RINGKASAN MATERI KULIAH

PENGAUDITAN II
“PENGAMBILAN SAMPEL AUDIT UNTUK PENGUJIAN PERINCIAN SALDO”

Oleh :

Ni Kadek Dwi Vidyamaharani (1607532035/01)

JURUSAN AKUNTANSI
PROGRAM REGULER DENPASAR
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS UDAYANA
2019
Perbedaan utama dari pengujian pengendalian, pengujian substantif atas transaksi dan
pengujian perincian saldo terletak pada bagian mana yang diukur oleh auditor.

Jenis Pengujian Bagian yang Diukur

Pengujian Pengendalian
Pengujian Substantif atas
Transaksi
Pengujian Perincian Saldo
Efektivitas pengoperasian pengendalian internal
 Efektivitas pengendalian
 Ketepatan nilai moneter pada transaksi dalam
sistem akuntansi
Jumlah uang dalam saldo akun yang mengalami
salah saji secara material

Auditor melakukan pengujian pengendalian dan pengujian substantif atas transaksi:

 Untuk menentukan rendahnya tingkat pengecualian dari populasi.
 Untuk mengurangi risiko pengendalian sehingga mengurangi pengujian perincian
saldo.
 Bagi perusahaan publik, untuk menyimpulkan bahwa pengendalian berlangsung
secara efektif terhadap audit pengendalian internal pelaporan keuangan.

Terdapat 3 (tiga) jenis metode utama dalam pengambilan sampel yang digunakan untuk
menghitung salah saji nilai rupiah dalam saldo akun:
1. Pengambilan Sampel Nonstatistik
Persamaan dan perbedaan antara pengambilan sampel audit untuk pengujian
perincian saldo dengan pengambilan sampel audit untuk pengujian pengendalian dan
pengujian substantif atas transaksi.
Langkah-Pengambilan Sampel Audit Langkah-Pengambilan Sampel Audit
untuk Pengujian Perincian Atas Saldo untuk Pengujian Pengendalian dan
Pengujian Substantif atas Transaksi:
Merencanakan sampel Merencanakan sampel
1. Menetapkan tujuan dari 1. Menetapkan tujuan dari pengujian
pengujian audit audit.
2. Menentukan adanya 2. Menentukan adanya pengambilan
pengambilan sampel sampel.
3. Menetapkan salah saji 3. Menetapkan kekhasan dan kondisi
pengecualian.
4. Menetapkan populasi 4. Menetapkan populasi.
5. Menetapkan unit pengambilan 5. Menetapkan unit pengambilan
sampel sampel.
6. Menetapkan salah saji yang 6. Menetapkan tingkat pengecualian
dapat diterima. yang dapat diterima.
7. Menetapkan risiko yang dapat 7. Menetapkan risiko yang diterima
diterima atas kesalahan. jika risiko pengendalian terlalu
rendah.
8. Mengestimasi salah saji dalam 8. Mengestimasikan tingkat
populasi. pengecualian populasi.
9. Menentukan jumlah sampel 9. Menetukan jumlah sampel awal.
 awal.
Memilih sampel dan melakukan Memilih sampel dan melakukan
Prosedur audit Prosedur audit
10. Memilih sampel 10. Memilih sampel
11. melakukan prosedur audit 11. melakukan prosedur audit
Mengevaluasi hasil Mengevaluasi hasil
12. Membuat generalisasi dari 12. Membuat generalisasi dari sampel ke
sampel ke populasi populasi.
13. Menganalisis salah saji 13. menganalisis tingkat pengecualian
14. Menentukan keberterimaan 14. Menentukan keberterimaan popuasi.
populasi

Dampak ARACR dan ARIA terhadap Pengujian Substantif

ARACR (acceptable risk of accessing control risk too low/).

Pengendalian Diyakini Tidak Efektif Pengendalian Diyakini Efektif

Risiko pengendalian = Mengurangi risiko

100% pengendalian

ARACR = 100% Mengurangi

ARACR

Tidak melakukan Melakukan

pengujian pengujian
pengendalian pengendalian

Menggunakan tingkat Menggunakan

ARIA rendah ARIA tinggi

Melakukan pengujian Melakukan

substatif yg luas pengujian substatif
yg cukup

Hubungan Antara Faktor-faktor yang Mempengaruhi ARIA, Dampak Terhadap

ARIA, dan Jumlah Sampel yang Dibutuhkan dalam Pengambilan Sampel Audit
 Dampak
Faktor yang Jumlah
Contoh Terhadap
Mempengaruhi ARIA sampel
ARIA
Efektivitas Pengendalian Pengendalian internal efektif
Internal (mengurangi Bertambah Berkurang
(risiko pengendalian) Risiko pengendalian)
Tak ada pengecualian yg
Pengujian substantif atas ditemukan
Bertambah Berkurang
transaksi Dlm pengujian substantive
atas transaksi
Kemungkinan terjadi
Risiko audit yg dapat kebangkrutan rendah
Bertambah Berkurang
diterima (risiko audit yg dpt diterima
meningkat)
Prosedur analitis dilakukan
Prosedur analitis tanpa adanya Bertambah Berkurang
Indikasi salah saji

