Anda di halaman 1dari 10

SAMPLING UNIT MONETER

Perbedaan Antara Sampling Unit Moneter (MUS) Dan Sampling Nonstatistik


MUS serupa dengan penggunaan sampling nonstatistik. Ke-14 lan gkahnya juga harus
dilaksanakan dalam MUS, walaupun beberapa dilakukan dengan cara yang berbeda. Kunci untuk
memahami MUS adalah memahami perbedaan tersebut. Beberapa perbedaannya antara lain:
· Definisi Unit Sampling adalah suatu Dolar Individual
· Ukuran Populasi adalah Populasi Dolar yang Tercatat
· Pertimbangan Pendahuluan Mengenai Materialitas Digunakan untuk Setiap Akun dan
Bukan Salah Saji yang Dapat Ditoleransi
· Ukuran Sampel Ditentukan dengan Menggunakan Rumus Statistik
· Aturan Keputusan Formal Digunakan untuk Memutuskan Akseptabilitasi Populasi
· Pemilihan Sampel Dilakukan dengan Menggunakan PPS
· Auditor Menggeneralisasi dari Sampel ke Populasi dengan Menggunakan Teknik MUS.

Langkah-langkah dalam penerapan sampling satuan moneter


Perencanaan
1. Menetukan Tujuan Pengujian
2. Mendefinisikan karakteristik populasi:
· Mendefinisikan populasi
· Mendefinisikan unit sampling
· Mendefinisikan salah saji
3. Menentukan ukuran sampel, menggunakan masukan berikut:
· Tingkat keyakinan yang diinginkan dan risiko keliru menerima
· Salah saji yang dapat diterima
· Salah saji populasi yang diperkirakan
· Ukuran populasi
Kinerja
4. Memilih unsur sampel
5. Melaksanakan prosedur audit:
· Memahami dan menganalisis setiap salah saji yang ditemukan.
Evaluasi
6. Menghitung salah saji yang diproyeksikan dan batas atas dari salah saji
7. Menarik kesimpulan akhir

