EKA 446 C2
NAMA KELOMPOK :
1. SAMPLING NONSTATISTIK
Terdapat 14 langkah yang diperlukan dalam sampling audit untuk pengujian
atas rincian saldo.
1
6. Menetapkan salah saji yang dapat 6. Menetapkan tingkat pengecualian
ditoleransi yang dapat ditoleransi.
7. Menetapkan risiko yang dapat 7. Menetapkan risiko yang dapat
diterima atas diterima atas penerima penilian risiko pengendalian yang
yang salah terlalu rendah. (ARACR)
2
Karena sampling audit untuk pengujian atas rincian saldo mengukur salah
saji moneter, yaitu salah saji yang terjadi apabila item sampel disalahsajikan.
d. Mendefiniskan Populasi
Dalam pengujian atas rincian saldo, populasi definiskan sebagai item yang
membentuk populasi dolar yang tercatat.
Sampling Berstratifikasi
Bagi kebanyakan populasi, auditor memisahkan populasi ke dalam dua atau
lebih subpopulasi sebelum menerapkan sampling audit. Hal ini disebut sebagai
sampling berstratifikasi (stratified sampling), di mana setiap subpopulasi disebut
sebagai strata. Stratifikasi memungkinan auditor untuk menekankan item populasi
tertentu dan mengabaikan yang lain.
3
Ada hubungan terbalik antara ARIA dan ukuran sampel yang diperlukan.
Sebuah faktor penting yang mempengaruhi keputusan auditor mengenai ARIA
adalah penilaian risiko pengendalian dalam model risiko audit. Jika pengendalian
internal sudah efektif, resiko pengendalian dapat dikurangi sehingga
memungkinkan auditor untuk meningkatkan ARIA. Pada gilirannya, hal ini akan
mengurangi ukuran sampel yang diperlukan untuk pengujian atas rincian saldo
akun yang berkaitan.
4
Auditor harus menggeneralisasi dari sampel ke populasi dengan (1)
memproyeksikan salah saji dari hasil sampel ke populasi dan (2)
mempertimbangkan kesalahan sampling serta resiko sampling (ARIA). Karena itu,
auditor harus memproyesikan dari sampel ke populasi.
Langkah pertama adalah menghitung titik estimasi (point estimate). Titik
estimasi dapat dihitung dengan berbagai cara, tetapi pendekatan yang umum adalah
mengasumsikan bahwa salah saji populasi yang belum diaudit adalah proporsional
dengan salah saji sampel. Perhitungan tersebut harus dilakukan untuk setiap strata
dan kemudian dijumlahkan, bukan menggabungkan total salah saji dalam sampel.
Auditor, yang menngunakan sampling nonstatistik tidak dapat mengukur
secara formal kesalahan sampling sehingga harus mempertimbangkan secara
subjektif kemungkinan bahwa salah saji populasi yang sebenarnya melampaui
jumlah yang dapat ditoleransi. Auditor melakukan hal ini dengan
mempertimbangkan :
1. Perbedaan antara titik estimasi dan salah saji yang dapat ditoleransi ( yang
disebut perhitungan kesalahan sampling)
2. Sejauh mana item dalam populasi telah diaudit 100 persen.
3. Apakah salah saji cenderung mengoffset atau hanya bersifat satu arah
4. Jumlah salah saji individual
5. Ukuran sampel
5
Jika auditor menyimpulkan bahwa salah saji dalam suatu populasi mungkin
lebih besar dari salah saji yang dapat ditolerensi setelah mempertimbangkan
kesalahan sampling, populasi tidak dianggap dapat diterima. Pada titik tersebut,
auditor memiliki beberapa tindakan yang dilakukan
Tidak Mengambil Tindakan Hingga Pengujian atas Bidang Audit Lainnya
Telah Selesai
Akhirnya, auditor harus mengevaluasi apakah laporan keuangan secara
keseluruhan mengandung salah saji yang material. Jika salah saji yang mengoffset
ditemukan pada bagian audit lainnya, seperti dalam persediaan, auditor dapat
menyimpulkan bahwa estimasi salah saji piutang usaha dapat diterima.
