CH 17 Indo

Machine Translated by Google
BAB 17
SAMPEL AUDIT
UNTUK UJI DARI TUJUAN PEMBELAJARAN
DETAIL SALDO Setelah mempelajari

bab ini, Anda harus bisa
17-1 Bedakan sampling audit untuk pengujian
rincian saldo dan untuk pengujian
Baik Pengambilan Sampel Statistik Maupun Nonstatistik
pengendalian dan pengujian substantif
Dapat Diterima Berdasarkan Standar Audit, Tapi Mana transaksi.
Pun Yang Digunakan, Itu Harus Dilakukan Dengan Benar 17-2 Terapkan sampling nonstatistik untuk
pengujian rincian saldo.
Bob Lake adalah manajer audit Images, Inc., pengecer khusus yang
memiliki toko di seluruh Midwest. Gambar menarik wanita pekerja 17-3 Terapkan sampling unit moneter.
kelas atas dan menawarkan kartu kreditnya sendiri. Penghitungan 17-4 Jelaskan pengambilan sampel variabel.
gambar dilakukan secara terpusat. Transaksi direkam secara online 17-5 Gunakan estimasi perbedaan dalam tes
dan file penjualan dan piutang disimpan di database. dari rincian saldo.
Perusahaan Bob Lake mendorong penggunaan sampling statistik dalam praktiknya

dan menyediakan program pelatihan untuk pengembangan koordinator statistik untuk
setiap kantor. Koordinator di kantor Bob adalah Barbara Ennis. Bob percaya bahwa pengujian konfirmasi transaksi penjualan dan
piutang harus dilakukan dengan menggunakan sampling statistik dan meminta Barbara untuk membantu merancang dan mengawasi
aspek statistik pengujian ini.
Apago PDF Enhancer Barbara mengembangkan
sebuah program untuk merancang prosedur audit konfirmasi sebagai bagian dari melakukan pengujian perincian saldo untuk
piutang usaha. Pekerjaannya termasuk menentukan ukuran sampel. Dia meninggalkan program dengan Bob untuk melaksanakan
dan mengatakan bahwa dia akan tersedia untuk membantu mengevaluasi hasil setelah tes dilakukan.
Ketika semua balasan konfirmasi diterima atau prosedur alternatif diselesaikan beberapa minggu kemudian, Bob menelepon Barbara
untuk melakukan evaluasi statistik. Sangat mencemaskannya, dia mengetahui bahwa Barbara telah meninggalkan perusahaan, dan
lebih buruk lagi, tidak ada orang yang terlatih secara statistik untuk menggantikannya. Bob berada di bawah banyak tekanan untuk
menyelesaikan pekerjaan dan memutuskan untuk membuat perhitungan statistik sendiri. Berdasarkan perhitungannya, ia menyimpulkan
bahwa potensi salah saji besar, tetapi tidak material, sehingga Bob menyimpulkan bahwa tujuan pengujian konfirmasi telah terpenuhi.
Tahun berikutnya, pendapatan Images, Inc. menurun tajam, sebagian karena penghapusan piutang yang besar. Harga saham turun
tajam dan gugatan class action diajukan, menyebut perusahaan Bob di antara para tergugat. Seorang ahli dari luar dibawa untuk
meninjau dokumentasi audit. Pakar mengulang semua pekerjaan Bob dan menemukan kesalahan dalam perhitungan statistik. Pakar
menghitung bahwa salah saji dalam piutang, berdasarkan sampel auditor, secara signifikan lebih dari jumlah yang material. Firma Bob
menyelesaikan gugatan itu dengan harga $3,5 juta.
Di Bab 16, kami beralih ke fase III proses audit dengan memeriksa prosedur analitis dan pengujian detail
saldo piutang usaha. Kami sekarang akan melanjutkan ke fase III dengan menentukan ukuran sampel dan item yang akan dipilih dari populasi
untuk audit piutang. Meskipun konsep dalam bab ini berkaitan dengan piutang usaha, konsep tersebut berlaku untuk audit atas banyak saldo
rekening lainnya.
Seperti yang diperlihatkan dalam cerita tentang audit Images, Inc., auditor harus menggunakan sampling dengan benar untuk menghindari
kesimpulan yang salah tentang suatu populasi. Sementara metode sampling audit statistik dan nonstatistik digunakan secara ekstensif untuk
pengujian rincian saldo, auditor harus memutuskan metode mana yang akan digunakan, bergantung pada preferensi, pengalaman, dan
pengetahuan mereka tentang sampling statistik. Bab ini akan membantu Anda membuat kesimpulan yang benar tentang populasi menggunakan
metode statistik atau nonstatistik.
Sebelum memulai studi bab ini, kami sarankan Anda merujuk ke Gambar 13-9 di halaman 425 untuk memastikan Anda memahami posisi
kami dalam proses audit. Pada tahap ini, semua item dalam fase I dan II akan diselesaikan sebelum auditor menentukan ukuran sampel dan item
yang akan dipilih dari populasi. Selain itu, auditor harus menyelesaikan prosedur analitis substantif dan merancang prosedur audit untuk pengujian
perincian saldo, sebagaimana tercakup dalam Bab 16 (bagian dari fase III). Auditor tidak dapat melaksanakan prosedur audit untuk pengujian
rincian saldo sampai terlebih dahulu memutuskan ukuran sampel dan unsur-unsur yang akan dipilih dari populasi.
PERBANDINGAN SAMPEL AUDIT UNTUK PENGUJIAN

RINCIAN SALDO DAN UNTUK PENGUJIAN PENGENDALIAN
DAN PENGUJIAN SUBSTANTIF TRANSAKSI
TUJUAN 17-1 Sebagian besar konsep pengambilan sampel untuk pengujian pengendalian dan pengujian substantif
transaksi, yang dibahas dalam Bab 15, berlaku sama untuk pengambilan sampel untuk pengujian rincian
Bedakan sampling audit untuk
pengujian rincian saldo dan saldo. Dalam kedua kasus tersebut, auditor ingin membuat kesimpulan tentang seluruh populasi berdasarkan
untuk pengujian pengendalian sampel. Oleh karena itu, risiko sampling dan nonsampling penting untuk pengujian pengendalian, pengujian
dan pengujian substantif substantif transaksi, dan pengujian rincian saldo Apago PDF Enhancer .
transaksi.
dapat menggunakan
Untuk mengatasi
metode
risikononstatistik
pengambilan atau
sampel,
statistikauditor
untuk ketiga jenis pengujian tersebut.
Perbedaan utama antara pengujian pengendalian, pengujian substantif atas transaksi, dan
pengujian rincian saldo sesuai dengan apa yang ingin diukur oleh auditor.
Jenis Tes Apa yang Diukur
Tes kontrol • Efektivitas pengoperasian pengendalian internal

Pengujian substantif atas transaksi • Efektivitas pengoperasian pengendalian internal
• Kebenaran moneter dari transaksi dalam akuntansi
sistem
Pengujian rincian saldo • Apakah jumlah dolar dari saldo akun salah saji secara
material
Auditor melakukan pengujian pengendalian dan pengujian substantif atas transaksi: •
Untuk menentukan apakah tingkat pengecualian dalam populasi cukup rendah • Untuk mengurangi
penilaian risiko pengendalian dan dengan demikian mengurangi pengujian rincian saldo • Untuk
perusahaan publik yang lebih besar, untuk menyimpulkan bahwa pengendalian adalah beroperasi secara efektif
untuk tujuan audit pengendalian internal atas pelaporan keuangan
Tidak seperti pengujian pengendalian dan pengujian substantif transaksi, auditor jarang menggunakan
pengujian tingkat kejadian dalam pengujian perincian saldo. Sebaliknya, auditor menggunakan metode
sampling yang memberikan hasil dalam 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, dan pengambilan sampel variabel.
558 Bagian 3 / PENERAPAN PROSES AUDIT PADA SIKLUS PENJUALAN DAN PENGUMPULAN
SAMPEL NONSTATISTIK
Ada 14 langkah yang diperlukan dalam pengambilan sampel audit untuk pengujian rincian saldo. Langkah- TUJUAN 17-2
langkah ini sejajar dengan 14 langkah yang digunakan untuk pengambilan sampel untuk pengujian
Terapkan pengambilan sampel
pengendalian dan pengujian substantif transaksi, meskipun tujuannya berbeda. Sebagai seorang auditor, nonstatistik untuk pengujian rincian saldo.
Anda perlu memahami bagaimana pengambilan sampel audit untuk pengujian rincian saldo mirip dan
berbeda dengan pengambilan sampel audit untuk pengujian pengendalian dan pengujian substantif
transaksi. Perbedaan utama dalam menerapkan sampling audit untuk pengujian rincian saldo ditunjukkan
dengan huruf miring.
Langkah—Audit Sampling untuk
Langkah—Audit Sampling untuk Pengujian Pengujian Pengendalian dan Pengujian
Rincian Saldo Substantif atas Transaksi (lihat hal. 486)
Merencanakan Merencanakan
Sampel 1. Nyatakan tujuan pengujian audit. Sampel 1. Nyatakan tujuan pengujian audit.
2. Putuskan apakah sampling audit 2. Putuskan apakah sampling audit
berlaku. berlaku.
3. Definisikan salah saji. 3. Tentukan atribut dan kondisi
pengecualian.
4. Tentukan populasi. 4. Tentukan populasi.
5. Tentukan unit sampling. 5. Tentukan unit sampling.
6. Tentukan salah saji yang dapat ditoleransi. 6. Tentukan tingkat pengecualian yang dapat ditoleransi.
7. Tentukan risiko yang dapat diterima dari 7. Tentukan risiko yang dapat diterima untuk menilai
penerimaan yang salah. risiko pengendalian terlalu rendah.
8. Perkirakan salah saji dalam populasi. 8. Perkirakan pengecualian populasi
kecepatan.
9. Tentukan ukuran sampel awal. 9. Tentukan ukuran sampel awal.
Pilih Sampel dan Lakukan Apago PDF Enhancer Pilih Sampel dan Lakukan
Prosedur Audit 10. Pilih sampel. Prosedur Audit 10. Pilih sampel.
11. Melakukan prosedur audit. 11. Melakukan prosedur audit.