Generalisasi dari Sampel ke Populasi Ketika Salah Saji Tidak Ditemukan dengan Menggunakan
MUS.
Asumsikan bahwa auditor mengonfirmasi suatu populasi pitang dagang atas kebenaran nilai
moneternya. Total Populasi adalah Rp 1.200.000 dan sampelnya menggunakan 100 konfirmasi.
Selama audit, seluruh salah saji ditemukan dalam sampel. Auditor ingin menentukan jumlah
maksimum dari lebih saji atau kurang saji yang dapat muncul dalam populasi meskipun salah saji
tidak ditemukan dalam sampel. Hal ini disebut batas saalah saji atas (upper misstatement bound)
dan batas salah saji bawah (lower misutatement bound). Berikut 3 contoh asumsi yang dibuat untuk
mengilustrasikan hal tersebut:
Asumsi 1
Jumlah lebih saji adalah 100%;Jumlah kurang saji adalah 100%; batas salah saji pada ARIA 5%
adalah:
Batas salah saji atas= Rp 1.200.000 x 3%x100%= Rp 36.000.000
Batas salah saji bawah=Rp 1.200.000 x 3%x100%= Rp 36.000.000
Diasumsikan bahwa, secara rata-rata, bagian populasi ini telah salah saji sebesar total uang dari
nilai tercatat. Oleh karena batas salah saji adalah 3%, maka nilai salah saji mungkin tidak melebihi
Rp 36.000.000 (3% dari total uang tercatat dalam populasi). Jika seluruh jumlah ternyata lebih saji,
maka terdapat lebih saji sebesar Rp 36.000.000. Jika seluruhnya kurang saji, maka terdapat kurang
saji sebesar Rp 36.000.000.
Asumsi 100% salah saji tersebut sebenarnya sangat konservatif, terutama untuk lebih saji.
Asumsikan tingkat pengecualian populasi aktual adalah 3%. Di bawah ini merupakan dua kondisi
yang muncul sebelum nilai Rp 36.000.000 secara tepat menunjukkan jumlah lebih saji yang
sebenarnya.
Seluruh jumlah harus lebih saji. Saling hapus (offsetting) akan mengurangi jumlah salah saji.
Seluruh bagian populasi yang salah saji harus 100% salah saji. Oleh karena itu tidak mungkin,
misalnya, salah saji sebesar Rp 226.000 dicatat sebesar Rp 262.000. Berarti hanya ada 13,7% salah
saji (262.000-226.000= 36.000) lebih saji; 36.000/262.000 = 13,7%).
Asumsi 2
Jumlah lebih saji adalah 10%; jumlah kurang saji adalah 10%; batas salah saji pada ARIA 5%
yaitu:
Batas atas salah saji= Rp 1.200.000 x 3%x100%= Rp 36.000.000
Batas bawah salah saji= Rp 1.200.000 x 3%x100%= Rp 36.000.000
Asumsinya adalah bahwa, secara rata-rata, bagian-bagian yang salah saji tidak melebihi 10%. Jika
seluruh bagian telah salah saji pada satu arah, maka batas salah saji adalah +Rp 3.600.000 dan –
Rp 3.600.000. Perubahan asumsi salah saji dari 100% menjadi 10% secara signifikan
memengaruhi batas salah saji. Dampaknya secara langsung adalah pada nilai perubahannya.
Asumsi 3
Jumlah lebih saji adalah 20%; jumlah kurang saji adalah 200%; batas salah saji pada ARIA 5%
yaitu:
Batas atas salah saji= Rp 1.200.000 x 3%x100%= Rp 36.000.000
Batas bawah salah saji= Rp 1.200.000 x 3%x100%= Rp 36.000.000
Alasan dari persentase yang lebih besar atas kurang saji tersebut adalah potensi terjadinya salah
saji lebih besar dalam bentuk persentase. Misalnya, piutang dagang tercatat pada Rp 20.000 yang
seharusnya dicatat sebesar Rp 200.000 sehingga kurang saji sebesar 900% [(200.000-
20.000)/20.000], sementara yang lainnya tercatat sebesar Rp 200.000 yang seharusnya dicatat
sebesar Rp 20.000 sehingga lebih saji sebesar 90% [(200.000- 20.000)/200.000].
Bagian yang terdiri atas jumlah kurang saji yang lebih besar memiliki nilai tercatat lebih kecil
sebagai hasil dari salah saji tersebut. Konsekuensinya, karena mekanisme dari MUS, hanya sedikit
di antaranya yang akan terpilih dalam sampel. Oleh karena alasan ini, beberapa auditor memilih
sampel tambahan dari saldo kecil untuk menambah jumlah sampel, saat jumlah kurang saji
menjadi perhatian dalam audit.
· Persentase yang Tepat dalam Asumsi Salah Saji
Asumsi yang tepat untuk keseluruhan persentase salah saji dalam populasi yang mengandung salah
saji merupakan keputusan auditor. Dalam situasi tersebut, auditor harus menetapkan persentase
tersebut berdasarkan penilaian profesional. Bila sebaiknya, tidak terdapat informasi yang
menyakinkan, maka perlu mengasumsikan jumlah 100% baik untuk lebih saji maupun kurang saji,
kecuali jika tidak terdapat salah saji dalam hasil sampel. Pendekatan ini termasuk konservatif,
tetapi lebih mudah untuk dijustifikasi dibandingkan asumsi lain. Batas atas dan batas bawah salah
saji lebih tepat disebut batas salah saji (dalam MUS) dibandingkan kecenderungan salah saji
maksimum atau pun batas keyakinan (confidence limit). Alasannya adalah luasnya penggunaaan
asumsi konservatif tersebut. Jika tidak dinyatakan sebaliknya, maka asumsi salah saji 100%
digunakan dalam bab ini dan sebagai bahan permasalahan.