Melaksanakan Pengujian Audit yang Diperluas pada Bidang Tertentu
Jika analisis salah saji menunjukkan bahwa sebagian besar salah saji
merupakan Suatu jenis khusus, mungkin perlu membatasi upaya audt tambahan
pada bidang yang menjadi masalah. Ketika auditor menganalisis bidang masalah
dan memperbaikinya dengan menyesuaikan catatan klien, item sampel yang
menyebabkan terisolasinya bidang masalah kemudian dapat ditunjukkan sebagai
sudah “benar”. Sekarang titik estimasi dapat dihitung kembali tanpa melibatkan
salah saji yang telah “dikoreksi”. ( Hal ini hanya berlaku jika kesalahan dapat
diisolasi pada suatu bidang tertentu. Pada umumnya kesalahan harus diproyeksikan
ke populasi yang dijadikan sampel, meskipun klien menyesuaikan kesalahan.)
Berdasarkan fakta baru tersebut, auditor juga akan mempertimbangkan kembali
kesalahan sampling dan akseptibilitas populasi.
6
Menyesuaikan Saldo Akun
Jika auditor menyimpulkan bahwa saldo akun mengandung salah saji yang
material, klien mungkin akan bersedia menyesuaikan nilai bukan berdasarkan hasil
sampel.
7
b. Definisi Unit Sampling adalah suatu Dolar Individual
MUS memiliki fitur yang penting seperti definisi unit sampling sebagai
suatu dolar individual dalam saldo akun. Dengan berfokus pada dolar individual
sebagai unit sampling, secara otomatis MUS akan menekankan unit fisik yang
memiliki saldo tercatat lebih besar. Karena sampel dipilih berdasarkan doalr
individual, akun dengan saldo yang besar memiliki kesempatan yang lebih besar
untuk dimasukkan ketimbang akun dengan saldo yang lebih kecil. Akibatnya
sampling berstratifikasi tidak diperlukan dalam MUS. Stratifikasi itu akan terjadi
secara otomatis.
8
Aturan keputusan yang digunakan untuk MUS serupa dengan yang
digunakan untuk sampling nonstatistik, tetapi hal tersebut cukup berbeda dengan
pembahasan tentang keunggulannya.
9
i. Menggeneralisasi dari Sampel ke Populasi Jika Tidak Ada Salah Saji
yang Ditemukan dengan Menggunakan MUS
Anggaplah bahwa auditor mengkonfirmasi populasi piutang usaha untuk
melihat kebenaran moneternya. Total populasi adalah $1.200.000, dan sampel
sebanyak 100 konfirmasi telah diperoleh. Setelah melakukan audit, tidak ada salah
saji yang ditemukan dalam sampel. Auditor ingin menentukan jumlah lebih saji
maksimum dan jumlah kurang saji yang dapat saja terjadi dalam populasi meskipun
sampel tidak mengandung salah saji. Hal tersebut masing-masing disebut sebagai
batas salah saji atas dan batas salah saji bawah.
10
3. Auditor harus berhadapan dengan lapisan CUER dari tabel sampling atribut.
Auditor melakukan hal ini karena ada asumsi salah saji yang berbeda bagi setiap
salah saji. Lapisan tersebut dihitung dengan terlebih dahulu menentukan CUER
dari tabel untuk setiap salah saji dan kemudian menghitung setiap lapisan.
4. Asumsi salah saji harus dikaitkan dengan setiap lapisan. Metode yang paling
umum untuk mengaitkan asumsi salah saji dengan lapisan adalah mengaitkan
secara konservatif persentase salah saji dolar yang terbesar dengan lapisan yang
terbesar.
