AUDIT SAMPLING FOR TEST OF DETAILS OF BALANCES

(AUDIT SAMPLING UNTUK UJI RINCIAN SALDO)

Kelompok 4

1. Anti Heryanti 023002002007

2. Annisa Ramadhina 023002002010
3. Jason Christoffer 023002002012

Pemeriksaan Akuntansi dan Asuransi II

Universitas Trisakti
2022
 CHAPTER 17
AUDIT SAMPLING FOR TEST OF DETAILS OF BALANCES
(AUDIT SAMPLING UNTUK UJI RINCIAN SALDO)

A. Perbandingan Sampling Audit untuk Pengujian Rincian Saldo dan Pengujian

Pengendalian dan Pengujian Substansif Atas Transaksi

Sebagian besar konsep pengambilan sampel untuk pengujian pengendalian dan

pengujian substantif atas transaksi, yang dibahas dalam Bab 15, berlaku sama untuk
pengambilan sampel untuk pengujian rincian saldo. Dalam kedua kasus tersebut, auditor
ingin membuat kesimpulan tentang seluruh populasi berdasarkan sampel. Oleh karena itu,
risiko sampling dan nonsampling penting untuk pengujian pengendalian, pengujian
substantif transaksi, dan pengujian rincian saldo. Untuk mengatasi risiko pengambilan
sampel, auditor dapat menggunakan metode nonstatistik atau statistik untuk ketiga jenis
pengujian tersebut.

Perbedaan utama antara pengujian pengendalian, pengujian substantif atas transaksi, dan
pengujian atas rincian saldo adalah apa yang ingin diukur oleh auditor.

Auditor melakukan pengujian pengendalian dan pengujian substantif atas transaksi:

• Untuk menentukan apakah tingkat pengecualian dalam populasi cukup rendah
• Untuk mengurangi risiko pengendalian yang dinilai dan dengan demikian
mengurangi pengujian rincian saldo
• Untuk perusahaan publik yang lebih besar, untuk menyimpulkan bahwa
pengendalian beroperasi secara efektif untuk tujuan audit pengendalian internal atas
pelaporan keuangan
 Tidak seperti pengujian pengendalian dan pengujian substantif atas transaksi, auditor
jarang menggunakan pengujian tingkat keterjadian dalam pengujian rincian saldo.
Sebaliknya, auditor menggunakan metode pengambilan sampel yang memberikan hasil
dalam bentuk dolar.
Ada tiga jenis utama metode pengambilan sampel yang digunakan untuk menghitung
salah saji dolar dalam saldo akun yang dibahas dalam bab ini:
• Pengambilan sampel nonstatistik
• Pengambilan sampel unit moneter
• Pengambilan sampel variabel

B. Pengambilan Sampel Nonstatistik

Sampling audit untuk pengujian rincian saldo mirip dengan sampling audit untuk
pengujian pengendalian dan pengujian substantif atas transaksi, meskipun tujuannya
berbeda. Langkah-langkah yang terlibat paralel dengan yang digunakan untuk pengambilan
sampel untuk pengujian pengendalian dan pengujian substantif atas transaksi. Perbedaan
utama dalam penerapan sampling audit untuk pengujian rincian saldo ditunjukkan dengan
huruf miring.
1. Langkah-Langkah Sampling Audit Untuk Pengujian Rincian Saldo
1. Nyatakan tujuan pengujian audit
Sampel auditor untuk pengujian rincian saldo untuk menentukan apakah
saldo akun yang diaudit telah disajikan secara wajar. Populasi 40 piutang pada
Tabel 17-1, dengan total $207.295, menggambarkan penerapan sampling
nonstatistik. Auditor akan melakukan pengujian atas rincian saldo untuk
menentukan apakah saldo $207.295 salah saji secara material.
2. Memutuskan apakah sampling audit berlaku
Meskipun auditor biasanya mengambil sampel di banyak akun, dalam
beberapa situasi pengambilan sampel tidak berlaku. Untuk populasi pada Tabel
17-1, auditor dapat memutuskan untuk mengaudit hanya pos-pos di atas $5.000
dan mengabaikan yang lainnya karena total pos-pos yang lebih kecil tidak
material. Demikian pula, jika auditor memverifikasi penambahan aset tetap dan
menemukan banyak tambahan kecil dan satu pembelian gedung yang sangat
besar, maka auditor dapat memutuskan untuk mengabaikan item kecil
seluruhnya. (jelasin aja)
3. Tentukan salah saji
Karena pengambilan sampel audit untuk pengujian rincian saldo
mengukur salah saji moneter, salah saji terjadi setiap kali item sampel salah saji.
Dalam audit piutang, salah saji klien dalam saldo pelanggan yang termasuk
dalam sampel auditor adalah salah saji. Seperti dibahas dalam Bab 16, dimana
 auditor harus membedakan salah saji dari perbedaan seperti perbedaan waktu
dalam pencatatan transaksi yang tidak mewakili salah saji.
Dalam pengujian rincian saldo, populasi didefinisikan sebagai item yang
membentuk populasi dolar yang tercatat. Populasi piutang yang tercatat pada
Tabel 17-1 terdiri dari 40 akun dengan total $207.295. Sebagian besar populasi
akuntansi yang menjadi sampel auditor, tentu saja, akan mencakup lebih banyak
item dengan jumlah dolar yang jauh lebih besar. Auditor akan mengevaluasi
apakah populasi yang tercatat dilebih-lebihkan atau dikecilkan.
4. Tentukan populasi
Untuk banyak populasi, auditor memisahkan populasi menjadi dua atau
lebih subpopulasi sebelum menerapkan sampling audit. Ini disebut pengambilan
sampel bertingkat, di mana setiap subpopulasi disebut strata. Stratifikasi
memungkinkan auditor untuk menekankan item populasi tertentu dan tidak
menekankan yang lain. Dalam sebagian besar situasi pengambilan sampel audit,
termasuk mengonfirmasi piutang, auditor ingin menekankan nilai dolar yang
tercatat lebih besar, sehingga mereka menentukan setiap strata berdasarkan
ukuran nilai dolar yang tercatat.
Dengan memeriksa populasi pada Tabel 17-1, Anda dapat melihat bahwa
ada berbagai cara untuk membuat stratifikasi populasi. Asumsikan bahwa auditor
memutuskan untuk membuat stratifikasi sebagai berikut:

