi ARIA. Jika
prosedur analitis substantif menunjukkan bahwa saldo rekening mungkin akan cukup menyatakan, ARIA dapat
ditingkatkan. Dengan kata lain, prosedur analitis substantif adalah bukti yang mendukung saldo rekening, berarti
auditor memerlukan ukuran sampel yang lebih kecil di tes rincian saldo untuk mencapai risiko audit yang dapat
diterima yang diinginkan. Kesimpulan yang sama sesuai untuk hubungan antara substantif tes transaksi, ARIA, dan
ukuran sampel untuk tes rincian saldo. The variabel- hubungan ous mempengaruhi ARIA dirangkum dalam Tabel
17-2 pada halaman berikut.

auditor biasanya membuat perkiraan ini berdasarkan pengalaman sebelumnya dengan klien dan
estimasi salah saji
dengan menilai risiko yang melekat, mengingat hasil tes kontrol, tes tive substan- transaksi, dan
dalam populasi
prosedur analitis sudah dilakukan. ukuran sampel meningkat direncanakan sebagai jumlah salah saji
yang diharapkan dalam populasi mendekati salah saji ditoleransi.

Bila menggunakan nonstatistical sampling, auditor menentukan ukuran sampel awal dengan mempertimbangkan faktor-faktor
Tentukan Awal
yang telah kita bahas sejauh ini. Tabel 17-3 (p. 570) merangkum faktor-faktor ini, termasuk pengaruh perubahan
Ukuran sampel
masing-masing faktor pada ukuran sampel. Seharusnya tidak mengherankan bahwa mempertimbangkan semua faktor ini
memerlukan pertimbangan yang cukup.
www.downloadslide.net

Tabel 17- 2 Hubungan antara Faktor yang Mempengaruhi ARIA, Efek pada ARIA, dan
Diperlukan Ukuran Sampel untuk Sampling Audit

Efek pada Ukuran


Faktor yang Mempengaruhi ARIA Contoh Efek pada ARIA Sampel

Efektivitas pengendalian internal pengendalian internal yang efektif (mengurangi risiko kontrol). Meningkat Mengurangi

(Risiko pengendalian)

Kemungkinan salah saji (risiko yang melekat) Salah saji dianggap tidak mungkin (risiko inheren lebih rendah). Meningkat Mengurangi

pengujian substantif transaksi Tidak ada pengecualian ditemukan dalam tes substantif Meningkat Mengurangi

transaksi.

risiko audit yang dapat diterima Kemungkinan kebangkrutan rendah (meningkat diterima Meningkat Mengurangi

risiko audit).

prosedur analitis substantif prosedur analitis substantif dilakukan dengan Meningkat Mengurangi

ada indikasi salah saji mungkin.

ukuran sampel antara nonstatistical dan sampling statistik harus serupa. Dengan demikian, auditor dapat
menentukan ukuran sampel untuk pengambilan sampel nonstatistical menggunakan tabel sampel unit
moneter, yang dibahas pada bagian berikutnya. Gambar 17-2 menyajikan rumus sederhana untuk ukuran
komputasi sampel berdasarkan AICPA
Sampling Audit Panduan Audit.
Asumsikan auditor diterapkan formula ini untuk populasi pada Tabel 17-1 (p. 567) dan bahwa
salah saji ditoleransi adalah $ 15.000. auditor memutuskan untuk menghilangkan dari yang
tercatat populasi tiga item yang membentuk stratum pertama karena mereka melebihi salah saji
ditoleransi. Ketiga rekening materi secara individu akan diuji secara terpisah. sisa populasi yang
akan dijadikan sampel adalah $ 118.340, yang merupakan jumlah gabungan dari strata 2 dan 3.
Selanjutnya, menganggap bahwa gabungan dinilai melekat dan pengendalian risiko moderat dan
bahwa ada risiko moderat yang substantif tes transaksi dan prosedur analitis substantif akan tidak
mendeteksi salah saji material. Mengingat faktor-faktor ini, auditor menetapkan bahwa risiko 14%
dari penerimaan yang salah (86 assurance%) adalah tepat. Menggunakan meja pada Gambar
17-2, × 2 = 15,8].

tabel 17-3 Faktor yang Mempengaruhi Ukuran Sampel untuk Tes Rincian Saldo

Kondisi Menuju kecil Ukuran Kondisi Memimpin ke yang lebih


Faktor Sampel besar Ukuran Sampel

Inherent risiko-risiko yang dapat diterima Mempengaruhi penerimaan yang salah risiko yang melekat rendah risiko yang melekat tinggi

pengendalian risiko (ARO) -Affects risiko yang dapat diterima dari salah pengendalian risiko rendah pengendalian risiko tinggi

penerimaan

Hasil prosedur substantif lain yang berkaitan dengan yang sama hasil yang memuaskan di terkait lainnya hasil yang kurang memuaskan di terkait lainnya

Penegasan (termasuk prosedur analitis substantif dan pengujian substantif lain prosedur substantif prosedur substantif
yang relevan) -Affect risiko yang dapat diterima penerimaan yang salah

salah saji ditoleransi untuk akun tertentu salah saji ditoleransi lebih besar salah saji ditoleransi lebih kecil

Diharapkan ukuran dan frekuensi saji-Mempengaruhi diperkirakan salah saji yang lebih kecil atau frekuensi yang lebih rendah salah saji yang lebih besar atau lebih tinggi

salah saji dalam populasi frekuensi

jumlah dolar dari populasi saldo rekening lebih kecil saldo rekening yang lebih besar

Jumlah item dalam populasi Hampir tidak berpengaruh pada ukuran sampel kecuali Hampir tidak berpengaruh pada ukuran sampel kecuali

penduduk sangat kecil penduduk sangat kecil


www.downloadslide.net

Gambar 17-2 Formula untuk Komputasi Tes Nonstatistical dari Rincian


Ukuran saldo Sampel Berdasarkan AICPA Audit Sampling Formula

Penduduk Tercatat Jumlah * x Con fi dence Factor


Ukuran sampel =
salah saji ditoleransi

Risiko
Penerimaan Salah Kepercayaan diri Sampel Kepercayaan diri Factor

37% 63% 1
14% 86% 2
5% 95% 3

* item berisiko tinggi dan item individu melebihi salah saji ditoleransi sering dihapus dari populasi
dan dipilih untuk 100 pemeriksaan persen.

Ketika auditor menggunakan stratified sampling, mereka harus mengalokasikan ukuran sampel di antara strata,
biasanya mengalokasikan porsi yang lebih tinggi dari item sampel untuk item tion popula- lebih besar. Pada contoh dari
Tabel 17-1, auditor harus menguji semua item dalam stratum
1, yang tidak sampling audit. Mereka memutuskan untuk mengalokasikan ukuran sampel dari 16 menjadi sembilan dari strata
2 dan tujuh dari strata 3.

Untuk pengambilan sampel nonstatistical, standar auditing mengijinkan auditor untuk menggunakan salah satu metode tion
Pilih Sampel
selec- dibahas dalam Bab 15. Auditor akan membuat keputusan setelah pertimbangan- kenai keuntungan dan kerugian dari
masing-masing metode, termasuk pertimbangan biaya.
Untuk pengambilan sampel stratified, auditor memilih sampel secara independen dari setiap stra- tum.
Dalam contoh kita dari Tabel 17-1 (p. 567), auditor akan memilih sembilan item sampel dari item 10 penduduk di
strata 2 dan tujuh dari 27 item dalam stratum 3.

Untuk melakukan prosedur audit, auditor menerapkan prosedur audit yang tepat untuk setiap item dalam
melaksanakan audit
sampel untuk menentukan apakah mengandung salah saji. Dalam konfirmasi piutang, auditor
Prosedur
mengirimkan sampel tions confirma- positif dengan cara yang dijelaskan pada Bab 16 dan menentukan
jumlah ment misstate- di setiap akun dikonfirmasi. Untuk nonresponses, mereka menggunakan prosedur
alternatif untuk menentukan salah saji.

Mengacu pada contoh kita dari Tabel 17-1 lagi, menganggap auditor mengirimkan permintaan pertama dan
kedua untuk konfirmasi dan melakukan prosedur alternatif. Juga menganggap auditor mencapai kesimpulan
berikut tentang sampel setelah mendamaikan semua perbedaan waktu:

dolar diaudit

Ukuran strata Contoh mencatat Nilai diaudit Nilai Client Salah saji

1 3 $ 88.955 $ 91.695 $ (2740)

2 9 43.995 43.024 971

3 7 13.105 10.947 2158

Total 19 $ 146.055 $ 145.666 $ 389

standar auditing menunjukkan auditor harus generalisasi dari sampel ke populasi dengan (1)
Generalisasi dari
memproyeksikan salah saji dari hasil sampel untuk populasi dan (2) mempertimbangkan risiko
Sampel untuk penduduk
sampling (ARIA). Dalam contoh kita, akan auditor menyimpulkan bahwa piutang berlebih sebesar $
dan Putuskan
389? Tidak, auditor tertarik pada
penerimaan dari
populasi hasil, bukan orang-orang dari sampel. Oleh karena itu perlu untuk proyek dari sampel ke
populasi
populasi untuk memperkirakan salah saji populasi.
Langkah pertama adalah untuk menghitung titik estimasi. Estimasi titik dapat calcu- lated dengan cara yang
berbeda, tetapi pendekatan umum adalah dengan mengasumsikan bahwa salah saji dalam populasi tidak diaudit
sebanding dengan salah saji dalam sampel. Bahwa
www.downloadslide.net

Perhitungan harus dilakukan untuk setiap strata dan kemudian mencapai, daripada menggabungkan total salah saji dalam
sampel. Dalam contoh kita, estimasi titik dari pernyataan mis-dihitung dengan menggunakan metode rata-rata tertimbang,
seperti yang ditunjukkan berikutnya.

Salah saji klien direkam Buku Nilai untuk


÷ mencatat Nilai Sampel Stratum yang = Titik perkiraan saji
Lapisan ×

1 $ (2740) / $ 88.955 $ 88.955 $ (2740)

2 $ 971 / $ 43.995 71.235 1572

3 $ 2.158 / $ 13.105 47.105 7757

Total $ 6589

Estimasi titik salah saji dalam populasi adalah $ 6589, menunjukkan berlebihan. Estimasi titik, dengan
sendirinya, bukan merupakan ukuran yang memadai dari lation salah saji ketenarannya, namun, karena
risiko sampling. Dengan kata lain, karena perkiraan didasarkan pada sampel, maka akan dekat dengan
salah saji populasi yang sebenarnya, tetapi tidak mungkin persis sama. Setiap kali estimasi titik ($ 6589
dalam contoh) kurang dari salah saji ditoleransi ($ 15.000 dalam contoh), auditor harus mempertimbangkan
kemungkinan bahwa salah saji populasi yang sebenarnya lebih besar dari jumlah salah saji yang dapat
ditoleransi dalam keadaan. Hal ini harus dilakukan untuk kedua sampel statistik dan nonstatistical.

Seorang auditor menggunakan nonstatistical pengambilan sampel tidak dapat secara resmi mengukur risiko sampling dan
karena itu harus subyektif mempertimbangkan kemungkinan bahwa pernyataan penduduk yang benar mis-melebihi jumlah
ditoleransi. Auditor melakukan ini dengan mempertimbangkan:

1. Perbedaan antara estimasi titik dan salah saji ditoleransi (ini disebut dihitung risiko sampling)

2. Sejauh mana item dalam populasi telah diaudit 100 persen


3. Apakah salah saji cenderung mengimbangi atau hanya satu arah
4. Jumlah salah saji individual
5. Ukuran sampel

Dalam contoh kita, misalkan salah saji ditoleransi adalah $ 40.000. Dalam hal ini, auditor dapat menyimpulkan
tidak mungkin, mengingat estimasi titik dari $ 6589, bahwa salah saji populasi yang sebenarnya melebihi jumlah
ditoleransi (tunjangan dihitung untuk risiko pling sam- adalah $ 33.411).

Misalkan salah saji ditoleransi adalah $ 15.000 (seperti di contoh), hanya $ 8411 lebih besar
dari estimasi titik. Dalam hal ini, auditor akan mempertimbangkan tor lainnya. Jika item yang lebih
besar dalam populasi diaudit 100 persen (seperti yang telah dilakukan di sini), setiap salah saji tak
dikenal akan dibatasi untuk item yang lebih kecil. Jika KASIH misstate- cenderung offsetting dan
relatif kecil dalam ukuran, auditor dapat menyimpulkan bahwa salah saji populasi yang
sebenarnya mungkin kurang dari jumlah ditoleransi. Juga, semakin besar ukuran sampel, lebih
percaya diri auditor dapat bahwa estimasi titik dekat dengan nilai populasi sebenarnya. Dalam
contoh ini, ketika ukuran sampel dianggap besar, auditor akan lebih bersedia menerima bahwa
salah saji populasi yang sebenarnya kurang dari salah saji ditoleransi. Namun,

Bahkan jika jumlah kemungkinan salah saji tidak dianggap material, auditor harus menunggu untuk
membuat evaluasi akhir sampai seluruh pemeriksaan selesai. Diperkirakan jumlah salah saji dan
diperkirakan risiko sampling piutang harus com- dikombinasi dengan perkiraan saji di semua bagian lain
dari audit untuk mengevaluasi dampak dari semua salah saji atas laporan keuangan secara keseluruhan.
Namun, terlepas dari apakah hasil sampel mendukung kesimpulan bahwa akun tersebut tidak
material-material sekutu salah saji, auditor harus meminta bahwa catatan klien penyesuaian untuk salah
saji faktual, kecuali mereka jelas sepele.
www.downloadslide.net

Sangat penting bagi auditor untuk mengevaluasi sifat dan penyebab setiap salah saji yang
menganalisis
ditemukan dalam tes rincian saldo. Misalnya, ketika auditor dikonfirmasi piutang, semua salah saji
salah saji
dihasilkan dari kegagalan klien untuk merekam barang kembali. auditor akan menentukan
mengapa jenis salah saji terjadi begitu sering, implikasi dari salah saji di daerah audit lainnya,
dampak potensial terhadap laporan keuangan, dan efeknya pada operasi perusahaan.
Pendekatan yang sama diikuti untuk semua saji.