Sebagian besar pengguna MUS yakin bahwa pendekatan ini terlalu
konservatif jika ada jumlah yang mengoffset. Jika ditemukan jumlah kurang saji,
sangatlah logis dan masuk akal bahwa batas jumlah lebih saji harus lebih rendah
ketimbang tidak ada jumlah kurang saji yang ditemukan, dan sebaliknya.
Penyesuaian atas batas untuk mengoffset jumlah dilakukan sebagai berikut:
1. Titik estimasi salah saji dibuat untuk jumlah lebih saji dan kurang saji.
2. Setiap batas dikurangi sebesar titik estimasi sebaliknya
11
Metode yang digunakan untuk menentukan ukuran sampel bagi MUS serupa
dengan yang digunakan untuk sampling atribut unit fisik, yang menggunakan tabel
sampling atribut.
o. Materialitas
Pertimbangan pendahuluan tentang materialitas umumnya merupakan dasar
bagi jumlah salah saji yang dapat ditoleransi yang akan digunakan. Jika
diperkirakan terjadi salah saji dalam pengujian non-MUS, salah saji yang dapat
ditoleransi akan kurang materialitas dari jumlah tersebut. Salah saji yang dapat
ditoleransi berupa lebih saji atau kurang saji mungkin akan berbeda.
12
MUS akan digunakan dalam melaksanakan pengujian atas rincian saldo.
Auditor harus memahami hubungan ketiga faktor-faktor independen itu dalam
model risiko audit, ditambah prosedur analitis dan pengujian substantif atas
transaksi dengan ukuran sampel untuk pengujian atas rincian saldo.
Sampling unit moneter (MUS) memiliki sedikitnya empat fitur yang menarik
bagi auditor:
1. MUS secara otomatis akan meningkatkan kemungkinan memilih item dolar
yang tinggi dari populasi yang sedang diaudit.
2. MUS dapat mengurangi biaya pelaksanaan pengujian audit karena beberapa item
sampel akan diuji sekaligus.
3. MUS mudah diterapkan.
4. MUS menghasilkan kesimpulan statistik dan bukan kesimpulan nonstatistik.
Terdapat dua kelemahan utama MUS
1. Total batas salah saji yang dihasilkan ketika salah saji ditemukan mungkin
terlalu tinggi untuk digunakan oleh auditor.
2. Sulit untuk memilih sampel PPS dari populasi yang besar tanpa bantuan
komputer.
Karena semua alasan tersebut, auditor seringkali menggunakan MUS ketika
mengharapkan tidak ada atau sedikit salah saji, menginginkan hasil dolar, dan
mencatat data populasi pada file komputer.
3. SAMPLING VARIABEL
Sampling variable adalah metode statistic yang digunakan oleh auditor.
Sampling variable dan sampling nonstatistik untuk pengujian atas rincian saldo
memiliki tujuan yang sama, yaitu mengukur salah saji dalam suatu saldo akun. Jika
auditor menentukan bahwa jumlah salah saji melampaui jumlah yang dapat
ditoleransi, mereka akan menolak populasi dan melakukan tindakan tambahan.
13
b. Distribusi Sampling
Auditor tidak mengetahui nilai rata-rata (mean) salah saji dalam populasi,
distribusi jumlah salah saji, atau nilai yang diaudit. Karakteristik populasi tersebut
harus diestimasi dari sampel yang tentu saja, merupakan tujuan dari pengujian
audit. Untuk setiap sampel, auditor menghitung nilai rata-rata item dalam sampel
sebagai berikut:
c. Inferensi Statistik
Jika sampel diambil dari satu populasi dalam situasi audit actual, auditor tidak
mengetahui karakteristik populasi itu dan biasanya, hanya satu sampel yang akan
diambil dari populasi bersangkutan. Pengetahuan mengenai distribusi sampling
akan memungkinkan auditor untuk menarik kesimpulan statistic, atau inferensi
statistic ( statistical inferences ), mengenai populasi.