Evaluasi Hasil 12. Evaluasi Hasil 12.
Lakukan generalisasi dari sampel ke Lakukan generalisasi dari sampel ke populasi.
populasi.
13. Menganalisis salah saji. 13. Analisis pengecualian.
14. Memutuskan penerimaan penduduk. 14. Memutuskan penerimaan penduduk.
Sampel auditor untuk pengujian rincian saldo untuk menentukan apakah saldo akun yang Nyatakan Tujuan Uji
diaudit disajikan secara wajar. Populasi 40 piutang pada Tabel 17-1 (p. 560), berjumlah Audit
$207.295, mengilustrasikan penerapan sampling nonstatistik. Auditor akan melakukan
pengujian rincian saldo untuk menentukan apakah saldo sebesar $207.295 salah saji
secara material. Biasanya, salah saji yang dapat ditoleransi mendefinisikan salah saji material.
Sebagaimana dinyatakan dalam Bab 15, “Sampel audit berlaku kapan pun auditor merencanakan untuk Putuskan Apakah
mencapai kesimpulan tentang suatu populasi berdasarkan sampel.” Meskipun auditor umumnya Sampling Audit Berlaku
mengambil sampel dalam banyak akun, dalam beberapa situasi pengambilan sampel tidak berlaku. Untuk
populasi pada Tabel 17-1, auditor dapat memutuskan untuk hanya mengaudit item di atas $5.000 dan
mengabaikan yang lainnya karena total item 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, auditor dapat memutuskan untuk mengabaikan item kecil tersebut seluruhnya.
Dalam kedua kasus tersebut, auditor belum mengambil sampel.
Bab 17 / SAMPEL AUDIT UNTUK PENGUJIAN DETAIL SALDO 559

TABEL 17-1 Ilustrasi Populasi Piutang Usaha
Item Populasi Jumlah Tercatat
Butir Populasi Jumlah Tercatat (lanjutan) (lanjutan)
1 $ 1.410 21 $4.865
2 9.130 22 770
3 660 23 2.305
4 3.355 24 2.665
5 5.725 25 1.000
6 8.210 26 6.225
7 580 27 3.675
8 44.110 28 6.250
9 825 29 1.890
10 1.155 30 27.705
11 2.270 31 935
12 50 32 5.595
13 5.785 33 930
14 940 34 4.045
15 1.820 35 9.480
16 3.380 36 360
17 530 37 1.145
18 955 38 6.400
19 4.490 39 100
20 17.140 40 8.435
________
$207.295
Definisikan Salah Saji Karena pengambilan sampel audit untuk pengujian rincian saldo mengukur salah saji moneter, salah
Hapus Penyempurna PDF
saji terjadi setiap kali item sampel salah saji. Dalam mengaudit piutang usaha, setiap salah saji klien
dalam saldo pelanggan yang termasuk dalam sampel auditor adalah salah saji.
Tentukan Populasi Dalam pengujian rincian saldo, populasi didefinisikan sebagai pos-pos yang menyusun populasi dolar
yang tercatat. Populasi piutang usaha yang tercatat pada Tabel 17-1 terdiri dari 40 rekening dengan
total $207.295. Sebagian besar populasi akuntansi yang menjadi sampel auditor, tentu saja, akan
mencakup jauh lebih banyak item dengan total jumlah dolar yang jauh lebih besar. Auditor akan
mengevaluasi apakah populasi yang dicatat dilebih-lebihkan atau dikecilkan.
Stratified Sampling 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 unsur populasi
tertentu dan tidak menekankan unsur lainnya. Dalam sebagian besar situasi pengambilan sampel audit,
termasuk konfirmasi piutang, auditor ingin menekankan nilai dolar tercatat yang lebih besar, sehingga
mereka menentukan setiap strata berdasarkan ukuran nilai dolar tercatat.
Dengan mempelajari populasi pada Tabel 17-1, Anda dapat melihat bahwa terdapat berbagai cara
untuk menstratifikasi populasi. Asumsikan bahwa auditor memutuskan untuk stratifikasi sebagai berikut:
Jumlah Dolar masuk

Lapisan Kriteria Strata dalam Populasi Populasi
1 > $15.000 3 $88.955

2 $5.000–$15.000 < 10 71.235
3 $5.000 27
___ 47.105
________
40 $207.295
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).
Untuk pengambilan sampel audit nonstatistik dalam pengujian perincian saldo, unit pengambilan sampel Tentukan
hampir selalu merupakan item yang menyusun saldo akun. Misalnya, untuk piutang pada Tabel 17-1, Satuan Pengambilan Sampel
unit pengambilan sampel adalah nomor pelanggan. Auditor dapat menggunakan item yang membentuk
populasi 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 atau vendor dengan saldo nol. Dengan demikian, unit pengambilan sampel untuk uji
kelengkapan adalah pelanggan dengan saldo nihil.
Auditor menggunakan salah saji yang dapat diterima, seperti yang dibahas dalam Bab 9, untuk Tentukan Tolerable
menentukan ukuran sampel dan mengevaluasi hasil dalam pengambilan sampel nonstatistik. Auditor Salah saji
memulai dengan pertimbangan awal tentang materialitas dan menggunakan total tersebut dalam
memutuskan salah saji yang dapat diterima untuk setiap akun. Ukuran sampel yang diperlukan
meningkat seiring dengan penurunan salah saji yang dapat diterima oleh auditor untuk saldo akun atau kelompok transaksi.
Untuk semua aplikasi sampling statistik dan nonstatistik, auditor berisiko membuat kesimpulan kuantitatif Menentukan
yang salah tentang populasi. Ini selalu benar kecuali jika auditor menguji 100 persen populasi. Risiko yang Dapat Diterima dari
Penerimaan Salah
Risiko penerimaan yang salah (ARIA) yang dapat diterima adalah jumlah risiko yang bersedia
diambil auditor untuk menerima suatu saldo sebagai benar ketika salah saji yang sebenarnya dalam
saldo melebihi salah saji yang dapat ditoleransi. ARIA mengukur jaminan yang diinginkan auditor untuk
saldo akun. Untuk jaminan yang lebih besar dalam mengaudit saldo, auditor akan menetapkan ARIA
lebih rendah. (Perhatikan bahwa ARIA adalah istilah yang setara dengan ARACR (risiko yang dapat
diterima untuk menilai risiko pengendalian terlalu rendah) untuk pengujian pengendalian dan pengujian

substantif transaksi.) Seperti untuk ARACR, ARIA dapat ditetapkan secara kuantitatif (seperti 5% atau
10% ), atau secara kualitatif (seperti rendah, sedang atau tinggi).
Ada hubungan terbalik antara ARIA dan ukuran sampel yang diperlukan. Jika, misalnya, seorang
auditor memutuskan untuk mengurangi ARIA dari 10 persen menjadi 5 persen, ukuran sampel yang
diperlukan akan meningkat. Dengan kata lain, jika auditor kurang bersedia mengambil risiko, diperlukan
ukuran sampel yang lebih besar.
Faktor penting yang memengaruhi keputusan auditor tentang ARIA adalah risiko pengendalian
yang dinilai dalam model risiko audit. 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.
Anda perlu memahami bagaimana ARACR dan ARIA berinteraksi untuk memengaruhi akumulasi
bukti. Anda telah mengetahui dari bab-bab sebelumnya bahwa pengujian perincian saldo untuk salah
saji moneter dapat dikurangi jika auditor menemukan bahwa pengendalian internal efektif setelah menilai
risiko pengendalian dan melakukan pengujian pengendalian. Efek ARACR dan ARIA konsisten dengan
kesimpulan tersebut. Jika auditor menyimpulkan bahwa pengendalian internal mungkin efektif, risiko
pengendalian awal dapat dikurangi. Risiko kontrol yang lebih rendah membutuhkan ARACR yang lebih
rendah dalam pengujian 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 perincian saldo.
Gambar 17-1 (p. 562) menunjukkan pengaruh ARACR dan ARIA pada pengujian substantif ketika
kontrol dianggap tidak 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 menunjukkan bahwa saldo akun cenderung disajikan secara
wajar, ARIA dapat ditingkatkan. Dengan kata lain, prosedur analitis adalah bukti

GAMBAR 17-1 Pengaruh ARACR dan ARIA pada Pengujian Substantif
Kontrol Tidak Kontrol

Dianggap Efektif Dianggap Efektif
Mengurangi
Kontrol risiko 100%
risiko pengendalian
ARACR 100% Kurangi ARACR
Tidak Lakukan
melakukan tes kontrol tes kontrol
Gunakan ARIA rendah

Gunakan ARIA tinggi*
Lakukan ekstensif Lakukan terbatas

pengujian substantif pengujian substantif
*Mengasumsikan hasil pengujian pengendalian memuaskan, yang memungkinkan risiko

pengendalian tetap rendah.