Generalisasi Ketika Salah Saji Ditemukan


Sejauh ini, kita telah mengasumsikan sampel yang tidak mengandung salah saji. Apa yang
terjadi jika salah saji ditemukan? Kita akan menggunakan contoh pada bagian sebelumnya, tetapi
dengan mengasumsikan ada 5 salah saji. Salah saji ditunjukkan pada tabel 15-5
Keempat aspek generalisasi dari sampel ke populasi yang kita bahas sebelumnya masih
diterapkan, tetapi penggunaannya dimodifikasi sebagai berikut:
Jumlah lebih saji dan kurang saji dibuat terpisah kemudian digabungkan.Pertama, batas atas dan
atas bawah salah saji dihitung secara terpisah untuk memperoleh jumlah lebih saji dan kurang saji.
Kemudian, titik estimasi lebih saji dan kurang saji dihitung. Titik estimasi untuk kurang saji
digunakan untuk mengurangi batas atas salah saji awal, dan titik estimasi lebih saji digunakan
untuk mengurangi batas salah saji awal. Metode dan alasan dari perhitungan ini akan diilustrasikan
menggunakan empat nilai lebih saji dan satu nilai kurang saji pada Tabel 15-5.
Perbedaan asumsi salah saji dibuat untuk setiap salah saji, termasuk salah saji nol. Ketika tidak
terdapat salah saji dalam sampel, asumsi diperlukan untuk persentase rata-rata salah saji atas
populasi yang salah saji. Batas salah saji yang dihitung menunjukkan beberapa asumsi yang
berbeda. Ketika salah saji ditemukan, auditor dapat menggunakan informasi sampel tersedia dalam
menentukan batas-batas salah saji. Asumsi salah saji masih diperlukan, tetapi dapat dimodifikasi
berdasarkan data salah saji aktual.
Jika salah saji ditemukan, maka 100% asumsi untuk seluruh salah saji tidak hanya konservatif,
tetapi juga tidak konsisten dengan hasil sampel. Asumsi yang umum diterapkan, dan salah satunya
diikuti dalam buku ini, adalah bahwa salah saji aktual dapat mewakili salah saji populasi. Asumsi
ini mensyaratkan auditor untuk menghitung presentase setiap sampel yang salah saji (salah
saji/jumlah tercatat) dan menerapkan persentase tersebut ke populasi. Perhitungan persentase
untuk setiap salah saji ditunjukkan dalam kolom terakhir pada Tabel 15-5. Dijelaskan secara
singkat, asumsi salah saji masih diperlukan untuk porsi salah saji nol dari hasil yang dihitung.
Untuk contoh ini, 100% asumsi salah saji digunakan untuk porsi salah saji nol, baik untuk batas
lebih saji maupun kurang saji.
3. Auditor harus setuju dengan lapisan (layer) tingkat pengecualian atas yang diperhitungkan/
computed upper exception rate (CUER) dari tabel pengambilan sampel atribut. Auditor harus
melakukan ini karena perbedaan asumsi salah saji yang muncul di setiap salah saji. Lapisan
tersebut dihitung dengan menentukan CUER dari setiap tabel salah saji kemudian menghitung
setiap lapisannya. Tabel 15-6 menunjukkan lapisan dalam tabel sampel atribut untuk contoh yang
ada. (Lapisan ditentukan dengan membaca tabel untuk setiap jumlah sampel 100, dari 0 sampai 4
kolom pengecualian).
4. Asumsi salah saji harus dihubungkan untuk setiap lapisan. Metode paling umum dalam
menghubungkan asumsi salah saji dengan lapisan adalah mengaitkan persentase salah saji pada
jumlah uang terbesar dengan lapisan tertinggi. Tabel 15-7 menunjukkan hubungan tersebut.
Sebagai contoh, salah saji rata-rata terbesar adalah 0,671 untuk pelanggan 9816. Salah saji ini
berhubungan dengan faktor lapisan 0,0017, lapisan tertinggi di mana salah saji ditemukan.
Porsi dari batas atas presisi yang berhubungan dengan lapisan salah saji nol memiliki asumsi salah
saji yang masih konservatif, yaitu 100%. Tabel 15-7 menunjukkan perhitungan batas salah saji
sebelum mempertimbangkan berapa jumlah yang saling-hapus. Batas salah saji atas dihitung
seolah-seolah tidak terdapat jumlah kurang saji, dan batas salah saji bawah dihitung seolah-olah
tidak terdapat jumlah lebih saji.
Kebanyakan pengguna MUS yakin bahwa pendekatan ini terlalu konservatif saat terjadi saling-
hapus. Jika jumlah kurang saji ditemukan, maka cukup logis dan masuk akal bahwa atas untuk
jumlah lebih saji seharusnya lebih rendah dari yang sebenarnya, tidak perlu ada sejumlah kurang
saji yang ditemukan, dan sebaliknya. Penyesuaian batas untuk jumlah saling-hapus dibuat sebagai
berikut.
Titik estimasi atas salah saji dibuat untuk jumlah lebih saji dan kurang saji.
Setiap batas dikurangi oleh titik estimasi yang berlawanan.
Titik estimasi untuk lebih saji dihitung dengan mengalikan rata-rata jumlah lebih saji dalam unit
mata uang yang diaudit dikalikan dengan nilai tercatat. Pendekatan serupa digunakan untuk titik
estimasi pada kurang saji. Contoh sebelumnya menunjukkan jumlah kurang saji sebesar 3% per
Rp 1.000 per unit untuk sampel sejumlah 100. Titik estimasi kurang saji adalah Rp 360.000
(0,03/100,000 x Rp 1.200.000). Dengan cara yang sama, titik estimasi lebih saji adalah Rp
9.086.000 [(0,671 + 0,07 +0,016 + 0,0002)/100 x Rp 1.200.000.000].
ü Batas awal sebesar Rp 51.220.000 dikurangi dengan estimasi jumlah kurang saji yang paling
mungkin terjadi sebesar Rp 360.000 ke batas yang disesuaikan sebesar Rp 50.860.000.
ü Batas bawah awal sebesar Rp 36.612.000 dikurangi dengan estimasi jumlah lebih saji yang
paling mungkin terjadi sebesar Rp 9.086.000 ke batas yang disesuaikan sebesar Rp 27.526.000.
Dengan mengikuti metodologi dan asumsi yang ada, auditor menyimpulkan bahwa terdapat 5%
risiko dimana piutang dagang lebih saji sebesar lebih dari Rp 50.860.000 atau kurang saji lebih
dari Rp 27.526.000.
Perlu dicatat bahwa jika terdapat asumsi salah saji yang berubah, maka batas salah saji juga
berubah. Metode yang digunakan untuk menyesuaikan batas atas untuk jumlah yang saling-hapus
hanya salah satu dari beberapa metode yang digunakan. Metode yang diilustrasikan disini diambil
dari Leslie, teitlebaum, an Anderson.
Tabel 15-9 menunjukan tujuh langkah yang dilakukan dalam perhitungan penyesuaian batas salah
saji untuk pengambilan sampel mata uang jika terjadi saling hapus. Perhitungan batas salah saji
atas yang telah disesuaikan terhadap empat lebih saji di Tabel 15-5 digunakan sebagai ilustrasi.