Auditor dapat menyatakan kesimpulan yang dibuatnya dari interval
keyakinan dengan menggunakan inferensi statistic dalam cara yang berbeda. Akan
tetapi, mereka harus berhati-hati untuk menghindari kesimpulan yang tidak benar,
mengingat nilai populasi yang sebenarnya selalu tidak diketahui. Akan tetapi,
auditor dapat mengatakan bahwa prosedur yang digunakan untuk memperoleh
sampel dan menghitung interval keyakinan akan menghasilkan interval yang berisi
nilai rata- rata populasi yang sebenarnya dalam persentase tertentu pada saat
tersebut. Singkatnya, auditor mengetahui reliabilitas proses inferensi statistic yang
digunakan untuk menarik kesimpulan. Menghitung interval keyakinan rata-rata
14
Auditor menggunakan proses inferensi statistic sebelumnya bagi semua
metode sampling variabel. Setiap metode dibedakan menurut apa yang sedang
diukur, ketiga metode variabel tersebut.
e. Estimasi Perbedaan
Auditor menggunakan estimasi perbedaan (difference estimation) untuk
mengukur estimasi jumlah salah saji total dalam populasi apabila ada nilai tercatat
maupun nilai yang diaudit bagi setiap item sampel, yang hampir selalu terjadi dalam
audit. Estimasi perbedaan sering kali menghasilkan ukuran sampel yang lebih kecil
jika dibandingkan dengan setiap metode lainnya, dan relative lebih mudah
digunakan. Karena alasan tersebut, estimasi perbedaan sering kali dianggap sebagai
metode variabel yang paling disukai
f. Estimasi Rasio
Estimasi rasio ( ratio estimation ) serupa dengan estimasi perbedaan kecuali
auditor menghitung rasio antara salah saji dan nilai tercatatnya serta
memproduksikan hal ini dengan populasi untuk mengestimasi total salah saji
populasi. Estimasi rasio dapat menghasilkan ukuran sampel yang jauh lebih kecil
ketimbang estimasi perbedaan jika ukuran salah saji populasi proporsional dengan
nilai tercatat item populasi. Jika ukuran setiap salah saji bersifat independen dengan
nilai tercatat, estimasi perbedaan akan menghasilkan ukuran sampel yang lebih
kecil. Sebagian besar auditor lebih menyukai estimasi perbedaan karena lebih
sederhana untuk menghitung interval keyakinan.
15
keyakinan atas dan bawah, mereka akan memutuskan akseptabilitas populasi
dengan membandingkan jumlah tersebut dengan nilai buku yang tercatat. Estimasi
rata-rata per unit jarang digunakan dalam praktik karena ukuran sampel umumnya
jauh lebih besar ketimbang untuk dua metode sebelumnya.
i. Risiko Sampling
Risiko yang dapat diterima atas penerimaan yang salah ( ARIA ) untuk
sampling nonstatistik. Untuk sampling variabel, auditor menggunakan ARIA serta
risiko yang dapat diterima atas penolakan yang salah ( acceptable risk of incorrect
rejection = ARIR ).
j. ARIA
ARIA adalah risiko statistic bahwa auditor telah menerima populasi yang,
dalam kenyataannya, mengandung salah saji yang material. ARIA mendapat
perhatian yang besar dari auditor karena memiliki implikasi hukum yang serius
dakam menyimpulkan bahwa saldo akun telah dinyatakan secara wajar padahal
sebenarnya mengandung salah saji dalam jumlah yang material.
Saldo akun dapat dinyatakan terlalu tinggi atau terlalu rendah, tetapi tidak
keduanya ; karena itu, ARIA merupakan pengujian statistic satu arah. Karena itu,
koefisien keyakinan untuk ARIA berbeda dengan tingkat keyakinan. Tingkat
keyakinan = 1 – 2 x ARIA.