Auditor harus melakukan analisis saji untuk memutuskan apakah modifikasi dari model risiko audit diperlukan.
Dalam ayat di atas, jika auditor menyimpulkan bahwa kegagalan untuk merekam kembali dihasilkan dari pemecahan
kontrol internal, mungkin perlu untuk menilai kembali risiko pengendalian. Yang pada gilirannya mungkin akan
menyebabkan auditor untuk mengurangi ARIA, yang akan meningkatkan ukuran sampel yang direncanakan.
Sebagaimana kita bahas pada Bab 9, revisi dari model risiko audit harus dilakukan dengan sangat hati-hati karena
model ini ditujukan terutama untuk perencanaan, tidak mengevaluasi hasil.

Ketika auditor menyimpulkan bahwa salah saji dalam suatu populasi mungkin lebih besar dari salah saji ditoleransi
Tindakan Ketika
setelah mempertimbangkan risiko sampling, populasi tidak pertimbangan- ered diterima. Pada saat itu, seorang auditor
populasi Apakah ditolak
memiliki beberapa kursus mungkin tindakan.

mengambil Tidak ada tindakan Sampai tes bidang pemeriksaan lain yang Tuntas Pada akhirnya, auditor harus
mengevaluasi apakah laporan keuangan secara keseluruhan adalah sekutu material-material salah saji.
Jika salah saji offsetting ditemukan di bagian lain dari audit, seperti dalam persediaan, auditor dapat
menyimpulkan bahwa estimasi salah saji piutang dapat diterima. Tentu saja, sebelum audit selesai, auditor
harus mengevaluasi apakah salah saji dalam satu akun dapat membuat laporan keuangan yang
menyesatkan bahkan jika ada offsetting salah saji.

melakukan tes pemeriksaan diperluas di daerah khusus Jika analisis menunjukkan kesalahan individu adalah unik
atau sebagian besar salah saji yang dari jenis tertentu, mungkin tepat untuk membatasi upaya audit tambahan ke
daerah masalah. Misalnya, jika analisis saji di konfirmasi menunjukkan bahwa sebagian besar salah saji hasil dari
ure failsafe untuk merekam hasil penjualan, auditor dapat membuat pencarian diperpanjang barang kembali untuk
memastikan bahwa mereka telah direkam. Namun, perawatan harus diambil untuk mengevaluasi

Mortage pemberi IndyMac Bank adalah bank yang terutama dibuat, dibeli, dan Pinjaman yang dipilih untuk pengujian, menilai apakah peminjam
dijual pinjaman hipotek perumahan. SEC dikenakan S. Blair atau pihak ketiga (seperti broker hipotek atau penilai) salah
pinjaman dikenakan
Anthony, mantan wakil presiden eksekutif dan kepala keuangan mengartikan informasi dalam memperoleh pinjaman. Kekeliruan
biaya untuk dari IndyMac, dengan membuat pernyataan palsu dan yang terlibat hal-hal seperti apakah rumah itu tempat tinggal

Mengabaikan menyesatkan sehubungan dengan enam korban dari utama; nilai dinilai; dan pekerjaan pemohon kredit ini,
perumahan sekuritas berbasis mortgage (RMBS) sebesar $ 2,5 pendapatan, aset, dan kredit. Audit kontrol kualitas menunjukkan
hasil sampel milyar dolar pada tahun 2007. investor RMBS menerima bahwa 12% sampai 18% dari pinjaman yang terkandung
Pada kualitas pembayaran keluar dari pokok dan bunga pembayaran yang kekeliruan.

MORTgAgE- dilakukan oleh peminjam kredit perumahan pada pinjaman yang


mendasari. Sejumlah pinjaman ini terdapat kekeliruan, yang Suplemen prospektus untuk laporan pendaftaran untuk
Efek tidak memadai diungkapkan dalam RMBS dokumen penawaran. persembahan RMBS didasarkan pada informasi asli pada
Beragun Keenam korban RMBS mengalami kenakalan pinjaman dan pinjaman, dan IndyMac menunjukkan bahwa hal itu tidak akan
penurunan peringkat yang signifikan. Federal Deposit Insurance mencakup pinjaman dalam penawaran jika sesuatu menjadi
Corporation (FDIC) ditempatkan IndyMac bawah kurator pada perhatian bank yang menunjukkan pinjaman yang terkandung
Juli 2008, keliru a. Pernyataan ini palsu karena bank tahu, berdasarkan
audit, yaitu 12% sampai 18% dari pinjaman yang terkandung
kekeliruan. Anthony diperintahkan untuk mencurahkan
keuntungan yang dihasilkan dari kesalahan dan membayar
Unit kontrol kualitas pasca-produksi IndyMac ini dilakukan audit denda sipil.
kontrol kualitas bulanan produksi pinjaman IndyMac ini. Setiap
bulan, unit kontrol kualitas yang dipilih sampel acak yang valid
secara statistik produksi pinjaman bank dan, untuk masing-masing Sumber: Securities and Exchange Commission Litigasi Pengaduan No
21853 11 Februari 2011 (www.sec.gov).
www.downloadslide.net

penyebab dari semua salah saji dalam sampel sebelum kesimpulan yang dicapai tentang penekanan yang tepat dalam tes
diperluas. Masalah mungkin ada di lebih dari satu daerah.
Ketika auditor menganalisis area masalah dan memperbaikinya dengan mengusulkan penyesuaian catatan
klien, item sampel yang menyebabkan mengisolasi bidang masalah kemudian dapat ditampilkan sebagai “benar.”
Perkiraan titik sekarang dapat dihitung ulang tanpa laporan mis-yang memiliki telah “diperbaiki.” Namun, ini hanya
berlaku ketika kesalahan dapat diisolasi ke wilayah tertentu. standar auditing AS menunjukkan bahwa salah saji
harus diproyeksikan populasi menjadi sampel, bahkan jika klien menyesuaikan untuk ment misstate-. standar audit
internasional menunjukkan bahwa kesalahan bisa menjadi sebuah anomali, dan AICPA Sampling Audit Panduan Audit
menunjukkan bahwa dalam keadaan terbatas, mungkin tepat untuk tidak memproyeksikan salah saji untuk populasi.
Seperti diskusi ini menunjukkan, auditor harus berhati-hati dalam mencapai kesimpulan untuk tidak memproyeksikan
salah saji, dan harus jelas mendokumentasikan alasan dan bukti yang mendukung kesimpulan ini.

Meningkatkan Ukuran Sampel Jika sampel asli dianggap representatif, tingkat salah saji dalam sampel diperluas
akan mirip dengan sampel asli. Sebagai sult ulang, peningkatan ukuran sampel biasanya tidak diharapkan untuk
secara signifikan mengubah estimasi titik dari kemungkinan salah saji dalam populasi. Namun, ketika auditor
meningkatkan ukuran sampel, risiko sampling berkurang jika tingkat salah saji dalam sampel panded mantan,
jumlah dolar mereka, dan arah mereka adalah sama dengan yang di sampel nal origi-. Oleh karena itu,
meningkatkan ukuran sampel memungkinkan auditor untuk menyimpulkan bahwa salah saji populasi yang
sebenarnya tidak akan melebihi salah saji ditoleransi.

Meningkatkan ukuran sampel cukup untuk menyimpulkan bahwa populasi disajikan secara wajar
sering mahal, terutama ketika perbedaan antara salah saji ditoleransi dan diproyeksikan salah saji kecil.
Selain itu, ukuran sampel meningkat tidak menjamin hasil yang memuaskan. Jika jumlah, jumlah, dan arah
KASIH misstate- dalam sampel diperpanjang secara proporsional lebih besar atau lebih bervariasi
daripada dalam sampel asli, hasilnya masih mungkin tidak dapat diterima.

Untuk tes seperti rekening konfirmasi piutang dan observasi persediaan, seringkali sulit untuk
meningkatkan ukuran sampel karena masalah praktis “reopen- ing” prosedur tersebut setelah pekerjaan
awal dilakukan. Pada saat auditor menemukan bahwa sampel tidak cukup besar, beberapa minggu
biasanya berlalu.
Meskipun kesulitan-kesulitan ini, kadang-kadang auditor harus meningkatkan ukuran sampel setelah pengujian
asli selesai. Adalah jauh lebih umum untuk meningkatkan ukuran sampel di daerah Audit selain konfirmasi dan
observasi persediaan, tetapi mengistirahatkan diperlukan untuk melakukannya bahkan untuk kedua daerah. Ketika
stratified sampling digunakan, meningkat sampel biasanya fokus pada strata yang mengandung jumlah yang lebih
besar, kecuali pernyataan mis-tampaknya terkonsentrasi di beberapa strata lainnya.

menyesuaikan Saldo akun Ketika auditor menyimpulkan bahwa saldo rekening yang salah saji material, klien
mungkin bersedia untuk menyesuaikan nilai buku berdasarkan hasil sampel. Dalam contoh sebelumnya,
menganggap klien bersedia untuk mengurangi nilai buku dengan jumlah estimasi titik ($ 6589) untuk
menyesuaikan estimasi pernyataan melanggar. Perkiraan auditor dari salah saji yang sekarang nol, tetapi
masih perlu mempertimbangkan risiko sampling. Sekali lagi, dengan asumsi salah saji ditoleransi dari $
15.000, yang au- ditor harus sekarang menilai apakah risiko sampling melebihi $ 15.000, bukan $ 8411
awalnya dianggap. Jika auditor yakin risiko sampling adalah $ 15.000 atau kurang, piutang diterima setelah
penyesuaian. Jika auditor yakin itu lebih dari $ 15.000, menyesuaikan nilai ing saldo rekening bukan pilihan
praktis. Klien sering tidak mau merekam penyesuaian estimasi salah saji berdasarkan sampel. Namun,
seperti dicatat sebelumnya, klien didorong untuk merekam penyesuaian untuk salah saji faktual, yang akan
mengurangi estimasi salah saji dan meningkatkan penyisihan sebenarnya untuk risiko sampling dengan
jumlah penyesuaian untuk kesalahan faktual.

meminta Klien untuk Memperbaiki populasi Dalam beberapa kasus, catatan klien begitu memadai
bahwa koreksi dari seluruh penduduk diperlukan sebelum audit
www.downloadslide.net

dapat diselesaikan. Misalnya, dalam piutang, klien mungkin akan diminta untuk cor- rect rekening
catatan piutang dan mempersiapkan rekening daftar piutang lagi jika auditor menyimpulkan bahwa ia
memiliki salah saji yang signifikan. Ketika klien perubahan valuasi beberapa item dalam populasi, hasil
harus diaudit lagi.
menolak untuk Berikan Opini tidak dirubah Jika auditor yakin bahwa jumlah tercatat dalam akun tidak cukup
menyatakan, perlu untuk mengikuti setidaknya salah satu alternatif sebelumnya atau untuk memodifikasi
laporan audit dengan cara yang tepat. Jika auditor yakin bahwa ada kesempatan memadai bahwa laporan
keuangan salah saji material, itu akan menjadi pelanggaran serius terhadap standar auditing untuk
mengeluarkan pendapat yang tidak dimodifikasi. Untuk tujuan pelaporan pengendalian internal, salah saji
material harus dianggap sebagai indikator potensi kelemahan material dalam pengendalian internal atas
pelaporan keuangan.

cek konsep

1. Apa perbedaan utama dalam 14 langkah yang digunakan dalam pengambilan sampel nonstatistical untuk tes
rincian saldo versus langkah untuk tes kontrol dan substantif tes transaksi?

2. Apa program alternatif tindakan yang tepat ketika populasi ditolak menggunakan
nonstatistical sampling untuk tes rincian saldo? Kapan sebaiknya setiap pilihan harus diikuti?

moneter unit sampling


Sekarang kita telah membahas nonstatistical sampling, kita akan beralih ke sampling statistik, dimulai dengan tujuan 17-3
unit sampling moneter, yang merupakan metodologi sampling statistik yang dikembangkan secara khusus untuk
Terapkan moneter unit sampling.
digunakan oleh auditor. unit moneter sampling (MUS) adalah metode statistik yang paling umum digunakan
sampling untuk tes rincian saldo karena memiliki kesederhanaan statistik atribut pengambilan sampel belum
memberikan hasil statistik dinyatakan dalam dolar (atau mata uang lain yang sesuai). MUS juga disebut dollar
unit sampling, kumulatif moneter jumlah sampling, dan sampling dengan probabilitas proporsional dengan
ukuran.

MUS mirip dengan menggunakan nonstatistical sampling. Semua 14 langkah juga harus per- dibentuk untuk MUS,
Perbedaan Antara MUS
meskipun beberapa yang dilakukan berbeda. Memahami perbedaan adalah kunci untuk memahami MUS. Mari kita
dan Nonstatistical
menguji perbedaan ini secara detail.
Contoh
Definisi Unit Sampling Adalah Dollar Individu Sebuah fitur penting dari MUS adalah definisi dari unit
sampling sebagai dolar individu dalam akun menentukan keseimbangan. Nama metode statistik,
moneter unit sampling, hasil dari ciri khas ini. Misalnya, dalam populasi pada Tabel 17-1 (p. 567),
unit sampling adalah 1 dollar dan ukuran populasi 207.295 dolar, bukan 40 unit fisik dibahas
sebelumnya. (A unit fisik adalah rekening saldo pelanggan piutang, persediaan item dalam
persediaan daftar, dan unit diidentifikasi lain seperti itu di sebuah daftar.)

Dengan berfokus pada dolar individu sebagai unit sampling, MUS otomatis menekankan unit fisik
dengan saldo yang tercatat lebih besar. Karena sampel dipilih atas dasar dolar individual, rekening
dengan saldo besar memiliki kesempatan lebih besar yang termasuk dari rekening dengan saldo yang
kecil. Misalnya, dalam rekening konfirmasi piutang, rekening dengan saldo $ 5.000 memiliki 10 kali
lebih besar probabilitas seleksi dari satu dengan saldo $ 500, karena mengandung 10 kali lebih banyak
unit dolar. Akibatnya, stratified sampling tidak perlu dengan MUS. Stratifikasi terjadi secara otomatis.

Ukuran populasi Apakah populasi Dollar mencatat Sebagai contoh, lation ketenarannya piutang
pada Tabel 17-1 terdiri dari 207.295 dolar, yang merupakan
www.downloadslide.net

tabel 17-4 Piutang Penduduk

Populasi Barang (Unit kumulatif Jumlah


Fisik) direkam Jumlah (Dollar Unit)

1 $ 357 $ 357

2 1.281 1638

3 60 1.698

4 573 2.271

5 691 2.962

6 143 3105

7 2.125 5230

8 278 5508

9 242 5750

10 826 6576

11 404 6980

12 396 7376

ukuran populasi, bukan 40 rekening saldo piutang. Ini adalah jumlah dolar yang tercatat piutang.