Ada banyak cara alternatif untuk stratifikasi populasi ini. Salah satu
contohnya adalah memiliki empat strata (buat item strata 3 antara $2.000 dan
$5.000, dan tambahkan strata keempat untuk item kurang dari $2.000)
5. Tentukan unit sampling
Untuk pengambilan sampel audit nonstatistik dalam pengujian rincian
saldo, unit pengambilan sampel hampir selalu merupakan pos-pos yang
menyusun saldo akun. Misalnya, untuk piutang pada Tabel 17-1, unit
pengambilan sampel adalah nomor pelanggan. Dimana auditor dapat
 menggunakan item yang membentuk populasi yang tercatat sebagai unit
sampling untuk menguji semua tujuan audit kecuali kelengkapan. Jika auditor
memperhatikan tujuan kelengkapan, mereka harus memilih sampel dari sumber
yang berbeda, seperti pelanggan dengan saldo nol. Dengan demikian, unit
pengambilan sampel untuk uji kelengkapan adalah pelanggan dengan saldo nol.
6. Tentukan salah saji yang dapat ditoleransi
Salah saji yang dapat ditoleransi adalah penerapan materialitas kinerja
pada prosedur pengambilan sampel tertentu. Dimana materialitas kinerja
merupakan jumlah yang ditetapkan kurang dari materialitas untuk laporan
keuangan secara keseluruhan dan diterapkan pada segmen audit untuk
mengurangi ke tingkat yang rendah kemungkinan bahwa agregat salah saji yang
tidak dikoreksi dan tidak terdeteksi melebihi materialitas untuk laporan keuangan
secara keseluruhan. Salah saji yang dapat ditoleransi mungkin sama dengan
materialitas kinerja, atau mungkin lebih rendah jika populasi dari mana sampel
dipilih lebih kecil dari saldo akun. Auditor mencari tingkat keyakinan yang tepat
bahwa salah saji aktual dalam populasi tidak melebihi salah saji yang dapat
ditoleransi. Ukuran sampel yang diperlukan meningkat karena salah saji yang
dapat ditoleransi berkurang untuk prosedur pengambilan sampel.
7. Tentukan risiko yang dapat diterima dari penerimaan yang salah
Untuk semua aplikasi sampling statistik dan nonstatistik, auditor berisiko
membuat kesimpulan kuantitatif yang salah tentang populasi, kecuali auditor
menguji 100 persen dari populasi.
Risiko yang dapat diterima dari penerimaan yang salah (ARIA) adalah
risiko bahwa sampel mendukung kesimpulan bahwa saldo akun yang dicatat
tidak salah disajikan secara material ketika salah saji secara material. ARIA
mengukur keyakinan auditor yang diinginkan untuk saldo akun. Untuk jaminan
yang lebih besar dalam mengaudit suatu saldo, auditor akan menetapkan ARIA
lebih rendah. Perhatikan bahwa ARIA adalah istilah yang setara dengan ARO
(risiko yang dapat diterima dari ketergantungan yang berlebihan) untuk
pengujian pengendalian dan pengujian substantif atas transaksi. Seperti halnya
ARO, ARIA dapat diatur secara kuantitatif (seperti 5% atau 10%), atau secara
kualitatif (seperti rendah, sedang, atau tinggi).
Ada hubungan terbalik antara ARIA dan ukuran sampel yang dibutuhkan.
Misalnya, jika auditor memutuskan untuk mengurangi ARIA dari 10 persen
menjadi 5 persen (ini di ppt masukin ARIA (10% => 5%), dimana ukuran sampel
yang diperlukan akan meningkat. Dengan kata lain, jika auditor kurang bersedia
mengambil risiko, diperlukan ukuran sampel yang lebih besar.
Faktor penting yang mempengaruhi keputusan auditor tentang ARIA
adalah risiko pengendalian yang dinilai, yang bersama dengan risiko bawaan,
merupakan bagian dari risiko salah saji material yang dinilai. Ketika
pengendalian internal efektif, risiko pengendalian dapat dikurangi,
memungkinkan auditor untuk meningkatkan ARIA. Hal ini, pada gilirannya,
mengurangi ukuran sampel yang diperlukan untuk pengujian rincian saldo akun
terkait.
ARO dan ARIA berinteraksi untuk mempengaruhi akumulasi bukti. Anda
sudah tahu dari bab sebelumnya bahwa pengujian rincian saldo untuk salah saji
moneter dapat dikurangi jika auditor menemukan pengendalian internal efektif
setelah menilai risiko pengendalian dan melakukan pengujian pengendalian. Efek
ARO dan ARIA konsisten dengan kesimpulan itu. Jika auditor menyimpulkan
bahwa pengendalian internal mungkin efektif, risiko pengendalian awal dapat
dikurangi. Risiko pengendalian yang lebih rendah membutuhkan ARO yang
lebih rendah dalam menguji kontrol, yang membutuhkan ukuran sampel yang
lebih besar.
 Jika pengendalian terbukti efektif, risiko pengendalian dapat tetap rendah,
yang memungkinkan auditor untuk meningkatkan ARIA (melalui penggunaan
model risiko audit), sehingga memerlukan ukuran sampel yang lebih kecil dalam
pengujian substantif terkait rincian saldo. Gambar 17-1 menunjukkan pengaruh
ARO dan ARIA pada pengujian substantif ketika kontrol tidak dianggap efektif
dan ketika dianggap efektif.
Selain risiko pengendalian, ARIA secara langsung dipengaruhi oleh risiko
audit yang dapat diterima dan berbanding terbalik dengan pengujian substantif
lain yang telah dilakukan (atau direncanakan) untuk saldo akun. Jika auditor
mengurangi risiko audit yang dapat diterima, mereka juga harus mengurangi
ARIA. Jika prosedur analitis substantif menunjukkan bahwa saldo akun
kemungkinan besar disajikan secara wajar, ARIA dapat ditingkatkan. Dengan
kata lain, prosedur analitis substantif adalah bukti yang mendukung saldo akun,
artinya auditor memerlukan ukuran sampel yang lebih kecil dalam pengujian
rincian saldo untuk mencapai risiko audit yang dapat diterima yang diinginkan.
Kesimpulan yang sama sesuai untuk hubungan antara pengujian substantif
transaksi, ARIA, dan ukuran sampel untuk pengujian rincian saldo. Berbagai
hubungan yang mempengaruhi ARIA dirangkum dalam Tabel 17-2 di halaman
berikut.
8. Estimasi salah saji dalam populasi
Auditor biasanya membuat estimasi ini berdasarkan pengalaman
sebelumnya dengan klien dan dengan menilai risiko bawaan, dengan
mempertimbangkan hasil pengujian pengendalian, pengujian substantif atas
transaksi, dan prosedur analitis yang telah dilakukan. Ukuran sampel yang
direncanakan meningkat karena jumlah salah saji yang diharapkan dalam
populasi mendekati salah saji yang dapat ditoleransi.
9. Tentukan ukuran sampel awal
Ukuran sampel antara sampling nonstatistik dan statistik harus serupa.
Oleh karena itu, auditor dapat menentukan ukuran sampel untuk pengambilan
sampel nonstatistik menggunakan tabel pengambilan sampel unit moneter, yang
akan dibahas pada bagian berikutnya. Gambar 17-2 menyajikan rumus sederhana
untuk menghitung ukuran sampel berdasarkan Panduan Audit Sampling Audit
AICPA.
 Asumsikan auditor menerapkan rumus ini pada populasi pada Tabel 17-1
dan salah saji yang dapat ditoleransi adalah $15.000. Auditor memutuskan untuk
menghilangkan dari populasi yang tercatat tiga item yang membentuk strata
pertama karena melebihi salah saji yang dapat ditoleransi. Ketiga akun material
individual ini akan diuji secara terpisah. Populasi yang tersisa untuk dijadikan
sampel adalah Sampel 1: $118.340, yang merupakan jumlah gabungan dari strata
2 dan 3 (71.235 + 47.105).

Selanjutnya, asumsikan bahwa gabungan risiko bawaan dan risiko

pengendalian yang dinilai adalah moderat dan bahwa ada risiko sedang bahwa
pengujian substantif atas transaksi dan prosedur analitis substantif akan tidak
mendeteksi salah saji material. Mempertimbangkan faktor faktor ini, auditor
 menentukan bahwa 14% risiko penerimaan yang salah (kepastian 86%) adalah
tepat. Dengan menggunakan tabel pada Gambar 17-2, auditor menerapkan faktor
kepercayaan 2, dan ukuran sampel yang dihitung adalah 16 [($118.340/$15.000)
× 2 = 15,8].