mendukung saldo akun, berarti 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.
Memperkirakan Auditor biasanya membuat estimasi ini berdasarkan pengalaman sebelumnya dengan klien dan
Salah saji dengan menilai risiko inheren, dengan mempertimbangkan hasil pengujian pengendalian,
dalam Populasi pengujian substantif atas transaksi, dan prosedur analitis yang telah dilaksanakan. Ukuran sampel
yang direncanakan meningkat karena jumlah salah saji yang diharapkan dalam populasi mendekati
salah saji yang dapat ditoleransi.
TABEL 17-2 Hubungan Antara Faktor-Faktor yang Mempengaruhi ARIA, Efek pada ARIA, dan Ukuran Sampel yang Diperlukan untuk
Pengambilan Sampel Audit
Efek pada
Faktor yang Mempengaruhi ARIA Contoh Efek pada ARIA Ukuran sampel
Efektivitas pengendalian internal (risiko Pengendalian internal efektif (risiko pengendalian berkurang). Meningkatkan Mengurangi
pengendalian)
Pengujian substantif atas transaksi Tidak ada pengecualian yang ditemukan dalam pengujian substantif atas Meningkatkan Mengurangi
transaksi.
Risiko audit yang dapat diterima Kemungkinan kebangkrutan rendah (meningkat Meningkatkan Mengurangi
risiko audit yang dapat diterima).
Prosedur analitis Prosedur analitis dilakukan tanpa indikasi kemungkinan salah saji. Meningkatkan Mengurangi
Saat menggunakan sampling nonstatistik, auditor menentukan ukuran sampel awal dengan Tentukan
mempertimbangkan faktor-faktor yang telah kita bahas sejauh ini. Tabel 17-3 meringkas faktor-faktor Ukuran Sampel Awal
ini, termasuk pengaruh perubahan tiap faktor pada ukuran sampel. Seharusnya tidak mengherankan
bahwa mempertimbangkan semua faktor ini memerlukan penilaian yang cukup. Untuk membantu
auditor membuat keputusan ukuran sampel, mereka sering mengikuti pedoman yang diberikan oleh
perusahaan mereka atau sumber lain. Gambar 17-2 (p. 564) menampilkan kisi-kisi untuk
menggabungkan faktor-faktor ini dan rumus untuk menghitung ukuran sampel berdasarkan Panduan Audit Sampling Audit AICPA.
Asumsikan auditor menerapkan rumus ini pada populasi pada Tabel 17-1 (hal. 560) dan
salah saji yang dapat ditoleransi adalah $15.000. Auditor memutuskan untuk mengeliminasi
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 $118.340, yang merupakan jumlah
gabungan dari strata 2 dan 3. Selanjutnya, asumsikan bahwa kombinasi risiko bawaan dan
risiko pengendalian yang dinilai adalah sedang dan bahwa ada risiko sedang yang akan
ditimbulkan oleh pengujian substantif atas transaksi dan prosedur analitik substantif. tidak
mendeteksi salah saji material. Berdasarkan kisi, faktor jaminan yang diperlukan adalah 1,6,
dan ukuran sampel yang dihitung adalah 13 [($118.340/$15.000) x 1,6 = 12,6].
Ketika auditor menggunakan stratified sampling, mereka harus mengalokasikan ukuran sampel
di antara strata, biasanya mengalokasikan bagian sampel yang lebih tinggi ke item populasi yang
lebih besar. Dalam contoh dari Tabel 17-1, auditor harus menguji semua item dalam strata 1, yang
bukan merupakan sampling audit. Mereka memutuskan untuk mengalokasikan ukuran sampel 13
menjadi tujuh dari strata 2 dan enam dari strata 3.
Untuk pengambilan sampel nonstatistik, standar audit mengizinkan auditor untuk menggunakan salah Pilih Sampel
satu metode pemilihan yang dibahas dalam Bab 15. Keputusan auditor akan dibuat setelah
mempertimbangkan kelebihan dan kekurangan masing-masing metode, termasuk pertimbangan biaya.
Untuk pengambilan sampel bertingkat, auditor memilih sampel secara independen dari
setiap
kita dari Tabel 17-1, auditor akan memilih
dan strata
tujuh
enam itemApago
dari
sampel PDF
27 itemdariEnhancer
di strata
10 item . Dalamdicontoh
3. populasi strata 2
TABEL 17-3 Faktor-Faktor yang Mempengaruhi Ukuran Sampel untuk Pengujian Rincian Saldo
Kondisi Menuju Kondisi Menuju

Faktor Ukuran Sampel Lebih Kecil Ukuran Sampel Lebih Besar
Risiko kontrol (ARACR)—Mempengaruhi risiko yang dapat diterima Risiko kontrol rendah Risiko kontrol tinggi
dari penerimaan yang salah
Hasil prosedur substantif lain yang terkait dengan asersi yang sama Hasil yang memuaskan dalam prosedur Hasil yang tidak memuaskan pada orang lain
(termasuk prosedur analitis dan pengujian substantif relevan lainnya) substantif terkait lainnya prosedur substantif terkait
—Mempengaruhi risiko penerimaan yang tidak benar yang dapat
diterima
Risiko audit yang dapat diterima—Mempengaruhi risiko penerimaan Risiko audit yang dapat diterima tinggi Risiko audit yang dapat diterima rendah
yang salah yang dapat diterima
Salah saji yang dapat ditoleransi untuk akun tertentu Salah saji yang lebih besar yang dapat ditoleransi Salah saji yang lebih kecil yang dapat ditoleransi
Risiko bawaan—Mempengaruhi estimasi salah saji dalam Risiko bawaan rendah Risiko bawaan yang tinggi
populasi
Ukuran dan frekuensi salah saji yang diharapkan— salah saji yang lebih kecil atau frekuensi Salah saji yang lebih besar atau frekuensi
Mempengaruhi perkiraan salah saji dalam populasi yang lebih rendah yang lebih tinggi
Jumlah dolar populasi Saldo akun lebih kecil Saldo akun lebih besar
Jumlah item dalam populasi Hampir tidak berpengaruh pada ukuran Hampir tidak berpengaruh pada ukuran
sampel kecuali populasinya sangat kecil sampel kecuali populasinya sangat kecil

GAMBAR 17-2 Rumus untuk Menghitung Pengujian Nonstatistik Rincian Saldo

Ukuran Sampel Berdasarkan Formula Sampling Audit AICPA
Jumlah penduduk yang tercatat*

Faktor jaminan Ukuran sampel
Salah saji yang dapat ditoleransi
Pilih faktor jaminan yang sesuai sebagai berikut:
Risiko Bahwa Prosedur Substantif Lainnya

Dinilai Akan Gagal Mendeteksi Salah Saji Material
Melekat dan Sedikit Dibawah
Risiko Kontrol Maksimum Maksimum Sedang Rendah
Maksimum 3.0 2,7 2,3 2.0

Sedikit di bawah maksimum 2.7 2,4 2,0 1.6
Sedang 2.3 2,1 1,6 1.2
Rendah 2.0 1,6 1,2 1.0
*Setiap item yang melebihi salah saji yang dapat diterima diuji secara individual dan dikurangi
dari populasi untuk perhitungan ini.
Lakukan Untuk melaksanakan prosedur audit, auditor menerapkan prosedur audit yang tepat untuk
Prosedur Audit setiap unsur dalam sampel untuk menentukan apakah unsur tersebut mengandung salah
saji. Dalam konfirmasi piutang, auditor mengirimkan sampel konfirmasi positif dengan cara
yang dijelaskan dalam Bab 16 dan menentukan jumlah salah saji dalam setiap akun yang
dikonfirmasi. Untuk nonrespons, mereka menggunakan prosedur alternatif untuk menentukan
salah saji.
Mengacu pada contoh kami dari Tabel 17-1 di halaman 560 lagi, asumsikan auditor
mengirim permintaan konfirmasi pertama dan kedua dan melakukan prosedur alternatif.
Asumsikan juga auditor mencapai kesimpulan berikut tentang sampel setelah merekonsiliasi
semua perbedaan waktu: Apago PDF Enhancer
Dolar Diaudit
Lapisan Ukuran sampel Nilai Tercatat Nilai yang Diaudit Salah saji klien
1 3 $88.955 $ 91.695 $ (2.740)

2 7 43.995 43.024 971
3 6
__ 13.105
_________ 10.947
_________ 2.158
________
Total 16 $146.055 $145.666 $389
Generalisasi Auditor harus menggeneralisasi dari sampel ke populasi dengan (1) memproyeksikan
dari Sampel ke pernyataan yang salah dari hasil sampel ke populasi dan (2) mempertimbangkan kesalahan
Populasi dan pengambilan sampel dan risiko pengambilan sampel (ARIA). Dalam contoh kita, akankah
Memutuskan auditor menyimpulkan bahwa piutang usaha disajikan terlalu tinggi sebesar $389? Tidak,
auditor tertarik pada hasil populasi , bukan sampel. Oleh karena itu perlu untuk
Penerimaan Penduduk
memproyeksikan dari sampel ke populasi untuk memperkirakan salah saji populasi.
Langkah pertama adalah menghitung perkiraan 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.
Perhitungan itu harus dilakukan untuk setiap strata dan kemudian dijumlahkan, daripada
menggabungkan total salah saji dalam sampel. Dalam contoh kita, estimasi titik salah saji
dihitung dengan menggunakan metode rata-rata tertimbang, seperti yang ditunjukkan di bawah ini.
Salah Saji Klien ÷ Nilai Tercatat
Tercatat dari Sampel Nilai Buku Estimasi Poin =
Lapisan X untuk Stratum salah saji
1 $ (2.740 )/$88.955 $ $88.955 $ (2.740)