Karena metode pemilihan sampel di MUS, yang dibahas kemudian, tidak mungkin untuk mengevaluasi
kemungkinan item yang tidak tercatat dalam populasi. Asumsikan, misalnya, bahwa MUS digunakan untuk
mengevaluasi apakah persediaan disajikan secara wajar. MUS tidak dapat digunakan untuk mengevaluasi
apakah persediaan tertentu ada tetapi belum dihitung. Jika tujuan kelengkapan penting dalam tes audit, dan itu
usu- sekutu adalah, tujuan yang harus dipenuhi secara terpisah dari tes MUS.

Ukuran Sampel Apakah Ditentukan Menggunakan Formula Kami menggambarkan perhitungan ukuran ple sam- setelah kami

telah membahas 14 langkah sampling untuk MUS.

Pemilihan sampel dilakukan dengan menggunakan PPS sampel unit moneter yang dipilih dengan
probabilitas sebanding dengan pemilihan ukuran sampel (PPS). sampel PPS dapat diperoleh dengan
menggunakan perangkat lunak komputer atau teknik sampling sistematis. Tabel 17-4 memberikan ilustrasi dari
rekening populasi piutang, termasuk jumlah kumulatif yang akan digunakan untuk menunjukkan memilih sampel.

Asumsikan bahwa auditor ingin memilih sampel PPS dari empat rekening dari populasi pada Tabel 17-4.
Karena unit sampling didefinisikan sebagai lar dol- individu, ukuran populasi 7376. Auditor sering
menggunakan fixed sampling interval sistematis karena semua item lebih besar dari interval sampling akan
secara otomatis dipilih untuk pengujian. Namun, seperti yang dibahas sebelumnya pada bagian pengambilan
sampel nonstatistical, auditor dapat memilih untuk memeriksa semua kali materi individual yang lebih besar
dari salah saji ditoleransi, dan sampel item yang tersisa.

Menggunakan seleksi yang sistematis, interval sampling 1844 (7376 ÷ 4) dan auditor
kemudian memilih awal yang acak antara 1 dan 1844 (panjang interval sampling). Asumsikan auditor
secara acak memilih awal dari 822. dolar Sampel dipilih untuk ing Test- adalah 822; 2666 (822 + 1844);
4510 (2666 + 1844); dan 6354 (4510 + 1844).
Populasi Unit item fisik yang mengandung ini dolar acak ditentukan dengan mengacu pada
total kolom kumulatif. Melihat kembali pada Tabel 17-4, item yang dipilih item 2 (mengandung
dolar 358 melalui 1638), 5 (dolar 2272 melalui
2.962), 7 (dolar 3106 melalui 5230), dan 10 (dolar 5751 melalui 6576). Perhatikan bahwa angka 7 adalah lebih besar dari
interval sampling dan akan karena itu selalu dimasukkan dalam sampel menggunakan seleksi yang sistematis. Jika item
populasi adalah beberapa kali lebih besar dari interval sampling, hal itu dapat dimasukkan dalam sampel lebih dari sekali.
Oleh karena itu, jumlah sebenarnya unit yang dipilih untuk pengujian mungkin kurang dari ukuran sampel dihitung.
www.downloadslide.net

Auditor juga dapat menggunakan pilihan acak dolar, daripada pemilihan sistematis. Asumsikan auditor
menggunakan program komputer untuk menghasilkan empat angka acak dari antara 1 dan 7376 untuk
menghasilkan sampel dan menghasilkan angka
6586; 1756; 850; dan 6599. Mengacu lagi untuk Tabel 17-4, item yang dipilih item 11
(mengandung dolar 6577 melalui 6980), 4 (dolar 1699 melalui 2271), 2 (dolar 358 melalui 1638),
dan 11 (dolar 6577 melalui 6980). Akun ini akan diaudit karena total kumulatif terkait dengan
account tersebut meliputi dolar acak dipilih. Item 11 diperlakukan sebagai dua item sampel karena
itu dipilih secara acak dua kali, meskipun keseimbangan tercatat akun dari $ 404 jauh lebih kecil
dari interval sampling menggunakan seleksi yang sistematis.

Salah satu masalah dengan menggunakan seleksi PPS adalah bahwa item populasi dengan saldo nol direkam tidak
memiliki kesempatan untuk dipilih dengan seleksi PPS sampel, meskipun mereka mungkin salah saji. Demikian pula, saldo kecil
yang signifikan bersahaja memiliki sedikit kesempatan untuk dimasukkan dalam sampel. Masalah ini dapat diatasi dengan
melakukan tes pemeriksaan cific dengan spesialisasi untuk item nol dan kecil-keseimbangan, dengan asumsi bahwa mereka
adalah perhatian.
Masalah lain dengan PPS adalah ketidakmampuannya untuk memasukkan saldo negatif, seperti saldo kredit
dalam rekening piutang, di PPS (unit moneter) sampel. Hal ini dimungkinkan untuk mengabaikan saldo negatif untuk
seleksi PPS dan menguji jumlah tersebut dengan cara lain. Alternatif adalah untuk memperlakukan mereka sebagai
saldo positif dan menambahkannya ke jumlah total unit moneter yang diuji. Namun, ini mempersulit proses evaluasi.

auditor generalisasi dari sampel ke populasi Menggunakan teknik MUS Terlepas dari metode sampling yang
dipilih, auditor harus generalisasi dari sampel ke populasi dengan (1) memproyeksikan salah saji dari sults
kembali sampel untuk populasi dan (2) menentukan risiko sampling terkait. Hasilnya statistik ketika MUS
digunakan disebut salah saji terikat. Salah saji terikat adalah pasangan esti- dari berlebihan maksimum
kemungkinan pada ARIA diberikan. Pembahasan dan contoh yang mengikuti terbatas overstatements karena
MUS dirancang terutama untuk menguji overstatements. Perhitungan batas salah saji biasanya dilakukan
dengan menggunakan perangkat lunak audit atau template komputer. Kami menggambarkan perhitungan
salah saji proyeksi dan salah saji terikat pada bagian berikutnya setelah kami membahas 14 langkah
sampling untuk MUS.

auditor membandingkan saji dihitung terikat untuk salah saji ditoleransi. Jika terikat melebihi salah saji
Memutuskan akseptabilitas
ditoleransi, populasi tidak dianggap accept- mampu. Pilihan yang tersedia untuk auditor ketika populasi
dari populasi
ditolak adalah orang-orang yang sama yang sudah dibahas untuk pengambilan sampel nonstatistical pada
menggunakan MUS
halaman 573-575.
Sekarang kita telah membahas perbedaan antara MUS dan nonstatistical sam- pling untuk
tes rincian saldo, kita meneliti penentuan ukuran sampel dan perhitungan batas salah saji lebih
lanjut secara rinci.

Kami menggambarkan rumus untuk menghitung ukuran sampel menggunakan MUS berdasarkan AICPA
menentukan Sampel
Sampling Audit Panduan Audit. Kami pertama kali membahas faktor-faktor yang digunakan dalam ukuran komputasi sampel.
Ukuran Menggunakan MUS
risiko yang dapat diterima penerimaan Salah ARIA merupakan penilaian auditor dari tingkat jaminan yang
diperlukan untuk aplikasi sampling. Seperti diilustrasikan dalam Gambar 17-1 (p. 569) dan Tabel 17-2 (p. 570),
ARIA tergantung pada risiko audit faktor model dan jumlah jaminan yang diberikan oleh prosedur analitis
substantif dan pengujian substantif lainnya. Untuk contoh ini, kita akan mengasumsikan bahwa auditor
menyimpulkan ARIA dari 10 persen adalah tepat.

Nilai populasi yang direkam Nilai dolar dari populasi diambil dari catatan ent cli- ini. Untuk contoh
ini, itu adalah $ 5 juta.
Salah saji ditoleransi salah saji ditoleransi umumnya sama dengan perfor- Mance materialitas, tetapi
auditor dapat mengurangi jumlah salah saji ditoleransi jika kurang dari 100 persen dari populasi yang
diuji. Untuk contoh ini, salah saji ditoleransi adalah $ 150.000.
www.downloadslide.net

tabel 17-5 Faktor kepercayaan diri untuk Unit Moneter Ukuran Sampel Desain *

Risiko Penerimaan Salah

Rasio Diharapkan
untuk salah saji
Ditoleransi 5% 10% 15% 20% 25% 30% 35% 50%

0.00 3,00 2,31 1,90 1,61 1,39 1,21 1,05 0.70

0,05 3,31 2,52 2,06 1,74 1,49 1,29 1.12 0,73

0.10 3,68 2,77 2,25 1,89 1,61 1,39 1.20 0,77

0,15 4.11 3.07 2,47 2,06 1,74 1,49 1,28 0.82

0,20 4.63 3,41 2,73 2,26 1,90 1,62 1,38 0,87

0.25 5.24 3.83 3,04 2,49 2,09 1,76 1,50 0.92

0,30 6.00 4.33 3,41 2,77 2.30 1,93 1,63 0.99

0,35 6.92 4,95 3.86 3.12 2,57 2.14 1,79 1,06

0.40 8.09 5.72 4.42 3.54 2,89 2,39 1,99 1.14

0,45 9.59 6.71 5.13 4.07 3.29 2,70 2.22 1,25

0,50 11,54 7.99 6.04 4,75 3.80 3,08 2,51 1,37

0,55 14,18 9.70 7.26 5.64 4.47 3.58 2,89 1,52

0.60 17,85 12.07 8.93 6.86 5.37 4,25 3,38 1,70

* Sumber: Data dari AICPA Sampling Audit panduan Audit, 1 Maret 2014 (www.aicpa.org).

Salah saji ditoleransi sebagai persentase dari nilai populasi Auditor com- putes salah saji ditoleransi
sebagai persentase dari nilai populasi yang tercatat. Ini sama dengan 0,03 ($ 150.000 ÷ $ 5.000.000)
berdasarkan contoh salah saji ditoleransi dan nilai populasi.

estimasi salah saji populasi MUS yang paling sering digunakan ketika tidak ada atau beberapa pernyataan
mis-diharapkan. Diperkirakan salah saji populasi biasanya didasarkan pada hasil sampel untuk tahun
sebelumnya, meskipun beberapa auditor menghitung perkiraan saji sebagai persentase dari salah saji
ditoleransi atau kinerja materialitas. Untuk contoh ini, sebuah $ 15.000 berlebihan diharapkan.

Rasio diperkirakan saji populasi salah saji ditoleransi The tor audi- menghitung rasio diperkirakan
saji untuk salah saji ditoleransi. rasio sama dengan 0,10 ($ 15.000 ÷ $ 150.000) untuk contoh ini.

keyakinan Factor Auditor menggunakan Tabel 17-5 untuk menentukan con- f faktor idence sesuai
berdasarkan pertimbangan auditor dari ARIA dan rasio dari salah saji diharapkan untuk salah saji
ditoleransi. Berdasarkan ARIA dari 10 persen dan rasio diharapkan untuk salah saji ditoleransi dari
0,10, yang conf sesuai idence tor-faktor 2.77.

Ukuran sampel Ukuran sampel yang sesuai kemudian dihitung sebagai faktor kepercayaan dibagi dengan
salah saji ditoleransi sebagai persentase dari nilai populasi.

Ukuran Sampel Keyakinan Factor (2,77) Ditoleransi


= 93 (dibulatkan)
=
salah saji sebagai Persentase Nilai

Penduduk (0,03)

Sampling Interval Sampling interval yang tepat sekarang dapat dihitung sebagai jumlah penduduk yang
tercatat dari $ 5 juta dibagi dengan ukuran sampel 93.

Sampling Interval 5 $ 5.000.000 ÷ 93 5 $ 53.763


www.downloadslide.net

tabel 17-6 Ringkasan Langkah Menghitung Ukuran Sampel di MUS

Langkah-langkah Menghitung Ukuran Sampel Jumlah Sumber atau Perhitungan

1. Tentukan ARIA 10% Ditentukan berdasarkan faktor-faktor di

Tabel 17-2 (p. 570)

nilai tercatat 2. populasi $ 5.000.000 -

3. saji Lumayan $ 150.000 -

4. saji Lumayan sebagai persentase dari nilai 3% $ 150.000 ÷ $ 5.000.000


populasi

5. Perkiraan salah saji populasi $ 15.000 Berdasarkan hasil tahun sebelumnya

6. Rasio diperkirakan salah saji populasi salah saji . 10 $ 15.000 ÷ $ 150.000


ditoleransi

Faktor 7. Keyakinan 2,77 Tabel 17-5 berdasarkan ARIA dari 10% dan

rasio diharapkan untuk salah saji


ditoleransi dari 0,10

8. ukuran sampel Hitung 93 2,77 ÷ . 03 (faktor kepercayaan dibagi dengan


salah saji ditoleransi sebagai persentase dari nilai
populasi)

9. sampling interval Hitung $ 53.763 $ 5.000.000 ÷ 93

Langkah-langkah yang terlibat dalam menghitung ukuran sampel diilustrasikan pada Tabel 17-6. Metode Formula hanyalah
salah satu metode untuk menentukan ukuran sampel menggunakan MUS. Itu
Sampling Audit Panduan Audit juga menyediakan tabel untuk menentukan ukuran sampel berdasarkan ARIA, salah
saji ditoleransi sebagai persentase dari populasi, dan rasio diharapkan untuk salah saji ditoleransi. Karena MUS
didasarkan pada teori atribut, atribut sampel tabel pada Tabel 15-8 (p. 508) juga dapat digunakan. ARIA digunakan
sebagai pengganti ARO, salah saji ditoleransi sebagai persentase dari nilai populasi digunakan untuk tingkat
pengecualian ditoleransi, dan rasio diperkirakan salah saji populasi salah saji ditoleransi digunakan untuk
memperkirakan tingkat pengecualian populasi. Kebanyakan auditor menggunakan perangkat lunak audit untuk
menghitung ukuran sampel dan mengevaluasi hasil sampel menggunakan MUS.

