PENGAUDITAN II
“ Sampling Audit ”
Oleh:
Kelompok 6
JURUSAN AKUNTANSI
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS UDAYANA
1. SAMPEL REPRESENTATIF
Suatu sampel representative adalah sampel yang memiliki karakteristik yang hampir sama
dengan karakteristik populasi. Hal ini berarti bahwa unsure sampel serupa dengan unsur yang
tidak dikutsertakan dalam sampel. Apabila auditor memilih suatu sampel yang terdiridari 100
duplikat faktur penjualan dan menemukan 3 duplikat faktur yang tidak dilampiri dokumen
pengiriman barang, maka sampel tersebut sangat representatif. Apabila dijumpai dua atau empat
unsur demikian dalam sampel, maka sampel dikatakan cukup representatif. Apabila tidak
dijumpai atau ditemukan banyak unsur demikian, maka sampel disebut tidak representatif.
Dalam praktik, auditor tidak pernah mengetahui apakah sampel representative atau tidak, bahkan
sampai setelah pengujian selesai dikerjakan.
• Risiko non-sampling adalah risiko bahwa suatu pengujian audit tidak dapat
mengungkapkan adanya penyimpangan dalam sampel. Dua penyebab risiko non-sampling
adalah: auditor gagal untuk mengetahui adanya penyimpangan dan tidak tepat atau tidak
efektifnya prosedur audit.
• Risiko sampling adalah risiko auditor mencapai suatu kesimpulan yang keliru karena
sampel tidak mencerminkan populasi. Risiko sampling adalah bagian inheren dari sampling yang
disebabkan karena penguji tidak dilakukan terhadap keseluruhan populasi. Auditor mempunyai
dua cara untuk mengontrol risiko sampling, yaitu:
1. Mengubah ukuran sampel
2. Mengunakan metoda yang tepat untuk memilih unsure sampel dari populasi.
Auditor sering kali bisa mengidentifikasikan unsure populasi mana yang paling mungkin berisi
kesalahan penyajian. Sebagaicontoh, piutang usaha yang lama sekali tidak tertagih, pembelian
dari dan penjualan kepada pejabat perusahaan dan perusahaan afiliasi, dan transaksi yang
luarbiasa besar atau sangat kompleks.
Dengan memilih satu atau lebih unsure yang memiliki karakteristik populasi yang
berbeda, auditor mungkin bisa merancang sampel yang representatif. Sebagai contoh, auditor
bisa memilih satu sampel pengeluaran kas yang menyangkut beberapa bulan, setiap rekening kas
di bank atau setiap lokasi, dan setiap jenis pengeluaran besar.
Auditor kadang-kadang dapat memilih suatusampel yang mencakup sebagian besar dari
total rupiah populasi dan dengan cara itu dapat mengurangi risiko menarik kesimpulan yang
tidak tepat karena tidak memeriksa unsur-unsur yang kecil. Dalam kebanyakan audit, cara ini
merupakan pendekatan yang praktis, terutama pada perusahaan kecil, dimana sejumlah kecil
unsure populasi membentuk bagian besar dari nilai total populasi. Beberapa metoda sampling
statistik juga dirancang untuk mencapai tujuan yang sama.
Dalam pemilihan sampel blok, auditor auditor memilih unsure pertama dalam suatu blok,
dan selanjutnya dipilih secara berurutan. Contohnya: Sampel blok akan merupakan 100 transaksi
penjualan berurutan dari jurnal penjualan untuk minggu ketiga bulan Maret. Auditor dapat
memilih total sampel sebesar 100 dengan mengambil 5 blok terdiri dari 20 unsur, 10 blok terdiri
dari 10 unsur, 50 blok terdiri dari 2 unsur, atau satu blok terdiri dari 100 unsur.
Penggunaan sampel blok biasanya dapat diterima hanya apabila jumlahblok yang
digunakan cukup banyak. Apabila hanya sedikit blok yang digunakan, probabilitas untuk
mendapatkan satu sampel yang tidak representative akan terlalu besar, terutama bila terjadi
pergantian pegawai, terjadi perubahan system akuntansi, dan adanya sifat musiman seperti yang
sering dijumpai dalam banyak bisnis. Dalam contoh yang lalu, sampling 10 blok terdiri dari 10
unsur minggu ketiga bulan Maret jauh kurang tepat dibandingkan dengan sampling yang dipilih
berupa 10 blok dari 10 unsur pada 10 bulan yang berbeda.