Faktor yang Mempengaruhi Jumlah Sampel untuk Pengujian Perincian Saldo

Faktor Sampel kecil Sampel Besar

Risiko pengendalian Rendah Tinggi
Hasil dr prosedur substantif lain terkait dg asersi yg Memuaskan Tidak
Sama – memegaruhi risiko yg dapat diterima atas Memuaskan
kesalahan penerimaan
Risiko audit yg dapat diterima Tinggi Rendah
Salah saji yg dapat diterima untuk akun tertentu Besar Kecil
Risiko bawaan Rendah Tinggi
Ekspektasi jmh & frekuensi salah saji Kecil Tinggi
Jumlah uang dalam populasi Sedikit Besar
Jumlah sampel dalam populasi Hampir tdk ada Hampir tdk ada
dampak thd jmh sampak thd jmh
sampel kecuali sampel kecuali
populasinya populasinya
sangat kecil sangat kecil.

Rumus untuk menghitung pengujian Nonstatistik atas Perincian Jumlah Sampel

Saldo berdasarkan Audit Sampling Formula AICPA

Jumlah Populasi Tercatat x Faktor Assurance = Jumlah Sampel

Salah Saji Yang Dapat Diterima

Risiko Bawaan Dan Risiko Risiko Jika Prosedur Substantif Tidak Mampu
Pengendalian Mendeteksi Salah Saji Material
 Sedikit dibawah
Maks Maks Sedang Rendah
Maksimum 3 2,7 2,3 2
Sedang Di Bawah Maksimum 2,7 2,4 2 1,6
Sedang 2,3 2,1 1,6 1,2
Rendah 2 1,6 1,2 1

2. Pengambilan Sampel Unit Moneter

Pengambilan sampel unit moneter (Monetery Unit Sampling/MUS) adalah metode
pengambilan sampel statistik yang paling umum untuk pengujian perincian saldo
karena prosesnya cukup sederhana namun hasilnya dapat dinyatakan dalam rupiah.
Perbedaan antara MUS dengan Pengambilan sampel Nonstatistik:
 Definisi dari unit pengambilan sampel sebagai nilai uang individu
Berfokus pada nilai uang individu sebagai unit sampel, MUS secara otomatis
menekankan pada unit fisik dengan saldo tercatat yang lebih besar. Contoh:
dalam konfirmasi piutang dagang, akun dengan saldo Rp.5.000.000,- memiliki
kemungkinan untuk dipilih 10 kali lebih besar dibandingkan yang saldonya
Rp.500.000,- karena terdiri atas 10 kali unit uang yang lebih besar. Hasilnya
pengambilan sampel bertingkat tidak diperlukan dalam MUS, karena proses
stratifikasinya terjadi secara otomatis.
 Setiap akun menggunakan penilaian awal materialitas dan bukan salah saji yang
diterima.
Aspek unik lainnya dari MUS adalah penilaian awal materialitas yang secara
langsung menentukan jumlah salah saji yang dapat diterima untuk proses audit
setiap akun. Contohnya: Diasumsikan auditor memutuskan bahwa penilaian
materialitas seharusnya sebesar Rp.60.000.000,- untuk seluruh laporan keuangan.
Materialitas sejumlah Rp.60.000.000,- akan digunakan sebagai salah saji yang
dapat diterima dalam seluruh penerapan MUS, yaitu persediaan, piutang dagang
dan lain-lain.
 Pemilihan sampel dilakukan menggunakan PPS (Probability Proportional
to size)
Sampel unit moneter dipilih dengan menggunakan Proporsi probability jumlah
sampel PPS sample selection. Sampel PPS bisa didapatkan menggunakan
peranti
Lunak komputer, tabel angka acak, atau teknik pengambilan sampel yang
sistematis.
 Generalisasi dari sampel ke populasi ketika salah saji tidak ditemukan
dengan menggunakan MUS
Asumsikan bahwa auditor mengonfirmasikan suatu populasi piutang dagang
atas kebenaran nilai moneter. Total populasi adalah Rp.1.200.000.000,- dan
sampelnya menggunakan 100 konfirmasi. Selama audit, seluruh salah saji
ditemukan dalam sampel. Auditor ingin menentukan jumlah maksimal salah
saji atau kurang saji yang dapat muncul dalam populasi meskipun salah saji
tidak ditemukan dalam sampel. Hal ini disebut batas salah saji atas dan batas
salah saji bawah. Diasumsikan ARIA adalah 5%. CUER sebesar 3%
 menunjukkan batas atas dan batas bawah , disajikan dalam persen. Oleh
karena tingkat salah saji dalam sampel adalah 0%, maka 3%
mempresentasikan estimasi kesalahan pengambilan sampel.

