PENGAUDITAN II

SAMPLING AUDIT UNTUK PENGUJIAN RINCI SALDO

Dosen Pengampu : Anak Agung Ngurah Agung Kresnandra, S.E.,M.S.A.,Ak.,CA.

EKA446 (G1)

Disusun Oleh

Kelompok 2

I Ketut Hardy Putra Ambri (2007531097)

Ni Putu Widya Pancawati (2007531132)

Made Agus Darma Cahyadi (2007531146)

Kadek Dina Heryanti (2007531160)

I Kadek Ega Prastha Permana (2007531242)

PROGRAM STUDI SARJANA AKUNTANSI

FAKULTAS EKONOMI DAN BISNIS

UNIVERSITAS UDAYANA

2022
1.1 Perbandingan antara Sampling Audit untuk Pengujian Rinci Saldo dengan
Sampling Audit untuk Pengujian Pengendalian dan Pengujian Substantif
Transaksi
Dalam konsep sampling, terdapat risiko yang sangat penting dipahami, sehingga
diperlukan pengujian pengendalian, pengujian substantif transaksi, dan pengujian rinci saldo.
Adapun beberapa perbedaan utama antara pengujian pengendalian, pengujian substantif atas
transaksi, dan pengujian atas rincian saldo terletak pada apa yang ingin diukur oleh auditor.

Jenis Pengendalian Apa yang Diukur

Pengujian pengendalian  Efektivitas operasi pengendalian
internal.
Pengujian substantif transaksi  Efektivitas operasi pengendalian
internal.
 Kebenaran rupiah transaksi dalam
sistem akuntasi.
Pengujian rinci saldo  Apakah jumlah rupiah saldo akan
mengandung salah saji secara material

Auditor melaksanakan pengujian pengendalian dan pengujian subtantif atas transaksi :

 Untuk menentukan apakah tingkat pengecualian populasi cukup rendah
 Untuk menurunkan taksiran risiko pengendalian dan dengan demikian mengurangi
pengujian rinci saldo.
Berbeda dengan pengujian pengendalian dan pengujian subtantif atas transaksi, auditor
tidak sering menggunakan pengujian tingkat keterjadian dalam pengujian atas rincian saldo.
Sebaliknya, auditor menggunakan metode sampling yang memberikan hasil dalam bentuk
rupiah.
Terdapat tiga jenis utama metode sampling yang digunakan untuk menghitung salah saji
rupiah dalam saldo akun yaitu :
1) Sampling non-statistik
2) Sampling unit moneter
3) Sampling variabel
1.2 Sampling Non-Statistik
Terdapat 14 tahapan yang perlu dilakukan dalam sampling audit untuk pengujian rinci
saldo. Tahapan-tahapan tersebut sejalan dengan 14 tahapan yang digunakan dalam sampling
untuk pengujian pengendalian dan pengujian substantif transaksi meskipun tujuannya
berbeda.Ada beberapa perbedaan pokok dalam penerapan sampling audit untuk pengujian rinci
saldo.

Langkah sampling Audit untuk pengujian Langkah sampling audit untuk pengujian
atas rincian saldo pengendalian dan pengujian subtantif
atas transaksi
Merencanakan sample Merencanakan sample
1. Menyatakan tujuan pengujian audit 1. Menetapkan tujuan pengujian audit
2. Memutuskan apakah sampling audit 2. Memutuskan apakah sampling audit
dapat diterapkan dapat diterapkan.
3. Mendefinisikan salah saji 3. Mendefinisikan atribut dankondisi
4. Mendefinisikan populasi penyimpangan
5. Mendefinisikan unit sampling 4. Mendefinisikan populasi
6. Menetapkan salah saji yang dapat 5. Mendefinisikan unit sampling
ditoleransi 6. Menetapkan tingkat penyimpangan
7. Menetapkan risiko yang dapat yang dapat di toleransi
diterima atas penerimaan yang salah 7. Menetapkan risiko yang dapat diterima
8. Mengestimasi salah saji dalam atas penilaian resiko pengendalian
populasi yang terlalu rendah
9. Menentukan ukuran sample awal 8. Mengestimasi tingkat penyimpangan
populasi
9. Menentukan ukuran sampel awal

Memilih Sample dan Melaksanakan Memilih Sample dan Melaksanakan

Prosedur Audit Prosedur Audit
10. Memilih sample 10. Memilih sampel
11. Melaksanakan Prosedur Audit 11. Melaksanakan prosedur audit

Mengevaluasi Hasil Mengevaluasi hasil

12. Generalisasi dari sampel ke populasi 12. Generalisasi dari sampel ke populasi
 13. Menganalisis salah saji 13. Menganalisis penyimpangan
14. Memutuskan akseptabilitas populasi 14. Memutuskan akesptabilitas populasi

1.2.1 Menetapkan Tujuan Pengujian Audit

Sampel untuk pengujian rinci saldo digunakan auditor untuk menentukan apakah saldo
akun yang sedang diaudit telah ditetapkan dengan wajar.

1.2.2 Memutuskan Apakah Sampling Audit Bisa Diterapkan

Sampling audit diterapkan apabila auditor merencanakan untuk mengambil kesimpulan
tentang populasi berdasarkan suatu sampel. Meskipun, auditor biasanya menggunakan sampel
pada banyak akun, tetapi dalam situasi tertentu sampling tidak bisa diterapkan.

1.2.3 Merumuskan Kesalahan Penyajian

Dikarenakan sampling audit untuk pengujian atas rincian saldo mengukur salah saji
moneter yaitu salah saji yang terdapat apabila item sampel disalahsajikan. Ketika mengaudit
piutang usaha, setiap salah saji pada saldo pelanggan klien yang dimasukkan dalam sampel
auditor merupakan suatu kesalahan penyajian.

Tabel Contoh Populasi Piutang Usaha

Unsur
Unsur Jumlah Menurut Jumlah Menurut
Populasi
Populasi Pembukuan Pembukuan (Lanjutan)
(Lanjutan)
1 Rp 1,410,000 21 Rp 4,865,000
2 9,130,000 22 770,000
3 660,000 23 2,305,000
4 3,355,000 24 2,665,000
5 5,725,000 25 1,000,000
6 8,210,000 26 6,225,000
7 580,000 27 3,675,000
8 44,110,000 28 6,250,000
9 825,000 29 1,890,000
10 1,155,000 30 27,705,000
11 2,270,000 31 935,000
12 50,000 32 5,595,000
13 5,785,000 33 930,000
14 940,000 34 4,045,000
15 1,820,000 35 9,480,000
16 3,380,000 36 360,000
 17 530,000 37 1,145,000
18 955,000 38 6,400,000
19 4,449,000 39 100,000
20 17,140,000 40 8,435,000
Rp 207,295,000