16
k. ARIR
Risiko yang dapat diterima atas penolakan yang salah ( acceptable risk
of incorrect rejection = ARIR ) adalah risiko statistic bahwa auditor telah
menyimpulkan suatu populasi mengandung salah saji yang material padahal
sebenarnya tidak. ARIR hanya akan mempengaruhi tindakan auditor jika mereka
menyimpulkan bahwa populasi dinyatakan secara wajar. Jika auditor menemukan
suatu saldo tidak dinyatakan secara wajar, mereka umumnya akan meningkatkan
ukuran sampel atau melaksanakan pengujian lainnya. ARIR baru dianggap penting
jika diperlukan biaya yang tinggi untuk meningkatkan ukuran sampel atau
melaksanakan pengujian lainnya.
ARIA dan ARIR
Keadaan Aktual Populasi
Keputuan Audit Aktual Salah Saji secara Material Salah Saji yang Tidak Material
Menyimpulkan bahwa populasi Kesimpulan yang benar – Kesimpulan yang tidak benar –
mengandung salah saji yang tidak ada risiko risikonya adalah ARIA
material.
Menyimpulkan bahwa populasi Kesimpulan yang tidak Kesimpulan yang benar – tidak
tidak mengandung salah saji yang benar – risikonya adalah ada risiko
material. ARIA
17
Tujuan pengujian audit adalah untuk menentukan apakah piutang usaha
sebelum mempertimbangkan penyisihan piutang tak tertagih mengandung salah
saji yang material.
e. Mendefinisikan Populasi
Ukuran populasi ditentukan melalui perhitungan. Perhitungan yang akurat
jauh lebih penting dlam sampling variabel karena ukuran populasi mempengaruhi
secara langsung ukuran sampel batas presisi yang dihitung.
18
Risiko yang dapat diterima atas penolakan yang salah ( ARIR ),
ARIR dipengaruhi oleh biaya tambahan resampling
Mengevaluasi Hasil
Menggeneralisasi dari Sampel ke Populasi
19
Secara konseptual, estimasi nonstatistik dan estimasi perbedaan akan
melakukan hal yang sama – menggeneralisasi dari sampel ke populasi. Meskipun
kedua metode itu mengukur kemungkinan salah saji populasi berdasarkan hasil
sampel, estimasi perbedaan menggunakan pengukuran statistic untuk menghitung
batas keyakinan. Emapat langkah menggambarkan perhitungan batas keyakinan ;
1. Menghitung titik estimasi total salah saji. Titik estimasi adalah
ekstrapolasi langsung dari salah saji dalam sampel kesalah saji dalam
produksi.
2. Menghitung estimasi deviasi standar populasi. Deviasi standar populasi
adalah ukuran statistic dari variabilitas nilai setiap item dalam populasi.
Jika ada sejumlah besar variasi dalam nilai item populasi, deviasi standar
akan lebih besar dibandingkan jika variasinya kecil. Deviasi standar
memiliki pengaruh yang signifikan terhadap interval presisi yang dihitung
3. Menghitunng interval presisi. Interval presisi dihitung dengan
menggunakan rumus statistic. Hasilnya adalah berupa ukuran dolar dari
ketidakmampuan memprediksi salah saji populasi yang sebenarnya karena
pengujian didasarkan pada sampel, bukan pada populasi secara
keseluruhan. Pengaruh perubahan setiap factor meskipun factor-faktor
lainnya tetap konstan yaitu :
Jenis Perubahan Pengaruhnya terhadap Interval
Presisi yang Dihitung
Meningkatkan ARIA Menurun
Meningkatkan titik estimasi salah Meningkat
saji
Meningkatkan deviasi standar Meningkat
Meningkatkan ukuran sampel Menurun
4. Menghitung batas keyakinan. Auditor menghitung batas keyakinan, yang
mendefinisikan interval keyakinan, dengan mengombinasikan titik
estimasi dari total salah saji dan interval presisi yang dihitung pada tingkat
keyakinan yang diinginkan.
20
Auditor harus mengevaluasi salah saji untuk menentukan penyebab setiap
salah saji dan memutuskan apakah perlu memodifikasi model risiko audit.
21
Daftar Pustaka
22