Menentukan Keberterimaan Populasi Menggunakan MUS


Setelah batas salah saji dihitung, auditor harus memutuskan apakah populasi dapat
diterima.Terdapat aturan pengambilan keputusan untuk tindakan tersebut. Aturan pengambilan
keputusanuntuk MUS adalah: lika baik batas salah saji bawah (Iower misstatement bounds / LMB)
maupun batas salah saji atas (upper misstatement bounds / UMB) terletak di antara jumlah kurang
sajidan lebih saji yang dapat diterima, maka dapat disimpulkan bahwa salah saji nilai buku
tidak material. lika tidak, maka salah saji tersebut material.
Aturan tersebut diilustrasikan dalam Figur 15-3. Auditor harus memutuskan bahwa LMB dan
UMB pada situasi 1 dan 2 letaknya di antara batas kurang saji dan lebih saji yang dapat diterima.
Untuk situasi 3,4, dan 5 baik LMB maupun UMB, atau keduanya, melebihi salah saji yang
diterima. Oleh karena itu, nilai buku populasi akan ditolak.
Diasumsikan bahwa auditor memiliki suatu set jumlah salah saji yang dapat diterima untuk piutang
dagang Rp 40.000.000 (lebih saji atau kurang saji). Seperti yang disampaikan sebelumnya, auditor
memilih 100 sampel, menemukan 5 salah saji, dan menghitung batas bawah sebesar Rp 27.526.000
dan batas atas Rp 50.860.000. Penerapan keputusan ini membuat auditor berkesimpulan bahwa
populasi tidak boleh diterima karena batas salah saji atas melebihi salah saji yang dapat diterima
sebesar Rp 40.000.000.