1.2.4 Merumuskan Populasi

Dalam pengujian rinci saldo, populasi didefinisikan sebagai unsur-unsur yang
membentuk populasi rupiah yang tercatat dalam pembukuan. Auditor akan mengevaluasi
apakah populasi dalam pembukuan mengandung lebih saji atau kurang saji.
 Sampling Distratifikasi (Sampling Berjenjang)
Pada banyak populasi, auditor memisahkan populasi ke dalam dua atau lebih subpopulasi
sebelum menerapkan sampling audit. Hal ini disebut sebagai sampling distratifikasi, di mana
setiap subpopulasi disebut sebagai stratum. Stratifikasi memungkinkan auditor untuk
menekankan pada unsur populasi tertentu dan mengabaikan yang lain. Contoh dari auditor
untuk menstratifikasi dari contoh populasi piutang usaha yaitu:

Jumlah dalam Rupiah dalam

Strata Kriteria Strata
Populasi Populasi
1 > Rp 15.000.000,- 3 Rp 88,955,000
2 Rp 5.000.000,- - Rp 15.000.000,- 10 Rp 71,235,000
3 < Rp 5.000.000,- 27 Rp 47,105,000
40 Rp 207,295,000

1.2.5 Merumuskan Unit Sampling

Pada sampling audit non statistik dalam pengujian audit saldo, unit samplingnya hampir
sering berupa unsur-unsur yang membentuk saldo akun.Auditor bisa menggunakan unsur-
unsur yang membentuk populasi sebagai unit sampling untuk pengujian semua tujuan audit,
kecuali tujuan pelengkapan.

1.2.6 Menetapkan Kesalahan Penyajian Bisa Ditoleransi

Auditor menggunakan kesalahan penyajian bisa ditoleransi sebagaimana untuk
menentukan ukuran sampel dan mengevaluasi hasil dalam sampling non-statistik. Setiap
kesalahan penyajian dapat ditoleransi diturunkan auditor, maka dari itu, ukuran sampel yang
dibutuhkan harus dinaikkan untuk saldo akun atau kelompok transaksi yang bersangkutan.
 1.2.7 Menetapkan Risiko Bisa Diterima untuk Keliru Menerima
Risiko yang dapat diterima atas penerimaan yang salah atau yang disebut dengan
acceptable risk of incorrect acceptance = ARIA adalah risiko yang bersedia ditanggung
auditor karena menerima suatu saldo sebagai benar padahal salah saji yang sebenarnya dalam
saldo tersebut melampaui salah saji yang dapat ditoleransi. ARIA mengukur keyakinan yang
diinginkan auditor atas suatu saldo akun. Untuk memperoleh keyakinan yang lebih besar ketika
mengaudit suatu saldo, auditor akan menetapkan ARIA yang lebih rendah. Seperti ARACR
pada pengujian pengendalian dan pengujian substantif atas transaksi, ARIA dapat ditetapkan
secara kuantitatif (misalnya 5% atau 10%), atau secara kualitatif (misalnya rendah, sedang,
tinggi).
Terdapat hubungan terbalik antara ARIA dan ukuran sampel yang diperlukan. Sebagai
contoh, jika auditor memutuskan untuk mengurangi ARIA dari 10% menjadi 5%, ukuran
sampel yang diperlukan akan meningkat. Dengan kata lain, jika auditor hanya bersedia
mengambil resiko yang kecil, akan diperlukan ukuran sampel yang lebih besar.
Sebuah faktor penting mempengaruhi keputusan auditor mengenai ARIA adalah
penilaian risiko pengendalian dalam model risiko audit. Jika pengendalian internal sudah
efektif, maka 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 yang berkaitan.

1.2.8 Menaksir Kesalahan Penyajian dalam Populasi

Pada umumnya, auditor membuat estimasi ini berdasarkan pengalaman sebelumnya
dengan klien dan dengan menilai risiko inhern, yang mempertimbangkan hasil pengujian
pengendalian, pengujian substantif atas transaksi, dan prosedur analitis yang telah
dilaksanakan. Ukuran sampel yang direncanakan akan meningkat apabila jumlah saji yang
diharapkan dalam populasi mendekati salah saji yang dapat ditoleransi.

1.2.9 Menentukan Ukuran Sampel Awal

Untuk membantu auditor dalam membuat keputusan mengenai ukuran dari sampel, para
auditor harus mengikuti pedoman yang telah dibuatkan oleh kantor akuntan masing-masing
auditor, atau dari sumber yang lain. Apabila auditor menggunakan sampling berstrata, maka
auditor harus mengalokasikan ukuran sampel dianatar strata yang ada. Biasanya bagian
terbesar unsur sampel dialokasikan pada unsur populasi yang paling besar
Tabel Hubungan Antara Faktor-Faktor yang Mempengaruhi Aria, Pengaruh terhadap
Aria, dan Ukuran Sampel yang Diperlukan untuk Sampling Audit
Faktor yang Contoh Pengaruh Pengaruh
mempengaruhi ARIA terhadap terhadap
ARIA Ukuran
Sampel
Efektivitas Pengendalian internal efektif Naik Turun
pengendalian internal (mengurangi risiko pengendalian)
(Risiko Pengendalian)
Pengujian substantif Tidak dijumpai penyimpangan dalam Naik Turun
transaksi pengujian substantif transaksi.
Risiko audit bisa Kemungkinan bangkrut rendah Naik Turun
diterima (menaikkan risiko audit bisa diterima)
Prosedur analitis Prosedur analitis dilaksanakan, tidak Naik Turun
ada indikasi kemungkinan kesalahan
penyajian.

Tabel Faktor-Faktor yang Mempengaruhi Ukuran Sampel untuk Pengujian Rinci Saldo
Faktor Kondisi yang Membuat Kondisi yang Membuat
Ukuran Sampel Lebih Ukuran Sampel Lebih
Kecil Besar
Risiko pengendalian Risiko pengendalian rendah. Risiko pengendalian tinggi.
(ARACR) –
Mempengaruhi risiko
yang dapat diterima atas
penerimaan yang salah
Hasil prosedur substrantif Hasil yang memuaskan Hasil yang tidak memuaskan
lainnya yang terkait dalam prosedur substantif dalam prosedur substantif
dengan asersi yang sama lain yang berhubungan. lain yang berhubungan.
(termasuk prosedur
analitis dan pengujian
substantif yang relevan
lainnya) – Mempengaruhi
 risiko yang dapat diterima
atas penerimaan yang
salah.
Risiko audit yang dapat Risiko audit yang dapat Risiko audit yang dapat
diterima – mempengaruhi diterima tinggi. diterima rendah.
risiko yang dapat diterima
atas penerimaan yang
salah.
Salah saji yang dapat Salah saji yang dapat Salah saji yang dapat
ditoleransi bagi akun ditoleransi lebih besar. ditoleransi lebih kecil.
tertentu.
Risiko inhern - Risiko inhern rendah. Risiko inhern tinggi.
mempengaruhi estimasi
salah saji populasi.
Ukuran dan frekuensi salah Salah saji yang lebih kecil Salah saji yang lebih besar
saji yang diharapkan – atau frekuensi yang lebih atau frekuensi yang lebih
mempengaruhi estimasi rendah tinggi.
salah saji populasi.
Jumlah rupiah populasi Saldo akun yang lebih kecil. Saldo akun yang lebih besar.
Jumlah unsur dalam populasi Hampir tidak mempengaruhi Hampir tidak mempengaruhi
ukuran sampel ekcuali ukuran sampel kecuali
populasi sangat kecil. populasi sangat kecil.