Saat menggunakan sampling nonstatistik, auditor menentukan ukuran

sampel awal dengan mempertimbangkan faktor-faktor yang telah kita bahas
sejauh ini. Tabel 17-3 merangkum faktor-faktor ini, termasuk pengaruh
perubahan setiap faktor pada ukuran sampel. Seharusnya tidak mengherankan
bahwa mempertimbangkan semua faktor ini membutuhkan penilaian yang cukup
besar.
Ketika auditor menggunakan sampling bertingkat, mereka harus
mengalokasikan ukuran sampel di antara strata, biasanya mengalokasikan porsi
yang lebih tinggi dari item sampel untuk item populasi yang lebih besar. Dalam
contoh Tabel 17-1, auditor harus menguji semua item dalam strata 1, yang bukan
merupakan sampling audit. Mereka memutuskan untuk mengalokasikan ukuran
sampel 16 hingga sembilan dari strata 2 dan tujuh dari strata 3.
10. Pilih sample
Untuk pengambilan sampel nonstatistik, standar audit mengizinkan
auditor untuk menggunakan salah satu metode pemilihan yang dibahas dalam
Bab 15. Auditor akan membuat keputusan setelah mempertimbangkan
keuntungan dan kerugian masing-masing metode, termasuk pertimbangan biaya.
Untuk pengambilan sampel bertingkat, auditor memilih sampel secara
independen dari setiap strata.
Dalam contoh kita dari Tabel 17-1, auditor akan memilih sembilan item
sampel dari 10 item populasi di strata 2 dan tujuh dari 27 item di strata 3.
11. Melakukan prosedur Audit
Untuk melaksanakan prosedur audit, auditor menerapkan prosedur audit
yang tepat untuk setiap item dalam sampel untuk menentukan apakah item
tersebut mengandung salah saji. Dalam konfirmasi piutang, auditor mengirimkan
sampel konfirmasi positif dengan cara yang dijelaskan dalam Bab 16 dan
menentukan jumlah salah saji di setiap akun yang dikonfirmasi. Untuk
nonrespons, mereka menggunakan prosedur alternatif untuk menentukan salah
saji.
Mengacu pada contoh kita dari Tabel 17-1 lagi, asumsikan auditor
mengirimkan permintaan konfirmasi pertama dan kedua dan melakukan prosedur
alternatif. Juga asumsikan auditor mencapai kesimpulan berikut tentang sampel
setelah merekonsiliasi semua perbedaan waktu:

12. Generalisasi dari sampel ke populasi

Standar audit menunjukkan auditor harus menggeneralisasi dari sampel
ke populasi dengan (1) memproyeksikan salah saji dari hasil sampel ke populasi
dan (2) mempertimbangkan risiko sampling (ARIA).
Auditor yang menggunakan sampling nonstatistik tidak dapat mengukur
risiko sampling secara formal dan oleh karena itu harus secara subjektif
mempertimbangkan kemungkinan bahwa pernyataan salah populasi yang
sebenarnya melebihi jumlah yang dapat ditoleransi. Auditor melakukan ini
dengan mempertimbangkan:
• Perbedaan antara estimasi titik dan salah saji yang dapat ditoleransi (ini
disebut risiko sampling terhitung)
• Sejauh mana item dalam populasi telah diaudit 100 persen
• Apakah salah saji cenderung saling hapus atau hanya satu arah
• Jumlah salah saji individu
• Ukuran sampel
 Dalam contoh kita, akankah auditor menyimpulkan bahwa piutang usaha
dilebih-lebihkan sebesar $389? Tidak, auditor tertarik pada hasil populasi , bukan
sampel. Oleh karena itu perlu untuk memproyeksikan dari sampel ke populasi
untuk memperkirakan salah saji populasi.
Langkah pertama adalah menghitung estimasi titik. Estimasi titik dapat
dihitung dengan cara yang berbeda, tetapi pendekatan yang umum adalah
mengasumsikan bahwa salah saji dalam populasi yang tidak diaudit sebanding
dengan salah saji dalam sampel. Itu perhitungan harus dilakukan untuk setiap
strata dan kemudian dijumlahkan, daripada menggabungkan total salah saji
dalam sampel. Dalam contoh, estimasi titik dari pernyataan salah dihitung
dengan menggunakan metode rata-rata tertimbang, seperti yang ditunjukkan
berikutnya.