Tindakan yang Dilakukan Jika Populasi Ditolak


Jika salah satu atau kedua batas salah saji berada di luar batas salah saji yang dapat diterima
dan dianggap tidak bisa diterima, maka auditor menghadapi beberapa pilihan. Hal ini sama dengan
yang didiskusikan dalam pengambilan sampel nonstatistik.

Menentukan Sampel Menggunakan MUS


Metode yang digunakan untukmenentukan jumlah sampel MUS sama denganyang digunakan
dalam unit fisik pengambilan sampel atribut, yaitu menggunakan tabel pengambilan
sampelatribut.Terdapat lima hal yang diperlukan untuk menghitung jumlah sampel menggunakan
MUS.
· Materialitas
Penilaian awal tentang materialitas secara normal berbasis pada jumlah salah saji yang dapat
diterima yang digunakan. Jika salah saji dalam pengujian non-MUS diperkirakan terjadi, maka
salah saji yang dapat diterima merupakan materialitas dikurangi jumlah tersebut. Salah saji yang
dapat diterima bisa berbeda untuk kurang saji atau lebih saji.
· Asumsi Persentase Rata-Rata Salah Saji untuk Populasi yang Mengandung Salah Saji.
Sekali lagi, bisa terdapat perbedaan asumsi untuk batas atas dan batas bawah. Hal ini juga
merupakan penilaian auditor. Hal ini sebaiknya didasarkan pada pengetahuan auditor atasklien dan
pengalaman masa lalu, dan jika kurang dari 100% yang digunakan, maka asumsi harus kuat.
· Risiko yang Dapat Diterima atas Kesalahan Penerimaan. ARIA merupakan penilaiandari
auditor dan biasanya dicapai dengan bantuan model risiko audit.
· Nilai Populasi Tercatat
Nilai uang dari populasi diambil dari pencatatan klien.
· Estimasi Tingkat Pengecualian Populasi.
Secara normal, estimasi tingkat pengecualian populasi untuk MUS adalah nol, karena MUS
kebanyakan digunakan saat tidak terjadi salah saji, atau hanya sedikit yang diperkirakan terjadi.
Ketika salah saji diperkirakan terjadi, total uang dari ekspektasi salah saji populasi diestimasi dan
dicerminkan dalam presentase jumlah populasi tercatat. Dalam contoh ini, diperkirakan terdapat
salah saji sebesar Rp 20.000.000. Jumlah ini ekuivalen dengan 4% tingkat pengecualian. Agar
konservatif, digunakan ekspektasi tingkat pengecualian sebesar 5%.
Oleh karena hanya satu sampel yang diambil untuk lebih saji dan salah saji, maka yang lebih besar
dari kedua jumlah sampel yang dihitung akan digunakan, dalam hal ini adalah 149. Dalam
mengaudit sampel, jika auditor menemukan adanya salah saji, maka batas bawah akan melebihi
batas batas yang dapat diterima karena jumlah sampel tersebut didasarkan pada tidak adanya
ekspektasi salah saji. Sebaliknya, sejumlah lebih saji bisa saja ditemukan sebelum batas atas yang
dapat diterima dilampaui. Saat menghadapi temuan salah saji yang tidak diekspektasikan yang
dapat mengakibatkan populasi ditolak, auditor dapat berjaga-berjaga dengan menambah jumlah
sampel diatas jumlah yang ditemukan dalam tabel. Dalam ilustrasi ini, auditor dapat menggunakan
jumlah sampel 200 bukan 149.
· Hubungan antara Model Risiko Audit dengan Ukuran Sampel MUS
Model risiko audit untuk perencanaan sebelumnya telah diperkenalkan pada bab sebelumnya dan
dibahas pada bab berikutnya sebagai berikut.
MUS digunakan dalam melakukan pengujian atas perincian saldo. Oleh karenanya, auditor perlu
memahami hubungan antara ketiga faktor independen dalam model risiko audit, prosedur analitis,
dan pengujian substantif dengan jumlah sampel untuk pengujian atas perincian saldo.
Tabel 15-2 menunjukkan bahwa empat dari kelima faktor (risiko pengendalian, pengujian
substantif atas transaksi, risiko audit yang dapat diterima, dan prosedur analitis substantif)
memengaruhi ARIA. ARIA ini lah yang kemudian menentukan jumlah sampel yang direncanakan.
Faktor lainnya, yaitu risiko yang tidak terhindarkan, memengaruhi tingkat pengecualian estimasi
populasi secara langsung.