1.2.10 Memilih Sampel

Untuk sampling non-statistik, standar auditing mengijinkan para auditor untuk

menggunakan salah satu dari metode pemilihan. Sedangkan, untuk sampling berstrata, auditor
memilih sampel secara independen dari setiap strata.

1.2.11 Melaksanakan Prosedur Audit

Dalam melaksanakan prosedur audit, auditor wajib menerapkan prosedur audit yang
tepat terhadap setiap unsur dalam sampel untuk menentukan apakah terdapat kesalahan
penyajian. Terhadap yang tidak menjawab, auditor menggunakan prosedur alternatif untuk
menentukan kesalahan penyajian.
 1.2.12 Generalisasi dari Sampel ke Populasi dan Memutuskan Akseptabilitas Populasi

Auditor harus menggeneralisasikan dari sampel ke populasi dengan 1). Memproyeksikan

salah saji dari hasil sampel ke populasi dan 2). Mempertimbangkan kesalahan sampling serta
risiko sampling (ARIA). Auditor tidak akan langsung menyimpulkan jumlah salah saji klien
suatu akun (piutang) dari sampel karena auditor berkepentingan dengan hasil populasi, bukan
hasil sampel. Karena itu, auditor harus memproyeksikan dari sampel ke populasi untuk
mengestimasi salah saji populasi.

Langkah pertama adalah menghitung taksiran poin. Taksiran poin 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. Taksiran poin salah saji dapat dihitung dengan menggunakan metode rata-
rata tertimbang sebagai berikut:

Strata Kesalahan Penyajian Klien / Nilai Buku menurut Taksiran Poin

Nilai Sampel menurut Pembukuan untuk untuk Kesalahan
Pembukuan Strata Penyajian
1 Rp(2.740.000)/Rp88.995.000 Rp88.955.000 Rp(2.740.000)
2 Rp 971.000 / Rp 43.995.000 71.235.000 1.572.000
3 Rp2.158.000/Rp13.105.000 47.105.000 7.757.000
Total Rp 6.589.000

Taksiran poin salah saji dalam populasi yaitu sebesar Rp6.589.000,-. Taksiran poin itu
sendiri bukan merupakan ukuran salah saji populasi yang memadai karena kesalahan sampling.
Dengan kata lain, karena taksiran didasarkan pada sampel, taksiran itu akan mendekati salah
saji populasi yang sebenarnya, tetapi tidak mungkin sama persis. Jika taksiran poin lebih kecil
dari salah saji yang dapat ditoleransi, auditor harus mempertimbangkan kemungkinan bahwa
salah saji populasi yang sebenarnya lebih besar dari jumlah salah saji yang dapat ditoleransi
dalam situasi tersebut. Hal ini harus dilakukan baik untuk sampel statistik maupun sampel
nonstatistik.

Auditor yang menggunakan 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 tersebut, dengan mempertimbangkan :

1. Selisih antara taksiran poin dengan salah saji yang dapat ditoleransi (yang disebut
juga dengan penghitungan kesalahan sampling).
2. Seberapa banyak unsur-unsur dalam populasi yang telah diaudit 100%.
3. Apakah salah saji cenderung bisa saling menutup atau hanya bersifat satu arah.
4. Jumlah salah saji individual.
5. Ukuran sampel.

Jika item populasi yang lebih besar diaudit 100 persen, setiap salah saji yang belum
teridentifikasi akan dibatasi pada item yang lebih kecil. Jika salah saji cenderung tertutupi dan
relatif berukuran kecil, auditor dapat menyimpulkan bahwa salah saji populasi yang sebenarnya
mungkin lebih kecil dari jumlah yang dapat ditoleransi. Selain itu, semakin besar ukuran
sampel, semakin yakin auditor bahwa taksiran poin mendekati nilai populasi yang
sebenenarnya. Dalam contoh ini, jika ukuran sampel dianggap besar, auditor akan lebih
bersedia menerima bahwa salah saji populasi yang sebenarnya lebih kecil dari salah saji yang
dapat ditoleransi. Akan tetapi, jika satu atau lebih kondisi lainnya tersebut berbeda, auditor
dapat mempertimbangkan peluang salah saji itu melebihi jumlah yang dapat ditoleransi adalah
tinggi dan populasi yang tercatat tidak dapat diterima.

Meskipun jumlah salah saji yang mungkin tidak dianggap material, auditor harus
menunggu untuk melakukan evaluasi akhir hingga seluruh audit selesai. Taksiran total salah
saji dan taksiran kesalahan sampling piutang usaha harus digabungkan dengan taksiran salah
saji pada semua bagian audit lainnya untuk mengevaluasi pengaruh semua salah saji terhadap
laporan keuangan secara keseluruhan.

1.2.13 Menganalisis Kesalahan Penyajian

Auditor harus melakukan evaluasi sifat dan penyebab pada setiap kesalahan penyajian
yang ditemukan dalam pengujian rinci saldo. Misalkan, ketika auditor mengirim konfirmasi
piutang, ditemukan bahwa semua kesalahan disebabkan oleh kesalahan klien dalam mencatat
retur penjualan, maka auditor perlu mengetahui mengapa kesalahan tersebut bisa terjadi. Oleh
karena itu, auditor harus melakukan analisis kesalahan penyajian.

1.2.14 Tindakan Apabila Populasi Ditolak

Ada beberapa tindakan yang dapat dilakukan apabila populasi ditolak diantaranya yaitu:
 1) Tidak mengambil tindakan apapun sampai pengujian audit lainnya telah selesai
dikerjakan.
Apabila kesalahan-kesalahan penyajian yang bisa menutupi dijumpai pada bagian audit
lainnya, seperti misalnya pada persediaan, auditor bisa berkesimpulan bahwa taksiran
kesalahan penyajian piutang usaha bisa diterima.
2) Melaksanakan pengujian audit yang diperluas pada bidang tertentu.
Apabila suatu analisis kesalahan penyajian menunjukkan bahwa kebanyakan kesalahan
penyajian bertipe sama, maka diperlu dibatasi dengan menambah usaha audit pada bidang
tertentu. Sebagai contoh, apabila suatu analisis kesalahan penyajian dalam konfirmasi
menunjukkan bahwa sebagian besar kesalahan penyajian diakibatkan oleh kesalahan dalam
pencataian retur penjualan, maka auditor bisa memperluas pencarian retur penjualan untuk
memastikan bahwa transaksi telah dicatat.
3) Menaikan ukuran sampel.
Apabila auditor menaikkan ukuran sampel, kesalahan sampel diturunkan apabila tingkat
kesalahan penyajian dalam sampel yang diperluas jumlah rupiahnya, dan arahnya serupa denga
sampel aslinya. Oleh karena itu, ukuran sampel bisa memuaskan permintaan kesalahan
penyajian bisa ditoleransi yang ditetapkan auditor.
4) Menyesuaikan saldo akun.
Apabila auditor berkesimpulan bahwa saldo akun mengandung kesalahan penyajian
material, klien kemungkinan bersedia untuk menyesuaikan nilai buku berdasarkan hasil
sampling.
5) Meminta klien untuk mengoreksi populasi.
Pada situasi tertentu, catatan klien sedemikian tidak memadai sehingga diperlukan
koreksi atas keseluruhan populasi sebelum audit dapat diselesaikan.
6) Menolak untuk memberikan pendapat wajar tanpa pengecualian.
Apabila auditor yakin bahwa jumlah suatu akun menurut pembukuan ditetapkan secara
tidak wajar, maka auditor harus mengikuti paling sedikit satu dari alternatif yang lalu atau
memberi pendapat dengan pengecualian. Jika auditor yakin bahwa terdapat kemungkinan
laporan keuangan mengandung kesalahan penyajian material, maka akan menjadi pelanggaran
serius apabila auditor memberi pendapat wajar tanpa pengecualian.