Estimasi titik salah saji dalam populasi adalah $6.589, menunjukkan

pernyataan yang berlebihan. Estimasi titik, dengan sendirinya, bukanlah ukuran
yang memadai untuk salah saji populasi, karena risiko pengambilan sampel.
Dengan kata lain, karena estimasi didasarkan pada sampel, maka estimasi
tersebut akan mendekati salah saji populasi yang sebenarnya, tetapi tidak
mungkin persis sama. Setiap kali estimasi poin ($6.589 dalam contoh) kurang
dari salah saji yang dapat ditoleransi ($15.000 dalam contoh), auditor harus
mempertimbangkan kemungkinan bahwa salah saji populasi sebenarnya lebih
besar daripada jumlah salah saji yang dapat ditoleransi dalam keadaan tersebut.
Ini harus dilakukan untuk sampel statistik dan nonstatistik.
Dalam contoh kita, misalkan salah saji yang dapat ditoleransi adalah
$40.000. Dalam kasus tersebut, auditor dapat menyimpulkan bahwa tidak
mungkin, dengan estimasi titik $6.589, bahwa salah saji populasi yang
sebenarnya melebihi jumlah yang dapat ditoleransi (penghitungan penyisihan
untuk risiko pengambilan sampel adalah $33.411).
Misalkan salah saji yang dapat ditoleransi adalah $15.000 (seperti dalam
 contoh), hanya $8.411 lebih besar dari estimasi titik. Dalam hal ini, auditor akan
mempertimbangkan faktor-faktor lain. Jika item yang lebih besar dalam populasi
diaudit 100 persen (seperti yang dilakukan di sini), salah saji yang tidak
teridentifikasi akan dibatasi untuk item yang lebih kecil. Jika salah saji
cenderung saling hapus dan ukurannya relatif kecil, auditor dapat menyimpulkan
bahwa salah saji populasi yang sebenarnya mungkin lebih kecil dari jumlah yang
dapat ditoleransi.
Juga, semakin besar ukuran sampel, semakin yakin auditor bahwa
estimasi titik mendekati nilai populasi sebenarnya. Dalam contoh ini, ketika
ukuran sampel dianggap besar, auditor akan lebih bersedia menerima bahwa
pernyataan salah populasi yang sebenarnya kurang dari salah saji yang dapat
ditoleransi. Namun, jika satu atau lebih dari kondisi lain ini berbeda, auditor
dapat menilai kemungkinan salah saji yang melebihi jumlah yang dapat
ditoleransi menjadi tinggi dan populasi yang tercatat tidak dapat diterima.
Bahkan jika jumlah kemungkinan salah saji tidak dianggap material,
auditor harus menunggu untuk membuat evaluasi akhir sampai keseluruhan audit
selesai. Estimasi total salah saji dan estimasi risiko pengambilan sampel dalam
piutang usaha harus digabungkan dengan estimasi salah saji di semua bagian
audit lainnya untuk mengevaluasi dampak semua salah saji terhadap laporan
keuangan secara keseluruhan. Namun, terlepas dari apakah hasil sampel
mendukung kesimpulan bahwa akun tersebut tidak salah saji secara material,
auditor harus meminta klien mencatat penyesuaian untuk salah saji faktual,
kecuali jika kesalahan tersebut jelas sepele.
13. Analisis salah saji
Penting bagi auditor untuk mengevaluasi sifat dan penyebab setiap salah
saji yang ditemukan dalam pengujian rincian saldo. Misalnya, ketika auditor
mengkonfirmasi piutang usaha, semua salah saji dihasilkan dari kegagalan klien
untuk mencatat barang yang dikembalikan. Auditor akan menentukan mengapa
jenis salah saji tersebut sering terjadi, implikasi salah saji tersebut pada area audit
lainnya, dampak potensial terhadap laporan keuangan, dan pengaruhnya terhadap
operasi perusahaan. Pendekatan yang sama diikuti untuk semua salah saji.
Auditor harus melakukan analisis salah saji untuk memutuskan apakah
modifikasi model risiko audit diperlukan. Dalam paragraf sebelumnya, jika
auditor menyimpulkan bahwa kegagalan untuk mencatat imbal hasil yang
 diakibatkan oleh kerusakan pengendalian internal, mungkin perlu untuk menilai
kembali risiko pengendalian. Itu pada gilirannya mungkin akan menyebabkan
auditor mengurangi ARIA, yang akan meningkatkan ukuran sampel yang
direncanakan. Seperti yang telah kita bahas di Bab 9, revisi model risiko audit
harus dilakukan dengan sangat hati-hati karena model ini ditujukan terutama
untuk perencanaan, bukan untuk mengevaluasi hasil.
14. Memutuskan akseptabilitas populasi
Ketika auditor menyimpulkan bahwa salah saji dalam suatu populasi
mungkin lebih besar daripada salah saji yang dapat ditoleransi setelah
mempertimbangkan risiko pengambilan sampel, populasi tersebut tidak dianggap
dapat diterima. Pada saat itu, auditor memiliki beberapa kemungkinan tindakan.
1. Tidak mengambil tindakan sampai pengujian atas area audit lainnya selesai
Pada akhirnya, auditor harus mengevaluasi apakah laporan keuangan
secara keseluruhan mengandung salah saji material. Jika salah saji yang
saling hapus ditemukan di bagian lain audit, seperti dalam persediaan, auditor
dapat menyimpulkan bahwa estimasi salah saji dalam piutang dapat diterima.
Tentu saja, sebelum audit diselesaikan, auditor harus mengevaluasi apakah
salah saji dalam satu akun dapat membuat laporan keuangan menyesatkan
bahkan jika ada salah saji yang saling hapus
2. Melakukan tes audit yang diperluas di bidang tertentu
Jika analisis menunjukkan kesalahan individu adalah unik atau
sebagian besar salah saji adalah jenis tertentu, mungkin tepat untuk
membatasi upaya audit tambahan ke area masalah. Sebagai contoh, jika
analisis salah saji dalam konfirmasi menunjukkan bahwa sebagian besar salah
saji disebabkan oleh kegagalan mencatat retur penjualan, auditor dapat
melakukan penelusuran lanjutan atas barang retur untuk memastikan bahwa
retur telah dicatat. Namun, perawatan harus diambil untuk mengevaluasi
penyebab semua salah saji dalam sampel sebelum kesimpulan dicapai tentang
penekanan yang tepat dalam pengujian yang diperluas. Masalah mungkin ada
di lebih dari satu area.
3. Meningkatkan ukuran sampel
Jika sampel asli dianggap representatif, tingkat salah saji dalam
sampel yang diperluas akan serupa dengan sampel asli. Akibatnya,
peningkatan ukuran sampel biasanya tidak diharapkan secara signifikan
 mengubah estimasi titik kemungkinan salah saji dalam populasi. Namun,
ketika auditor meningkatkan ukuran sampel, risiko pengambilan sampel
berkurang jika tingkat salah saji dalam sampel yang diperluas, jumlah
dolarnya, dan arahnya serupa dengan sampel asli. Oleh karena itu,
meningkatkan ukuran sampel memungkinkan auditor untuk menyimpulkan
bahwa salah saji populasi yang sebenarnya tidak mungkin melebihi salah saji
yang dapat ditoleransi.
4. Menyesuaikan Saldo akun
Ketika auditor menyimpulkan bahwa saldo akun salah saji secara
material, klien mungkin bersedia untuk menyesuaikan nilai buku berdasarkan
hasil sampel. Dalam contoh sebelumnya, asumsikan klien bersedia
mengurangi nilai buku sebesar estimasi poin ($6,589) untuk menyesuaikan
estimasi kesalahan pernyataan.
5. Meminta klien untuk mengoreksi populasi
Dalam beberapa kasus, catatan klien sangat tidak memadai sehingga
diperlukan koreksi terhadap seluruh populasi sebelum audit dapat
diselesaikan. Misalnya, dalam piutang, klien mungkin diminta untuk
mengoreksi catatan piutang dan menyiapkan daftar piutang lagi jika auditor
menyimpulkan bahwa ia memiliki salah saji yang signifikan. Ketika klien
mengubah penilaian beberapa item dalam populasi, hasilnya harus diaudit
lagi.
6. Menolak memberikan opini tanpa modifikasi
Jika auditor yakin bahwa jumlah yang dicatat dalam suatu akun tidak
dinyatakan secara wajar, maka perlu untuk mengikuti setidaknya salah satu
alternatif sebelumnya atau memodifikasi laporan audit dengan cara yang
tepat. Jika auditor yakin bahwa ada kemungkinan yang wajar bahwa laporan
keuangan salah saji secara material, itu akan menjadi pelanggaran serius
terhadap standar audit untuk mengeluarkan opini tanpa modifikasian. Untuk
tujuan pelaporan pengendalian internal, salah saji material harus dianggap
sebagai indikator potensial dari kelemahan material dalam pengendalian
internal atas pelaporan keuangan.
C. Pengambilan Sampel Unit Moneter
Monetary unit sampling (MUS) adalah metode pengambilan sampel statistik yang
paling umum digunakan untuk pengujian rincian saldo karena memiliki kesederhanaan
statistik dari pengambilan sampel atribut namun memberikan hasil statistik yang dinyatakan
dalam dolar (atau mata uang lain yang sesuai). MUS juga disebut sampling unit dolar,
sampling jumlah moneter kumulatif, dan sampling dengan probabilitas sebanding dengan
ukuran.
MUS dapat disebut juga pengambilan sampel unit rupiah, pengambilan sampel nilai
moneter kumulatif, dan pengambilan sampel dengan proporsi probabilitas. Perbedaan antara
MUS dengan Pengambilan Sampel Nonstatistik, MUS sama dengan penggunaan
pengambilan sampel nonstatistik. Dari 14 langkah, seluruhnya dilakukan untuk MUS,
meskipun ada yang dilakukan dengan carayang berbeda. Pemahaman atas perbedaan
tersebut merupakan kunci dari pemahaman MUS. Definisi dari Unit Pengambilan Sampel
sebagai Nilai Uang lndividu.
Ciri khas yang menonjol dari MUS adalah bahwa pengambilan unit sampel
ditentukan sebagai nilai uang individu dalam suatu saldo akun. Nama metode statistik dan
pengambilan sampel atas unit moneter dihasilkan dari adanya ciri khas tersebut. Berfokus
pada nilai uang individu sebagai unit sampel, MUS secara otomatis menekankan pada unit
fisik dengan saldo tercatat yang lebih besar. Ukuran Populasi Berupa Populasi Uang yang
Tercatat Metode pemilihan sampel dalam MUS, tidak dapat mengevaluasi kemungkinan
tidak tercatatnya bagian-bagian dalam populasi. Diasumsikan bahwa MUS digunakan untuk
mengevaluasi apakah persediaan disajikan secara wajar. MUS tidak dapat digunakan untuk
mengevaluasi apakah persediaan tertentu sebenarnya ada tetapi belum diperhitungkan. Jika
tujuan kelengkapan merupakan hal yang penting dalam pengujian audit, maka biasanya
tujuan tersebut harus dipenuhi secara terpisah dalam pengujian MUS.

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.
Teknik pengambilan sampel lainnya mensyaratkan auditor untuk menentukan salah saji
yang dapat diterima terhadap setiap akun dengan mengalokasikan penilaian awal terhadap
materialitas. Hal ini tidak perlu dilakukan jika menggunakan MUS. Jumlah Sampel
Ditentukan Menggunakan Rumus Statistik Proses ini dilakukan secara terperinci setelah kita
membahas 14 langkah pengambilan sampel untuk MUS. Aturan Keputusan Formal
Digunakan untuk Menentukan Keberterimaan Populasi Peraturan yang digunakan untuk
MUS sama dengan yang digunakan dalam pengambilan sampel nonstatistik, tetapi
sebenarnya cukup berbeda. Pemilihan Sampel Dilakukan Menggunakan PPS Sampel unit
moneter dipilih menggunakan proporsi probabilitas pemilihan jumlah sampel (probability
proportional to size (PPS) sample selection). Sampel PPS bisa didapatkan menggunakan
peranti lunak komputer, tabel angka acak, atau teknik pengambilan sampel yang sistematis.
Metode statistik untuk mengevaluasi sampel unit moneter memperbolehkan adanya
pencantuman satu unit fisik dalam sampel lebih dari satu kali. Satu masalah dalam
pemilihan sampel PPS adalah bahwa bagian populasi dengan saldo tercatat nol tidak
mungkin dipilih menggunakan PPS, meskipun mungkin terjadi salah saji. sama halnya
dengan saldo kecil yang salah saji secara signifikan, kecil kemungkinannya untuk
dimasukkan dalam sampel. Masalah ini dapat diatasi dengan melakukan pengujian audit
khusus untuk saldo nol atau saldo kecil, dengan asumsi bahwa saldo akun tersebut memiliki
kepentingan yang besar.

