AUDITING II
MODUL 3
POKOK BAHASAN
PENDAHULUAN
PENYAJIAN
Tujuan Instruksional Khusus : Mahasiswa diharapkan dapat memahami dan menjelaskan arti
dari Sampling Audit untuk Pengujian atas Rincian Saldo
Petunjuk Pengunaan Modul : Baca dan pahami terlebih dahulu uraian materi mengenai pokok
bahasan ini sebelum dimulai perkuliahan /pemberiaan materi,
lalu diskusikan pada forum yang tersedia dan terakhir
kerjakanlah quis untuk mereview hasil pembelajaran.
Pertemuan 3
Sampling Audit untuk Pengujian Atas Rincian Saldo
Dalam pengujian atas transaksi, perhatian utama diberikan terhadap pengujian efektivitas
pengendalian intern dengan menggunakan pengujian atas pengendalian. Dalam pengujian terinci
atas saldo perhatian utama adalah baik mengenai efektifitas pengendalian dan ketepatan moneter
dalam sistem akuntansi.
Sifat dari Permasalahan untuk Pengujian Terinci atas Saldo
Tujuan auditor mengambil sample: untuk menentukan apakah saldo akun yang diaudit disajikan
secara wajar. Tiga keputusan utama yang harus dibuat oleh auditor dalam proses sampling:
1. Menentukan ukuran sample.
Dengan menggunakan model risiko audit (risiko deteksi = risiko audit/risiko bawaan x risiko
pengendalian), masing-masing faktor dalam model ditambah materialitas, akan
mempengaruhi ukuran sample yang memadai.
2. Seleksi unsur-unsur populasi.
Sampling terstratifikasi merupakan suatu metode sampling dimana seluruh unsur dalam
populasi dibagi menjadi dua atau lebih subpopulasi, sampling dilakukan untuk masing-
Modul 3 3
AUDITING II
A. Perbandingan sampling audit untuk pengujian atas rincian saldo dan untuk pengujian
pengendalian serta pengujian substantive atas transaksi
Risiko sampling maupun nonsampling merupakan hal yang penting bagi pengujian
pengendalian, pengujian subtantif atas transaksi dan pengujian atas rincian saldo. untuk
mengatasi risiko sampling auditor dapat menggunakan metode nonstatistik atau statistik atas
ketiga jenis pengujian tersebut.
Perbedaan utama antara pengujian pengendalian, pengujian substantif atas transaksi, dan
pengujian atas rincian saldo terletak pada apa yang ingin diukur oleh auditor.
Jenis Pengujian Bagian yang diukur
Pengujian Pengendalian Efektivitas pengoperasian pengendalian internal
Pengujian Substantif atas transaksi - Efektivitas pengendalian intenal
- Kebenaran nilai moneter pada transaksi dalam
sistem akuntansi.
Pengujian Perincian Saldo Apakah Jumlah uang dalam saldo akun mengandung
salah saji yang material.
Hubungan antara Faktor-faktor yang memegaruhi ARIA, Dampak terhadap ARIA, dan Jumlah
Sampel yg dibutuhkan dalam Pengambilan Sampel Audit.
Rumus untuk menghitung ukuran sampling pada pengujian atas rincian saldo
nonststistik berdasarkan rumus sampling audit AICPA
- 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 mengkonfirmasi 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
Modul 3 8
AUDITING II
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
Modul 3 9
AUDITING II
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:
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:
CIx = X ± Z.SE
Di mana,
CIx = interval keyakinan dari rata-rata populasi
Z.SE = interval ketepatan
X = titik estimasi dari rata-rata populasi
Contoh:
CIx = Rp.46.000 ± 1(Rp.9.000) =Rp.46.000 ± Rp.9.000,- pada 68,2% tingkat keyakinan
CIx = Rp.46.000 ± 2(Rp.9.000) =Rp.46.000 ± Rp.18.000,- pada 95,4% tingkat keyakinan
CIx = Rp.46.000 ± 3(Rp.9.000) =Rp.46.000 ± Rp.27.000,- pada 99,7% tingkat keyakinan
_
Untuk menghitung batas keyakinan bawah (LCLx) adalah X – Z.SE (Rp.46.000 – Rp.18.000
= Rp.28.000,- pada tingkat keyakinan 95%).
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-rat 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.
Modul 3 12
AUDITING II
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.