Berdasarkan hasil sampel dari batas salah saji dalam tabel, auditor dapat
menyimpulkan dengan risiko pengambilan sampel 5%, bahwa sebanyak 3%
dari unit moneter dalam populasi tidak mengalami salah saji. Untuk
mengonversikan persentase ini dalam rupiah, auditor harus membuat asumsi
dengan persentase rata-rata salah saji dalam populasi tersebut. Asumsi ini
secara signifikan memegaruhi batas-batas salah saji. Berikut ini contoh asumsi
yang dibuat untuk mengilustrasikan hal tersebut:

Asumsi 1 : jumlah lebih saji adalah 100%, jumlah salah saji adalah 100% batas
salah saji pada aria 5% adalah:
Batas salah saji atas = Rp 1.200.000.000 X 3% X100% = Rp.36.000.000,-
Batas salah saji bawah =Rp.1.200.000.000 X 3% X 100% = Rp.36.000.000,-

Diasumsikan 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,- 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 salah saji sebenarnya:
 Seluruh jumlah salah 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 13,71% salah saji (262.000-226.000 = 36.000
lebih saji; 36.000/262.000 = 13,7%).
 Dalam perhitungan lebih saji dan salah saji sebesar Rp.36.000.000,- diatas,
auditor tidak menghitung titik estimasi dan kesalahan dalam pengambilan
sampel. Hal ini disebabkan karena tabel menggunakan keduanya, baik titik
estimasi maupun jumlah presisi untuk memperoleh tingkat pengecualian batas
atas. Meskipun titik estimasi dan jumlah presisi tidak dihitung dalam MUS,
keduanya masuk dalam perhitungan batas-batas salah saji secara implisit dan
dapat ditentukan pula dari tabel. Pada Ilustrasi ini, titik estimasi adalah nol
dan jumlah presisi statistik adalah Rp.36.000.000,-.

Asumsi 2: Jumlah lebih saji adalah 10%, jumlah kurang saji adalah 10% batas atas
salah saji pada ARIA 5% yaitu:

Batas atas salah saji = Rp.1.200.000 X 3% X 10% = Rp.3.600.000,-

Batas bawah salah saji = Rp.1.200.000 X 3% X 10% = Rp.3.600.000,-
 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 asamsi salah saji
dari 100% menjadi 10% secara signifikan mempengaruhi batas salah saji.
Dampaknya secara langsung pada nilai perubahan.
Terdapat 2 (dua) kekurangan MUS yaitu:
1. Total batas salah saji yang dihasilkan saat ditemukan salah saji mungkin
terlalu tinggi sehingga tidak dapat digunakan auditor. Hal ini karena
metode evaluasi dengan sendirinya bersifat konservatif ketika salah saji
ditemukan dan kadang-kadang menghasilkan batas jauh melebihi
materialitas.
2. Sulit dalam memilih sampel PPS (Probability Proportional to size) dari
populasi besar tanpa bantuan komputer.
3. Pengambilan Sampel Variabel
Beberapa teknik pengambilan sampel terdiri dari klasifikasi metode umum yang
disebut pengambilan sampel variabel: estimasi perbedaan, estimasi risiko, dan
estimasi rata-rat per unit.
Perbedaan antara Pengambilan sampel Variabel dengan Non statistik
 Distribusi Pengambilan Sampel
Diasumsikan bahwa auditor sebagai eksperimen mengambil ribuan sampel rata-
rata yang berulang dengan jumlah yang sama dari suatu populasi data akuntansi,
dengan nilai rata-rata
_
X = ∑ Xj
n
Dimana,
X = nilai rata-rata dalam sampel
Xj = nilai masing-masing sampel
n = jumlah sampel
sebagai ilustrasi, asumsikan terdapat populasi dengan rata-rata Rp.40.000,- dan
standar deviasi Rp.15.000,- ( x = Rp.40.000,- dan SD = Rp.15.000,-) yang kita
pilih untuk mengambil 100 sampel acak untuk setiap bagian. Standar deviasi dari
dari distribusi pengambilan sampel ini adalah Rp.1.500,- (SD/√n = 15.000/ √100
= 1.500). Patokan untuk “SD” dari populasi dan “SD” dari distribusi pengambilan
sampel kadang-kadang membingungkan. Untuk menghindari kebinggungan
ingatlah bahwa standar deviasi dari distribusi rata-rata sampel sering kali disebut
the standard error of the mean”(SE).
 Inferensi Statistik
Inferensi statistik adalah auditor yang dengan pengetahuan mengenai distribusi
pengambilan sampel dapat menarik kesimpulan.
Contoh:
Diasumsikan bahwa auditor mengambil sampel dari populasi dan menghitung
Rp.46.000,- dan SE sebesar Rp.9.000,- . Kita sekarang dapat menghitung interval
keyakinan dari rata-rata populasi menggunakan logika yang diperoleh
pemahaman distribusi pengambilan sampel. Perhitungan sebagai berikut:
Ciz = X ± Z.SE
 Di mana,
Ciz = interval keyakinan dari rata-rata populasi
Z.SE = interval ketepatan
X = titik estimasi dari rata-rata populasi