Setelah melakukan tes pada item sampel, auditor memproyeksikan KASIH misstate- sampel untuk populasi dan
Generalisasi dari
menghitung penyisihan risiko sampling ketika menggunakan MUS. Jika seluruh sampel diaudit dan tidak ada
Sampel ke populasi
salah saji yang ditemukan dalam sampel, auditor dapat menyimpulkan tanpa membuat perhitungan tambahan
Ketika ada salah saji
bahwa jumlah tercatat populasi tidak dibesar-besarkan oleh lebih dari salah saji ditoleransi dengan risiko tertentu
yang Ditemukan
penerimaan tidak benar. Batas atas ketika tidak ada salah saji yang ditemukan adalah faktor menguatkan
Menggunakan MUS
keyakinan untuk tidak salah saji dikalikan dengan panjang interval sampling.

Misalkan auditor conf Irming populasi piutang untuk kebenaran moneter. populasi total $
1.200.000, dan sampel dari 100 irmations f con diperoleh. Setelah audit, tidak ada salah saji yang
ditemukan dalam sampel. Dengan asumsi ARIA dari 5%, faktor conf idence dari Tabel 17-7 (p.
580) adalah 3,0. Diterapkan pada interval sampling $ 12.000 (populasi $ 1.200.000 ÷ 100 item
sampel = $ 12.000 sampling interval), salah saji atas terikat dihitung sebagai:

Atas salah saji terikat = $ 12.000 × 3.0 = $ 36.000

Batas atas ketika tidak ada salah saji ditemukan juga disebut sebagai presisi dasar, dan mewakili
penyisihan minimum untuk risiko sampling yang melekat dalam sampel. Untuk contoh ini, karena tidak
ada salah saji yang ditemukan, salah saji yang diproyeksikan adalah nol, dan penyisihan risiko sampling
sama dengan batas atas salah saji dari $ 36.000.
www.downloadslide.net

tabel 17-7 Faktor kepercayaan diri untuk Unit Moneter Sampel Evaluation Ukuran *

Risiko Penerimaan Salah

Jumlah
Berlebihan Salah
saji 5% 10% 15% 20% 25% 30% 35% 50%

0 3,00 2,31 1,90 1,61 1,39 1,21 1,05 0.70

1 4,75 3.89 3,38 3,00 2,70 2,44 2.22 1,68

2 6.30 5.33 4.73 4.28 3,93 3,62 3,35 2,68

3 7.76 6.69 6.02 5.52 5.11 4.77 4,46 3,68

4 9.16 8.00 7.27 6.73 6,28 5.90 5.55 4.68

5 10,52 9.28 8.50 7.91 7.43 7.01 6.64 5.68

6 11.85 10,54 9.71 9.08 8.56 8.12 7,72 6.67

7 13.15 11,78 10.90 10.24 9.69 9.21 8.79 7.67

8 14,44 13.00 12,08 11.38 10.81 10.31 9.85 8.67

9 15.71 14.21 13.25 12,52 11.92 11.39 10,92 9.67

10 16.97 15.41 14,42 13,66 13.02 12.47 11.98 10.67

* Sumber: Data dari AICPA Sampling Audit panduan Audit, 1 Maret 2014 (www.aicpa.org). Salah saji lebih besar dari 10 tidak digambarkan.

Asumsikan bahwa auditor diuji sampel dan menemukan tiga overstatements termasuk dalam Tabel 17-8.
Generalisasi dari
Menghitung salah saji atas terikat melibatkan tiga langkah.
Sampel ke populasi
Ketika salah saji yang 1. Hitung persentase salah saji untuk setiap salah saji.
Ditemukan 2. Proyek saji sampel dengan mengalikan persentase salah saji dengan panjang interval sampling.
Menggunakan MUS
3. Tambahkan penyisihan risiko sampling berdasarkan faktor-faktor kepercayaan untuk jumlah sebenarnya salah saji
dan risiko yang dapat diterima penerimaan tidak benar.

Hitung asumsi persentase salah saji (mencemari) Ketika salah saji ditemukan, auditor menghitung
salah saji proyeksi dan penyisihan risiko pling sam-. The persen dari salah saji dalam unit
sampling mewakili persentase dari salah saji atau mencemari untuk seluruh sampling interval,
yang dihitung dengan di- masi salah saji dengan jumlah yang tercatat. Tabel 17-8 menunjukkan
persentase salah saji untuk tiga saji ditemukan dalam sampel. Salah saji adalah peringkat oleh
ukuran persentase untuk perhitungan penyisihan risiko sampling.

Salah saji Contoh proyek salah saji yang diproyeksikan adalah kali persentase salah saji interval
sampling, karena persentase dari salah saji adalah untuk interval seluruh sampling. Sebagai contoh,
jika interval sampling adalah $ 10.000 dan

tabel 17-8 Persen dari salah saji

Account yang Diaudit Persentase Salah


tercatat Piutang saji = Salah saji ÷
Jumlah Jumlah Salah saji
Pelanggan No. Piutang faktual jumlah yang tercatat

2073 $ 6.200 $ 6.100 $ 100 . 016

5111 12.910 12.000 910 N / A ( 1)

9816 8947 2947 $ 6.000 . 671

(1) persentase salah saji adalah N / A karena jumlah yang tercatat lebih besar dari interval sampling. Dalam situasi ini, salah saji diproyeksikan sama dengan
salah saji yang sebenarnya.
www.downloadslide.net

tabel 17-9 Perhitungan saji Proyeksi dan Penyisihan Risiko Sampling

Sebuah B C D e F G h

Salah saji
diproyeksikan
(Lihat tabel 17-10) ditambah tunjangan
Salah saji persentase diproyeksikan Perubahan Incremental untuk
jumlah yang jumlah faktual Salah saji Sampling Salah saji inkremental dalam risiko Sampling
tercatat Audit (A - B) (C ÷ Sebuah) Interval (D × e) Confidence Factor (F × G)

$ 12.910 $ 12.000 $ 910 N / A ( 1) N / A ( 1) $ 910 N/A $ 910

8947 2947 6.000 67,1% 12.000 8052 1,75 14.091

6.200 6.100 100 1,6% 12.000 192 1,55 298

total $ 7010 $ 9154 $ 15.299

Menambahkan presisi dasar 36.000

Atas salah saji terikat $ 51.299

(1) persentase salah saji adalah N / A karena jumlah yang tercatat lebih besar dari interval sampling. Dalam situasi ini, salah saji diproyeksikan sama dengan salah saji yang sebenarnya.

Jumlah tercatat $ 100 memiliki nilai diaudit dari $ 75, salah saji yang diproyeksikan adalah $ 2.500 ($ 25 saji
adalah 25% dari jumlah yang tercatat × $ 10.000 sampling interval). Jika jumlah tercatat dari item sampel
lebih besar dari interval sampling, maka salah saji diproyeksikan sama dengan sampel salah saji yang
sebenarnya. Tabel 17-9 menunjukkan perhitungan proyeksi salah saji untuk tiga saji sampel yang
sebenarnya.

Hitung penyisihan risiko Sampling salah saji yang diproyeksikan meningkat dengan penyisihan risiko
sampling, yang dihitung sebagai presisi pokok ditambah tunjangan tambahan untuk risiko sampling
untuk setiap salah saji ditemukan dalam sampel unit yang lebih kecil dari interval sampling. Tidak ada
tunjangan tambahan untuk risiko sampling di sampel unit yang lebih besar dari interval sampling
karena semua unit moneter dalam interval sampling diperiksa.

Sebuah pendekatan konservatif adalah untuk menentukan peringkat saji dengan persentase misstate- ment.
The saji kemudian dikalikan dengan perubahan yang meningkat dalam faktor menguatkan keyakinan untuk
menghitung salah saji diproyeksikan ditambah tunjangan tambahan untuk risiko sampling. Tabel 17-10
memberikan contoh perubahan inkremental dalam faktor kepercayaan untuk lima saji dan 5% ARIA.

Dua kolom terakhir dari Tabel 17-9 menunjukkan perubahan bertahap dalam faktor kepercayaan, dan
proyeksi salah saji ditambah tunjangan tambahan untuk risiko sampling. Termasuk ketepatan dasar $
36.000, salah saji atas terikat adalah $ 51.299. Oleh karena itu, berdasarkan pada ARIA dari 5%, auditor
dapat menyatakan bahwa ada risiko 5 persen bahwa jumlah direkam dibesar-besarkan oleh lebih dari $
51.299.

Perubahan inkremental dalam Confidence Factor - Lima Persen Risiko


tabel 17-10
Penerimaan Salah

Jumlah overstatements keyakinan Factor Perubahan inkremental dalam Factor

0 3,00 -

1 4,75 1,75

2 6.30 1,55

3 7.76 1,46

4 9.16 1,40

5 10,52 1,36
www.downloadslide.net

Hasil sampel dapat diringkas sebagai berikut:


• sampel mengandung salah saji faktual dari $ 7010.
• Total salah saji faktual dan diproyeksikan adalah $ 9154.
• Salah saji atas terikat mewakili jumlah salah saji faktual dan diproyeksikan ditambah
penyisihan risiko sampling adalah $ 51.299.
• Penyisihan risiko sampling yang mewakili presisi dasar dan tunjangan tambahan untuk risiko
sampling adalah $ 42.145 [$ 36.000 presisi dasar + $ 6145 tunjangan tambahan untuk risiko
sampling ($ 15.299 - $ 9154)]. Hasilnya dianggap dapat diterima jika salah saji batas atas $ 51.299
kurang dari salah saji ditoleransi. Jika salah saji atas terikat melebihi salah saji ditoleransi,
populasinya tidak dapat diterima berdasarkan hasil sampel, dan auditor akan mengambil satu atau
lebih dari tindakan dibahas dalam “Aksi Ketika Populasi sebuah Apakah Ditolak” pada halaman
573-575 .

Hubungan Model risiko audit ke Sampel Ukuran untuk MUS Model risiko audit untuk perencanaan
diperkenalkan pada Bab 9 dan tertutup bab-bab berikutnya sebagai:

AAR IR ×
PDR =
CR

(Lihat hlm. 271-273 untuk deskripsi dari istilah.)


Bab 16 membahas bagaimana auditor mengurangi risiko deteksi ke tingkat yang direncanakan
dengan melakukan pengujian substantif transaksi, prosedur analitis substantif, dan tes rincian saldo.
MUS digunakan dalam melakukan tes rincian saldo. Oleh karena itu, auditor perlu memahami hubungan
dari tiga tor independen tor dalam model risiko audit, ditambah prosedur analitis substantif dan
pengujian substantif transaksi, dengan ukuran sampel untuk tes rincian saldo.

Tabel 17-2 pada halaman 570 menunjukkan bahwa empat dari lima faktor ini (risiko pengendalian, pengujian substantif

transaksi, risiko audit yang dapat diterima, dan prosedur analitis substantif) mempengaruhi ARIA. ARIA pada gilirannya

menentukan ukuran sampel yang direncanakan. Faktor lain, risiko yang melekat, juga dipertimbangkan dalam menentukan

ARIA, dan langsung mempengaruhi ukuran sampel melalui salah saji populasi diperkirakan. banding MUS untuk auditor untuk

setidaknya empat alasan:

Audit Penggunaan Unit Moneter


Sampling 1. mus otomatis meningkatkan kemungkinan memilih item dolar tinggi dari populasi yang diaudit. Auditor
membuat praktek berkonsentrasi pada item ini karena mereka umumnya merupakan risiko terbesar dari
salah saji material. Stratified Sampling juga dapat digunakan untuk tujuan ini, tapi MUS sering lebih mudah
untuk diterapkan.
2. MUS sering mengurangi biaya melakukan pengujian audit karena beberapa item sampel diuji sekaligus.
Misalnya, jika satu item besar yang membuat naik 10 persen dari total mencatat nilai dolar dari populasi dan
ukuran sampel adalah 100, metode pemilihan sampel PPS cenderung menghasilkan sekitar 10 persen dari
item sampel dari yang satu item populasi yang besar . Tentu, item yang perlu diaudit hanya sekali, tapi itu
dianggap sebagai sampel 10. Jika item tersebut salah saji, juga dihitung sebagai 10 salah saji. item populasi
yang lebih besar dapat dihilangkan dari populasi sampel oleh audit mereka 100 persen dan mengevaluasi
secara terpisah, jika auditor sehingga keinginan.

3. MUS mudah untuk menerapkan. sampel unit moneter dapat dievaluasi oleh aplikasi tabel sederhana. Sangat mudah
untuk mengajar dan mengawasi penggunaan teknik MUS. Perusahaan yang memanfaatkan MUS secara ekstensif
menggunakan program komputer lain yang merampingkan Penentuan Ukuran Sampel dan evaluasi lebih jauh
daripada yang ditunjukkan dalam bab ini software audit atau.

4. MUS memberikan kesimpulan statistik daripada satu nonstatistical. Banyak auditor percaya bahwa sampling statistik
membantu mereka dalam membuat kesimpulan yang lebih baik dan lebih dipertahankan.
www.downloadslide.net

Ada dua kelemahan utama MUS.


1. Total batas salah saji yang dihasilkan ketika salah saji yang ditemukan mungkin terlalu tinggi untuk menjadi
berguna untuk auditor. Hal ini karena metode evaluasi ini secara inheren konservatif ketika salah saji yang
ditemukan dan sering menghasilkan batas jauh melebihi materialitas. Untuk mengatasi masalah ini,
sampel yang lebih besar mungkin diperlukan.

2. Ini mungkin rumit untuk memilih sampel PPS dari populasi yang besar tanpa bantuan komputer.

Untuk semua alasan ini, auditor biasanya menggunakan MUS saat nol atau beberapa KASIH misstate-
diharapkan, hasil dollar yang diinginkan, dan data populasi dapat diakses dalam format elektronik.

cek konsep

1. Tentukan interval sampling saat menggunakan MUS sampling. Bagaimana cara menghitungnya?

2. Asumsikan bahwa auditor diuji akun piutang dengan saldo $ 3.000 dan
menetapkan bahwa nilai diaudit adalah $ 2.700. Artinya, auditor ditentukan piutang itu dibesar-besarkan
oleh $ 300. Apa salah saji yang diproyeksikan (tidak termasuk tunjangan tambahan untuk risiko
sampling) jika interval sampling $ 15.000?

variabel pengambilan sampel


Variabel sampling, seperti MUS, adalah metode statistik yang menggunakan auditor. Variabel sampling dan tujuan 17-4
pengambilan sampel nonstatistical untuk tes rincian saldo memiliki tujuan yang sama-untuk mengukur salah
Jelaskan variabel sampling.
saji dalam saldo rekening. Seperti sampel cal nonstatisti-, ketika auditor menentukan bahwa jumlah salah
saji melebihi jumlah ditoleransi, mereka menolak populasi dan mengambil tindakan tambahan.