Masalah lain dalam PPS adalah ketidakmampuannya memasukkan saldo negatif

dalam sampel (unit moneter) ppS, misalnya saldo kredit dalam piutang dagang. Saldo
negatif dalam pemilihan sampel ppS dapat diabaikan dan pengujiannya dapat dilakukan
dengan cara lain.. Salah satu alternatifnya adalah dengan memperlakukan saldo negative
tersebut sebagai saldo positif dan menambahkannya pada jumlah unit moneter yang sedang
diuji. Meskipun demikian, har ini dapat mempersulit proses evaluasi. Generalisasi sampel ke
popurasi Menggunakan Teknik MUS oleh Auditor Berapa pun metode pengambilan sampel
yang dipilih, auditor tetap harus melakukan generalisasi dari sampel ke populasi dengan (1)
memproyeksikan salah saji dari hasil sampel ke populasi dan (2) menentukan kesalahan
pengambilan sampelnya.

Terdapat 4 aspek dalam menggunakan MUS, yaitu:

1. Tabel pengambilan sampel atribut digunakan untuk menghitung hasilnya
2. Hasil atribut harus dikonversikan ke dalam mata uang. MUS memperkirakan jumlah
uang yang salah saji dalam populasi, bukan persentase populasi yang salah saji.
3. Auditor harus membuat asumsi tentang persentase salah saji untuk setiap bagian
populasi yang salah saji. Dengan asumsi ini, auditor dapat menggunakan tabel
pengambilan sampel atribut untuk mengestimasi jumlah salah saji.
4. Hasil statistik yang didapatkan dengan menggunakan MUS disebut batas salah saji
(misstatement bounds). Batas salah saji ini mengestimasi kemungkinan tertinggi dari
lebih saji (batas salah saji atas) dan kemungkinan tertinggi dari kurang saji (batas salah
saji bawah) pada ARIA tertentu. Auditor menghitung keduanya, baik batas salah saji
atas maupun bawah. Generalisasi dari sampel ke populasi merupakan rangkah terakhir
yang penting dilakukan. Generalisasi akan berbeda jika auditor tidak menemukan salah
saji dalam sampel untuk dibandingkan. Dua kondisi berikut akan mengevaluasi tindakan
generalisasi.

Generalisasi dari Sampel ke Populasi Ketika Salah Saji Tidak Ditemukan dengan
Menggunakan MUS Selama audit seluruh saji ditemukan dalam sampel. Auditor ingin
menetukan jumlah maksimum dari lebih saji atau kurang saji yang dapat muncul dalam
populasi meskipun salah saji tidak ditemukan dalam sampel. Hal ini disebut batas salah
saji atas (upper misstatement bound) dan batas salah saji bawah (lower misstatement
bound). Dalam tabel menunjukkan batas atas dan batas bawah, disajikan dalam persen.
Persentase yang Tepat dalam Asumsi Salah Saji Asumsi yang tepat untuk keseluruhan
persentase salah saji dalam populasi yang mengandung salah saji merupakan keputusan
auditor. Auditor harus menetapkan persentase tersebut berdasarkan penilaian
professional. Bila tidak terdapat informasi yang meyakinkan, maka perlu
mengasumsikan jumlah 100% baik untuk lebih saji maupun kurang saji, kecuali jika
tidak terdapat salah saji dalam hasil sampel. Pendekatan ini, termasuk konsevartif, tetapi
lebih mudah untuk dijustifikasi dibandingkan asumsi lain. Batas atas dan batas bawah
salah saji lebih tepat dikatakan batas salah saji (dalam MUS) dibandingkan
kecenderungan salah saji maksimum atau pun batas keyakinan. Alasannya adalah
luasnya penggunaan asumsi konservatif tersebut. Generalisasi Ketika Salah Saji
Ditemukan Jumlah lebih saji dan kurang saji dibuat terpisah kemudian digabungkan.
Pertama, batas atas dan batas bawah salah saji dihitung secara terpisah untuk
memperoleh jumlah lebih saji dan kurang saji. Kemudian, titik estimasi lebih saji dan
kurang sajidihitung. Titik estimasi untuk kurang saji digunakan untuk mengurangi batas
atas salah saji awal, dan titik estimasi lebih saji digunakan untuk mengurangi batas
bawah saji awal. Perbedaan asumsi salah saji dibuat untuk setiap salah saji, termasuk
salah saji nol. Ketika tidak terdapat salah saji dalam sampel, asumsi diperlukan untuk
persentase ratarata salah saji atau populasi yang salah saji. Batas salah saji yang dihitung
menunjukkan beberapa asumsi yang berbeda. Ketika salah saji ditemukan, auditor dapat
menggunakan informasi sampel yang tersedia dalam menentukan batas-batas salah saji.
Auditor harus setuju dengan lapisan (layer) tingkat pengecualian atas yang
diperhitungkan/Computed Upper Exception Rate (CUER) dari table pengambilan
sampel atribut. Lapisan tersebut dihitung dengan menentukan CUER dari setiap tabel
salah saji kemudian menghitung setiap lapisannya Asumsi salah saji harus dihubungkan
untuk setiap lapisan. Metode paling umum dalam menghubungkan asumsi salah saji
dengan lapisan adalah mengaitkan persentase salah saji pada jumlah uang terbesar
dengan lapisan tertinggi. Menentukan Keberterimaan Populasi Menggunakan MUS
Setelah batas salah saji dihitung, auditor harus memutuskan apakah populasi dapat
diterima. Terdapat aturan pengambilan keputusan untuk tindakan tersebut. Aturan
pengambilan keputusan untuk MUS adalah: lika baik batas salah saji bawah (Iower
misstatement bounds / LMB) maupun batas salah saji atas (upper misstatement bounds /
UMB) terletak di antara jumlah kurang saji dan lebih saji yang dapat diterima, maka
dapat disimpulkan bahwa salah saji nilai buku tidak material. lika tidak, maka salah saji
tersebut material.

Menentukan Sampel Menggunakan MUS Metode yang digunakan

untukmenentukan jumlah sampel MUS sama denganyang digunakan dalam unit fisik
pengambilan sael atribut, yaitu menggunakan tabel pengambilan sampel
atribut.Terdapampt lima hal yang diperlukan untuk menghitung jumlah sampel
menggunakan MUS. Materialitas Penilaian awal tentang materialitas secara normal
berbasis pada jumlah salah saji yang dapat diterima yang digunakan. Jika salah saji
dalam pengujian non-MUS diperkirakan terjadi, maka salah saji yang dapat diterima
merupakan materialitas dikurangi jumlah tersebut. Salah saji yang dapat diterima bisa
berbeda untuk kurang saji atau lebih saji. Asumsi Persentase Rata-Rata Salah Saji untuk
Populasi yang Mengandung Salah Saji Bisa terdapat perbedaan asumsi untuk batas atas
dan batas bawah. Hal ini juga merupakan penilaian auditor. Hal ini sebaiknya didasarkan
pada pengetahuan auditor atas klien dan pengalaman masa lalu, dan jika kurang dari
100% yang digunakan, maka asumsi harus kuat.

Risiko yang Dapat Diterima atas Kesalahan Penerimaan ARIA merupakan

penilaian dari auditor dan biasanya dicapai dengan bantuan model risiko audit. Nilai
Populasi Tercatat Nilai uang dari populasi diambil dari pencatatan klien. Estimasi
Tingkat Pengecualian Populasi. Secara normal, estimasi tingkat pengecualian populasi
untuk MUS adalah nol, karena MUS kebanyakan digunakan saat tidak terjadi salah saji,
 atau hanya sedikit yang diperkirakan terjadi. Ketika salah saji diperkirakan terjadi, total
uang dari ekspektasi salah saji populasi diestimasi dan dicerminkan dalam presentase
jumlah populasi tercatat.