1.3 Sampling Unit Moneter

Sampling unit moneter yaitu inovasi dalam metodologi sampling statistik yang
dikembangkan secara khusus untuk digunakan oleh auditor. Sampling unit moneter (monetary
unit sampling = MUS) sekarang merupakan metode sampling statistik yang paling umum
digunakan untuk pengujian atas rincian saldo karena memiliki kesederhanaan statistik bagi
sampling atribut serta memberikan hasil statistik yang diekspresikan dalam rupiah (atau mata
uang lainnya yang sesuai). MUS juga disebut sebagai sampling unit rupiah, sampling jumlah
moneter kumulatif, dan sampling probabilitas proporsional dengan ukuran.

1.3.1 Perbedaan antara MUS dengan Sampling Nonstatistika

MUS serupa dengan penggunaan sampling nonstatistik. Ke-14 langkahnya juga harus
dilaksanakan dalam MUS, walaupun beberapa dilakukan dengan cara yang berbeda. Kunci
untuk memahami MUS adalah memahami perbedaan tersebut. Beberapa perbedaannya antara
lain :

1. Rumusan Unit Sampling adalah suatu rupiah individual.

2. Ukuran Populasi adalah populasi rupiah menurut pembukuan.
3. Pertimbangan pendahuluan materialitas digunakan untuk setiap akun dan bukan
salah saji yang dapat ditoleransi.
4. Ukuran Sampel ditentukan dengan menggunakan rumus statistik.
5. Pemilihan sampel dilakukan dengan menggunakan PPS.

1.3.2 Generalisasi dari Sampel ke Populasi dengan Menggunakan Tehnik MUS

Apapun metoda sampling yang dipilih, auditor harus melakukan generalisasi dari sampel
ke populasi dengan :

A. Memproyeksikan kesalahan penyajian dari hasil sampel ke populasi,

B. Menentukan kesalahan sampling yang bersangkutan.
Ada empat aspek yang dilakukan dengan menggunakan MUS yaitu :
1) Untuk menghitung hasil digunakan table sampling atribut. Tabel dapat digunakan
dengan mengganti ARACR dengan ARIA.
2) Hasil atribut harus dikonversi menjadi rupiah. MUS menaksir salah saji rupiah
dalam populasi, dan tidak dalam bentuk persen unsur dalam populasi yang salah
saji. Maka dari itu, auditor dapat menaksir tingkat rupiah populasi yang berisi
salah saji sebagai suatu cara menaksir total rupiah salah saji.
3) Auditor harus membuat suatu asumsi tentang persentase salah saji untuk setiap
unsur populasi yang salah saji
 4) Apabila menggunakan MUS, maka hasil statistika disebut juga sebagai batas
kesalahan penyajian yaitu taksiran kemungkinan lebih saji maksimum (batas atas
kesalahan penyajian) dan kemungkinan lebih saji maksimum (batas bawah
kesalahan penyajian) pada suatu ARIA tertentu.

1.3.3 Generalisasi Menggunakan MUS dari Sampel ke Populasi Seandainya Tidak

Ditemukan Kesalahan Penyajian

Misalnya bahwa auditor mengonfirmasi suatu populasi piutang usaha atas kebenaran
rupiahnya. Total Populasinya adalah Rp 1.200.000 dan sampelnya menggunakan 100
konfirmasi. Selama audit berlangsung, tidak dijumpai kesalahan penyajian dalam sampel.
Auditor ingin menentukan jumlah maksimum dari lebih saji dan kurang saji yang dapat muncul
dalam populasi meskipun salah saji tidak ditemukan dalam sampel. Hal ini disebut batas atas
salah saji dan batas bawah salah saji. Misalnya ARIA 5%, CUER 3% dalam tabel
mencerminkan baik batas atas maupun batas bawah. Dikarenakan tingkat kesalahan penyajian
sampel adalah 0%, maka 3% mencerminkan taksiran kesalahan sampling. Jadi, berdasarkan
hasil sampel dan batas kesalahan penyajian, auditor dapat menimpulkan dengan risiko
sampling 5% bahwa tidak lebih dari 3% dari unit rupiah dalam populasi yang kesalahan
penyajian.

Untuk mengonversi persentase tersebut menjadi rupiah, auditor harus membuat asumsi.
Asumsi ini secara signifikan memengaruhi batas kesalahan penyajian. Berikut ini 3 contoh
asumsi yang dibuat untuk mengilustrasikan hal tersebut :

Asumsi 1

Jumlah lebih saji adalah 100% dan jumlah kurang saji 100%, batas salah saji pada ARIA
pada 5% adalah :

Batas atas kesalahan penyajian = Rp1.200.000 x 3% x 100% = Rp36.000

Batas bawah kesalahan penyajian = Rp1.200.000 x 3% x 100% = Rp36.000

Asumsi ini berarti bahwa secara rata-rata unsur populasi yang salah saji adalah salah saji
dalam rupiah penuh dari nilai menurut pembukuan. Karena batas salah saji 3%, maka nilai
rupiah salah saji kemungkinan tidak akan melebihi Rp36.000 (3% dari total unit rupiah
populasi menurut pembukuan). Apabila seluruhnya lebih saji maka jumlah lebih saji nya adalah
sebesar Rp36.000. Jika semuanya kurang saji, maka terdapat kurang saji sebesar Rp36.000.
Asumsi 2

Jumlah lebih saji 10%, jumlah kurang saji 10%, batas kesalahan penyajian pada ARIA
5% adalah :

Batas atas kesalahan penyajian = Rp1.200.000 x 3% x 10% = Rp3.600

Batas bawah kesalahan penyajian = Rp1.200.000 x 3% x 10% = Rp3.600

Asumsinya adalah bahwa secara rata-rata semua unsur yang salah saji, salah sajinya tidak
melebihi 10%. Apabila semua unsur kesalahan penyajian pada satu arah, batas kesalahan
penyajiannya akan +Rp3.600 dan –Rp3.600. Perubahan asumsi dari 100% menjadi 10% secara
signifikan berpengaruh terhadap batas kesalahan penyajian. Pengaruhnya adalah sesuai dengan
proporsi besarnya perubahan.