Sampel blok dapat juga digunakan sebagai suplemen terhadap sampel lain apabila
terdapat kemungkinan besar terjadi kesalahan penyajian pada suatu periode yang diketahui.
Contohnya auditor mungkin bisa memilih 100 penerimaan kas yang selurunya dari minggu
ketiga bulan Maret apabila pada periode waktu tersebut pegawai bagian akuntansi sedang cuti
dan pegawai pengganti sementara yang kurang pengalaman menangani transaksi penerimaan
kas.
Pemilihan sampel sembarang adalah pemilihan unsur-unsur tanpa suatu biasa yang
disadari auditor. Dalam hal seperti ini, auditor memilih unsure populasi tanpa
mempertimbangkan ukuran, sumber ataupun karakteristik pembeda lainnya. Kelemahan paling
serius pemilihan sampel sembarang adalah sulitnya memegang teguh untuk sepenuhnya tidak
bias dalam pemilihan. Unsur popullasi tertentu mempunyai kemungkinan untuk terpilih sebagai
sampel.
Meskipun pemilihan sampel sembarang dan sampel blok Nampak kurang logis
dibandingkan dengan pemilihan sampel langsung, namun keduanya sering berguna dalam situasi
dimana biaya dari metode pemilihan sampel yang lebih kompleks lebih besar dari pada manfaat
yang diperoleh dari pendekatan ini. Contohnya auditor bermaksud untuk menelusur
pengkreditan dari master file piutang kejurnal penerimaan kas dan sumber terotorisasi lainnya
untuk menguji ada tidaknya pengkreditan fiktif dalam master file. Dalam hal seperti itu, banyak
auditor menggunakan pendekatan sampel sembarang atau blok, karena lebih sederhana atau lebih
murah dari pada metode pemilihan sampel lainnya.
Dalam suatu sampel acak sederhana, setiap kombinasi unsure populasi mempunyai
kesempatan yang sama untuk dimasukan dalam sampel. Auditor menggunakan sampling acak
sederhana apabila tidak ada kebutuhan untuk menekankan pada satu atau lebih tipe unsure
populasi. Apabila auditor akan menggunakan sampel acak sederhana, dapat menggunkan metoda
tersebut apabila semua unsur dalam populasi mempunyai kesempatan yang sama dalam
pemilihan. Nomor-nomor acak adalah serangkaian angka yang memiliki probabilitas yang sama
untuk terjadi dalam jangka panjang dan tidak memiliki pola tertentu. Para auditor sering
menghasilkan nomor-nomor acak dengan menggunakan salah satu dari tiga teknik pemilihan
sampel berbantuan computer yaitu electronic spread sheets, random number generator
programs, mereka biasanya lebih senang untuk menggunakan komputer yang menghasilkan
nomor-nomor acak dibandingkan dengan menggunkan metode pemilihan probabilitas lainnya.
Nomor-nomor acak bisa diperoleh dengan atau tanpa penggantian. Dengan penggantian
berarti bahwa suatu elemen dalam populsi dapat diikut sertakan dalam sampel lebih dari satu
kali. Dalam pemilihan tanpa penggantian, suatu unsure hanya dapat diikut sertakan satu kali.
Meskipun kedua pendekatan tersebut sejalan dengan teori statistik, namun auditor jarang
menggunakan sampling dengan penggantian.
Dalam pemilihan sampel sistematis, auditor menghitung suatu interval dan kemudian
memilih unsur-unsur untuk sampel berdasarkan ukuran interval. Interval ditentukan dengan
membagi ukuran populasi dengan ukuran sampel yang dikehendaki. Keuntungan pemilihan
sistematika adalah mudah penggunaannya. Dalam kebanyakan populasi, sampel sistematik dapat
dengan cepat ditarik dan secara otomatis meletakan nomor-nomor secara berurutan sehingga
memudahkan untuk membuatdokumentasi.
Kelemahan pemilihan sampel sistematik ialah adanya kemungkinan terjadi bias. Sekali
unsure pertama dalam sampel terpilih, maka unsure lainnya dalam sampel akan terpilih secara
otomatis. Hal seperti ini tidak menjadi masalah apabila karakteristik interest, seperti misalnya
suatu kemungkinan penyimpangan pengendalian, terdistribusi secara acak di seluruh populasi,
yang kenyataannya tidak selalu demikian.