2 971 /$43.995 $ 2.158 / 71.235 1.572
3 $13.105 47.105 7.757
_______
Total $6.589
Estimasi titik dari salah saji dalam populasi adalah $6.589, yang menunjukkan pernyataan yang berlebihan.
Estimasi titik, dengan sendirinya, bukanlah ukuran yang memadai dari salah saji populasi, bagaimanapun,
karena kesalahan pengambilan sampel. Dengan kata lain, karena estimasi didasarkan pada sampel, maka akan
mendekati salah saji populasi yang sebenarnya, tetapi tidak mungkin persis sama. Kapan pun estimasi tunggal
($6.589 dalam contoh) kurang dari salah saji yang dapat ditoleransi ($15.000 dalam contoh), auditor harus
mempertimbangkan kemungkinan bahwa salah saji populasi yang sebenarnya lebih besar daripada jumlah
salah saji yang dapat ditoleransi dalam kondisi tersebut. Ini harus dilakukan untuk sampel statistik dan nonstatistik.
Auditor yang menggunakan sampling nonstatistik tidak dapat secara formal mengukur kesalahan sampling
dan karena itu harus secara subyektif mempertimbangkan kemungkinan bahwa salah saji populasi yang
sebenarnya melebihi jumlah yang dapat ditoleransi. Auditor melakukan ini dengan mempertimbangkan:
1. Perbedaan antara estimasi titik dan salah saji yang dapat diterima (ini disebut kesalahan sampling
terhitung)
2. Sejauh mana unsur-unsur dalam populasi telah diaudit 100 persen 3. Apakah salah saji cenderung
saling hapus atau hanya satu arah 4. Jumlah salah saji individual 5. Ukuran sampel
Dalam contoh kita, misalkan salah saji yang dapat ditoleransi adalah $40.000. Dalam kasus tersebut,
auditor dapat menyimpulkan bahwa tidak mungkin, mengingat estimasi titik sebesar $6.589, bahwa salah saji
populasi yang sebenarnya melebihi jumlah yang dapat ditoleransi (kesalahan pengambilan sampel yang dihitung
adalah $33.411).
Misalkan salah saji yang dapat ditoleransi adalah $15.000 (seperti dalam contoh), hanya $8.411 lebih
besar dari estimasi poin. Dalam hal ini, auditor akan mempertimbangkan faktor-faktor lain. Jika item yang lebih
besar dalam populasi diaudit 100 persen (seperti yang dilakukan di sini), setiap salah saji yang tidak teridentifikasi
akan dibatasi pada item yang lebih kecil. Jika salah saji cenderung saling hapus dan ukurannya relatif kecil,
auditor dapat menyimpulkan bahwa salah saji populasi yang sebenarnya cenderung kurang dari jumlah yang
dapat ditoleransi. Selain itu, 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 salah saji populasi yang sebenarnya lebih kecil daripada salah saji yang dapat ditoleransi.
Namun, jika satu atau lebih dari kondisi lain tersebut berbeda, auditor dapat menilai bahwa kemungkinan salah
saji yang melebihi jumlah yang dapat ditoleransi adalah tinggi dan populasi yang tercatat tidak dapat diterima.
Bahkan jika jumlah kemungkinan salah saji tidak dianggap material, auditor harus menunggu untuk
melakukan evaluasi akhir sampai seluruh audit selesai. Estimasi salah saji total dan estimasi kesalahan
pengambilan sampel dalam piutang harus digabungkan dengan estimasi salah saji di semua bagian lain dari
audit untuk mengevaluasi dampak dari semua salah saji terhadap laporan keuangan secara keseluruhan.
Penting bagi auditor untuk mengevaluasi sifat dan penyebab dari setiap salah saji yang ditemukan dalam Menganalisis
pengujian rincian saldo. Misalnya, ketika auditor mengkonfirmasi piutang usaha, semua salah saji diakibatkan Salah saji
oleh kegagalan klien untuk mencatat barang yang dikembalikan. Auditor akan menentukan mengapa jenis salah
saji tersebut sering terjadi, implikasi dari salah saji tersebut pada area audit lainnya, potensi dampaknya
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 diperlukan modifikasi model risiko
audit. Dalam paragraf sebelumnya, jika auditor menyimpulkan bahwa kegagalan untuk mencatat imbal hasil
diakibatkan oleh rusaknya pengendalian internal, mungkin perlu untuk menilai kembali risiko pengendalian. Hal
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 tersebut ditujukan terutama untuk perencanaan, bukan untuk mengevaluasi
hasil.

Tindakan Ketika a Ketika auditor menyimpulkan bahwa salah saji dalam suatu populasi mungkin lebih besar daripada
Populasi Ditolak salah saji yang dapat diterima setelah mempertimbangkan kesalahan pengambilan sampel,
populasi dianggap tidak dapat diterima. Pada saat itu, auditor memiliki beberapa kemungkinan tindakan.
Tidak Mengambil Tindakan Hingga Pengujian Area Audit Lain Selesai Pada akhirnya, auditor
harus mengevaluasi apakah laporan keuangan secara keseluruhan mengandung salah saji
material. Jika salah saji saling hapus ditemukan di bagian lain audit, seperti dalam persediaan,
auditor dapat menyimpulkan bahwa taksiran salah saji dalam piutang dapat diterima. Tentu saja,
sebelum audit diselesaikan, auditor harus mengevaluasi apakah salah saji dalam satu akun dapat
membuat laporan keuangan menjadi menyesatkan bahkan jika ada salah saji saling hapus.
Melakukan Pengujian Audit yang Diperluas di Area Tertentu Jika analisis salah saji
menunjukkan bahwa sebagian besar salah saji adalah jenis tertentu, mungkin diinginkan untuk
membatasi upaya audit tambahan pada area masalah. Sebagai contoh, jika analisis salah saji
dalam konfirmasi menunjukkan bahwa sebagian besar salah saji diakibatkan oleh kegagalan
mencatat retur penjualan, auditor dapat melakukan pencarian lebih lanjut atas barang yang
dikembalikan untuk memastikan bahwa barang tersebut telah dicatat. Namun, kehati-hatian harus
dilakukan 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
Ketika auditor menganalisis area masalah dan memperbaikinya dengan mengusulkan
penyesuaian pada catatan klien, item sampel yang mengarah pada isolasi area masalah kemudian
dapat ditampilkan sebagai "benar". Estimasi poin sekarang dapat dihitung ulang tanpa salah saji
yang telah "diperbaiki". (Ini hanya benar ketika kesalahan dapat diisolasi ke area tertentu.
Kesalahan umumnya harus diproyeksikan ke populasi yang dijadikan sampel, bahkan jika klien
menyesuaikan kesalahan tersebut.) Dengan fakta baru di tangan, auditor juga harus
mempertimbangkan kembali kesalahan pengambilan sampel dan penerimaan populasi.
Meningkatkan Ukuran Sampel Ketika auditor meningkatkan ukuran sampel, kesalahan

pengambilan sampel berkurang jika tingkat salah saji dalam sampel yang diperluas, jumlah dolar mereka,
Anicom adalah distributor produk kawat dan kabel $14.354.505 dari $98.182.737 piutang usaha.
MITRA Tim audit tidak dapat mengonfirmasi $1.152.965
nasional. Pejabat dan karyawan Anicom terlibat
DIBEBANKAN DENGAN dalam teknik manajemen pendapatan yang tidak dari $14.354.505 yang diuji, menghasilkan tingkat
benar yang meningkatkan pendapatan Anicom lebih kesalahan sebesar 8%. Memproyeksikan tingkat
KEGAGALAN UNTUK
dari $38 juta dan laba bersih lebih dari $20 juta dari kesalahan ini ke seluruh populasi piutang menunjukkan
Kapan
CUKUP
Tindakan kuartal pertama tahun 1998 hingga kuartal pertama potensi salah saji sebesar $7.854.619, yang penting
tahun 2000, termasuk pengakuan pendapatan yang bagi laporan keuangan Anicom.
PROYEK DAN
Populasi tidak tepat secara luas. Anicom mengenali lebih dari 66 Namun, mitra audit tidak memperluas prosedur
Ditolak EVALUASI transaksi penjualan fiktif kepada setidaknya 38 konfirmasi atau menguji saldo piutang usaha yang
pelanggan yang berbeda. Sebagian besar transaksi berpotensi salah saji. Selanjutnya, perusahaan audit
KESALAHAN SAMPEL
penjualan fiktif dibuat sesaat sebelum akhir kuartal, melakukan prosedur alternatif untuk 17 dari 20 saldo
ketika jelas bahwa Anicom tidak akan memenuhi target yang tanggapan konfirmasinya tidak diterima. Auditor
pendapatannya. Tindakan transaksi penjualan akhir hanya menguji $2.746.487, atau 28% dari $9.817.038
kuartal ini sepenuhnya fiktif atau pesanan potensial dalam pembayaran tunai berikutnya yang konon
yang disamarkan sebagai penjualan. dilakukan oleh pelanggan terhadap saldo mereka.
Mitra pada keterlibatan dinilai
Anicom berisiko tinggi karena masalah arus Anicom dihapuskan oleh Nasdaq pada tahun
kas, potensi pelanggaran perjanjian utang, dan 2000 dan mengajukan kebangkrutan pada Januari
dugaan praktik penagihan yang tidak tepat. 2001. Mitra audit perikatan didakwa dengan perilaku
Meskipun menyadari tanda bahaya ini, partner profesional yang tidak pantas dan pelanggaran
tersebut tidak merancang prosedur audit untuk terhadap Securities Exchange Act of 1934 dan dilarang
menguji piutang usaha Anicom lebih luas dari yang berpraktik di hadapan SEC.
direncanakan semula.
Pengujian akun piutang Anicom oleh firma audit Sumber: Diadaptasi dari Securities and
mencakup konfirmasi keberadaan dan keakuratan 20 Exchange Commission Accounting and Auditing
total saldo pelanggan Enforcement Rilis No. 20678, 11 Agustus 2004 (www.sec.gov).
dan arahnya mirip dengan yang ada di sampel asli. Oleh karena itu, meningkatkan ukuran sampel
dapat memenuhi ketentuan salah saji yang dapat ditoleransi oleh auditor.
Meningkatkan ukuran sampel yang cukup untuk memenuhi standar salah saji yang dapat
ditoleransi oleh auditor seringkali mahal, terutama bila perbedaan antara salah saji yang dapat
diterima dan salah saji yang diproyeksikan kecil. Selain itu, peningkatan ukuran sampel tidak
menjamin hasil yang memuaskan. Jika jumlah, jumlah, dan arah salah saji dalam sampel yang
diperluas secara proporsional lebih besar atau lebih bervariasi daripada sampel asli, hasilnya masih
mungkin tidak dapat diterima.
Untuk pengujian seperti konfirmasi piutang dagang dan pengamatan persediaan,
seringkali sulit untuk meningkatkan ukuran sampel karena masalah praktis “membuka
kembali” prosedur tersebut setelah pekerjaan awal selesai. Pada saat auditor menemukan
bahwa sampelnya tidak cukup besar, beberapa minggu biasanya telah berlalu.
Terlepas dari kesulitan ini, terkadang auditor harus menambah ukuran sampel setelah pengujian
awal selesai. Jauh lebih umum untuk meningkatkan ukuran sampel di area audit selain konfirmasi
dan pengamatan inventaris, tetapi kadang-kadang perlu dilakukan bahkan untuk kedua area ini.
Ketika pengambilan sampel bertingkat digunakan, peningkatan sampel biasanya berfokus pada
strata yang mengandung jumlah yang lebih besar, kecuali salah saji tampaknya terkonsentrasi pada
beberapa strata lainnya.
Sesuaikan Saldo Akun Ketika auditor menyimpulkan bahwa saldo akun salah saji secara material,
klien mungkin bersedia menyesuaikan nilai buku berdasarkan hasil sampel. Dalam contoh
sebelumnya, asumsikan klien bersedia mengurangi nilai buku dengan jumlah estimasi poin ($6.589)
untuk menyesuaikan estimasi pernyataan salah. Estimasi salah saji auditor sekarang adalah nol,
tetapi kesalahan sampling masih perlu dipertimbangkan. Sekali lagi, dengan asumsi salah saji yang
dapat ditoleransi sebesar $15.000, auditor sekarang harus menilai apakah kesalahan pengambilan
sampel melebihi $15.000, bukan $8.411 yang dianggap semula. Jika auditor yakin bahwa kesalahan
pengambilan sampel adalah $15.000 atau kurang, piutang usaha dapat diterima setelah penyesuaian.
Jika auditor yakin itu lebih dari Apago PDF Enhancer daripada $15.000, menyesuaikan saldo akun
bukanlah opsi yang praktis.
Meminta Klien untuk Mengoreksi Populasi Dalam beberapa kasus, catatan klien sangat tidak
memadai sehingga diperlukan koreksi terhadap seluruh populasi sebelum audit dapat diselesaikan.
Sebagai contoh, dalam piutang usaha, klien mungkin diminta untuk mengoreksi catatan piutang
usaha dan menyiapkan kembali daftar piutang usaha jika auditor menyimpulkan bahwa terdapat
salah saji yang signifikan. Ketika klien mengubah penilaian beberapa item dalam populasi, hasilnya
harus diaudit lagi.
Menolak Memberikan Opini Wajar Tanpa Pengecualian Jika auditor yakin bahwa jumlah tercatat
dalam suatu akun tidak dinyatakan secara wajar, maka perlu untuk mengikuti setidaknya satu dari
alternatif sebelumnya atau untuk mengkualifikasikan laporan audit dengan cara yang tepat. Jika
auditor yakin bahwa terdapat kemungkinan yang masuk akal bahwa laporan keuangan salah saji
secara material , akan menjadi pelanggaran serius terhadap standar audit untuk mengeluarkan opini
wajar tanpa pengecualian. Untuk tujuan pelaporan pengendalian internal, salah saji material harus
dianggap sebagai indikator potensial kelemahan material dalam pengendalian internal atas pelaporan keuangan.
SAMPLING UNIT MONETER