Audit Dengan Menggunakan Sampling Unit Moneter


Sampling unit moneter (MUS) memilki sedikitnya empat fitur yang menarik bagi auditor:
1. MUS secara otomatis akan meningkatkan kemungkinan memilih item dolar yang tinggi dari
populasi yang sedang diaudit. Auditor akan mengkonsentrasikan perhatiannya pada item tersebut
karena umumnya item itu menyajikan salah saji yang material yang paling besar. Sampling
berstratifikasi juga dapat digunakan untuk tujuan ini, tetapi umumnya MUS jauh lebih mudah
diterapkan,
2. MUS dapat mengurangi biaya pelaksanaan pengujian audit karena beberapa item sampel
akan diuji sekaligus. Sebagai contoh, jika satu item yang besar mambentuk 10 persen dari total
nilai dolar populasi yang tercatat dan ukuran sampel adalah 100, metode pemilihan sampel PPS
mungkin akan menghasilkan sekitar 10 persen item sampel dari satu item populasi yang besar
tersebut. Pada dasarnya item tersebut hanya perlu diaudit satu kali saja, tetapi dihitung sebagai
sampel sebanyak 10. Jika item tersebut mengandung salah saji, item itu juga dihitung sebagai 10
salah saji. Item populasi yang lebih besar dapat dieliminasi dari populasi yang dijadikan sampel
dengan mengauditnya 100 persen dan mengevaluasinya secara terpisah, jika auditor memang
menginginkannya,
3. MUS sudah diterapkan. Sampel unit moneter dapat dievaluasi dengan menerapkan tabel yang
sederhana. Jadi jauh lebih mudah mengajarkan dan mengawasi penggunaan teknik MUS.
Perusahaan yang memanfaatkan MUS secara ekstensif akan menggunakan program komputer atau
tabel khusus yang mempermudah penetuan ukuran sampel dan proses evaluasi yang ditunjukkan
lebih lanjut dalam bab ini.
4. MUS menghasilkan kesimpulan statistik dan bukan kesimpulan nonstatistik. Banyak auditor
yakin bahwa sampling statistik akan membantunya dlam membuat kesimpulan yang lebih baik
dan lebih dapat dipertanggungjawabkan.

Terdapat beberapa kelemahan utama MUS


1. Total batas salah saji yang dihasilkan ketika salah saji ditemukan mungkin terlalu tinggi
untuk digunakan auditor. Hal ini disebabkan karena metode evaluasi tersebut secara inheren
bersifat konservatif ketika salah saji ditemukan dan sering kali menghasilkan batas yang jauh
melampaui materialitas. Untuk mengatasi masalah ini, mungkin diperlukan sampel yang besar.
2. Sulit memilih sampel PPS dari populasi yang besar tanpa bantuan komputer.
3. Pemilihan saldo nol atau negatif umumnya membutuhkan pertimbangan desain khusus.
4. Pendekatan umum terhadap MUS mengasumsikan bahwa jumlah yang diaudit dari unsur
sampel tidak keliru sebesar lebih dari 100 %. Jika auditor mendeteksi unsur yang keliru sebesar
lebih dari 100% penyesuaian khusus diperlukan ketika menghitung hasil sampel.
5. Ketika lebih dari satu atau dua salah saji dideteksi dengan menggunakan MUS, perhitungan
hasil sampel sebagaimana terlihat di buku teks bisa melebihsajikan cadangan untuk risiko
sampling.