Pemakaian Sampel Unit Meneter dalam Audit Tiga alasan mengapa MUS menarik bagi
auditor:
1. MUS secara otomatis meningkatkan kecenderungan dalam pemilihan jumlah uang
yang besar dalam populasi yang diaudit.

2. MUS dapat mengurangi biaya pengujian audit karena beberapa sampel diuji
sekaligus

3. MUS mudah diterapkan. MUS lebih menghasilkan inferensi statistik dibandingkan

nonstatistik. Namun MUS juga memiliki kekurangan,yaitu total batas salah saji yang
dihasilkan saat ditemukan salah saji mungkin terlalu tinggi sehingga tidak dapat
digunakan auditor dan sulit dalam memilih sampel PPS dari populasi besar tanpa
bantuan komputer.

D. Pengambilan Sampel Variabel

Pengambilan sampel variabel merupakan metode statistik yang digunakan oleh
auditor. Pengambilan sampel variabel dan nonstatistik untuk pengujian perincian. Saldo
memiliki tujuan yang sama, yaitu untuk mengukur salah saji dalam saldo. Untuk sampel
nonstatistik, ketika auditor menentukan bahwa jumlah salah saji melebihi jumlah yang
dapat diterima, mereka menolak populasi dan melakukan tindakan tambahan.
Beberapa teknik pengambilan sampel terdiri atas klasifikasi metode umum yang
disebut pengambilan sampel variabel : estimasi perbedaan, estimasi rasio, dan estimasi rata-
rata per unit.

Perbedaan Antara Pengambilan Sampel Variabel dan Nonstatistik

Penggunaan metode variabel memiliki banyak kesamaan dengan sampel nonstatistik.
14 langkah yang dibahas dalam sampel nonstatistik juga harus dilakukan untuk metode
variabel, dan kebanyakan sama. Beberapa perbedaan antara pengambilan sampel variabel
dan nonstatistik akan dibahas setelah pembahasan distribusi pengambilan sampel.
Distribusi Pengambilan Sampel
Untuk memahami alasan dan cara auditor menggunakan metode pengambilan sampel
variabel dalam audit, Anda perlu memahami terlebih dahulu distribusi pengambilan sampel
dan pengaruhnya terhadap keputusan statistik auditor. Auditor tidak mengetahui nilai rata-
rata salah saji dalam populasi, distribusi jumlah salah saji, atau nilai yang diaudit.
Karekteristik populasi ini harus diestimasi dalam sampel, yang tentunya merupakan tujuan
dari pengujian audit
Diasumsikan bahwa auditor, sebagai experimen, mengambil ribuan sampel rata-rata
yang terulang dengan jumlah yang sama dari suatu populasi data akuntansi, dengan nilai
rata-rata x. Untuk setiap sampel, auditor menghitung nilai rata-rata dalam sampel sebagai
berikut:
Dimana:
x: Nilai rata-rata dalam sampel
xj: Nilai masing-masing sampel
n: jumlah sampel

Inferensi Statistik
Biasanya, ketika sampel diambil dari populasi dalam situasi audit aktual , auditor
tidak mengetahui karakteristik populasi dan biasanya hanya satu sampel yang diambil dari
satu populasi. Akan tetapi, auditor dengan pengetahuan mengenai distribusi pengambilan
sampel (knowledge of sampling distribution) dapat menarik kesimpulan, atau disebut
inferensi statistik (statistik inferences), tentang populasi.
Secara alami, ketika sampel diambil dari suatu populasi di dalam situasi audit nyata,
auditor tidak mengetahui karakteristik populasi dan di sana biasanya hanya ada yang satu
sampel dari populasi itu. Hanyalah pengetahuan distribusi sampling memungkinkan auditor
menarik statistika inferensi, atau statistika inferensi, tentang populasi itu. Untuk contoh,
asumsi bahwa auditor mengambil suatu contoh dari suatu populasi dan mengkalkulasi
sebagai $ 46 dan SE pada $9 (mean untuk mengkalkulasi SE ditunjukkan kemudian). Kita
sekarang dapat mengkalkulasi suatu kepercayaan interval rata-rata populasi menggunakan
logika memperoleh dari studi sampling distribusi.
Pembagian Sampel
Menggunakan rumus distribusi normal dengan karakteristik kurva normal :
1. Kurva simetris
2. Mean sampel tergolong porsi yang dikenal Distribusi Sampling disekitar rata-rata
(mean) yang diukur oleh jarak sepanjang poros yang horizontal dalam kaitan dengan
standar deviasi
3. Nilai rata-rata dari semua mean sampel = rata-rata populasi
4. Bentuk dari distribusi frekuensi mean sampel adalah sebagai kurva normal sepanjang
ukuran sampel cukup besar, dengan mengabaikan distribusi dari populasi
5. Persentase dari rata-rata sampel berarti diantara dua nilai manapun distribusi sampling
terukur. Persentase diukur dengan menentukan banyaknya kesalahan standar antara
manapun dua nilai
6. Menentukan persentase dari mean sampel mewakili dari suatu tabel untuk kurva nilai

Metode Variabel
Proses statistika inferensi, digunakan untuk semua metode sampling variabel.
Perbedaan utama dalam berbagai metode adalah dalam item karasteristik dan begitu di
dalam yang sedang terukur. Ketika metode variable kini dibahas secara individu. Perbedaan
estimasi digunakan untuk mengukur total kesalahan yang diperkirakan missamount di dalam
suatu populasi ketika ada kedua nilai tercatat dan suatu yang teraudit untuk masing-masing
item di dalam sampel itu. Contohnya akan mengkonfirmasikan sampel piutang dagang yang
menentukan perbedaan antara jumlah yang dicatat klien dan auditor dalam
mempertimbangkan yang benar untuk masing-masing rekening terpilih. Auditor membuat
suatu perkiraan misstatement populasi berdasarkan pada banyaknya misstatement, ukuran
rata-rata, misstatement ukuran individu didalam sampel itu.
Hasil dinyatakan seperti perkiraan misstatement populasi yang lebih atau kurang
suatu ketepatan dihitung dengan tepat pada suatu tingkatan kepercayaan dinyatakan. Sebagai
contoh, di dalam diskusi distribusi sampling yang terdahulu auditor sedang menetapkan
suatu sampel acak untuk 100 dari populasi 1,000 piutang dagang dan disimpulkan bahwa
kepercayaan membatasi dari mean menyangkut misstatement untuk populasi adalah antara $
28 dan $64,000 pada suatu pengukuran 95 kepercayaan persen. Perkiraan dari total
pernyataan populasi salah dapat juga mudah dihitung sebagai hal yang antara $ 28,000 dan $
64,000 pada suatu pengukuran 95 kepercayaan persen( 1,000 x 28 dan 1,000 x 64 ).
Jika misstatement yang dapat ditolerir auditor adalah $100,000, populasi dengan
jelas mampu diterima. Jika adalah 40,000.populasi adalah tidak mampu diterima. Suatu
ilustrasi diperluas yang menggunakan penilaian perbedaan ditunjukkan kemudian.Estimasi
perbedaan yang sering mengakibatkan ukuran sampel lebih kecil dibanding metode lain, dan
itu secara relative penggunaan. Untuk alasan itu, estimasi perbedaan adalah metode variable
yang lebih disukai.
Rasio estimasi adalah serupa dengan estimasi perbedaan kecuali titik taksir dari
misstatement populasi ditentukan dengan sampel perkalian porsi dolar yang salah dengan
total nilai buku populasi dicatat. Kalkulasi batas kepercayaan dari total misstatement dapat
dibuat untuk ratio estimasi dengan kalkulasi yang serupa apa ditunjukkan untuk perbedaan
estimasi. Ratio estimasi menghasilkan bahkan ukuran sampel yang lebih kecil dibanding
estimasi perbedaan jika ukuran misstatement di dalam populasi adalah yang sebanding
dengan nilai yang dicatat. Jika ukuran misstatement individual adalah bebas dari nilai yang
tercatat, estimasi perbedaan menghasilkan ukuran sampel yang lebih kecil.
Estimasi mean per unit di dalam mean per unit, auditor mempunyai perhatian kepada
nilai yang teraudit dibanding dengan jumlah misstatement untuk masing-masing item di
dalam sampel itu. Kecuali definisi dari apa yang sedang terukur, situasi mean per unit
dihitung oleh cara yang persis sama dengan estimasi perbedaan. Titik taksir dari nilai
teraudit adalah rata-rata nilai materi yang teraudit di dalam sampel dikatakan ukuran
populasi. Interval ketepatan atas dasar nilai yang teraudit menyangkut materi sampel
dibanding misstatement itu.
Ketika auditor telah menghitung batas atas dan menurunkan batas kepercayaan
bawah, suatu keputusan dibuat untuk menerima populasi dengan membandingkan jumlah ini
dengan nilai buku yang tercatat. Metode statistic yang berstratifikasi Seperti didiskusikan
tadi, sampling yang berstratifikasi adalah suatu metode sampling dimana semua unsur-unsur
di dalam total populasi adalah dibagi 2 atau lebih subpopulations. Masing-masing
subpopulation adalah kemudian diuji dengan bebas. Ketika auditor menggunakan stratifikasi
sampling statistic, hasilnya diukur secara statistic. Kalkulasi dibuat untuk masing-masing
lapisan. Mereka dikombinasikan ke dalam suatu keseluruhan taksiran populasi dengan suatu
bilangan interval kepercayaan. Stratifikasi dapat digunakan perbedaan untuk perbandingan,
dan mean per unit, tetapi itu paling umum yang digunakan untuk estimasi mean per unit.
Seperti ditunjukkan terdahulu bahwa tentu saja membuat stratifikasi suatu populasi adalah
tidak unit ke sampling statistic. Auditor sudah biasa menekankan jenis materi tertentu ketika
mengadakan tes suatu populasi. Sebagai contoh,dalam konfirmasi piutang dagan atau akun
yang besar dan kecil dilakukan. Perbedaan yang terbesar adalah bahwa pendekatan
 statistical sampling lebih obyektif dan lebih baik daripada metode nonstatistik dan statistik
sampling.