Beberapa teknik sampling membuat kelas umum metode yang disebut variabel- ables pengambilan
sampel: estimasi perbedaan, estimasi rasio, dan berarti-per-unit estimasi. Ini dibahas kemudian.

Penggunaan variabel metode saham banyak kesamaan dengan pengambilan sampel nonstatistical. Semua 14
perbedaan Antara
langkah kita bahas untuk pengambilan sampel nonstatistical harus dilakukan untuk metode variabel, dan yang
Variabel dan
paling identik. Beberapa perbedaan antara variabel dan non sampling statistik diperiksa setelah kami membahas
Sampling Nonstatistical
distribusi sampling.

Untuk memahami mengapa dan bagaimana auditor menggunakan metode pengambilan sampel variabel
Sampling Distribusi
dalam audit, hal ini berguna untuk memahami distribusi sampling dan bagaimana mereka mempengaruhi
kesimpulan statistik auditor. Auditor tidak tahu nilai mean (rata-rata) dari salah saji dalam populasi, distribusi
dari salah saji yang sebesar, atau nilai-nilai diaudit. karakteristik populasi ini harus estimasi dari sampel, yang,
tentu saja, adalah tujuan dari tes audit.

Asumsikan bahwa auditor, sebagai percobaan, mengambil ribuan sampel diulang dengan ukuran yang sama
dari populasi data akuntansi memiliki nilai rata-rata X. Untuk setiap sampel, auditor menghitung nilai rata-rata dari
barang-barang dalam sampel sebagai berikut:

xnj
x =Σ

dimana

xxn= berarti nilai nilai item sampel dari masing-masing

j = ukuran sampel barang sampel individu

=
www.downloadslide.net

Gambar 17-3 Frekuensi Distribusi Sarana Contoh

Frequency of values in percent


-
Nilai dari x dalam dolar

Setelah menghitung ( x) untuk setiap sampel, auditor plot mereka menjadi tribution dis frekuensi.
Selama ukuran sampel yang cukup, distribusi frekuensi sarana sampel akan muncul seperti yang
ditunjukkan pada Gambar 17-3.
Sebuah distribusi sampel berarti seperti ini adalah normal dan memiliki semua tics characteris- dari
kurva normal: (1) kurva simetris, dan (2) sampel berarti jatuh dalam bagian yang dikenal dari distribusi
sampling sekitar rata-rata atau berarti sarana tersebut, diukur dengan jarak sepanjang sumbu horisontal
dalam hal standar deviasi.
Selain itu, rata-rata dari mean sampel (titik tengah dari distribusi sampling) adalah sama
dengan rata-rata populasi, dan standar deviasi dari distribusi sampling sama dengan SD > 2 n, di
mana SD adalah deviasi standar populasi dan n
adalah ukuran sampel.
Untuk mengilustrasikan, asumsikan populasi dengan rata-rata $ 40 dan deviasi standar dari $ 15 ( X = $ 40
dan SD = $ 15), dari mana kita terpilih untuk mengambil banyak prinsip keuangan sam- acak 100 item
masing-masing. Deviasi standar dari distribusi sampling kami adalah $ 1,50 (SD > 2 n = 15 > 2 100 = 1,50).
Referensi untuk “standar deviasi” dari tion popula- dan “standar deviasi” dari distribusi sampling sering
membingungkan. Untuk menghindari kebingungan, ingat bahwa standar deviasi dari distribusi sampel
berarti sering disebut standard error dari mean (SE). Dengan mation informal ini, auditor dapat membuat
tabulasi distribusi sampling, seperti yang ditunjukkan pada Tabel 17-11.

Untuk meringkas, tiga hal membentuk hasil percobaan mengambil sejumlah besar sampel dari
populasi yang dikenal:
1. Nilai rata-rata dari semua sampel berarti sama dengan rata-rata populasi ( X ). SEBUAH
Konsekuensi adalah bahwa sampel berarti nilai ( x) dengan frekuensi tertinggi terjadinya juga sama
dengan rata-rata populasi.

tabel 17-11 Dihitung Distribusi Sampling dari populasi yang


dengan mean Dikenal dan Standar Deviasi

(1) (2) (3) (4)

Jumlah kesalahan Standar Mean persen Contoh Berarti


(Confidence Nilai [(1) × berkisar sekitar Termasuk dalam
Koefisien) $ 1,50] X [$ 40 + / - ( 2)] jarak

1 $ 1,50 $ 38.50 - $ 41.50 68,2

2 $ 3,00 $ 37,00 - $ 43,00 95.4

3 $ 4,50 $ 35.50 - $ 44.50 99,7

(Diambil dari meja untuk kurva normal)


www.downloadslide.net

Gambar 17-4 Distribusi Sampling untuk Distribusi Penduduk

Berarti

Sampling distribusi-Normal
Frequency values in percent

Populasi distribusi-miring

-
Nilai dari x dalam dolar

2. Bentuk distribusi frekuensi sampel berarti adalah bahwa dari distribusi normal (kurva), selama
ukuran sampel cukup besar, terlepas dari distribusi populasi, seperti digambarkan pada Gambar
17-4.
3. Persentase sampel berarti antara dua nilai dari distribusi sampling terukur. Persentase tersebut
dapat dihitung dengan menentukan jumlah kesalahan standar antara dua nilai dan menentukan
persentase sampel berarti mewakili dari meja untuk kurva normal.

Wajar bila sampel diambil dari populasi dalam situasi audit yang sebenarnya, auditor tidak tahu karakteristik
Inference statistik
penduduk dan, biasanya, hanya satu ple sam- diambil dari populasi. Tetapi pengetahuan tentang distribusi
sampling memungkinkan tor audi- untuk menarik kesimpulan statistik, atau kesimpulan statistik, tentang populasi.
Sebagai contoh, asumsikan bahwa auditor mengambil sampel dari populasi dan menghitung ( x) $ 46 dan SE di $ 9.
(Kami akan menjelaskan bagaimana SE dihitung kemudian.) Sekarang kita dapat menghitung interval kepercayaan
penduduk berarti menggunakan logika yang diperoleh dari studi tentang distribusi sampling. Ini adalah sebagai
berikut:


CI x XZ
ˆ⋅ SE

dimana:

CI x = con fi dence Interval bagi penduduk berarti

Xˆ = titik estimasi mean populasi kepercayaan diri koefisien 1 =


68,2% tingkat kepercayaan diri
••
Z = • 2 = 95,4% 3 kepercayaan diri tingkat
• = 99,7%
• con tingkat kepercayaan diri
SE = standard error dari mean

Z ⋅ SE = Interval presisi

Misalnya:

CI x = $ 46 ± 1 ($ 9) = $ 46 ± $ 9 pada tingkat kepercayaan 68,2% = $ 46 ± 2 ($ 9) =

CI x $ 46 ± $ 18 pada 95,4% tingkat kepercayaan = $ 46 ± 3 ($ 9) = $ 46 ± $ 27

CI x pada kepercayaan 99,7% tingkat

Hasil ini juga dapat dinyatakan dalam hal batas kepercayaan (CI x). Bagian atas con- batas fidence (UCL x ) aku s X n
+ Z # SE ($ 46 + $ 18 = $ 64 di sebuah kepercayaan 95 persen
www.downloadslide.net

tingkat) dan batas kepercayaan diri yang lebih rendah (LCL x ) aku s X n - Z # SE ($ 46 - $ 18 = $ 28 pada tingkat kepercayaan 95
persen). Grafis, hasilnya adalah sebagai berikut:

con batas
kepercayaan diri
yang lebih rendah diri
X^
kepercayaan

con batas

$ 28 $ 46 $ 64 Atas

Auditors can state the conclusions drawn from a confidence interval using sta- tistical inference in
different ways. However, they must take care to avoid incorrect conclusions, remembering that the true
population value is always unknown. There is always a possibility that the sample is not sufficiently
representative of the population to provide a sample mean and/or standard deviation reasonably close to
those of the population. The auditor can say, however, that the procedure used to obtain the sam- ple and
compute the confidence interval will provide an interval that will contain the true population mean value a
given percent of the time. In short, the auditor knows the reliability of the statistical inference process that
is used to draw conclusions.

Auditor menggunakan proses inferensi statistik sebelumnya untuk semua metode variabel sampling.
Metode variabel
Setiap metode dibedakan dengan apa yang diukur. Mari kita periksa tiga metode variabel individual.

estimasi perbedaan auditor menggunakan estimasi perbedaan untuk mengukur esti- yang dikawinkan
jumlah total salah saji dalam suatu populasi ketika kedua nilai tercatat dan nilai diaudit ada untuk
setiap item dalam sampel, yang hampir selalu terjadi di audit. Sebagai contoh, auditor mungkin
mengkonfirmasi sampel piutang dan menentukan perbedaan (salah saji) antara jumlah klien dicatat
dan jumlah auditor menganggap benar untuk setiap account yang dipilih. auditor membuat perkiraan
salah saji populasi berdasarkan jumlah salah saji dalam sampel, rata-rata ukuran saji, salah saji
individu dalam sampel, dan ukuran sampel. Hasilnya dinyatakan sebagai estimasi titik dari salah saji
populasi plus atau minus interval presisi dihitung pada tingkat kepercayaan dinyatakan. Mengacu
kembali ke pembahasan distribusi sampling, menganggap auditor dikonfirmasi sampel acak dari 100
dari populasi 1.000 piutang dan menyimpulkan bahwa batas kepercayaan dari mean dari salah saji
untuk piutang adalah antara $ 28 dan $ 64 pada tingkat kepercayaan 95 persen. Perkiraan total salah
saji populasi juga dapat dengan mudah dihitung sebagai antara $ 28.000 dan $ 64.000 pada tingkat
kepercayaan 95 persen (1.000 × $ 28 dan 1000 × $ 64). Jika salah saji ditoleransi auditor adalah $
100.000, populasi jelas diterima. Jika ditoleransi ment misstate- adalah $ 40.000, populasinya tidak
dapat diterima. Sebuah ilustrasi menggunakan estimasi perbedaan ditunjukkan pada akhir bab ini
pada halaman 588-591.

estimasi perbedaan sering menyebabkan ukuran sampel yang lebih kecil daripada metode lain, dan
relatif mudah digunakan. Untuk itu, estimasi perbedaan adalah sering metode variabel yang disukai.

estimasi rasio estimasi rasio mirip dengan estimasi perbedaan kecuali auditor menghitung rasio antara
saji dan nilai mereka dicatat dan proyek-proyek ini untuk populasi untuk memperkirakan total salah saji
populasi. Untuk mantan cukup, menganggap bahwa auditor menemukan salah saji sebesar $ 12.000
dalam sampel dengan nilai tercatat $ 208.000. Rasio salah saji adalah 0,06 ($ 12.000 / $ 208.000).
Apabila nilai tercatat total populasi adalah $ 1.040.000, salah saji proyeksi penduduk adalah $ 62.400 ($
1.040.000 × . 06). auditor dapat menghitung batas kepercayaan dari total salah saji untuk estimasi rasio
dengan perhitungan yang sama dengan yang ditunjukkan untuk estimasi perbedaan. estimasi rasio dapat
menghasilkan sampel ukuran bahkan
www.downloadslide.net

lebih kecil dari estimasi perbedaan jika ukuran saji dalam populasi adalah proporsional dengan
nilai tercatat item populasi. Jika ukuran saji terbagi in independen dari nilai tercatat, hasil estimasi
perbedaan dalam ukuran sampel yang lebih kecil. Kebanyakan auditor lebih memilih estimasi
perbedaan karena agak sederhana untuk menghitung interval kepercayaan.

Berarti per-Unit estimasi Di berarti-per-unit estimasi, auditor berfokus pada nilai diaudit daripada
jumlah salah saji dari setiap item dalam sampel. Kecuali untuk definisi apa yang diukur, estimasi
rata-per-unit dihitung persis cara yang sama seperti perkiraan perbedaan. Estimasi titik nilai
diaudit sama dengan nilai yang telah diaudit rata-rata item di kali sampel ukuran populasi. Interval
presisi dihitung dihitung atas dasar nilai yang telah diaudit item sampel daripada salah saji. Ketika
auditor telah dihitung batas kepercayaan atas dan bawah, mereka memutuskan penerimaan
penduduk dengan membandingkan jumlah tersebut dengan nilai buku dicatat. Sebagai contoh,
asumsikan auditor mengambil sampel dari 100 item dari inventarisasi daftar yang berisi

3.000 item dan nilai tercatat $ 265.000. Jika nilai rata-rata dari barang-barang sampel adalah $ 85, nilai
estimasi persediaan adalah $ 255.000 ($ 85 × 3.000). Apabila nilai tercatat dari $ 265.000 adalah dalam batas
kepercayaan atas, auditor akan menerima keseimbangan populasi. Berarti-per-unit estimasi jarang digunakan
dalam praktek karena ukuran ple sam- biasanya jauh lebih besar daripada untuk dua metode sebelumnya.
Seperti yang kita bahas sebelumnya dalam bab ini, stratified sampling metode sampling dimana semua
elemen dalam total populasi dibagi menjadi dua atau lebih populasi sub. Setiap subpopulasi kemudian diuji
secara independen. Perhitungan dibuat untuk setiap strata dan kemudian digabungkan menjadi satu stratified statistik
perkiraan populasi secara keseluruhan untuk interval kepercayaan dari seluruh penduduk. Hasil diukur metode

secara statistik. Stratifikasi berlaku untuk perbedaan, rasio, dan estimasi-per-unit berarti, tapi ini paling sering
digunakan dengan estimasi rata-per-unit.