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 Salah saji material Salah saji tidak material
Kesimpulan bahwa populasi Keputusan yg benar-tanpa Keputusan yg salah-risiko
Salah saji secara material risiko ARIR
Kesimpulan bahwa populasi Keputusan yang salah-risiko Keputusan yang benar-
tidak salah saji secara ARIA tanpa risiko
material
2. Mengestimasi salah saji dalam populasi, estimasi ini memiliki dua bagian yaitu:
a. Estimasi titik yang diharapkan
Auditor memerlukan estimasi di muka atas titik estimasi populasi bagi estimasi
perbedaan, seperti ketika mereka memerlukan tingkat estimasi pengecualian populasi
untuk sampling atribut.
b. Melakukan etimasi deviasi standar populasi di muka-variabilitas populasi.
Untuk menentukan sampel awal auditor memerlukan esti,asi di muka atas variasi
salah saji dalam populasi seperti yang diukur oleh deviasi standar populasi.
Mengevaluasi Hasil
Menggeneralisasi dari sampel ke Populasi
Auditor memilih sampel, melaksanakan pengujian dan mengidentifikasi salah saji sampel.
1. Menghitung titik estimasi total salah saji
Titik estimasi adalah ekstrapolasi langsung dari salah saji dalam sampel ke salah saji dalam
populasi.
2. Menghitung estimasi deviasistandar populasi
Deviasi standar populasi adalah ukuran statistik dari variabilitas nilai setiap item dalam
populasi.Jika ada jumlah besar variasi dalam nilai item populasi, deviasi standar akan lebih
besar dibandingkan jika variasinya kecil.
ISA 330.14
berkaitan dengan kewajiban auditor dalam menentukan apakah bukti yang diperoleh masih
relevan sampai sekarang dan apakah ada perubahan yang signifikan dalam pengendalian
pada periode sesudah audit yang lalu.
ISA 530.5
menjelaskan tentang makna dari istilah-istilah terkait dengan sampling antara lain: Audit
sampling, population, sampling risk, non sampling risk, anomaly, sampling unit, stastistical
sampling dan stratification.
Penggunaan Sampling
Berikut beberapa alinea dari ISA 530 yang relevan dengan pembahasan mengenai penggunaan
prosedur sampling:
ISA 530.6
Auditor wajib mempertimbangkan prosedur audit & karakteristik populasi dari sampel yang
diambil.
ISA 530.7
Auditor wajib menentukan banyaknya sampel (sample size) yang cukup untuk mengurangi
risiko sampling ke tingkat rendah yang dapat diterima.
ISA 530.8
Auditor wajib memilih items untuk sampel sedemikian rupa sehingga setiap sampling unit
dalam populasi mempunyai peluang untuk dipilih.
ISA 530.9
Auditor wajib melaksanakan prosedur audit yang tepat untuk tujuan dimaksud atas setiap
item yang dipilih.
ISA 530.10
Jika prosedur audit tidak berlaku untuk item yang dipilih, auditor wajib melaksanakan
prosedur tersebut pada item lain yang menjadi pengganti (replacement item)
ISA 530.11
Modul 3 16
AUDITING II
Jika auditor tidak dapat menerapkan prosedur audit yang dirancangnya, atau tidak dapat
menerapkan alternatif yang cocok pada item yang dipilih, auditor wajib memperlakukan item
tersebut sebagai penyimpangan atas pengendalian yang berlaku atau sebagai salah saji
ISA 530.12
Auditor wajib mengidentifikasi sifat dan penyebab dari setiap penyimpangan atau salah saji
yang diidentifikasi dan mengevaluasi dampaknya terhadap tujuan dari prosedur audit itu.
ISA 530.13
Ketika menemukan penyimpangan dalam sampel sebagai suatu anomali, auditor wajib
memperoleh tingkat kepastian yang tinggi bahwa salah saji atau penyimpangan tersebut tidak
mewakili populasinya.
ISA 530.14
Untuk uji rincian, auditor wajib memproyeksikan salah saji yang ditemukan dalam sampel
kepada (seluruh) populasi.
ISA 530.15
Auditor wajib mengevaluasi:
a. Hasil dari sampel.
b. Apakah penggunaan audit sampling memberikan dasar yang layak untuk menyimpulkan
mengenai (seluruh) populasi yang diuji.
REFERENSI:
Audit Kontemporer. Theodorus M. Tuanakota-Jakarta, Salemba Empat, 2015. (Kode A)
Randal J. Elder., Mark S. Beasley., Arens Alvin A., 2014. Auditing and Assurance
Service: An Integrated Approach. 15th. Edition. Pearson International Edition, Pearson
Education, Inc., Upper Saddle River, New Jersey, Prentice Hall. IAPI, 2014. (kode B)
IAPI, 2014. Standar Profesi Akuntan Publik (SPAP).
Modul 3 17
AUDITING II