Asumsi 3

Jumlah lebih saji 20%, jumlah kurang saji adalah 200%, batas salah saji pada ARIA 5% adalah:

Batas atas kesalahan penyajian = Rp1.200.000 x 3% x 20% = Rp7.200

Batas bawah kesalahan penyajian = Rp1.200.000 x 3% x 200% = Rp72.000

Alasan mengapa kurang saji diberi presentase yang lebih besar karena adanya potensi
kesalahan penyajian lebih besar dinyatakan dalam persentase. Unsur-unsur yang berisi kurang
saji dalam jumlah besar bisa menjadi berjumlah kecil sebagai akibat kesalahan penyajian
tersebut. Konsekuensinya, karena mekanisme MUS, hanya sedikit yang akan berkesempatan
terpilih menjadi sampel. Oleh karena hal tersebut, beberapa auditor memilih suatu tambahan
sampel dari unsur-unsur yang kecil untuk pengganti sampel unit moneter apabila jumlah
kurang saji menjadi masalah dalam audit.

 Asumsi Persentase Kesalahan Penyajian Yang Tepat

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. Dalam hal tidak terdapat
informasi yang menyakinkan, kebanyakan auditor percaya bahwa perlu diasumsikan jumlah
100% baik untuk lebih saji maupun kurang saji, kecuali jika terdapat kesalahan penyajian
dalam hasil sampel. Pendekatan ini dipandang sangat konservatif, tetapi lebih mudah untuk
dipahami dibandingkan dengan asumsi lain.
 1.3.4 Generalisasi Apabila Ditemukan Kesalahan Penyajian

Berikut ini adalah salah satu contoh yang terdapat kesalahan penyajian yaitu :

Terdapat empat aspek untuk melakukan generalisasi dari sampel ke populasi yang bisa
diterapkan, namun telah dimodifikasi sebagai berikut :

1) Jumlah kesalahan penyajian mula-mula dipisahkan dan kemudian digabungkan.

Pertama, batas atas kesalahan penyajian dan batas bawah kesalahan penyajian dihitung
terpisah untuk jumlah lebih saji dan kurang sajinya. Selanjutnya, dihitung taksiran poin
untuk lebih saji dan kurang saji. Taksiran poin untuk kurang saji digunakan untuk
mengurangi batas atas kesalahan penyajian awal, dan taksiran poin untuk lebih saji
digunakan untuk mengurangi batas bawah kurang saji awal.
2) Dibuat asumsi kesalahan penyajian yang berbeda untuk setiap kesalahan penyajian,
temasuk nol kesalahan penyajian. Jika tidak ada kesalahan penyajian dalam sampel,
diperlukan suatu asumsi tentang persentase rata-rata kesalahan penyajian untuk unsur
populasi yang kesalahan penyajian. Auditor dapat menggunakan informasi yang
tersedia tentang sampel untuk menentukan batas kesalah penyajian.
3) Auditor harus menggunakan tabel sampling atribut untuk membuat lapisan tingkat
batas atas penyimpangan terhitung (CUER). Auditor melakukan hal tersebut karena
adanya perbedaan asumsi kesalahan penyajian untuk setiap kesalahan penyajian.
Lapisan (layer) dihitung pertama-tama dengan menentukan CUER dari tabel untuk
setiap salah saji dan kemudian menghitung setiap lapisan.
4) Asumsi salah saji harus dikaitkan dengan setiap lapisan (layer). Metode yang paling
umum untuk mengaitkan asumsi kesalahan penyajian dengan lapisan adalah
mengaitkan secara konservatif persentase kesalahan penyajian rupiah terbesar dengan
lapisan terbesar.

Sebagian besar pengguna MUS berpendapat bahwa pendekatan ini sangat konservatif
apabila terdapat jumlah pengurang. Apabila ditemukan jumlah kurang saji, logis dan masuk
akal apabila jumlah batas lebih saji harus lebih rendah dibandingkan tidak ada jumlah kurang
saji yang ditemukan, dan sebaliknya. Penyesuaian untuk jumlah pengurang dilakukan sebagai
berikut :

1) Taksiran poin salah saji dibuat untuk jumlah lebih saji maupun kurang saji.
2) Setiap batas dikurangi dengan taksiran poin yang berlawanan.

1.3.5 Menetapkan Akseptabilitas Populasi dengan Menggunakan MUS

Ilustrasi Aturan Pengambilan Keputusan untuk MUS

Setelah batas salah saji dihitung, auditor harus memutuskan apakah populasi dapat
diterima. Untuk melakukan hal tersebut, diperlukan suatu aturan keputusan. Aturan keputusan
untuk MUS adalah sebagai berikut: Apabila batas bawah kesalahan penyajian (lower
misstatement bound/LMB) maupun batas atas kesalahan penyajian (upper misstatement
bound/LMB) berada diantara jumlah kurang saji dan jumlah lebih saji yang dapat ditoleransi,
maka bisa disimpulkan bahwa nilai buku tidak mengandung salah saji yang material.

1.3.6 Tindakan Apabila Populasi Ditolak

Apabila salah satu atau kedua batas salah saji berada diluar batas yang bisa ditoleransi
dan populasi dipandang tidak bisa diterima, maka auditor memiliki beberapa opsi. Opsi
tersebut sama dengan apa yang dibahas untuk sampling non-statistik yaitu terdapat beberapa
kemungkinan tindakan yang akan dilakukan seperti tidak mengambil tindakan apapun sampai
pengujian audit lainnya selesai dikerjakan, memperluas pengujian audit pada bidang tertentu,
menaikkan ukuran sampel, menyesuaikan saldo akun, meminta klien untuk mengoreksi
populasi, dan menolak untuk memberi opini wajar tanpa pengecualian.

1.3.7 Menentukan Ukuran Sampel dengan MUS

Metode yang digunakan untuk menentukan ukuran sampel untuk MUS sama dengan
yang digunakan untuk sampling atribut unit fisik, yaitu menggunakan tabel sampling atribut.
  Materialitas

Pertimbangan pendahuluan tentang materialitas umumnya merupakan dasar untuk

penentuan jumlah kesalahan penyajian yang dapat ditoleransi yang akan digunakan. Jika salah
saji dalam pengujian non-MUS diperkirakan terjadi, maka kesalahan penyajian bisa ditoleransi
bisa secara material lebih kecil dari jumlah tersebut. Salah saji yang dapat ditoleransi bisa
berbeda untuk lebih saji dan kurang saji.

 Asumsi tentang Persentase Rata-Rata Kesalahan Penyajian untuk Unsur Populasi yang
Berisi Kesalahan Penyajian

Dalam hal ini, terdapat asumsi yang berbeda untuk batas atas dan batas bawah. Hal
tersebut harus didasarkan pada pengetahuan auditor mengenai klien yang bersangkutan serta
pengalaman masa lalu, apabila digunakan asumsi kurang dari 100%, maka asumsi tersebut
harus dipertanggungjawabkan.