Risiko Pengambilan Sampling

Untuk sampling variable, risiko yang mampu diterima penolakan salah (ARIR) juga
digunakan. Pembedaan antara dan penggunaan keduanya resiko harus dipahami. ARIR (
accepted risk of incorrect rejection ) resiko yang mampu diterima penolakan salah (ARIR)
adalah resiko statistic bahwa auditor telah menyimpulkan bahwa suatu populasi secara
material disajikan salah ketika itu tidak ada. Satu-satunya waktu yang ARIR mempengaruhi
tindakan auditor adalah ketika auditor menyimpulkan bahwa suatu populasi adalh tidak
wajar dinyatakan. Tindakan yang pasti ketika auditor tidak menemukan suatu saldo wajar
yang dinyatakan adalah akan meningkatkan ukuran sampel atau melaksanakan tes lain.

E. Ilustrasi Menggunakan Estimasi yang Berbeda

Untuk mengilustrasikan konsep dan metodologi sampling variabel, kita telah
memilih estimasi perbedaan dengan menggunakan pengujian hipotesis karena relative
sederhana.

Merencanakan Sampel dan Menghitung Ukuran Sampel dengan Menggunakan

Estimasi Perbedaan
• Menyatakan Tujuan Pengujian Audit
Tujuan pengujian audit adalah untuk menentukan apakah piutang usaha sebelum
mempertimbangkan penyisihan piutang tak tertagih mengandung salah saji yang
material.
• Memutuskan Apakah Sampling Audit Dapat Diterapkan
Sampling audit diterapkan dalam konfirmasi piutang usaha karena besarnya jumlah
piutang usaha.
• Mendefinisikan Kondisi Salah Saji
Kondisi salah saji merupakan kesalahan klien yang ditentukan melalui konfirmasi setiap
akun atau prosedur alternative.
• 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.
• Mendefinisikan Unit Sampling
Unit sampling adalah suatu akun dalam daftar piutang usaha.
• Menetapkan Salah Saji yang Dapat Ditoleransi
Jumlah salah saji yang bersedia diterima auditor merupakan pertanyaan tentang
materialitas.
• Menetapkan Risiko yang Dapat Diterima
Auditor menetepkan dua risiko :
1. Risiko yang dapat diterima atas penerimaan yang salah ( ARIA ), ARIA dipengaruhi
oleh risiko audit yang dapat diterima, hasil pengujian pengendalian dan pengujian
substansif atas transaksi, prosedur analitis, dan signifikansi relative piutang usaha
dalam laporan keuangan.
2. Risiko yang dapat diterima atas penolakan yang salah ( ARIR ), ARIR dipengaruhi
oleh biaya tambahan resampling

• Mengestimasi Salah Saji dalam Populasi

Estimasi ini memiliki dua bagian :
1. Estimasi titik estimasi yang diharapkan. Auditor memerlukan estimasi dimuka atas
titik estimasi populasi bagi estimasi perbedaan, seperti ketika mereka memerlukan
estimasi tingkat pengecualian populasi untuk sampling atribut.
2. Melakukan estimasi deviasi standar populasi dimuka – variabilitis populasi. Untuk
menentukan ukuran sampel awal, auditor memerlukan estimasi di muka atas variasi
salah saji dalam populasi seperti yang diukur oleh deviasi standar populasi.

• Menghitung Ukuran Sampel Awal

Ukuran sampel awal dapat dihitung dengan menggunakan rumus berikut :

Memilih Sampel dan Melaksanakan Prosedur

Memilih Sampel, karena memerlukan sampel acak ( selain PPS ), auditor harus
menggunakan salah satu metode pemilihan sampel probabilistic guna memilih 100 item
sampel untuk konfirmasi.
 Melaksanakan Prosedur Audit, dalam konfirmasi salah saji adalah perbedaan antara
respons konfirmasi dan saldo klien setelah merekonsiliasi semua perbedaan waktu serta
kesalahan pelanggan. Dalam situasi nonrespons, salah saji yang ditemukan dengan prosedur
alternative akan diperlakukan serupa dengan salah saji yang ditemukan melalui konfirmasi.

Mengevaluasi Hasil
• Menggeneralisasi dari Sampel ke Populasi
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 :

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.
• Menganalisis Salah Saji
Auditor harus mengevaluasi salah saji untuk menentukan penyebab setiap salah saji
dan memutuskan apakah perlu memodifikasi model risiko audit.
• Memutuskan Akseptabilitas Populasi
Jika menggunakan metode statistic, maka untuk memutuskan apakah suatu populasi
dapat diterima auditor bergantung pada aturan keputusan sebagai berikut :
❖ Jika interval keyakinan dua sisi untuk salah saji sepenuhnya berada dalam salah
saji yang dapat ditoleransi berupa plus dan minus, terima hipotesis bahwa nilai
buku tidak disalahsajikan dalam jumlah yang material.
❖ Jika terjadi sebaliknya, terima hipotesis bahwa nilai buku disalahsajikan dalam
jumlah yang material.
• Analisis
Penggunaan ARIR yang kecil akan menyebabkan ukuran sampel menjadi lebih besar
ketimbang jika ARIR-nya sebesar 100 persen. Auditor dapat menggunakan ARIR untuk
mengurangi kemungkinan harus meningkatkan ukuran sampel jika deviasi standar atau
titik estimasi lebih besar dari yang diharapkan.

Tindakan Jika Hipotesis Ditolak

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. Jika interval presisi yang dihitung melampaui salah saji yang
dapat ditoleransi, auditor tidak akan mengharuskan pembukuan disesuaikan.