Dalam banyak situasi pengaudiitan, biasanya akan menguntungkan untuk memilih sampel yang
menekankan pada unsur-unsur populasi yang berjumlah besar. Ada dua cara untuk memperoleh
sampel seperti itu, yaitu :
Auditor menggunakan sampel dalam pengujian pengendalian dan pengujian sustantif transaksi
untuk menafsir persentase unsur-unsur dalam suatu populasi yang berisi suatu karakteristik atau
atribut. Persentase ini disebut tingkat keterjadian atau tingkat penyimpangan.
Auditor menaruh perhatian pada jenis-jenis penyimpangan dalam populasi data akuntansi
berikut :
1. Penyimpangan dari pengendalian yang ditetapkan klien.
2. Kesalahan penyajian rupiah dalam populasi data transaksi.
3. Kesalahan penyajian rupiah dalam populasi detil saldo akun.
Mengevaluasi Hasil
12. Lakukangeneralisasidarisampelkepopulasi.
13. Lakukananalisispenyimpangan
14. Tentukanakseptabilitaspopulasi.
Jumlah
Penyimpanga Presentase Probabilita Probabilitas
n Penyimpangan s Kumulatif
0 0 0,0769 0,0769
1 2 0,2025 0,2794
2 4 0,2611 0,5405
3 6 0,2199 0,7604
4 8 0,1360 0,8964
5 10 0,0656 0,9620
6 12 0,0260 0,9880
###
7 14 0,0120 #
Merencanakan Sampel
1 . Menetapkan tujuan pengujian audit. Sama, baik untuk sampling
atribut maupun sampling nonstatistik.
2 . Memastikan apakah sampling audit bisa diterapkan. Sama, baik untuk sampling
atribut maupun sampling nonstatistik.
3 . Merumuskan atribut dan kondisi penyimpangan. Sama, baik untuk sampling atribut
maupun sampling nonstatistik.
4 . Merumuskan populasi. Sama, baik untuk sampling atribut maupun sampling nonstatistik.
5 . Merumuskan unit sampling. Sama, baik untuk sampling atribut maupun sampling nonsta
tistik.
6 . Merumuskan tingkat penyimpangan bisa ditoleransi. Sama, baik untuk sampling atribut
maupun sampling nonstatistik.
7 . Menetapkan risiko bisa diterima untuk penetapan risiko pengendalian terlalu rendah.
Konsep untuk perumusan risiko sama, baik untuk sampling statistik maupun nonstatistik,
tetapi metode untuk mengkuantifikasi biasanya berbeda. Untuk sampling nonstatistik,
auditor biasanya menggunakan risiko bisa diterima yang rendah, medium, atau tinggi.
Dalam metode sampling atribut, auditor biasanya menetapkan suatu jumlah tertentu,
seperti misalnya risiko 10% atau 5% metode ini berbeda karena auditor perlu mengev-
aluasi hasil secara statistik.
8 . Menaksir tingkat penyimpangan populasi. Sama, baik untuk sampling atribut maupun
sampling nonstatistik.
9 . Menentukan ukuran sampel awal. Ada empat faktor yang menentukan ukuran sampel
awal, baik untuk sampling statistik maupun nonstatistik, yaitu: ukuran populasi, TER,
ARACR, dan EPER. Dalam sampling atribut, auditor menentukan ukuran sampel dengan
menggunakan program komputer atau tabel yang dikembangkan dari formula satatistik.
Dua tabel dalam Tabel 12 - 8 di bawa ini dikutip dari AICPA Audit Sampling Guide.
Tabel di halaman 590 adalah untuk ukuran sampel dengan ARACR 5%, sedangkan yang di
halaman 591 untuk ARACR 10%.
Pengunaan Tabel
Apabila auditor akan menggunakan tabel untuk menentukan ukuran sampel awal, harus diikuti
empat tahap berikut ini :
i . Pilih tabel yang cocok dengan ARACR
ii . Tentukan lokasi TER pada bagian atas tabel.
ii
i . Tentukan lokasi EPER pada kolom paling kiri.
iv . Baca kolom TER yang sesuai ke bawah hingga memotong baris EPER yang sesuai.
Angka yang tertulis dalam titik perpotongan itu menunjukan ukuran sampel awal.