 Risiko yang Dapat Diterima atas Penerimaan Yang Salah (ARIA)

ARIA adalah suatu pertimbangan auditor dan sering kali dicapai dengan bantuan model
risiko audit.

 Nilai Populasi yang Tercatat

Nilai rupiah populasi diambil dari pembukuan klien.

 Estimasi Tingkat Penyimpangan Populasi

Umumnya, estimasi tingkat penyimpangan populasi untuk MUS adalah nol, karena MUS
paling tepat digunakan pada situasi tidak ada kesalahan penyajian, atau hanya terdapat sedikit
salah saji yang diperkirakan akan terjadi. Apabila diperkirakan terdapat kesalahan penyajian,
jumlah total rupiah kesalahan penyajian yang diperkirakan dalam populasi ditaksir dan
kemudian diyatakan sebagai persentase dari nilai populasi per buku.

 Hubungan Model Risiko Audit dengan Ukuran Sampel untuk MUS

MUS akan digunakan dalam melaksanakan pengujian atas rincian saldo. Auditor harus
memahami hubungan antara ketiga faktor independen dalam model risiko audit, ditambah
prosedur analitis dan pengujian substantif atas transaksi dengan ukuran sampel untuk pengujian
atas rincian saldo.

Monetary Unit Sampling (MUS) menarik bagi auditor karena empat hal berikut ini:
 1) MUS secara otomatis meningkatkan kemungkinan memilih unsur dengan rupiah
yang tinggi dari populasi yang sedang diaudit. Auditor melakukan hal tersebut
karena unsur-unsur semacam itu pada umumnya mencerminkan risiko kesalahan
penyajian material yang paling besar.
2) MUS dapat mengurangi biaya pelaksanaan pengujian audit karena beberapa unsur
sampel hanya diuji sekali.
3) MUS mudah penerapannya. Sampel unit moneter bisa dievaluasi dengan
menggunakan tabel yang sederhana. Mudah untuk diajarkan dan diawasi
penggunaannya.
4) MUS menghasilkan kesimpulan statistika, bukan non-statistika. Banyak auditor
yakin bahwa sampling statistika membantu mereka dalam pengambilan keputusan
secara lebih baik dan lebih bisa dipertanggungjawabkan

Adapun dua kelemahan utama dari MUS yaitu :

1) Total batas kesalahan penyajian yang dihasilkan apabila ditemukan kesalahan

penyajian mungkin terlalu tinggi untuk digunakan oleh auditor. Hal ini disebabkan
oleh metode evaluasi yang secara inheren konservatif apabila ditemukan kesalahan
penyajian dan sering menghasilkan batas yang jauh melebihi materialitas. Untuk
mengatasi masalah ini, dibutuhkan sampel yang lebih besar.
2) Sulit untuk memilih sampel PPS dari populasi yang besar tanpa bantuan komputer.

Karena semua alasan tersebut, auditor umumnya menggunakan MUS jika diperkirakan
tidak ada salah saji atau hanya sedikit terdapat salah saji.

1.4 Sampling Variabel

Sampling variabel adalah metode statistik yang digunakan oleh auditor. Sampling
variabel 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, auditor akan menolak populasi dan
melakukan tindakan tambahan. Sejumlah Teknik sampling membentuk metode yang disebut
variabel sampling, yaitu : estimasi selisih, estimasi rasio, dan estimasi mean per unit yang akan
dibahas lebih lanjut.
 1.4.1 Perbedaan antara Variabel Sampling dengan Sampling Non Statistik

Penggunaan metode variabel memiliki banyak kemiripan dengan sampling non-statistik.

Empat belas tahapan yang telah dibahas untuk sampling non-statistik semuanya harus
dilakukan untuk metode variabel, dan kebanyakan identik.

1.4.2 Distribusi Sampling

Untuk memahami mengapa dan bagaimana auditor menggunakan sampling variabel

dalam auditing, maka harus memahami distribusi sampling serta pengaruhnya terhadap
kesimpulan statistika yang dilakukan auditor. Auditor tidak mengetahui nilai mean (rata-rata)
salah saji dalam populasi, distribusi jumlah salah saji, atau nilai per auditnya. Karakteristik
populasi ini harus diestimasi dari sampel yang sudah pasti merupakan tujuan dari pengujian
audit.

Untuk setiap sampel, auditor menghitung nilai mean dari unsur dalam sampel sebagai
berikut :

Dimana,
x̅ = nilai mean dari unsur sampel
Xj = nilai dari setiap unsur sampel individual
n = ukuran sampel
Setelah menghitung nilai rata-rata untuk setiap sampel, kemudian auditor memasukkan
ke dalam distribusi frekuensi. Sepanjang ukuran sampel mencukupi, frekuensi distribusi dari
mean sampel akan nampak seperti berikut ini.
 1.4.3 Inferensi Statistik

Pada umumnya, jika sampel diambil dari suatu populasi dalam situasi audit yang
seusungguhnya, auditor tidak mengetahui karakteristik populasi, dan biasanya hanya satu
sampel yang akan diambil dari populasi. Akan tetapi, pengetahuan tentang distribusi sampling
memungkinkan auditor untuk menarik kesimpulan statistik, atau inferensi statistik mengenai
populasi. Menghitung interval keyakinan rata-rata populasi dengan menggunakan logika yaitu
sebagai berikut:

Auditor dapat menyatakan kesimpulan yang ditarik dari interval keyakinan dengan
menggunakan inferensi statistik dengan berbagai cara. Akan tetapi, dalam melakukan hal
tersebut harus berhati-hati untuk menghindari kesimpulan yang tidak benar, karena nilai
populasi yang sebenarnya selalu tidak diketahui. Selalu ada kemungkinan bawa sampel tidak
mewakili populasi untuk mengasilkan mean sampel dan/atau standar deviasi yang mendekati
yang terkandung dalam populasi. Namun, auditor dapat mengatakan bahwa prosedur yang
digunakan untuk memperoleh sampel dan menghitung interval keyakinan akan mengasilkan
sekian persen interval yang berisi nilai mean yang sesunggunya. Dengan demikian, auditor
mengetahui keandalan proses inferensi statistik yang digunakan untuk menarik kesimpulan.
Menghitung interval keyakinan rata-rata populasi dengan menggunakan logika yaitu sebagai
berikut:
1.4.4 Metoda-Metoda Variabel

Auditor menggunakan proses inferensi statistic sebelumnya bagi semua metode sampling
variabel. Setiap metode dibedakan menurut apa yang sedang diukur, ketiga metode variabel
tersebut sebagai berikut.
 1) Estimasi Selisih