Sekarang setelah kita membahas pengambilan sampel nonstatistik, kita akan beralih ke pengambilan TUJUAN 17-3
sampel statistik, dimulai dengan pengambilan sampel unit moneter, yang merupakan metodologi Terapkan pengambilan sampel
pengambilan sampel statistik yang dikembangkan khusus untuk digunakan oleh auditor. Monetary unit moneter.
unit sampling (MUS) adalah metode sampling statistik yang paling umum digunakan untuk
pengujian rincian saldo karena memiliki kesederhanaan statistik dari sampling 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.

Perbedaan MUS mirip dengan menggunakan pengambilan sampel nonstatistik. Semua 14 langkah juga
Antara MUS harus dilakukan untuk MUS, meskipun beberapa dilakukan secara berbeda. Memahami
dan Nonstatistik perbedaan tersebut adalah kunci untuk memahami MUS. Mari kita periksa perbedaan ini secara detail.
Contoh Definisi Unit Sampling Adalah Dolar Individu Fitur penting dari MUS adalah definisi unit
sampling sebagai dolar individu dalam saldo akun. Nama metode statistik, sampling unit
moneter, dihasilkan dari fitur khusus ini. Misalnya, dalam populasi pada Tabel 17-1 (p. 560),
unit samplingnya adalah 1 dolar dan ukuran populasinya adalah 207.295 dolar, bukan 40 unit
fisik yang dibahas sebelumnya. (Unit fisik adalah saldo piutang pelanggan, item inventaris
dalam daftar inventaris, dan unit lain yang dapat diidentifikasi dalam daftar.)
Dengan berfokus pada dolar individu sebagai unit pengambilan sampel, MUS secara
otomatis menekankan unit fisik dengan saldo tercatat yang lebih besar. Karena sampel dipilih
berdasarkan dolar individu, akun dengan saldo besar memiliki peluang lebih besar untuk
dimasukkan daripada akun dengan saldo kecil. Misalnya, dalam konfirmasi piutang, akun
dengan saldo $5.000 memiliki probabilitas pemilihan 10 kali lebih besar daripada akun dengan
saldo $500, karena berisi 10 kali lebih banyak unit dolar. Akibatnya, stratified sampling tidak
diperlukan dengan MUS. Stratifikasi terjadi secara otomatis.
Ukuran Populasi Adalah Populasi Dolar Tercatat Misalnya, populasi piutang pada Tabel
17-1 terdiri dari 207.295 dolar, yang merupakan ukuran populasi, bukan 40 saldo piutang. Ini
adalah jumlah dolar yang tercatat dari piutang usaha.
Karena metode pemilihan sampel dalam MUS, yang akan dibahas nanti, tidak mungkin
mengevaluasi kemungkinan item yang tidak tercatat dalam populasi. Asumsikan, misalnya,
bahwa MUS digunakan untuk mengevaluasi apakah persediaan dinyatakan secara wajar. MUS
tidak dapat digunakan untuk mengevaluasi apakah item inventaris tertentu ada tetapi belum
dihitung. Jika tujuan kelengkapan penting dalam pengujian audit, dan biasanya, Apago PDF
Enhancer tujuan tersebut harus dipenuhi secara terpisah dari pengujian MUS.
Pertimbangan Awal Materialitas Digunakan untuk Setiap Akun, Bukan Salah Saji yang
Dapat Ditoleransi Aspek unik lain dari MUS adalah penggunaan pertimbangan awal tentang
materialitas, seperti yang dibahas dalam Bab 9, untuk secara langsung menentukan jumlah
salah saji yang dapat ditoleransi untuk audit setiap akun. Teknik pengambilan sampel lainnya
mengharuskan auditor untuk menentukan salah saji yang dapat diterima untuk setiap akun
dengan mengalokasikan pertimbangan awal tentang materialitas. Ini tidak diperlukan saat MUS
digunakan. Sebagai contoh, asumsikan bahwa seorang auditor memutuskan bahwa
pertimbangan awal tentang materialitas harus sebesar $60.000 untuk laporan keuangan secara
keseluruhan. Jumlah materialitas sebesar $60.000 itu akan digunakan sebagai salah saji yang
dapat ditoleransi dalam semua aplikasi MUS—persediaan, piutang, hutang dagang, dan sebagainya.
Ukuran Sampel Ditentukan Menggunakan Rumus Statistik Proses ini diperiksa secara rinci
setelah kita membahas 14 langkah pengambilan sampel untuk MUS.
Aturan Keputusan Formal Digunakan untuk Memutuskan Penerimaan Populasi Aturan
keputusan yang digunakan untuk MUS serupa dengan yang digunakan untuk pengambilan
sampel nonstatistik, tetapi cukup berbeda untuk mendapat diskusi . Aturan keputusan
diilustrasikan pada halaman 576 setelah penghitungan batas salah saji ditampilkan.
Pemilihan Sampel Dilakukan Menggunakan PPS Monetary unit sample adalah sampel
yang dipilih dengan probabilitas proporsional terhadap ukuran pemilihan sampel (PPS).
Sampel PPS dapat diperoleh dengan menggunakan perangkat lunak komputer, tabel
bilangan acak, atau teknik sampling sistematik. Tabel 17-4 memberikan ilustrasi populasi
piutang usaha, termasuk total kumulatif yang akan digunakan untuk menunjukkan pemilihan sampel.
Asumsikan bahwa auditor ingin memilih sampel PPS yang terdiri dari empat akun dari
populasi pada Tabel 17-4. Karena unit pengambilan sampel didefinisikan sebagai dolar individu,
ukuran populasi adalah 7.376, dan diperlukan empat nomor acak. Asumsikan bahwa
auditor menggunakan program komputer untuk menghasilkan angka acak berikut dari antara 1 dan
7.376: 6.586, 1.756, 850, dan 6.499.
Auditor tidak memiliki cara untuk mengaudit dolar ini secara langsung sehingga mereka harus
mengasosiasikan dolar individual dengan unit fisik, dalam hal ini saldo pelanggan. Item unit fisik
populasi yang berisi dolar acak ini ditentukan dengan mengacu pada kolom total kumulatif. Perhatikan
kembali Tabel 17-4, yaitu item 11 (berisi dolar 6.577 sampai 6.980), 4 (dolar 1.699 sampai 2.271), 2
(dolar 358 sampai 1.638), dan 10 (dolar 5.751 sampai 6.576). Keempat akun ini akan diaudit karena
total kumulatif yang terkait dengan akun ini mencakup dolar acak yang dipilih, dan hasil untuk setiap
unit fisik akan digunakan untuk membuat kesimpulan statistik.
Metode statistik yang digunakan untuk mengevaluasi sampel unit moneter memungkinkan
dimasukkannya unit fisik dalam sampel lebih dari satu kali. Pada contoh sebelumnya, jika nomor
acaknya adalah 6.586, 1.756, 850, dan 6.599, item sampelnya adalah 11, 4, 2, dan 11. Item 11 akan
diaudit satu kali tetapi diperlakukan sebagai dua item sampel secara statistik, dan total sampel akan
menjadi empat item karena empat unit moneter terlibat. Jika tes audit menentukan bahwa item 11
termasuk kesalahan, itu akan dihitung sebagai dua kesalahan dalam evaluasi statistik.
Satu masalah dalam menggunakan pemilihan PPS adalah bahwa item populasi dengan saldo
tercatat nol tidak memiliki peluang untuk dipilih dengan pemilihan sampel PPS, meskipun mungkin
salah saji. Demikian pula, saldo kecil yang diremehkan secara signifikan memiliki peluang kecil untuk
dimasukkan dalam sampel. Masalah ini dapat diatasi dengan melakukan pengujian audit khusus
untuk pos-pos bersaldo nol dan kecil, dengan asumsi bahwa pos-pos tersebut menjadi perhatian.
Masalah lain dengan PPS adalah ketidakmampuannya untuk memasukkan saldo negatif, seperti
saldo kredit dalam piutang, dalam sampel PPS (unit moneter). Dimungkinkan untuk mengabaikan
saldo negatif untuk pemilihan PPS dan menguji jumlah tersebut dengan cara lain.
Alternatifnya adalah memperlakukannya sebagai saldo positif dan menambahkannya ke jumlah total
unit moneter yang diuji. Namun, hal ini mempersulit proses evaluasi.
Generalisasi
sampel ke populasi
dari Sampel
denganke
(1)Populasi
memproyeksikan
Menggunakan
Apago
yang dipilih,
salah
PDF auditor
Enhancer
saji
Teknik
dari
harus
hasil
MUS
Auditor
melakukan
sampel
Terlepas
Melakukan
ke dari
generalisasi
populasi
metode
dansampling
dari
(2)
menentukan kesalahan sampling terkait. Ada empat aspek dalam melakukannya menggunakan MUS:
1. Tabel sampling atribut digunakan untuk menghitung hasil. Tabel, seperti