Kita telah membahas risiko yang dapat diterima dari penerimaan yang salah (ARIA) untuk nonstatistical dan MUS
risiko Sampling
sampling. Untuk variabel sampling, auditor menggunakan ARIA serta accept- risiko mampu penolakan yang salah
(ARIR). Hal ini penting untuk memahami perbedaan antara dan menggunakan dua risiko.

nyanyian tunggal Setelah auditor melakukan tes audit dan menghitung hasil statistik, mereka harus menyimpulkan
baik yang populasinya atau tidak salah saji material. ARIA adalah risiko statistik bahwa auditor telah menerima
populasi yang, pada kenyataannya, salah saji material. ARIA merupakan masalah serius untuk auditor karena
potensi kation impli- hukum menyimpulkan bahwa saldo rekening disajikan secara wajar bila salah saji dengan
jumlah yang material.

Saldo rekening dapat baik dilebih-lebihkan atau bersahaja, tetapi tidak keduanya; oleh karena itu, ARIA
adalah uji statistik satu-ekor. Koefisien kepercayaan untuk ARIA karena itu berbeda dengan tingkat kepercayaan.
(Tingkat kepercayaan = 1-2 × ARIA. Jadi, jika ARIA sama dengan 10 persen, tingkat kepercayaan 80 persen.)
Koefisien kepercayaan untuk berbagai Arias ditunjukkan dalam Tabel 17-12 (hlm. 588) bersama-sama dengan
koefisien kepercayaan untuk tingkat kepercayaan dan ARIR.

ARIR risiko yang dapat diterima penolakan yang salah (ARIR) adalah risiko statistik bahwa auditor telah menyimpulkan
bahwa populasi adalah salah saji material jika tidak. ARIR mempengaruhi tindakan auditor hanya ketika mereka
menyimpulkan bahwa populasi tidak disajikan secara wajar. Ketika auditor menemukan keseimbangan tidak wajar, mereka
biasanya meningkatkan ukuran sampel atau melakukan tes lainnya. Ukuran sampel meningkat biasanya akan
menyebabkan auditor untuk con- clude bahwa keseimbangan disajikan secara wajar jika account ini, pada kenyataannya,
tidak salah saji material. Sementara ARIA selalu penting, ARIR penting hanya ketika ada biaya yang tinggi untuk
meningkatkan ukuran sampel atau melakukan tes lainnya. koefisien kepercayaan untuk ARIR juga ditunjukkan pada Tabel
17-12.
www.downloadslide.net

tabel 17-12 Keyakinan Koefisien untuk kepercayaan diri Levels, arias, dan ARIRs

Tingkat kepercayaan diri (%) ARIA (%) ARIR (%) keyakinan Koefisien

99 .5 1 2,58

95 2,5 5 1,96

90 5 10 1,64

80 10 20 1,28

75 12,5 25 1,15

70 15 30 1,04

60 20 40 . 84

50 25 50 . 67

40 30 60 . 52

30 35 70 . 39

20 40 80 . 25

10 45 90 . 13

0 50 100 .0

tabel 17-13 ARIA dan ARIR

Negara sebenarnya dari Penduduk

Keputusan Audit aktual salah saji material Tidak salah saji material

Menyimpulkan bahwa populasi conclusion- benar Risiko conclusion- salah adalah


adalah salah saji material ada risiko ARIR

Menyimpulkan bahwa populasi tidak conclusion- salah Benar conclusion- ada


salah saji material risiko adalah ARIA risiko

Ketika Anda memeriksa ringkasan ARIA dan ARIR pada Tabel 17-13, Anda mungkin con- clude bahwa auditor
harus berusaha untuk meminimalkan ARIA dan ARIR. Untuk mencapai itu, auditor harus meningkatkan ukuran
sampel, sehingga meminimalkan risiko. Namun, biaya pendekatan yang membuat memiliki ARIA wajar dan ARIR
tujuan yang lebih diinginkan.

cek konsep

1. Membedakan antara estimasi perbedaan, estimasi rasio, berarti-per-unit estimasi, dan


estimasi stratified rata-per-unit. Berikan satu contoh di mana masing-masing dapat digunakan.

2. Merupakan langkah penting dalam estimasi perbedaan adalah perbandingan masing-masing confi- computed
batas dence dengan salah saji ditoleransi. Mengapa langkah ini sangat penting, dan apa yang harus auditor dilakukan
jika salah satu batas kepercayaan lebih besar dari salah saji ditoleransi?

ilustrasi menggunakan estimasi perbedaan


tujuan 17-5 Kami menggambarkan penggunaan estimasi perbedaan dalam audit piutang untuk Hart Lumber Company.
Piutang terdiri dari 4.000 rekening yang terdaftar di neraca saldo umur dengan nilai tercatat $ 600.000.
Gunakan estimasi perbedaan tes
rincian saldo.
salah saji ditoleransi telah ditetapkan pada $ 21.000.

berencana Sampel dan Tentukan risiko yang dapat diterima auditor menetapkan dua risiko:

Hitung Ukuran Sampel 1. risiko yang dapat diterima penerimaan yang salah (ARIA). Ini adalah risiko account menerima

Menggunakan estimasi piutang sebagai benar jika itu benar-benar salah saji lebih dari $ 21.000. ARIA dipengaruhi oleh
Perbedaan risiko yang dapat diterima audit, hasil tes kontrol dan substantif tes transaksi, prosedur analitis
substantif, dan signifikansi relatif
www.downloadslide.net

piutang dalam laporan keuangan. Untuk audit Hart Lumber, mengasumsikan ARIA dari 10
persen.
2. risiko yang dapat diterima penolakan yang salah (ARIR). Ini adalah risiko menolak rekening receiv-

mampu sebagai salah jika tidak benar-benar salah saji dengan jumlah yang material. ARIR dipengaruhi oleh
biaya tambahan resampling. Karena cukup mahal untuk mengkonfirmasi piutang kedua kalinya, mengasumsikan
ARIR dari 25 persen.

Salah saji estimasi dalam populasi Perkiraan ini memiliki dua bagian:
1. Memperkirakan perkiraan titik yang diharapkan. Auditor perlu perkiraan sebelum ketenarannya yang

lation titik estimasi untuk estimasi perbedaan, sebanyak yang mereka butuhkan diperkirakan tingkat
pengecualian populasi untuk atribut sampling. Perkiraan muka adalah $ 1.500 (berlebihan) untuk Hart
Lumber, berdasarkan tes audit tahun sebelumnya.
2. Membuat populasi muka standar deviasi estimasi-variabilitas dari populasi. Untuk
menentukan ukuran sampel awal, auditor perlu perkiraan muka dari variasi dalam salah saji
dalam populasi yang diukur dengan standar deviasi populasi. (Perhitungan standar deviasi
dijelaskan kemudian, ketika hasil audit dievaluasi.) Untuk Hart Lumber, diperkirakan menjadi $ 20
berdasarkan tes audit tahun sebelumnya.

Hitung Awal Ukuran Sampel Ukuran sampel awal untuk Hart Lumber dapat sekarang dihitung dengan
menggunakan rumus berikut:
2
• SD * ( Z SEBUAH + Z R) N •
n= • •
•• TM - E * ••

dimana:

n = ukuran sampel awal

SD * = muka estimasi standar deviasi


Z A = kepercayaan diri koefisien untuk ARIA (lihat Tabel 17-12)

Z R = kepercayaan diri koefisien untuk ARIR (lihat Tabel 17-12)

N = ukuran populasi

TM = salah saji ditoleransi untuk populasi (materialitas)


E * = estimasi estimasi titik dari salah saji populasi

Diterapkan untuk Hart Lumber, persamaan ini menghasilkan:

2
• 20 (1,28 + 1,15) 4000 •
n= • • = (9,97) 2 = 100
• 21.000 - 1.500 •

Generalisasi dari Sampel ke populasi auditor memilih sampel, per- membentuk pengujian, dan
mengevaluasi hasil
mengidentifikasi salah saji sampel. The saji untuk Hart Lumber ditunjukkan pada Tabel 17-14. Empat
langkah berikut menggambarkan perhitungan batas kepercayaan untuk Hart Lumber Company.
(Perhitungan diilustrasikan pada Tabel 17-14, Langkah 3 sampai 6.)

1. Menghitung estimasi titik dari total salah saji. Estimasi titik adalah langsung
ekstrapolasi dari salah saji dalam sampel ke salah saji dalam populasi. Perhitungan estimasi titik
untuk Hart Lumber ditunjukkan pada Tabel 17-14, langkah 3.

2. Menghitung perkiraan populasi standar deviasi. Standar deviasi populasi


tion adalah ukuran statistik dari variabilitas dalam nilai-nilai dari masing-masing item dalam
populasi. Jika ada sejumlah besar variasi dalam nilai item populasi, standar deviasi akan lebih
besar daripada ketika variasi kecil.
www.downloadslide.net

Deviasi standar memiliki efek yang signifikan pada interval presisi dihitung. auditor dapat
menghitung perkiraan yang wajar dari nilai deviasi standar populasi dengan menggunakan rumus
statistik standar ditunjukkan pada Tabel 17-14, langkah 4.

3. Hitunglah interval presisi. Interval presisi dihitung oleh statistik


rumus. Untuk interval presisi computed memiliki makna apapun, itu harus dikaitkan dengan ARIA.
Rumus untuk menghitung interval presisi ditunjukkan pada Tabel 17-14, langkah 5.

tabel 17-14 Perhitungan Batas Keyakinan

Langkah Formula statistik Ilustrasi untuk Hart Lumber

1. Ambil sampel acak dari ukuran n. n = ukuran sampel 100 piutang yang dipilih secara acak dari
neraca saldo berusia mengandung 4.000 rekening.

2. Tentukan nilai setiap salah saji dalam 75 rekening sudah dikonfirmasi oleh pelanggan, dan 25 rekening diverifikasi
sampel. oleh prosedur alternatif. Setelah melakukan rekonsiliasi perbedaan
waktu dan kesalahan pelanggan, berikut 12 item bertekad untuk menjadi
kesalahan klien (understatements) dinyatakan dalam dolar:

1. $ 12,75 7. (0,87)
2. (69,46) 8. 24,32
3. 85.28 9. 36,59
4. 100.00 10. (102.16)
5. (27,30) 11. 54,71
6. 41.06 12. 71,56

Sum = $ 226,48

3. Hitunglah estimasi titik dari total salah saji. $ 226,48


enj e5 5 $ 2,26
e 5 100

Ê 5 4.000 ($ 2,26) 5 $ 9040


enj
E 5 Ne atau N atau

dimana: Ê 5 4.000 $ 226,48 100 5 $ 9040

e 5 Rata-rata salah saji dalam penjumlahan

5 sampel

5 sebuah saji individu dalam ukuran sampel


n ˆ5 sampel
ej
5 titik estimasi dari total ukuran populasi salah
NE 5 saji

4. Hitunglah deviasi standar populasi salah (Dibulatkan ke dolar terdekat)


saji dari sampel. ej ( e j) 2
SD = Σ ( e j) 2 - n (e) 2
n-1
1. $ 13 $ 169
dimana: 2. (69) 4761
3. 85 7225
SD standar
== deviasi 4. 100 10.000

ene sebuah saji individu dalam ukuran sampel sampel 5. (27) 729
j
= 6. 41 1.681
7. (1) 1
= Rata-rata salah saji dalam sampel
8. 24 576
9. 37 1369
10. (102) 10.404
11. 55 3025
12. 72 5184

$ 228 $ 45.124

$ 45.124 2 100 ($ 2,26) 2


SD 5
99

SD $521.2
www.downloadslide.net

tabel 17-14 Perhitungan Batas Keyakinan ( Cont.)

Langkah Formula statistik Ilustrasi untuk Hart Lumber

5. Hitunglah interval presisi untuk estimasi


SD N-nN 4000 - 100
total salah saji populasi pada tingkat CPI 5 NZ CPI 5 4.000 • 1,28 • $ 21.2
SEBUAH
n 4.000
kepercayaan yang diinginkan. 100

di mana:
$ 21.2
CPI 5 dihitung presisi populasi ukuran 5 4.000 • 1,28 • • . 99
10
N 5
interval Z
5 4.000 • 1,28 • $ 2.12 • . 99
5
SEBUAH
kepercayaan diri koefisien untuk ARIA

(lihat Tabel 17-12) SD deviasi standar 5 $ 10.800 (dibulatkan)

5
populasi

n 5 ukuran sampel

N - n N 5 fi faktor nite koreksi

6. Hitunglah batas kepercayaan di CL


diinginkan.
ˆ
UCL 5 E 1 CPI LCL 5
UCL 5 $ 9040 1 $ 10.800 5 $ 19.840 LCL 5 $ 9040

E 2 CPI ˆ 2 $ 10.800 5 $ ( 1760)

dimana:

UCL 5 dihitung atas con batas kepercayaan diri LCL

5 dihitung lebih rendah kepercayaan diri titik

ˆ
E 5batas perkiraan total CPI salah saji

5 Interval presisi dihitung di CL


diinginkan

4. Menghitung batas conf idence. Auditor menghitung batas kepercayaan, yang


menentukan interval kepercayaan, dengan menggabungkan estimasi titik dari total salah saji dan
interval presisi dihitung pada tingkat kepercayaan yang diinginkan (titik estimasi ± selang presisi
dihitung). Rumus untuk menghitung batas kepercayaan ditunjukkan pada Tabel 17-14, langkah 6.

