Kelompok 4
Perbedaan utama antara pengujian pengendalian, pengujian substantif atas transaksi, dan
pengujian atas rincian saldo adalah apa yang ingin diukur oleh auditor.
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).
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.
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.
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
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.
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 :
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
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
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
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.