satu di halaman 505, dapat digunakan, menggantikan ARACR dengan ARIA.
2. Hasil atribut harus dikonversi ke dolar. MUS memperkirakan salah saji dolar dalam populasi,
bukan persentase item dalam populasi itu
TABEL 17-4 Populasi Piutang Usaha
Butir Populasi Total Kumulatif

(Unit Fisik) Jumlah Tercatat (Satuan Dolar)
1 $ 357 $ 357
2 1.281 1.638
60 1.698
34 573 2.271
691 2.962
56 143 3.105
7 1.425 4.530
8 278 4.808
9 942 5.750
10 826 6.576
11 404 6.980
12 396 7.376

salah saji. Oleh karena itu, auditor dapat mengestimasi tingkat dolar populasi yang
mengandung salah saji sebagai cara untuk memperkirakan total salah saji dolar.
3. Auditor harus membuat asumsi tentang persentase salah saji untuk setiap item populasi yang
salah saji. Asumsi ini memungkinkan auditor untuk menggunakan tabel sampling atribut
untuk mengestimasi salah saji dolar.
4. Hasil statistik ketika MUS digunakan disebut batas salah saji.
Batas salah saji ini adalah perkiraan dari kemungkinan salah saji maksimum (batas salah
saji atas) dan kemungkinan salah saji maksimum (salah saji bawah terikat) pada ARIA
tertentu. Auditor menghitung batas salah saji atas dan batas salah saji bawah.
Langkah terakhir ini, menggeneralisasi dari sampel ke populasi, sangat penting. Generalisasi
berbeda ketika auditor tidak menemukan salah saji dalam sampel dibandingkan ketika ada salah saji.
Kami akan memeriksa generalisasi di bawah dua situasi ini selanjutnya.
Generalisasi dari Misalkan auditor mengkonfirmasikan populasi piutang untuk kebenaran moneter. Jumlah
Sampel ke total populasi $1.200.000, dan sampel 100 konfirmasi diperoleh. Setelah audit, tidak ada
Penduduk Kapan salah saji yang terungkap dalam sampel. Auditor ingin menentukan jumlah maksimum
Tidak ada salah saji lebih saji dan kurang saji yang mungkin ada dalam populasi bahkan ketika sampel tidak
Apakah Ditemukan Menggunakan MUS

mengandung salah saji. Ini masing-masing disebut batas salah saji atas dan batas salah
saji bawah.
Dengan asumsi ARIA sebesar 5 persen, dan menggunakan tabel sampling atribut pada
halaman 505, baik batas atas dan bawah ditentukan dengan menempatkan perpotongan
ukuran sampel (100) dan jumlah salah saji yang sebenarnya (0) dengan cara yang sama
seperti untuk sampling atribut. CUER dari 3 persen di atas meja mewakili batas atas dan
bawah, dinyatakan sebagai persen. Karena tingkat salah saji sampel adalah 0 persen, 3
persen mewakili perkiraan kesalahan pengambilan sampel.
Berdasarkan hasil sampel dan batas salah saji dari tabel, auditor Apago PDF
dari 3populasi
dolar Enhancer
dolar,
persenauditor
unit
yang
dapat
dolar
harus
mengandung
menyimpulkan
dalam
membuat
populasi
salah
asumsi
dengan
salah
saji.tentang
Asumsi
saji.
risiko
Untuk
rata-rata
sampling
ini secara
mengubah
persentase
5signifikan
persen
persen
bahwa
salah
mempengaruhi
ini menjadi
tidak
saji untuk
lebih
batas salah saji. Untuk mengilustrasikan hal ini, tiga set asumsi contoh diperiksa:
Asumsi 1 Overstatement berjumlah sama dengan 100 persen; jumlah yang diremehkan sama dengan
100 persen; batas salah saji pada ARIA 5 persen adalah:
Batas salah saji atas = $1.200.000 x 3% x 100% = $36.000
Batas salah saji bawah = $1.200.000 x 3% x 100% = $36.000
Asumsinya adalah bahwa, rata-rata, item populasi yang salah saji tersebut salah saji sebesar
jumlah dolar penuh dari nilai tercatat. Karena salah saji terikat adalah 3 persen, nilai dolar dari salah
saji tidak mungkin melebihi $36.000 (3 persen dari total unit dolar yang tercatat dalam populasi). Jika
semua jumlahnya dilebih-lebihkan, ada lebih saji sebesar $36.000. Jika semuanya diremehkan, ada
yang diremehkan sebesar $36.000.
Asumsi 100 persen salah saji sangat konservatif, terutama untuk pernyataan berlebihan.
Asumsikan bahwa tingkat pengecualian populasi sebenarnya adalah 3 persen. Dua kondisi berikut
keduanya harus ada sebelum $36.000 mencerminkan dengan benar
jumlah lebih saji sebenarnya:
1. Semua jumlah harus lebih saji. Jumlah penyeimbangan akan mengurangi jumlah kelebihan
saji.
2. Semua item populasi yang salah saji harus 100 persen salah saji. Misalnya, tidak boleh ada
salah saji seperti saldo piutang sebesar $226 dicatat sebagai $262. Ini hanya akan menjadi
salah saji 13,7 persen (262 – 226 = 36 berlebihan; 36/262 = 13,7%).
Dalam perhitungan batas salah saji lebih saji dan salah saji sebesar $36.000, auditor tidak
menghitung estimasi titik dan kesalahan pengambilan sampel (disebut jumlah presisi dalam MUS)
dengan cara yang telah dibahas sebelumnya dalam bab ini. Hal ini karena tabel yang digunakan
menyertakan estimasi titik dan jumlah presisi untuk menurunkan tingkat pengecualian atas. Meskipun
estimasi titik dan jumlah presisi tidak dihitung untuk MUS, keduanya tersirat dalam penentuan batas
salah saji dan dapat ditentukan dari tabel. Dalam ilustrasi ini, estimasi titiknya adalah nol dan presisi
statistiknya adalah $36.000.
Asumsi 2 Overstatement sama dengan 10 persen; jumlah yang diremehkan sama dengan 10 persen;
batas salah saji pada ARIA 5 persen adalah:
Asumsinya adalah, rata-rata, pos-pos yang salah saji tersebut salah saji tidak lebih dari 10
persen. Jika semua pos salah saji dalam satu arah, batas salah saji adalah + $3.600 dan – $3.600.
Perubahan asumsi dari salah saji 100 persen menjadi 10 persen secara signifikan mempengaruhi
batas salah saji. Efeknya berbanding lurus dengan besarnya perubahan.
Asumsi 3 Overstatement sama dengan 20 persen; jumlah yang diremehkan sama dengan 200
persen; batas salah saji pada ARIA 5 persen adalah:
Pembenaran untuk persentase yang lebih besar untuk pernyataan yang diremehkan adalah
potensi salah saji yang lebih besar dalam persentase. Sebagai contoh, piutang usaha yang dicatat
sebesar $20 yang seharusnya dicatat sebesar $200 dinyatakan terlalu rendah sebesar 900 persen
[(200 – 20)/20], sedangkan piutang usaha yang sebesar $200 yang seharusnya dicatat sebesar $20
dinyatakan terlalu tinggi sebesar 90 persen [(200 – 20)/200].
mengandung
MUS, hanya sedikit
jumlahdari
kurang saji yangApago
mereka akibat PDF
memiliki
besardari Enhancer
mungkin
peluang
salah memiliki
saji Barang-barang
terpilih
tersebut.
nilai
dalam tercatat yang
Akibatnya,
sampel.
yang
Untuk
karena
kecilalasan
sebagai
mekanisme
ini,
beberapa auditor memilih sampel tambahan dari pos-pos kecil untuk melengkapi sampel unit moneter
ketika jumlah yang diremehkan menjadi perhatian audit.
Asumsi Persentase Salah Saji yang Tepat Asumsi yang tepat untuk persentase salah saji
keseluruhan dalam pos-pos populasi yang mengandung salah saji merupakan keputusan auditor.
Auditor harus menetapkan persentase tersebut berdasarkan pertimbangan profesional dalam kondisi
tersebut. Sebaliknya, dengan tidak adanya informasi yang meyakinkan, sebagian besar auditor yakin
bahwa lebih baik mengasumsikan jumlah 100 persen untuk overstatement dan understatement kecuali
terdapat salah saji dalam hasil sampel. Pendekatan ini dianggap sangat konservatif, tetapi lebih
mudah dibenarkan daripada asumsi lainnya. Bahkan, alasan batas atas dan bawah disebut batas
salah saji ketika MUS digunakan, daripada kemungkinan salah saji maksimum atau batas kepercayaan
istilah statistik yang umum digunakan, adalah karena meluasnya penggunaan asumsi konservatif
tersebut. Kecuali dinyatakan sebaliknya, asumsi salah saji 100 persen digunakan dalam bab ini dan
materi masalah.
Sejauh ini, kami berasumsi bahwa sampel tidak mengandung salah saji. Namun, apa yang terjadi jika Generalisasi Kapan
salah saji ditemukan? Kami akan menggunakan contoh dari bagian sebelumnya tetapi menganggap Salah saji
ada lima salah saji, bukan tidak ada. Salah saji ditunjukkan pada Tabel 17-5 (hal. 572). Ditemukan
Empat aspek penyamarataan dari sampel ke populasi yang telah kita bahas sebelumnya masih
berlaku, tetapi penggunaannya dimodifikasi sebagai berikut: 1. Jumlah pernyataan yang terlalu
banyak dan terlalu sedikit ditangani secara terpisah dan kemudian digabungkan. Pertama, batas
salah saji atas dan bawah awal dihitung