Bawah dan atas batas kepercayaan untuk Hart Lumber adalah ($ 1.760) dan $ 19.840,
masing-masing. Ada risiko statistik 10 persen populasi yang bersahaja dengan lebih dari $ 1.760, dan
risiko yang sama bahwa itu dilebih-lebihkan oleh lebih dari $ 19.840. (Ingat, ARIA dari 10 persen setara
dengan tingkat kepercayaan 80 persen.) Karena batas kepercayaan kurang dari salah saji ditoleransi,
auditor menyimpulkan bahwa populasi tidak salah saji material.

ringkasan
Bab ini membahas metode sampling audit nonstatistical dan statistik untuk tes rincian saldo. Dalam pengambilan
sampel untuk tes saldo, auditor menentukan apakah jumlah dolar dari saldo rekening salah saji material. Kami
kemudian membahas 14 langkah dalam pengambilan sampel nonstatistical untuk tes saldo. Ketika melakukan audit
sampling nonstatistical, auditor menggunakan pertimbangan dalam generalisasi dari sampel ke tion popula- untuk
menentukan apakah dapat diterima. unit moneter pengambilan sampel adalah metode statistik yang paling umum
untuk tes saldo. Metode ini mendefinisikan unit sampling sebagai dolar vidual puncak-dalam saldo rekening rekaman,
dan sebagai hasilnya, rekening yang lebih besar lebih mungkin untuk dimasukkan dalam sampel. Variabel statistik
metode pengambilan sampel termasuk estimasi ence berbeda-, estimasi rasio, dan berarti-per-unit estimasi. Metode ini
membandingkan diaudit nilai sampel dengan nilai-nilai yang tercatat untuk mengembangkan perkiraan salah saji dalam
nilai akun. Penggunaan variabel sampling diilustrasikan menggunakan estimasi perbedaan.
www.downloadslide.net

hal penting
risiko yang dapat diterima dari dikan accep- salah jumlah; juga disebut sebagai satuan dolar sampling,
(ARIA) risiko -the bahwa auditor bersedia untuk mengambil kumulatif moneter jumlah sampling, dan sampling
menerima keseimbangan sebagai benar ketika salah saji dengan probabilitas proporsional dengan ukuran
benar dalam keseimbangan melebihi salah saji ditoleransi
estimasi titik Metode -a memproyeksikan dari
risiko yang dapat diterima penolakan yang salah (ARIR) -the sampel ke populasi untuk esti- kawin salah saji
risiko bahwa auditor ing akan- untuk mengambil menolak populasi, monly com- dengan mengasumsikan
keseimbangan sebagai rect incor- jika tidak salah saji dengan bahwa salah saji dalam populasi tidak diaudit
jumlah yang material sebanding dengan salah saji yang ditemukan dalam
sampel
presisi dasar -the Ance allow- minimum untuk risiko Probabilitas sebanding dengan pemilihan ukuran
sampling yang melekat di ple sam- untuk MUS; itu adalah sampel (PPS) pemilihan -sample dolar terbagi di- dalam
sama dengan penyisihan risiko sampling ketika tidak ada suatu populasi dengan menggunakan pemilihan sampel
salah saji yang ditemukan dalam sampel acak atau sistematis
estimasi rasio Metode -a variabel sampling dimana
estimasi perbedaan Metode -a variabel sampling auditor memperkirakan salah saji populasi dengan
dimana auditor memperkirakan salah saji populasi multiply- ing porsi dolar sampel saji dengan total
dengan mengalikan salah saji rata-rata dalam mencatat buku populasi val- ue dan juga
sampel dengan jumlah total item populasi dan juga menghitung risiko sampling
menghitung risiko sampling
kesimpulan statistik -conclusions bahwa auditor
Berarti-per-unit estimasi Metode -a variabel menarik dari hasil sampel berdasarkan pengetahuan
sampling dimana auditor memperkirakan nilai dari distribusi sampling
diaudit dari suatu populasi dengan mengalikan nilai stratified Sampling Metode -a dari pling sam- di
diaudit rata-rata sampel dengan ukuran populasi mana semua elemen dalam total populasi dibagi
dan juga menghitung risiko sampling menjadi dua atau lebih sub-populasi yang
independen diuji dan dievaluasi
salah saji terikat estimasi -an dari kemungkinan
berlebihan terbesar di tion popula- pada ARIA diberikan, salah saji ditoleransi -the tion applica- kinerja
menggunakan moneter unit sampling materialitas untuk prosedur pengambilan sampel
TERTENTU
unit moneter sampling (MUS) -a sta- tistical metode variabel pengambilan sampel —sampling tech- niques
sampling yang menyediakan batas pernyataan for tests of details of balances that use the statistical
mis-dinyatakan dalam moneter inference process

review Questions
17-1 ( Objective 17-1) What major difference between (a) tests of controls and substantive tests of transactions and
(b) tests of details of balances makes attributes sampling inappro- priate for tests of details of balances?

17-2 ( Objective 17-2) Define stratified sampling and explain its importance in auditing. How can an auditor
obtain a stratified sample of 30 items from each of three strata in the confirmation of accounts receivable?

17-3 ( Objective 17-2) What is the relationship between ARIA for tests of details of balances and ARO for tests of
controls?
17-4 ( Objective 17-2) Distinguish between the point estimate of the total misstatements and the true value of the
misstatements in the population. How can each be determined?
17-5 ( Objective 17-2) Evaluate the following statement made by an auditor: “On every aspect of the audit where it
is possible, I calculate the point estimate of the misstatements and evaluate whether the amount is material. If it
is, I investigate the cause and continue to test the population until I determine whether there is a serious
problem. The use of statis- tical sampling in this manner is a valuable audit tool.”
www.downloadslide.net

17-6 ( Objective 17-3) Define monetary unit sampling and explain its importance in audit- ing. How does it
combine the features of attributes and variables sampling?
17-7 ( Objectives 17-1, 17-2, 17-3, 17-4) Define what is meant by sampling risk. Does sampling risk apply to nonstatistical
sampling, MUS, attributes sampling, and variables sampling? Explain.

17-8 ( Objective 17-3) An auditor is determining the appropriate sample size for testing inventory valuation using
MUS. The population has 2,620 inventory items valued at $12,625,000. The tolerable misstatement is
$500,000 at a 10% ARIA. No misstatements are expected in the population. Calculate the preliminary sample
size.
17-9 ( Objective 17-3) The 2,620 inventory items described in Question 17-8 are listed on 44 inventory pages with
60 lines per page. There is a total for each page. The client’s data are not in machine-readable form. Describe
how a monetary unit sample can be selected in this situation.

17-10 ( Objective 17-2) Explain what is meant by acceptable risk of incorrect acceptance. What are the major
audit factors affecting ARIA?
17-11 ( Objective 17-4) Evaluate the following statement made by an auditor: “I took a ran- dom sample and
derived a 90 percent confidence interval of $800,000 to $900,000. That means that the true population value
will be between $800,000 and $900,000, 90 percent of the time.”

17-12 ( Objective 17-3) Explain what is meant by basic precision. How is it determined?
17-13 ( Objective 17-3) Assume that a sample of 100 units was obtained in sampling the inven- tory in Question 17-8.
Assume further that the following three misstatements were found:

Misstatement recorded Value audited Value

1 $ 897.16 $ 609.16

2 47.02 0

3 1,621.68 1,522.68

Calculate the overstatement bound for the population. Draw audit conclusions based on the results.

17-14 ( Objective 17-3) Why is it difficult to determine the appropriate sample size for MUS? How should the
auditor determine the proper sample size?
17-15 ( Objective 17-4) Define what is meant by the population standard deviation and explain its importance in
variables sampling. What is the relationship between the popu- lation standard deviation and the required
sample size?
17-16 ( Objective 17-5) In using difference estimation, an auditor took a random sample of 100 inventory items
from a large population to test for proper pricing. Several of the inventory items were misstated, but the
combined net amount of the sample misstate- ment was not material. In addition, a review of the individual
misstatements indicated that no misstatement was by itself material. As a result, the auditor did not investigate
the mis- statements or make a statistical evaluation. Explain why this practice is improper.

17-17 ( Objective 17-4) Explain why difference estimation is commonly used by auditors.
17-18 ( Objectives 17-3, 17-4) Give an example of the use of attributes sampling, MUS, and variables sampling in
the form of an audit conclusion.

multiple ChoiCe Questions from Cpa and Cia examinations


17-19 ( Objective 17-2) The following questions relate to determining sample size in tests of details of balances. For
each one, select the best response.
a. Mr. Murray decides to use stratified sampling. The reason for using stratified sam- pling rather than
unrestricted random sampling is to
(1) reduce as much as possible the degree of variability in the overall population. (2) give every element
in the population an equal chance of being included in the
sample.
www.downloadslide.net

(3) allow the person selecting the sample to use personal judgment in deciding which
elements should be included in the sample. (4) allow the auditor to emphasize
larger items from the population.

b. Which of the following sample planning factors will influence the sample size for a test of details of
balances for a specific account?
expected amount of Measure of tolerable
Misstatements Misstatement

(1) No No
(2) Yes Yes
(3) No Yes
(4) Yes No

c. How would increases in tolerable misstatement and assessed level of control risk affect the sample size in
substantive tests of details?
Increase in tolerable Increase in assessed Level
Misstatement of Control risk

(1) Increase sample size Increase sample size


(2) Increase sample size Decrease sample size
(3) Decrease sample size Increase sample size
(4) Decrease sample size Decrease sample size

17-20 ( Objectives 17-2, 17-3, 17-4) The following apply to evaluating results of audit sampling for tests of details of
balances. For each one, select the best response.

a. While performing a substantive test of details during an audit, the auditor determined that the sample
results supported the conclusion that the recorded account balance was materially misstated. It was, in
fact, not materially misstated. This situation il- lustrates the risk of (1) assessing control risk too high. (2)
assessing control risk too low. (3) incorrect rejection. (4) incorrect acceptance.

b. In an MUS sample with a sampling interval of $5,000, an auditor discovered that a selected accounts
receivable with a recorded amount of $10,000 had an audit value of $8,000. If this is the only error
discovered by the auditor, the projected error of the sample would be (1) $1,000. (2) $2,000.

(3) $4,000. (4)


$5,000.

c. The accounting department reports the accounts receivable balance as $175,000. You are willing to
accept that balance if it is within $15,000 of the actual balance. Using a variables sampling plan, you
compute a 95% confidence interval of $173,000 to $187,000. You would therefore

(1) find it impossible to determine the acceptability of the balance. (2) accept the balance but with a
lower level of confidence. (3) take a larger sample before rejecting the sample and requiring
adjustments. (4) accept the $175,000 balance because the confidence interval is within the

materiality limits.
17-21 ( Objectives 17-3, 17-4, 17-5) The following relate to the use of statistical sampling for tests of details of
balances. For each one, select the best response.

a. When the auditor uses monetary unit statistical sampling to examine the total dollar value of invoices, each
invoice (1) has an equal probability of being selected. (2) can be represented by no more than one
monetary unit. (3) has an unknown probability of being selected. (4) has a probability proportional to its
dollar value of being selected.
www.downloadslide.net

b. Which of the following would be an advantage of using variables sampling rather than
probability-proportional-to-size (PPS) sampling?
(1) An estimate of the standard deviation of the population’s recorded amount is not
required.
(2) The auditor rarely needs the assistance of a computer program to design an
efficient sample.
(3) The inclusion of zero and negative balances usually does not require special
design considerations.
(4) Any amount that is individually significant is automatically identified and selected.
c. In applying variables sampling, an auditor attempts to (1) estimate a qualitative
characteristic of interest. (2) determine various rates of occurrence for specified
attributes. (3) discover at least one instance of a critical deviation. (4) predict a
monetary population value within a range of precision.

multiple ChoiCe Questions from


BeCker Cpa exam review

17-22 ( Objectives 17-2, 17-3) The following questions relate to nonstatistical and monetary unit sampling. Choose
the best response.
a. A number of factors influence the sample size for a substantive test of details of an account balance. All
other factors being equal, which of the following would lead to a larger sample size?

(1) Greater reliance on internal control


(2) Greater reliance on substantive analytical procedures (3) Smaller
expected frequency of errors (4) Smaller measure of tolerable
misstatement
b. The risk of incorrect acceptance relates to (1) substantive tests
and affects audit efficiency. (2) substantive tests and affects audit
effectiveness. (3) tests of controls and affects audit efficiency. (4)
tests of controls and affects audit effectiveness.

c. In a probability-proportional-to-size sample with a sampling interval of $3,000, which of the following is


true?
I. An overstatement error of $200 in an item recorded at $300 will result in a pro- jected error of
$2,000.
II. An overstatement error of $700 in an item recorded at $3,500 will result in a pro- jected error of $600.
(1) I only (2) II only (3) Both I and II (4) Neither I nor II

disCussion Questions and proBlems


17-23 ( Objective 17-2) You are planning to use nonstatistical sampling to evaluate the results of accounts
receivable confirmation for the Meridian Company. You have already performed tests of controls for sales, sales
returns and allowances, and cash receipts, and they are considered excellent. Because of the quality of the
controls, you decide to use an acceptable risk of incorrect acceptance of 10%, rather than a lower percentage.
There are

© 2017 DeVry/Becker Educational Development Corp. All rights reserved.


www.downloadslide.net

3,000 accounts receivable with a gross value of $6,900,000. The accounts are similar in size and will be treated
as a single stratum. Tolerable misstatement for this test of accounts receivable confirmations is $150,000.

required a. Calculate the required sample size. Assume your firm uses the following nonstatisti- cal formula to
determine sample size:

Sample size = Population Recorded Amount × Confidence Factor


Tolerable Misstatement

A confidence factor of 2 is used for a 10% ARIA.


b. Assume that instead of good results, poor results were obtained for tests of controls and substantive tests
of transactions for sales, sales returns and allowances, and cash receipts. How will this affect your
required sample size? How will you use this infor- mation in your sample size determination?

c. Regardless of your answer to part a., assume you decide to select a sample of 100 accounts for testing.
Indicate how you will select the accounts for testing using sys- tematic selection.

d. Assume a total book value of $230,000 for the 100 accounts selected for testing. You uncover three
overstatements totaling $1,500 in the sample. Evaluate whether the population is fairly stated.

17-24 ( Objective 17-2) You are evaluating the results of a nonstatistical sample of 85 accounts receivable
confirmations for the Bohrer Company. Information on the sample and population are included below.
Tolerable misstatement for accounts receivable con- firmation sampling is $100,000.

Sample population

# of recorded # of recorded
accounts accounts
Stratum Value Value

1 > $75,000 8 $1,287,643 8 $1,287,643

2 $10,000 – $74,999 40 1,349,678 257 4,348,268

3 < $ 10,000 25 94,637 712 947,682

73 $2,731,958 977 $6,583,593

The confirmation responses were received without exception, other than the following items:

acct. recorded Confirmation


No. Value response auditor Follow-up

147 $ 24,692 $ 22,486 Customer was charged the wrong price.

228 183,219 157,216 $26,003 shipment recorded on December 30th; goods were
not shipped until January 3rd.

278 7,546 5,546 Customer sent $2,000 payment on December 29th;


received on January 2nd.

497 15,319 0 $17,443 shipment made on December 30th; goods were


received by the customer on January 2nd.

564 8,397 7,858 Customer received less than the full quantity ordered.

653 32,687 19,328 $13,359 shipment recorded on December 30th; goods were
not shipped until January 2nd.