Auditor menggunakan estimasi selisih untuk mengukur estimasi jumlah salah saji total
dalam populasi apabila ada nilai tercatat maupun nilai yang diaudit bagi setiap unsur sampel,
yang biasanya terdapat pada setiap audit. Sebagai contoh, auditor mengonfirmasi suatu sampel
piutang usaha dan menentukan selisih (kesalahan penyajian) antara jumlah menurut
pembukuan klien dengan jumlah yang dipandang benar oleh auditor untuk setiap akun terpilih.
Auditor membuat suatu estimasi kesalahan penyajian populasi berdasarkan jumlah kesalahan
penyajian dalam sampel, ukuran kesalahan penyajian rata-rata, kesalahan penyajian individual
dalam sampel, dan ukuran sampel. Hasilnya dinyatakan sebagai taksiran poin kesalaan
penyaijian populasi ditambah atau dikurangi interval presisi terhitung pada tingkat keyakinan
(confidence level). Estimasi selisih 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
banyak digunakan auditor.
2) Estimasi Rasio
Estimasi Rasio (ratio estimation) serupa dengan estimasi selisih, tetapi disini auditor
menghitung rasio antara salah saji dan nilai bukunya serta memproyeksikan hal ini ke populasi
untuk menaksir total salah saji populasi. Estimasi rasio dapat menghasilkan ukuran sampel
yang jauh lebih kecil daripada estimasi selisih jika ukuran salah saji populasi proporsional
dengan nilai buku unsur populasi. Jika ukuran setiap salah saji individual independen dengan
nilai buku, estimasi selisih akan menghasilkan ukuran sampel yang lebih kecil. Sebagian besar
auditor lebih memilih estimasi selisih karena lebih sederhana untuk menghitung interval
keyakinan.

3) Estimasi Mean-per-Unit

Dalam estimasi rata-rata per unit (mean per unit estimation) auditor berfokus pada nilai
per audit dan bukan pada jumlah salah saji untuk setiap unsur dalam sampel. Kecuali tentang
definisi dari apa yang diukur, estimasi mean-per-unit dihitung dengan cara yang sama seperti
estimasi selisih. Estimasi poin nilai per audit sama dengan rata-rata nilai audit dari unsur-unsur
dalam sampel dikalikan dengan ukuran populasi. Perhitungan interval presisi dilakukan
berdasarkan nilai audit dari unsur sampel dan bukan atas dasar salah saji. Jika auditor telah
menghitung batas keyakinan atas dan bawah, mereka akan memutuskan akseptabilitas populasi
dengan membandingkan jumlah tersebut dengan nilai buku yang tercatat. Estimasi mean-per-
unit jarang digunakan dalam praktik karena ukuran sampel umumnya jauh lebih besar daripada
dua metode sebelumnya.

1.4.5 Metoda Statistika Berjenjang

Sampling berjenjang (stratified sampling) adalah metode sampling di mana semua

elemen dalam total populasi ditarik menjadi dua atau tiga sub-populasi. Setiap sub-populasi
kemudian diuji secara independen. Perhitungannya dilakukan bagi setiap strata dan kemudian
digabung menjadi satu taksiran populasi confidence interval untuk keseluruhan populasi.
Hasilnya diukur secara statistika. Stratifikasi dapat diterapkan pada selisih, rasio, dan estimasi
mean-per-unit, tetapi paling sering digunakan dengan estimasi mean-per-unit.

1.4.6 Risiko Sampling

Untuk sampling variabel, auditor menggunakan ARIA dan risiko yang dapat diterima
atas penolakan yang salah (Acceptable Risk of Incorrect Rejection /ARIR).

1) ARIA

ARIA adalah risiko statistika bahwa auditor menerima populasi yang sesungguhnya
mengandung kesalahan penyajian material. ARIA merupakan hal yang serius bagi auditor
karena adanya potensi implikasi legal untuk menyimpulkan bahwa suatu saldo akun disajikan
secara wajar padahal akun tersebut mengandung kesalahan penyajian yang berjumlah material.

Suatu akun dapat lebih saji atau salah saji, tetapi tidak keduanya, oleh karena itu ARIA
merupakan pengujian statistika satu arah. Oleh karena itu, koefisien keyakinan untuk ARIA
berbeda dengan tingkat keyakinan.

2) ARIR

Risiko bisa diterima atas penolakan yang salah atau keliru menolak (acceptable risk of
incorrect rejection = ARIR) ialah risiko statistik bahwa auditor telah menyimpulkan bahwa
populasi mengandung kesalahan penyajian material padahal sebenarnya tidak. ARIR akan
mempengaruhi tindakan auditor hanya apabila auditor menyimpulkan bahwa populasi tidak
disajikan secara wajar. Apabila auditor menemukan bahwa suatu saldo akun tidak disajikan
secara wajar, maka auditor akan menaikkan ukuran sampel dan melakukan pengujian lainnya.
Meningkatnya ukuran sampel biasanya akan menyebabkan auditor berkesimpulan bawa saldo
disajikan secara wajar apabila akun sesungguhnya tidak mengandung kesalahan penyajian
material.
 Tabel confidence coefficienct untuk confidence level, ARIA, dan ARIR
Confidence ARIA ARIR Confidence
Level (100%) (%) (%) Coefficient
99 0,5 1 2,56
95 2,5 5 1,36
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 0,0

1.5 Ilustrasi Penggunaan Estimasi Selisih

Untuk estimasi selisih, 14 tahapan yang sama seperti halnya dalam sampling non
statistika digunakan untuk menentukan apakah saldo akun dalam pengauditan piutang usaha
telah ditetapkan dengan benar. Contoh berikut ini didasarkan pada penggunaan konfirmasi
positif dalam pengauditan PT ABC. Piutang usaha terdiri dari 4000 akun sebagaimana
tercantum dalam daftar umur piutang dengan nilai buku total Rp600.000. Pengendalian intern
kurang efektif, dan diperkirakan dalam audit akan dijumpai dalam jumlah besar kesalahan
penyajian kecil. Total asset berjumlah Rp2.500.000 dan laba bersih sebelum pajak Rp400.000.
Risiko audit yang dapat ditoleransi ditetapkan tinggi karena pemakai laporan keuangan terbatas
dan PT. ABC memiliki keuangan yang sehat. Hasil prosedur analitis menunjukkan tidak ada
masalah yang signifikan.
1.5.1 Merencanakan Sampel dan Menghitung Ukuran Sampel Dengan Menggunakan
Estimasi Selisih
 Menetapkan tujuan pengauditan audit

Tujuan pengujian audit adalah untuk menentukan apakah piutang usaha sebelum
mempertimbangkan cadangan kerugian piutang mengandung salah saji yang material.
  Memutuskan apakah sampling audit bisa diterapkan

Sampling Audit diterapkan dalam konfirmasi piutang usaha karena besarnya jumlah
piutang usaha.

 Merumuskan kondisi kesalahan penyajian

Kondisi kesalahan penyajian adalah kesalahan penyajian yang dilakukan klien, yang
ditetapkan oleh konfirmasi pada setiap akun atau prosedur alternatif.