TABEL 17-5 Salah Saji Ditemukan
Tercatat Diaudit Salah saji

Akun Akun ÷
Pelanggan Piutang Piutang Tercatat
TIDAK. Jumlah Jumlah Salah saji Jumlah
2073 $6.200 $6.100 $ 100 .016

5111 12.910 12.000 910 .07
5206 4.322 4.450 (128) (.03)
7642 23.000 22.995 5 .0002
9816 8.947 2.947 $6.000 .671
terpisah untuk jumlah lebih saji dan kurang saji. Selanjutnya, estimasi
titik dari overstatement dan understatement dihitung. Estimasi titik kurang
saji digunakan untuk mengurangi batas salah saji atas awal, dan estimasi
titik lebih saji digunakan untuk mengurangi batas awal salah saji bawah.
Metode dan dasar pemikiran perhitungan ini akan diilustrasikan dengan
menggunakan empat jumlah lebih saji dan satu kurang saji pada Tabel 17-5.
2. Asumsi salah saji yang berbeda dibuat untuk setiap salah saji, termasuk
salah saji nol. Ketika tidak ada salah saji dalam sampel, asumsi diperlukan
untuk persentase rata-rata salah saji untuk item populasi yang salah saji.
Batas salah saji dihitung menunjukkan beberapa asumsi yang berbeda.
Sekarang salah saji telah ditemukan, auditor dapat menggunakan
informasi sampel yang tersedia dalam menentukan batas salah saji.
Asumsi salah saji masih diperlukan, tetapi dapat dimodifikasi berdasarkan
data salah saji aktual ini.
Apago ditemukan,
PDF Enhancer
asumsiJika
100salah
persen
sajiuntuk semua salah saji tidak hanya
sangat konservatif, tetapi juga tidak konsisten dengan hasil sampel.
Asumsi umum dalam praktik, dan yang diikuti dalam buku ini, adalah
bahwa salah saji sampel sebenarnya mewakili salah saji populasi.
Asumsi ini mengharuskan auditor untuk menghitung persentase salah
saji setiap item sampel (salah saji ÷ jumlah tercatat) dan menerapkan
persentase tersebut ke populasi. Perhitungan persentase untuk setiap
pernyataan yang salah ditunjukkan pada kolom terakhir pada Tabel
17-5. Seperti yang akan kami jelaskan secara singkat, asumsi salah saji
masih diperlukan untuk bagian salah saji nol dari hasil yang dihitung.
Untuk contoh ini, asumsi salah saji 100 persen digunakan untuk bagian
salah saji nol untuk batas salah saji berlebih dan kurang saji.
3. Auditor harus berurusan dengan lapisan tingkat pengecualian atas yang
dihitung (CUER) dari tabel sampling atribut. Auditor melakukan ini karena berbeda
TABEL 17-6 Batas Salah Saji Persen
Peningkatan Presisi
Jumlah Presisi Atas Batas Akibat dari
Salah saji Batasi dari Tabel Setiap Salah Saji (Lapisan)
0 .03 .03
1 .047 .017
2 .062 .015
3 .076 .014
4 .090 .014
TABEL 17-7 Ilustrasi Menghitung Salah Saji Awal Atas dan Bawah
Batas
Satuan Salah saji

Jumlah Presisi Atas Tercatat Salah saji Bagian Terikat
Salah saji Batasi Porsi* Nilai Asumsi (Kolom 2 x3x4)
Pernyataan berlebihan
0 .030 $1.200.000 1.0 $36.000
.017 1.200.000 .671 13.688
12 .015 1.200.000 .07 1.260
.014 1.200.000 .016 269
34 .014
____ 1.200.000 .0002 3
_______
Batas presisi atas .090
Salah saji awal terikat $51.220
Meremehkan 0
.030 $1.200.000 1.0 $36.000
1 .017
____ 1.200.000 .03 612
_______
Batas presisi lebih rendah .047
Salah saji awal terikat $36.612
*ARIA sebesar 5%. Ukuran sampel 100.
asumsi salah saji ada untuk setiap salah saji. Lapisan dihitung dengan terlebih dahulu
menentukan CUER dari tabel untuk setiap salah saji dan kemudian menghitung setiap
lapisan. Tabel 17-6 menunjukkan lapisan dalam tabel pengambilan sampel atribut untuk
contoh yang ada, menggunakan ARIA 5% dan tabel pengambilan sampel atribut pada
halaman 505. (Lapisan ditentukan dengan membaca seluruh tabel untuk ukuran sampel
pengecualian.) Apago PDF Enhancer dari 100, dari 0 sampai 4 kolom
4. Asumsi salah saji harus dikaitkan dengan setiap lapisan. Metode yang paling
umum untuk mengaitkan asumsi salah saji dengan lapisan adalah dengan secara
konservatif mengasosiasikan persentase salah saji dolar terbesar dengan lapisan
terbesar. Tabel 17-7 menunjukkan asosiasi ini. Sebagai contoh, salah saji
terbesar adalah 0,671 untuk pelanggan 9816. Salah saji tersebut terkait dengan
faktor lapisan 0,017, lapisan terbesar tempat ditemukannya salah saji. Porsi
batas presisi atas terkait lapisan zero misstatement memiliki asumsi salah saji
100 persen, yang masih konservatif. Tabel 17-7 menunjukkan perhitungan batas
salah saji sebelum mempertimbangkan jumlah saling hapus.
Batas salah saji atas dihitung seolah-olah tidak ada jumlah yang kurang saji, dan
batas salah saji bawah dihitung seolah-olah ada
tidak ada jumlah yang berlebihan.
Sebagian besar pengguna MUS percaya bahwa pendekatan ini terlalu konservatif bila ada
jumlah yang saling mengimbangi. Jika ditemukan jumlah yang kurang saji, adalah logis dan
masuk akal bahwa batasan untuk jumlah yang terlalu saji harus lebih rendah daripada jika tidak
ada jumlah yang kurang saji yang ditemukan, dan sebaliknya. Penyesuaian batasan untuk jumlah
saling hapus dilakukan sebagai berikut:
1. Estimasi titik salah saji dibuat untuk salah saji yang lebih saji dan yang kurang -
jumlah pernyataan.
2. Setiap batas dikurangi dengan perkiraan titik yang berlawanan.
Estimasi poin untuk kelebihan saji dihitung dengan mengalikan rata-rata jumlah kelebihan
saji dalam satuan dolar yang diaudit dikalikan dengan nilai tercatat. Pendekatan yang sama
digunakan untuk menghitung estimasi titik untuk pernyataan yang diremehkan. Contoh kami
menunjukkan satu jumlah yang meremehkan 3 sen per unit dolar dalam sampel 100. The

TABEL 17-8 Ilustrasi Perhitungan Batas Salah Saji yang Disesuaikan
Satuan
Jumlah Contoh Salah Saji Tercatat Titik

Salah saji Anggapan Ukuran Populasi Memperkirakan Batas
Batas pernyataan awal yang berlebihan $51.220

Jumlah yang diremehkan
1 .03 100 $1.200.000 $360 (360)
________
Batas pernyataan berlebih yang disesuaikan $50.860
Pernyataan awal terikat $36.612