Dengan menggunakan contoh audit pada PT ABC, dimisalkan auditor bermaksud untuk
menurunkan penetapan risiko pengendalian untuk kesesuaian antara order penjualan
dengan faktur apabila jumlah penyimpangan dalam populasi (atribut 6 dalam Tabel 12-3) tidak
lebih dari 7% (TER), pada ARACR 5%. Berdasarkan pengalaman di masa lalu, auditor mene-
tapkan EPER sebesar 1%. Dengan menggunakan tabel ARACR 5%, tentukan lokasi kolom
DISTRIBUSI SAMPLING
Auditor mendasarkan inferensi statistik pada distribusi sampling. Distribusi sampling adalah
frekuensi distribusi hasil dari seluruh sampel yang mungkin dari suatu ukuran tertentu yang bisa
dicapai dari suatu populasi yang berisi sejumlah karakteristik spesifik. Distribusi sampling
memungkinkan auditor untuk membuat pernyataan probabilitas tentang kemungkinan
keterwakilan setiap sampel yang ada dalam distribusi.
Sebagai contoh dalam suatu populasi faktur penjualan, 5% di antaranya tidak dilampiri dengan
bukti pengiriman barang sebagai- mana diharuskan oleh pengendalian internal klien. Apabila
auditor mengambil suatu sampel yang terdiri dari 50 faktur penjualan, berapa banyak dan faktur-
faktur tersebut yang tidak dilampiri dengan bukti pengiriman barang? Perkalian sederhana akan
menaksir 2,5 penyimpangan (5% dan 50), tetapi angka ini tidak mungkin karena tidak mustahil
ada penyimpangan sebesar setengah. Dalam kenyataannya, sampel bisa saja tidak mengandung
penyimpangan atau malahan berisi penyimpangan lebih dari 10. Distribusi sampling berbasis
binominal menerangkan kepaja kita probabilitas dari setiap kemungkinan jumlah penyimpangan.
Tabel 12 7 melukiskan distribusi sampling untuk contoh populasi dengan suatu sampel terdiri
dari 50 unsur dari suatu populasi yang sangat besar dengantingkat penyimpangan 5%. Untuk
menghitung probabilitas ditemukannya suatu sampel dengan paling sedikit satu penyimpangan,
kurangkan probabilitas tidak terjadinya penyimpangan dari 1 (100 persen). Dengan cara seperti
itu, kita memperoleh kemung-kinan untuk menemukan suatu sampel dengan paling sedikit satu
penyimpangan yaitu 1 - 0,0769 atau 92,31%.
Setiap tingkat penyimpangan populasi dan ukuran sampel memiliki distribusi sampling yang
unik. Distribusi untuk suatu sampel berukuran 100 dari suatu populasi dengan tingkat
penyimpangan 5% berbeda dari contoh yang lalu, demikian pula distribusi dari suatu sampel
sebesar 50 dari suatu populasi dengan tingkat penyimpangan 3%.
Sudah barang tentu auditor tidak akan mengambil sampel ulangan dari populasi yang telah
diketahui. Auditor mengambil satu sampel dari populasi yang tidak diketahui dan menjumpai
sejumlah penyimpangan dalam sampel tersebut. Tetapi pengetahuan tentang distribusi sampling
memungkinkan auditor untuk secara statistik membuat pernyataan yang valid tentang populasi.
Apabila auditor memilih suatu sampel yang terdiri dari 50 faktur penjualan untuk menguji
apakah faktur tersebut dilampiri bukti pengiriman barang dan menemukan satu penyimpangan,
auditor bisa memeriksa tabel probabilitas pada Tabe! 12-7 dan mengetahui bahwa terdapat 20,25
persen probabilitas bahwa sampel dari suatu populasi dengan tingkat penyimpangan 5%, dan
79,75% (1- 0,2025) probabilitas bahwa suatu sampel yang diambil dari suatu populasi memiliki
tingkat penyimpangan yang lain. Berdasarkan kolom probabilitas kumulatif pada tabel 12-7,
auditor bisa menaksir 27,94% probabilitas bahwa sampel berasal dari suatu populasi dengan
tingkat penyimpangan lebih dari 5%, dan 72,06% (1- 0,2794) probabilitas bahwa sampel yang
diambil dari suatu populasi mempunyai tingkat penyimpangan 5% atau kurang. Karena ada
kemungkinan juga untuk menghitung probabilitas distribusi dengan tingkat penyimpangan
populasi yang lain, auditor menggunakan ini untuk menarik kesimpulan statistik tentang populasi
yang tidak diketahui yang disampel. Distribusi sampling ini adalah dasar untuk membuat tabel
yang digunakan auditor untuk sampling atribut.
ARACR 5%
Ukuran Jumlah Penyimpangan yang Ditemukan Sesungguhnya
Sampel 2 3 4 5 6 7 8 9 10 15 20
25 11,3 17,6 . . . . . . . . .
30 9,5 14,9 19,9 . . . . . . . .