Penyelesain Kasus Chapter 17 (Hal. 600-601)

17-35
a. Penentuan ARIA - Perhatikan bahwa ada banyak cara untuk memperkirakan ARIA.
Salah satu caranya adalah sebagai berikut:
ARIA = AAR / (IR x CR x APR)
= 0.05 / (0.8 x 0.5 x 1.0)
= 0.05 / 0.4
= 0.13 dibulatkan menjadi 0.10 (to be conservative)
 Salah saji yang dapat ditoleransi dalam persen:
TER = TM / Population
= 800,000 / 12,000,000
= 0.067 dibulatkan menjadi 0.06 (to be conservative)

Ukuran sampel ditentukan menggunakan Tabel 15-8 (mengasumsikan salah saji yang
diharapkan nol dan persen salah saji 100%): n = 38

b. Penentuan ARIA - Perhatikan bahwa ada banyak cara untuk memperkirakan ARIA.
Salah satu caranya adalah sebagai berikut:
ARIA = AAR / (IR x CR x APR)
= 0.05 / [1.0 x 0.8 x (1 - 0.06)]
= 0.05 / 0.32
= 0.16 dibulatkan menjadi 0.15

Salah saji yang dapat ditoleransi dalam persen:

TER = TM / Population
= 800,000 / 23,000,000
= 0.035 dibulatkan menjadi 0.03 (to be conservative)

Tidak ada meja yang tersedia untuk ARIA 15%. Risiko bawaan dan risiko
pengendalian untuk persediaan lebih besar daripada piutang. Namun, karena masuknya
komponen risiko prosedur analitis, ARIA untuk persediaan tidak lebih besar secara
signifikan daripada ARIA untuk piutang. Karena nilai buku populasi untuk persediaan jauh
lebih besar, salah saji yang dapat ditoleransi sebagai persen jauh lebih rendah untuk
persediaan. Akibatnya, ukuran sampel untuk persediaan harus lebih besar dari ukuran
sampel untuk piutang dalam persyaratan a.

c. ARIA yang sama harus digunakan untuk keseluruhan tes gabungan. Akan lebih
bijaksana untuk menggunakan ARIA yang lebih rendah yang dihitung untuk pengujian
terpisah, (yaitu 10% dari contoh yang ditunjukkan dalam persyaratan a dan b).
 Salah saji yang dapat ditoleransi dalam persen:
TER = TM / Population
= 800,000 / (12,000,000 + 23,000,000)
= 800,000 / 35,000,000
= 0.023 dibulatkan menjadi 0.02

Ukuran sampel yang dihitung menggunakan Tabel 15-8 (memungkinkan tingkat

pengecualian 0,005 rata-rata salah saji yang diharapkan untuk piutang dan persediaan—dan
mengasumsikan persen salah saji sebesar 100%): n = 194

d. Pembangkitan bilangan acak menggunakan Excel (P1734.xls) untuk mendapatkan

sampel 38 piutang untuk konfirmasi akan diperoleh sebagai berikut:
Nilai buku populasi = $12,000,000
Perintah untuk mendapatkan setiap nomor acak: =RANDBETWEEN(1,12000000)

Setelah rumus dimasukkan, dapat disalin ke bawah untuk memilih nomor acak
tambahan. Untuk mendapatkan daftar yang diurutkan, daftar nomor acak harus disalin ke
kolom terpisah, dan ditempelkan sebagai nilai (gunakan perintah "Tempel Spesial" dan
pilih "nilai"). Kemudian gunakan perintah "Pengurutan Data" untuk mendapatkan daftar
yang diurutkan.

Perintah untuk memilih angka acak dapat dimasukkan langsung ke spreadsheet, atau
dapat dipilih dari fungsi menu fungsi (matematika & trigonometri). Mungkin perlu
menambahkan paket alat analisis untuk mengakses fungsi RANDBETWEEN.

17-36
a. Sampel nonstatistik (yaitu, nonprobabilistik atau menghakimi) ini adalah sampel
astratifikasi. Semua 23 item lebih dari $ 10.000 diperiksa 100%. Sisanya 7.297 item
yang diuji dengan sampel 77 item. Meskipun ini bukan sampel probabilistik, standar
auditing mensyaratkan bahwa menurut penilaian auditor, sampel tersebut representatif.
Oleh karena itu, hasilnya harus diproyeksikan ke populasi dan penilaian dibuat tentang
risiko pengambilan sampel, meskipun risiko dan presisi pengambilan sampel tidak dapat
diukur.
Proyeksi salah saji total populasi adalah sebagai berikut:
 Item selesai $10,000:
Salah saji yang diproyeksikan = Nilai yang diaudit - Nilai yang tercatat
= 432,000 - 465,000
= (33,000) overstatement

Items di bawah $10,000 - metode jumlah salah saji rata-rata:

Salah saji yang diproyeksikan = Rata-rata salah saji sampel x Ukuran populasi
= [(4,350) / 77] x (7,320 - 23)
= (56.49) x 7297
= (412,207) overstatement

Items di bawah $10,000 - metode jumlah proporsional:

Salah saji yang diproyeksikan = Rasio salah saji sampel x nilai buku populasi
= [(4,350) / 81,500] x (2,760,000 - 465,000)
= (0.053) x 2,295,000
= (121,635) overstatement

Dimana contoh salah saji adalah:

Perhatikan bahwa sampel salah saji dibagi dengan nilai buku sampel $81.500 untuk
menghitung rasio salah saji sampel. Salah saji yang diproyeksikan secara signifikan
lebih rendah menggunakan metode jumlah proporsional karena ukuran akun rata-rata
dalam sampel lebih besar daripada ukuran akun rata-rata dalam populasi.
Total salah saji adalah:
(33,000) + (412,207) = (445,207) overstatement atau
(33,000) + (121,635) =(154,635) overstatement

Dalam kedua kasus, berikut ini dapat dikatakan:

Ada sejumlah besar item salah saji dalam sampel, dan jumlahnya cukup besar.
Karena sampelnya representatif, jelas bahwa ada salah saji material dari populasi.
Jumlah salah saji tidak mudah diperkirakan dari sampel. Ini bisa jauh lebih tinggi atau
lebih rendah dari perkiraan titik mana pun. Pada titik ini, tindakan terbaik adalah
meminta klien untuk membuat studi catatan mereka untuk semua item populasi untuk
mengidentifikasi lebih akurat salah saji yang ada dan memperbaikinya.
b. Jika ini adalah sampel PPS, bagian sampel akan dievaluasi sebagai berikut:
Noda salah saji:
Perhitungan overstatement terikat:

Dari Tabel 15-9 menggunakan ARIA 5% dan ukuran sampel 75.

Pernyataan berlebihan terikat dari sampel 195,796
Salah saji item 100% 33,000
Jumlah pernyataan yang berlebihan terikat 228,796

Batas pernyataan kurang yang disesuaikan dihitung sebagai berikut:

Initial understatement bound = 0.040 x 2,295,000
= 91,800
Estimasi poin untuk pernyataan lebih = jumlah asumsi unit salah saji / ukuran sampel
x jumlah populasi yang tercatat
= 2.204 / 77 x 2,295,000
= 65,691
Batas pernyataan yang disesuaikan = batas awal - estimasi poin untuk pernyataan
berlebihan
= 91,800 - 65,691
= 26,109

Seperti yang diharapkan, ini sangat kecil. Karena semua salah saji adalah
pernyataan yang berlebihan, orang tidak akan mengharapkan terjadinya pernyataan
yang lebih rendah.
Hasil sampel PPS menunjukkan bahwa saldo piutang dilebih-lebihkan
sebanyak $228.796. Ini adalah sekitar 8% dari jumlah buku yang tercatat. Ini secara
signifikan lebih besar daripada salah saji yang dapat ditoleransi, yang menunjukkan
bahwa populasi tidak dapat diterima dan harus lebih diteliti baik oleh klien dan/atau
auditor.