830 5,286 0 $5,286 shipment recorded on December 30th; goods were


not shipped until January 3rd.
www.downloadslide.net

a. Evaluate each of the confirmation exceptions to determine whether they represent misstatements. required

b. Estimate the total amount of misstatement in the accounts receivable population. Ignore sampling risk
in the calculation.
c. Is the population acceptable? If not, indicate what follow-up action(s) you consider appropriate in the
circumstances.
17-25 ( Objectives 17-2, 17-3) Assume you performed sampling for an accounts receivable population with a
recorded population amount of $2,000,000. Tolerable misstatement is set at $100,000 for the test, and there
are no individually significant accounts greater than $100,000. Several different sampling results for this
population are presented below; the upper bound is the projected misstatement plus an allowance for sampling
risk. The results presented are for an MUS sample, but the decision as to how to resolve the pro- jected
misstatement, including consideration of sampling risk, also applies to nonstatisti- cal sampling. The
differences in sample size reflect differences in confidence levels and expected misstatement used in
designing the sample.

You are to make a recommendation as to the appropriate action to take given the sample results. Assume
that the client is willing to record an audit adjustment for actual misstate- ments detected in your testing, but is
unwilling to record an adjustment for projected errors. Issuing a qualified or adverse opinion is not included as an
option. Because the audited fi- nancial statements are required under the terms of a loan agreement, the client will
agree to additional testing or will correct the population if needed to receive an unmodified opinion.

Dollar amount of
Sample actual
Size Interval Number
Misstatements
of Misstatements projected
Misstatement UpperBound Nature Misstatements
of

1. 54 36,450 1 20,000 20,000 104,200 Improper contract price


applied

2. 46 43,290 3 425 4,731 106,979 Various pricing and quantity


errors

3. 54 36,450 8 20,400 110,568 241,468 Incorrect shipments, cutoff


errors, and pricing errors

4. 33 60,385 1 4,000 12,077 114,007 Incorrect currency


translation on foreign
shipment

5. 72 27,500 1 400 7,333 95,333 Incorrect product shipped

6. 44 44,845 2 2,500 29,897 112,934 Duplicate shipment,


incorrect price

For each of the sampling results 1 through 6, recommend the appropriate response(s) from the options listed required
below. Explain the reason for your decision.
a. Accept the population as fairly stated.
b. Request the client to record an adjustment for the actual misstatements.
c. Expand the sample size.
d. Request the client to fix the population, which will then be reaudited.
e. Treat the misstatement as an anomaly that is an isolated occurrence that should not be projected to the
population.
17-26 ( Objective 17-3) The accounts receivable population for Jake’s Bookbinding Company follows. This table
is the same as Table 17-1 on page 567, except that cumulative amounts are included to assist you in
completing the problem. The population is smaller than is ordinarily the case for statistical sampling, but an
entire population is useful to show how to select PPS samples.

a. Select a random PPS sample of 10 items, using computer software. required


b. Select a sample of 10 items using systematic PPS sampling. Use a starting point of
1857. Identify the physical units associated with the sample dollars.
www.downloadslide.net

c. Which sample items will always be included in the systematic PPS sample regardless of the starting point?
Will that also be true of random PPS sampling?
d. Which method is preferable in terms of ease of selection in this case?
e. Why will an auditor use MUS?

population recorded Cumulative population recorded Cumulative


Item amount amount Item ( cont.) amount ( cont.) amount ( cont.)

1 $ 1,410 $ 1,410 21 $ 4,865 $117,385

2 9,130 10,540 22 770 118,155

3 660 11,200 23 2,305 120,460

4 3,355 14,555 24 2,665 123,125

5 5,725 20,280 25 1,000 124,125

6 8,210 28,490 26 6,225 130,350

7 580 29,070 27 3,675 134,025

8 44,110 73,180 28 6,250 140,275

9 825 74,005 29 1,890 142,165

10 1,155 75,160 30 27,705 169,870

11 2,270 77,430 31 935 170,805

12 50 77,480 32 5,595 176,400

13 5,785 83,265 33 930 177,330

14 940 84,205 34 4,045 181,375

15 1,820 86,025 35 9,480 190,855

16 3,380 89,405 36 360 191,215

17 530 89,935 37 1,145 192,360

18 955 90,890 38 6,400 198,760

19 4,490 95,380 39 100 198,860

20 17,140 112,520 40 8,435 207,295

17-27 ( Objective 17-3) In the audit of Price Seed Company for the year ended September
30, the auditor set a tolerable misstatement of $50,000 at an ARIA of 10%. A PPS sample of 100 was selected
from an accounts receivable population that had a recorded balance of $1,975,000. The following table shows
the differences uncovered in the confirmation process:

accounts accounts
receivable per receivable per
records Confirmation Follow-up Comments by auditor

1. $2,728.00 $2,498.00 Pricing error on two invoices.


2. $5,125.00 - 0- Customer mailed check 9/26; company received check 10/3.

3. $3,890.00 $1,190.00 Merchandise returned 9/30 and counted in inventory;


credit was issued 10/6.
4. $ 815.00 $ 785.00 Footing error on an invoice.
5. $ 548.00 - 0- Goods were shipped 9/28; customer received goods on
10/2; sale was recorded on 9/28.
6. $3,215.00 $3,190.00 Pricing error on a credit memorandum.
7. $1,540.00 - 0- Goods were shipped on 9/29; customer received goods 10/3;
sale was recorded on 9/30.

required a. Calculate the upper misstatement bound on the basis of the client misstatements in the sample.

b. Is the population acceptable as stated? If not, what options are available to the auditor at this point? Which
option should the auditor select? Explain.
www.downloadslide.net

17-28 ( Objective 17-3) You intend to use MUS as a part of the audit of several accounts for Roynpower
Manufacturing Company. You have done the audit for the past several years, and there has rarely been an
adjusting entry of any kind. Your audit tests of all tests of controls and substantive tests of transactions cycles were
completed at an interim date, and control risk has been assessed as low. You therefore decide to use an ARIA of
10% and a ratio of expected misstatement to tolerable misstatement of 0% for all tests of details of balances.

You intend to use MUS in the audit of the three most material asset balance sheet ac- count balances:
accounts receivable, inventory, and marketable securities. You feel justified in using the same ARIA for each audit
area because of the low assessed control risk.
The recorded balances and related information for the three accounts are as follows:

recorded Value

Accounts receivable $3,600,000

Inventory 4,800,000

Marketable securities 1,600,000

$10,000,000

Net earnings before taxes for Roynpower are $2,000,000. You decide that a combined misstatement of
$100,000 is allowable for the client.
The audit approach to be followed will be to determine the total sample size needed for all three accounts.
A sample will be selected from all $10 million, and the appropriate testing for a sample item will depend on
whether the item is a receivable, inventory, or mar- ketable security. The audit conclusions will pertain to the
entire $10 million, and no con- clusion will be made about the three individual accounts unless significant
misstatements are found in the sample.

a. Evaluate the audit approach of testing all three account balances in one sample. required
b. Calculate the required sample size for a combined sample of all three accounts. Use $100,000 as the
measure of tolerable misstatement for the combined test.
c. Calculate the required sample size for each of the three accounts, assuming you decide that the tolerable
misstatement in each account is $100,000.
d. Assume that you select the random sample using computer software. How will you identify which
sample item in the population to audit for the number 4,627,871? What audit procedures will be
performed?
e. Assume that you select a sample of 200 sample items for testing and you find one misstatement in
inventory. The recorded value is $987.12 and the audit value is $887.12. Calculate the misstatement
bounds for the three combined accounts and reach appropriate audit conclusions.

17-29 ( Objectives 17-2, 17-3, 17-4) An audit partner is developing an office training program to familiarize her
professional staff with audit sampling decision models applicable to the audit of dollar-value balances. She
wishes to demonstrate the relationship of sample sizes to population size and estimated population misstatement
rate and the auditor’s specifications as to tolerable misstatement and ARIA. The partner prepared the following
table to show comparative population characteristics and audit specifications of the two populations:

audit Specifications as to a Sample from


Characteristics of population 1 population 1 relative to a Sample from
relative to population 2 population 2

estimated population tolerable


Size Misstatement rate Misstatement arIa

Case 1 Equal Equal Equal Lower

Case 2 Larger Equal Smaller Higher

Case 3 Smaller Smaller Equal Higher

Case 4 Larger Equal Equal Lower

Case 5 Equal Larger Larger Equal


www.downloadslide.net

required In items (1) through (5) you are to indicate for the specific case from the table the required sample size to be
selected from population 1 relative to the sample from population 2.
(1) In case 1, the required sample size from population 1 is ____. (2) In case 2, the
required sample size from population 1 is ____. (3) In case 3, the required sample
size from population 1 is ____. (4) In case 4, the required sample size from
population 1 is ____. (5) In case 5, the required sample size from population 1 is
____. Your answer choice should be selected from the following responses:

a. Larger than the required sample size from population 2.


b. Equal to the required sample size from population 2.
c. Smaller than the required sample size from population 2.
d. Indeterminate relative to the required sample size from population 2.*
17-30 ( Objective 17-5) In auditing the valuation of inventory, the auditor, Claire Butler, decided to use difference
estimation. She decided to select an unrestricted random sample of 80 inventory items from a population of
1,840 that had a book value of $175,820. Butler decided in advance that she was willing to accept a maximum
misstatement in the popu- lation of $6,000 at an ARIA of 5 percent. There were eight misstatements in the
sample, which were as follows:

audit Value Book Value Sample Misstatements

$ 812.50 $ 740.50 $(72.00)


12.50 78.20 65.70
10.00 51.10 41.10
25.40 61.50 36.10
600.10 651.90 51.80
. 12 0 (.12)
51.06 81.06 30.00
83.11 104.22 21.11

Total $1,594.79 $1,768.48 $173.69

required a. Calculate the point estimate, the computed precision interval, the confidence interval, and the
confidence limits for the population. Label each calculation.
b. Should Butler accept the book value of the population? Explain.
c. What options are available to her at this point?

Cases
17-31 ( Objective 17-3) You are performing the audit of Peckinpah Tire and Parts, a whole- sale auto parts
company. You have decided to use monetary unit sampling (MUS) for the audit of accounts receivable and
inventory. The following are the recorded balances:

Accounts receivable $12,000,000

Inventory $23,000,000

You have already made the following judgments:

Performance materiality $800,000

Acceptable audit risk 5%

Inherent risk:

Accounts receivable 80%

Inventory 100%

* Based on AICPA question paper, American Institute of Certified Public Accountants.


www.downloadslide.net

Assessed control risk:


Accounts receivable 50%

Inventory 80%

Substantive analytical procedures have been planned for inventory, but not for accounts receivable. The
substantive analytical procedures for inventory are expected to have a 60% chance of detecting a material
misstatement should one exist. Performance materiality will be used as the measure of tolerable misstatement for
each test and for the combined sample.
You have concluded that it will be difficult to alter sample size for accounts receivable confirmation once
confirmations are sent and replies are received. However, inventory tests can be reopened without great
difficulty.
After discussions with the client, you believe that the accounts are in about the same con- dition this year as they
were last year. Last year, no misstatements were found in the confirma- tion of accounts receivable. Inventory tests
revealed an overstatement amount of about 1%.
For requirements a. through c., make any assumptions necessary in deciding the fac- tors affecting sample
size. If no table is available for the ARIA chosen, estimate sample size judgmentally.

a. Plan the sample size for the confirmation of accounts receivable using MUS. required
b. Plan the sample size for the test of pricing of inventories using MUS.
c. Plan the combined sample size for both the confirmation of accounts receivable and the price tests of
inventory using MUS.
d. Using an electronic spreadsheet, generate a list of random dollars in generation order and in ascending order
for the sample of accounts receivable items determined in part a.

17-32 ( Objectives 17-2, 17-3) You have just completed the accounts receivable confirmation process in the audit of
Danforth Paper Company, a paper supplier to retail shops and com- mercial users. Following are the data related
to this process:

Accounts receivable recorded balance $ 2,760,000


Number of accounts 7,320
A nonstatistical sample was taken as follows:
All accounts over $10,000 (23 accounts) $ 465,000
77 accounts under $10,000 $ 81,500
Tolerable misstatement for the confirmation test $ 100,000
Inherent and control risk are both high
No relevant substantive analytical procedures were performed

The following are the results of the confirmation procedures:

recorded Value audited Value

Items over $10,000 $ 465,000 $ 432,000


Items under $10,000 81,500 77,150
Individual misstatements for items under
$10,000:
Item 12 5,120 4,820
Item 19 485 385
Item 33 1,250 250
Item 35 3,975 3,875
Item 51 1,850 1,825
Item 59 4,200 3,780
Item 74 2,405 0

a. Evaluate the results of the nonstatistical sample. Consider both the direct implications of the misstatements required
found and the effect of using a sample.
b. Assume that the sample was a PPS sample. Evaluate the results using monetary unit sampling.
www.downloadslide.net

aCl proBlem
17-33 ( Objective 17-3) This problem requires the use of ACL software, which can be accessed through the
textbook Web site. Information about downloading and using ACL and the commands used in this problem
can also be found on the textbook Web site. You should read all of the reference material, especially the
material on sampling, to answer questions a. through  e. For this problem, use the “Invoices” file in the “Sales
and Collection” subfolder under tables in the ACL_Rockwood project. This file contains information on sales
invoices generated during calendar year 2014, including those that have been paid versus those still
outstanding. Suggested commands, where applicable, are indicated at the end of the problem requirements.

required a. Using the Invoices file, filter the file to retain only those invoices that are still out- standing and save this
filter as “Accounts_Receivable.” (Filter) Determine the total dollar amount of the outstanding invoices
(Total). Using the “Accounts_Receivable” data, calculate the sample size and sampling interval for an
MUS sample based on total Invoice Amount. Use a confidence level of 90%, materiality of $50,000, and
expected errors of $2,500. (Sampling/Calculate Sample Size; select “monetary” radio button)

b. What is the sampling size and sampling interval if you increase materiality to $60,000 and decrease expected
errors to $1,000?
c. Select the sample based on the sampling interval determined in part a. (Sampling / Sample; select “Sample
type” as MUS. For “Sample Parameters” select fixed interval and enter the interval from part a.; use a
random start of 3179.)
d. How many items were selected for testing? Why is the number selected for testing less than the sample
size determined in part a.?
e. What is the largest item selected for testing? How many sample items are larger than the sampling
interval? How many items are larger than the sampling interval in the population?