 Merumuskan populasi

Ukuran populasi ditentukan dengan cara dihitung, seperti sampling atribut. Perhitungan
yang akurat jauh lebih penting dalam sampling variabel karena ukuran populasi memengaruhi
secara langsung ukuran sampel batas presisi yang dihitung.

 Merumuskan audit sampling

Unit sampling adalah suatu akun yang tercantum dalam daftar piutang

 Menetapkan kesalahan penyajian bisa ditoleransi

Jumlah salah saji yang ingin diterima auditor berkaitan dengan masalah materialitas.

 Menetapkan risiko diterima

Auditor menetapkan dua risiko, yaitu :
a) Risiko yang dapat diterima atas penerimaan yang salah (Acceptable Risk of
Inccorect Acceptance/ARIA), ARIA dipengaruhi oleh risiko audit bisa diterima,
hasil pengujian pengendalian dan pengujian substantive transaksi, prosedur
analitis, dan signifikansi relatif piutang usaha dalam laporan keuangan.
b) Risiko yang dapat diterima atas penolakan yang salah (Acceptable risk of
incorrect rejection/ARIR), yaitu risiko untuk menolak bahwa piutang usaha tidak
benar, namun sebenarnya tidak mengandung salah saji material. ARIR
dipengaruhi oleh biaya tambahan untuk pengambilan ulang sampel.
 Menaksir kesalahan penyajian dalam populasi

Estimasi atau taksiran ini terdiri dari dua bagian yaitu :

a) Menaksir suatu estimasi poin yang diharapkan. Auditor memerlukan estimasi di

muka atas estimasi poin populasi untuk estimasi selisih, seperti ketika auditor
 membutuhkan suatu tingkat estimasi penyimpangan dalam populasi untuk
sampling atribut.
b) Membuat taksiran standar deviasi populasi di muka untuk menentukan ukuran
sampel awal auditor memerlukan estimasi di muka atas variasi salah saji dalam
populasi seperti yang diukur oleh standar deviasi populasi.
 Menaksir ukuran sampel awal
Ukuran sampel awal dapat dihitung dengan menggunakan rumus seperti berikut:

𝑛 = [𝑆𝐷 ∗ (𝑍𝐴 + 𝑍𝐵) 𝑁]2

𝑇𝑀 − 𝐸 ∗

Keterangan,
n = ukuran sampel awal
SD* = estimasi standar deviasi di muka
ZA = koefisien confidence untuk ARIA
ZB = koefisien confidence untuk ARIR
N = ukuran populasi
TM = kesalahan penyajian dapat ditoleransi populasi (materialitas)
E* = estimasi taksiran poin saji dalam populasi

1.5.2 Memilih Sampel dan Melaksanakan Prosedur Audit

 Memilih sampel

Dikarenakan memerlukan suatu sampel acak (selain PPS), auditor harus menggunakan
salah satu metode pemilihan sampel probabilistik untuk memilih 100 unsur sampel untuk
konfirmasi.

 Melaksanakan prosedur audit

Dalam konfirmasi salah saji adalah selisih antara jawaban konfirmasi dengan saldo yang
tercantum dalam pembukuan klien setelah direkonsiliasi dengan semua selisih karena faktor
waktu dan kesalahan yang dilakukan debitur. Dalam situasi nonrespons, salah saji yang
ditemukan dengan prosedur alternative akan diperlakukan serupa dengan salah saji yang
ditemukan melalui konfirmasi.
 1.5.3 Menilai Hasil Sampel
 Menggeneralisasi dari sampel ke populasi

Secara konseptual, estimasi nonstatistik dan estimasi selisih akan melakukan hal yang
sama yaitu menggeneralisasi dari sampel ke populasi. Meskipun kedua metode itu mengukur
kemungkinan salah saji populasi berdasarkan hasil sampel, estimasi selisih menggunakan
pengukuran statistik untuk menghitung batas keyakinan (confidence limit)

Empat langkah menggambarkan perhitungan batas keyakinan

a) Menghitung titik estimasi total salah saji.

Titik estimasi adalah ekstrapolasi langsung dari salah saji dalam sampel ke
kesalahan penyajian dalam populasi.
b) Menghitung taksiran standar deviasi populasi
Standar deviasi populasi adalah pengukuran statistika tentang variabilitas dalam
nilai dari unsur-unsur individual di dalam populasi. Apabila terdapat variasi yang
besar dalam nilai unsur populasi, standar deviasi akan lebih besar dibandingkan
jika variasinya kecil.
c) Menghitung precision interval
Interval presisi dihitung dengan menggunakan rumus stastistik. Hasilnya adalah
berupa jumlah rupiah mengenai ketidakmampuan untuk memprediksi salah saji
populasi yang sebenarnya karena pengujian didasarkan pada sampel, bukan pada
populasi secara keseluruhan. Pengaruh perubahan setiap faktor meskipun faktor-
faktor lainnya tetap konstan yaitu :
Jenis Perubahan Pengaruhnya Terhadap Computed
Precision Interval

ARIA naik Turun

Taksiran poin salah saji naik Naik

Standar deviasi naik Naik

Ukuran sampel naik Turun

 d) Menghitung batas keyakinan (confidence limit)
Auditor menghitung batas keyakinan yang merumuskan confidence interval
dengan menggabungkan taksiran poin dari total kesalahan penyajian dengan
computer precision interval pada tingkat confidence yang dikehendaki
 Menganalisis kesalahan penyajian

Auditor harus mengevaluasi salah saji untuk menentukan penyebab setiap salah saji dan
memutuskan apakah perlu memodifikasi model risiko audit.

 Menentukan akseptabilitas populasi

Jika menggunakan metode statistic, maka untuk memutuskan apakah suatu populasi
dapat diterima auditor bergantung pada aturan keputusan sebagai berikut:
a) Jika interval confidence untuk salah saji berada pada plus dan minus salah saji
dapat ditoleransi, maka auditor akan menerima hipotesis bahwa nilai per buku tidak
mengandung salah saji material.
b) Jika tidak demikian, auditor akan menerima hipotesis bahwa nilai per buku
mengandung salah saji secara material.

1.5.4 Tindakan Apabila Hipotesis Ditolak

Dalam menerima populasi dengan cara ini auditor mengambil risiko 10% keliru -yaitu
bahwa populasi sesungguhnya mengandung kesalahan penyajian material. Namun demikian
berdasarkan pertimbangan perencanaan auditor tingkat risiko ini adalah tepat jika satu atau
kedua batas keyakinan terletak diluar rentang salah saji yang dapat ditoleransi, populasi
dianggap tidak dapat diterima. Tindakan yang akan diambil auditor adalah sama seperti untuk
sampling nonstatistik, kecuali estimasi yang lebih baik terhadap salah saji populasi telah dibuat.
Selain itu apabila computed precision interval lebih besar dari salah saji bisa diterima , tidak
ada penyesuaian atas saldo per buku yang memuaskan auditor.
 DAFTAR PUSTAKA

Al Haryono Yusuf 2014, Auditing (Pengauditan Berbasis ISA), Edisi II, Yogyakarta: STIE
YKPN