35 8,3 12,9 17,0 . . . . . . . .
40 7,3 11,4 15,0 18,3 . . . . . . .
45 6,5 10,2 13,4 16,4 19,2 . . . . . .
50 5,9 9,2 12,1 14,8 17,4 19,9 . . . . .
55 5,4 8,4 12,2 13,5 15,9 18,2 . . . . .
60 4,9 7,7 10,2 12,5 14,7 16,8 18,8 . . . .
65 4,6 7,1 9,4 11,5 13,6 15,5 17,4 19,3 . . .
70 4,2 6,6 8,8 10,8 12,6 14,5 16,3 18,0 19,7 . .
75 4,0 6,2 8,2 10,1 11,8 13,6 15,2 16,9 18,5 20,0 .
80 3,7 5,8 7,7 9,5 11,1 12,7 14,3 15,9 17,4 18,9 .
90 3,3 5,2 6,9 8,4 9,9 11,4 12,8 14,2 15,5 16,8 18,2
100 3,0 4,7 6,2 7,6 9,0 10,3 11,5 12,8 14,0 15,2 16,4
125 2,4 3,8 5,0 6,1 7,2 8,3 9,3 10,3 11,3 12,3 13,2
150 2,0 3,2 4,2 5,1 6,0 6,9 7,8 8.6 9,5 10,3 11,1
200 1,5 2,4 3,2 3,9 4,6 4,6 5,9 6,5 7,2 7,8 8,4
ARACR 10%
Ukuran Jumlah Penyimpangan yang Ditemukan Sesungguhnya
Sampel 2 3 4 5 6 7 8 9 10 15 20
20 10,9 18,1 . . . . . . . . .
25 8,8 14,7 19,9 . . . . . . . .
30 7,4 12,4 16,8 . . . . . . . .
35 6,4 10,7 14,5 18,1 . . . . . . .
40 5,6 9,4 12,9 16,0 19,0 . . . . . .
45 5,0 8,4 11,8 14,3 17,0 19,7 . . . . .
50 4,6 7,6 10,3 12,9 15,4 17,8 . . . . .
55 4,1 6,9 9,4 11,8 14,1 16,3 18,4 . . . .
60 3,8 6,4 8,7 10,8 12,9 15,0 16,9 18,9 . . .
70 3,3 5,5 7,5 9,3 11,1 12,9 14,6 16,3 17,9 19,6 .
80 2,9 4,8 6,6 8,2 9,8 11,3 12,8 14,3 15,8 17,2 18,6
90 2,6 4,3 5,9 7,3 8,7 10,1 11,5 12,8 14,1 15,4 16,6
100 2,3 3,9 5,3 6,6 7,9 9,1 10,3 11,5 12,7 13,9 15,0
120 2,0 3,3 4,4 5,5 6,6 7,6 8,7 9,7 10,7 11,6 12,6
160 1,5 2,5 3,3 4,2 5,0 5,8 6,5 7,3 8,0 8,8 6,5
200 1,2 2,0 2,7 3,4 4,0 4,6 5,3 5,9 6,5 7,1 7,6
*lebihdari 20%
Catatan: Tabel ini menyajikan persentase tingkat batas atas penyimpangan terhitung. Tabel
mengasumsikan populasi yang besar.
Dimungkinkan untuk memiliki ukuran sampel yang tidak sama dengan ukuran yang
ditunjukkan dalam tabel penilian sampling atribut. Jika hal ini terjadi, biasanya auditor
melakukan interpolasi untuk menaksir data yang jatuh diantara data yang tertera dalam tabel.
Tabel di atas mengasumsikan ukuran populasi yang sangat besar (tak terbatas), yang
berakibat CUER yang lebih konservatif dibandingkan dengan untuk populasi yang lebih kecil
.Seperti halnya dengan ukuran sampel, pengaruh ukuran populasi terhadap CUER juga sangat
kecil sehingga diabaikan.
1. Menganalisis penyimpangan. Sama, baik untuk sampling atribut tmaupun Sampling non
statistik.
2. Memutuskan aksestabilitas populasi. Metodologi untuk memutuskan akseptabilitas
populasi, pada dasarnya sama baik
Untuk sampling atribut maupun sampling nonstatistik.Untuk sampling atribut, auditor
membandingkan CUER dengan TER untuk masing-masing atribut. Sebelum populasi dipandang
dapat diterima, CUER yang ditetapkan berdasarkan hasil sampel sesungguhnya harus lebih kecil
atau sama dengan TER apabila keduanya didasarkan pada ARACR yang sama. Dalam contoh
diatas, apabila auditor menetapkan TER 7% pada ARACR sebesar5% dan CUER adala 6,69%,
persyaratan untuk sampel telah terpenuhi.