1 = 68,2% tingkat keyakinan

Z = koefisien keyakinan 2 = 85,4% tingkat keyakinan
3 = 99,7% tingkat keyakinan
Metode Variabel
1. Estimasi Perbedaan
Auditor menggunakan estimasi perbedaan untuk mengukur total jumlah salah
saji dalam populasi ketika nilai tercatat dan nilai yang diaudit muncul disetiap
bagian dalam sampel. Sebagai contoh auditor dapat mengorfimasikan sampel
atas piutang dagang dan menentukan perbedaan (salah saji) antara jumlah
yang dicatat klien dengan jumlah ang dianggap benar oleh auditor untuk
setiap akun yang dipilih.
2. Estimasi Risiko
Estimasi risiko sama dengan estimasi perbedaan, kecuali auditor menghitung
rasio antara salah saji dan nilai yang mereka catat lalu memproyeksikannya ke
populasi untuk mengestimasikan total salah saji populasi.
3. Estimasi Rata-rata Per unit
Dalam estimasi rata-rata per unit, auditor berfokus pada nilai yang diaudit
dibandingkan jumlah salah saji untuk setiap sampel. Titik estimasi dalam nilai
yang diaudit sama dengan rata-rata nilai yang diaudit dalam sampel dikalikan
jumlah populasi.
Contoh Diasumsikan auditor mengambil 100 sampel dari daftar persediaan
yang terdiri atas 3.000 bagian dan nilai tercatat Rp.265.000.000,-. Jika nilai
rata-rata dari sampel adalah Rp.85.000,- maka estimasi nilai persediaan adalah
Rp.255.000.000,- (Rp.85.000,- X Rp.3000,-). Jika nilai tercatat Rp
265.000.000,- berada diantara batas keyakinan, maka auditor akan menerima
saldo populasi. Estimasi rata-rata per unit jarang digunakan dalam praktik
karena jumlah sampel biasanya lebih besar dibandingkan kedua metode
sebelumnya.

Risiko Pengambilan Sampel

ARIA (Acceptable risk of incorrect acceptance/Risiko yang dapat diterima atas
kesalahan penerimaan) adalah risiko statistik yang diterima auditor bahwa populasi
secara material telah salah saji. ARIA merupakan hal serius bagi auditor karena memiliki
dampak hukum atas pengambilan keputusan terhadap kewajaran penyajian suatu akun
ketika akun tersebut salah saji secara material.

Tingkat Keyakinan ARIA ARIR Koefisien

(%) (%) (%) Keyakinan
99 0,5 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 0,84
50 25 50 0,67
40 30 60 0,52
30 35 70 0,39
20 40 80 0,25
10 45 90 0,13
0 50 100 0
Tabel Koefisien Keyakinan untuk tingkat keyakinan,ARIA,ARIR

Saldo akun dapat lebih saji atau kurang saji. ARIA merupakan pengujian statistik satu
ekor. Koefisien keyakinan untuk ARIA berbeda dengan tingkat keyakinan. (tingkat
keyakinan = 1–2 X ARIA. Jadi, jika ARIA sama dengan 10% maka tingkat keyakinannya
adalah 80%).

ARIR adalah risiko statistik yang muncul akibat auditor menyimpulkan bahwa populasi
secara material telah salah saji, padahal tidak. ARIR memegaruhi tindakan auditor hanya
jika mereka menyimpulkan bahwa suatu populasi tidak disajikan secara wajar, mereka
biasanya akan menambah jumlah sampel atau melakukan pengujian lain.

Keputusan Audit Aktual
Kesimpulan bahwa populasi
Salah saji secara material
Kesimpulan bahwa populasi
tidak salah saji secara
material
Salah Saji Material
Keputusan yg benar-tanpa
risiko
Keputusan yang salah-risiko
ARIA
Salah Saji Tidak Material
Keputusan yg salah-risiko
ARIR
Keputusan yang benar-tanpa
risiko
 Daftar Pustaka

Jusup, Haryono. 2014. Auditing (Pengauditan Berbasis ISA), Edisi 2. Yogyakarta : STIE
YKPN.