Gambar 12-8 melukiskan pendokumentasian sampling yang telah selesai untuk pengujian
atribut 1 sampai 9 pada Tabel 12-3 untuk PT ABC dengan menggunakan sampling atribut.
Perhatikan bahwa banyak informasi dalam Gambar12-8 konsisten dengan informasi untuk
sampling nonstatistik yang disajikan pada gambar 12-4. Perbedaan pokok antara Gambar 12-4
dengan 12-8 adalah dalam hal pertimbangan auditor (auditor's judgement) tentang ARACR dan
ukuran sampel awal yang ditetapkan ketika merencanakan audit, serta perhitungan CUER
dengan menggunakan hasil pengujian sesungguhnya. Perhatikan bahwa dalam penerapan
sampling atribut, ARACR dinyatakan dalam angka yaitu 5% (Gambar 12-8).Pertimbangan yang
dinyatakan dalam angka untuk ARACR dilakukan sejalan dengan penetapan EPER dan TER
untuk menentukan ukuran sampel awal untuk setiap atribut dengan menggunakan Tabel 12-8.
CUER pada Gambar 12-8 ditentukan dengan menggunakan Tabel 12-9 berdasarkan
penyimpangan sampel yang teridentifikasi dan ukuran sampel sesungguhnya yang diuji.
Gambar 12-8 Data Sampling Atribut :Fungsi Pembuatan Faktur Pada PT ABC
Klien: PT ABC
Pembuatan Faktur
Rumusan tujuan: Memeriksa duplikat faktur penjualan dan dokumen yang berkaitan untuk
menentukan apakah sistem berfungsi sebagaimana direncanakan dan diuraikan dalam program
audit.
Rumusan populasi (termasuk stratifikasi, jika ada): Faktur penjualan untuk periode 1/1/2013
sampai 31/10/2013. Nomor faktur pertama: 3689. Nomor faktur terakhir: 9452
Rumusan unit sampling, pengorganisasian unsure populasi, dan prosedur pemilihan acak
(random): Nomor faktur penjualan, keberurutan pencatatan dalam jurnal penjualan, nomor-
nomor acak yang dihasilkan computer
PT KIMIA FARMA
PT kimia Farma merupakan salah satu dari produsen obat-obatan milik pemerintah yang ada di
Indonesia. Pada audit tanggal 31 Desember 2001, manajemen Kimia Farma melaporkan adanya
laba bersih yaitu sebesar Rp 132 milyar, dan laporan tersebut di audit oleh Hans Tuanakotta &
Mustofa(HTM). Namun, Kementrian BUMN dan BAPEPAM menilai bahwa laba bersih tersebut
terlalu besar dan mengandung unsur rekayasa. Setelah dilakukan audit ulang, pada 3 Oktober
2002 laporan keuangan Kimia Farma 2001 disajikan kembali dan hasilnya telah ditemukan
kesalahan yang cukup mendasar.
Pada laporan keuangan yang baru, keuntungan yang disajikan hanya sebesar Rp 99,56 miliar,
atau lebih rendah sebesar Rp 32,6 milyar, atau 24,7% dari laba awal yang telah dilaporkan.
Kesalahan itu timbul pada unit Industri Bahan Baku yaitu kesalahan berupa overstated penjualan
sebesar Rp 2,7 miliar, pada unit Logistik Sentral berupa overstated persediaan barang sebesar Rp
23,9 miliar, pada unit Pedagang Besar Farmasi berupa overstated persediaan sebesar Rp 8,1
miliar dan overstated penjualan sebesar Rp 10,7 miliar. Diduga upaya penggelembungan dana
yang dilakukan oleh pihak direksi Kimia Farma, dilakukan untuk menarik para investor untuk
menanamkan modalnya kepada PT. Kimia Farma.
Kesalahan penyajian yang berkaitan dengan persediaan timbul karena nilai yang ada dalam
daftar harga persediaan digelembungkan. PT. Kimia Farma, melalui direktur produksinya,
menerbitkan dua buah daftar harga persediaan pada tanggal 1 dan 3 Februari2002. Daftar harga
per 3 Februari ini telah digelembungkan nilainya dan dijadikan dasar penilaian persediaan pada
unit distribusi Kimia Farma per 31 Desember 2001.