Jumlah yang berlebihan
.671
12 .07
.016
34 .0002
_____
Jumlah .7572 100 $1.200.000 $9.086 (9.086)
________
Batas pernyataan yang disesuaikan $27.526
perkiraan poin yang diremehkan adalah $360 (0,03/100 x $1.200.000). Demikian

pula, perkiraan poin lebih saji adalah $9.086 [(0,671 + 0,07 + 0,016 + 0,0002)/100
x $1.200.000].
Tabel 17-8 menunjukkan penyesuaian batas yang mengikuti dari prosedur ini: • Batas
atas awal sebesar $51.220 dikurangi dengan perkiraan yang paling mungkin di bawah
jumlah pernyataan $360 menjadi batas yang disesuaikan sebesar $50.860.
sebesar
Apago$36.612
menjadiPDF
batas
Enhancer
yang
dikurangi
disesuaikan
• Batas
denganbawah
sebesar
perkiraan
awal
$27.526.
kelebihan - jumlah pernyataan $9.086
Mengingat metodologi dan asumsi yang diikuti, auditor menyimpulkan bahwa ada risiko 5
persen bahwa piutang usaha disajikan terlalu tinggi lebih dari $50.860, atau dikecilkan lebih
dari $27.526.
Perlu dicatat bahwa jika asumsi salah saji diubah, batas salah saji juga akan berubah.
Metode yang digunakan untuk menyesuaikan batas untuk mengimbangi jumlah hanyalah
salah satu dari beberapa metode yang digunakan. Metode yang diilustrasikan di sini diambil
dari Leslie, Teitlebaum, dan Anderson.1
Tabel 17-9 menunjukkan tujuh langkah yang diikuti dalam perhitungan batas mis-statement
yang disesuaikan untuk pengambilan sampel unit moneter ketika ada jumlah saling hapus.
Perhitungan batas salah saji atas yang disesuaikan untuk empat jumlah lebih saji pada Tabel
17-5 pada halaman 572 digunakan untuk mengilustrasikan.
Memutuskan Setelah batasan salah saji dihitung, auditor harus memutuskan apakah populasi
Akseptabilitas dari dapat diterima. Untuk melakukan itu, diperlukan aturan keputusan . Aturan keputusan
Populasi Menggunakan MUS untuk MUS adalah sebagai berikut: Jika batas salah saji bawah (LMB) dan batas
salah saji atas (UMB) berada di antara jumlah salah saji yang dapat ditoleransi
kurang saji dan lebih saji, terima kesimpulan bahwa nilai buku tidak salah saji
material jumlah. Jika tidak, simpulkan bahwa nilai buku salah saji dengan jumlah yang mater
Aturan keputusan ini diilustrasikan pada Gambar 17-3 (hal. 576). Auditor harus
menyimpulkan bahwa baik LMB maupun UMB untuk situasi 1 dan 2 benar-benar berada
dalam batas salah saji yang dapat ditoleransi baik yang diremehkan maupun yang dilebih-lebihkan.
Oleh karena itu, auditor menyimpulkan bahwa populasi tidak mengandung salah saji material
1D. A. Leslie, AD Teitlebaum, dan RJ Anderson, Dollar Unit Sampling: A Practical Guide for Auditors, Toronto,
Copp, Clark and Pitman, 1979.
TABEL 17-9 Rangkuman Langkah untuk Menghitung Batas Salah Saji yang Disesuaikan
Perhitungan Overstatement pada

Langkah-langkah Menghitung Batas Salah Saji yang Disesuaikan Tabel 17-5 (hal. 572), 17-7 (hal. 573), dan 17-8
1. Tentukan salah saji untuk setiap item sampel, Tabel 17-5;

pisahkan antara salah saji dan kurang saji . empat pernyataan berlebihan
2. Hitung salah saji per unit dolar di setiap item sampel Tabel 17-5;
(salah saji/jumlah tercatat). .016, .07, .0002, .671
3. Lapisan salah saji per unit dolar dari tertinggi ke Tabel 17-7;
terendah, termasuk asumsi persentase salah saji 1.0, .671, .07, .016, .0002
untuk item sampel yang tidak salah saji.
4. Tentukan batas presisi atas dari tabel sampling atribut Tabel 17-7;
dan hitung persentase salah saji yang terikat untuk Total 9,0% untuk empat salah saji;
setiap salah saji (lapisan). menghitung lima lapisan
5. Hitung batas awal salah saji atas dan bawah untuk Tabel 17-7;
setiap lapisan dan total. Total $51.220
6. Hitung perkiraan titik untuk lebih saji dan kurang Tabel 17-8;
saji. $360 untuk meremehkan
7. Menghitung salah saji atas dan bawah yang disesuaikan Tabel 17-8;
batas. $50.860 penyesuaian berlebihan
jumlah. Untuk situasi 3, 4, dan 5, baik LMB atau UMB, atau keduanya, berada di luar salah saji
karena itu, nilai buku populasi akan ditolak.

Apago PDF Enhancer yang dapat ditoleransi . Oleh
Asumsikan bahwa auditor dalam contoh kita telah menetapkan jumlah salah saji yang dapat
ditoleransi untuk piutang sebesar $40.000 (lebih saji atau kurang saji). Seperti yang ditunjukkan
sebelumnya, auditor memilih sampel dari 100 item, menemukan lima salah saji, dan menghitung
batas bawah menjadi $27.526 dan batas atas menjadi $50.860.
Penerapan aturan keputusan mengarahkan auditor pada kesimpulan bahwa populasi tidak boleh
diterima karena batas salah saji atas lebih dari salah saji yang dapat ditoleransi sebesar $40.000.
Salah saji yang dapat Salah saji yang dapat

ditoleransi ($40.000) ditoleransi $40.000
($27.526) $50.860
LMB UMB
Ketika salah satu atau kedua batas salah saji berada di luar batas salah saji yang dapat diterima Tindakan Ketika a
dan populasi dianggap tidak dapat diterima, auditor memiliki beberapa pilihan. Populasi Ditolak
Ini sama dengan yang sudah dibahas untuk pengambilan sampel nonstatistik di halaman 566–567.
Tinjauan kami tentang MUS mencakup langkah untuk menentukan ukuran sampel, tetapi kami telah Menentukan Sampel
menunggu sampai sekarang untuk membahas metode untuk membuat perhitungan tersebut, karena Ukuran Menggunakan MUS
Anda harus terlebih dahulu memahami asumsi salah saji rata-rata. Metode yang digunakan untuk
menentukan ukuran sampel untuk MUS mirip dengan yang digunakan untuk sampling atribut unit
fisik, dengan menggunakan tabel sampling atribut. Pada titik ini, Anda telah mempelajari lima hal
yang diperlukan untuk menghitung ukuran sampel menggunakan MUS.

GAMBAR 17-3 Ilustrasi Aturan Keputusan Auditor untuk MUS
Salah saji yang dapat ditoleransi $0 salah saji Salah saji yang dapat ditoleransi
LMB UMB
#1
LMB UMB
#2
LMB UMB
#3
LMB UMB #4
LMB UMB
#5
Materialitas Penilaian awal tentang materialitas biasanya menjadi dasar untuk jumlah salah saji
yang dapat ditoleransi yang digunakan. Jika salah saji dalam pengujian non-MUS diharapkan,
salah saji yang dapat diterima akan menjadi materialitas dikurangi jumlah tersebut. Salah saji
yang dapat ditoleransi mungkin berbeda untuk pernyataan yang berlebihan atau pernyataan yang
diremehkan. Untuk contoh ini, salah saji yang dapat ditoleransi untuk kelebihan dan kekurangan
adalah $100.000.
Asumsi Persentase Salah Saji Rata-Rata untuk Item Populasi yang Mengandung Salah Saji
Sekali lagi, mungkin ada asumsi terpisah untuk batas atas dan bawah. Ini juga merupakan
penilaian auditor. Ini harus didasarkan pada pengetahuan auditor tentang klien dan pengalaman
masa lalu, dan jika digunakan kurang dari 100 persen, asumsi tersebut harus dapat dipertahankan
dengan jelas. Untuk contoh ini, 50 persen digunakan untuk overstatement dan 100 persen untuk
understatement.
Risiko yang Dapat Diterima dari Penerimaan yang Salah ARIA adalah penilaian auditor dan
sering dicapai dengan bantuan model risiko audit. Ini adalah 5 persen untuk contoh ini.
Recorded Population Value Nilai dolar dari populasi diambil dari catatan klien. Sebagai contoh,
ini adalah $ 5 juta.
Estimasi Tingkat Pengecualian Populasi Biasanya, estimasi tingkat pengecualian populasi

untuk MUS adalah nol, karena paling tepat untuk menggunakan MUS ketika tidak ada salah saji,
atau hanya sedikit, yang diharapkan. Ketika salah saji diharapkan, jumlah total dolar dari salah
saji populasi yang diharapkan diperkirakan dan kemudian dinyatakan sebagai persentase dari
nilai tercatat populasi. Dalam contoh ini, jumlah yang dilebih-lebihkan sebesar $20.000 diharapkan.
Ini setara dengan tingkat pengecualian 0,4 persen. Agar konservatif, tingkat pengecualian yang
diharapkan sebesar 0,5 persen digunakan.
Asumsi ini diringkas sebagai berikut:
Salah saji yang dapat ditoleransi (sama untuk atas dan bawah) $100,000
Persentase rata-rata asumsi salah saji, salah saji 50%
Persentase rata-rata asumsi salah saji, kurang saji 100%
UDARA 5%
Piutang usaha—nilai tercatat $5 juta
Taksiran salah saji dalam piutang $20.000
Ukuran sampel dihitung sebagai berikut:
Batas Atas Batas bawah
Salah saji yang dapat ditoleransi 100.000,50 100.000

Persentase rata-rata asumsi salah saji ÷ ÷ 1,00
__________ __________
200.000 100.000
Nilai populasi yang tercatat Tingkat ÷ __________
5.000.000 ÷ __________
5.000.000
pengecualian yang dapat 4% 2%

ditoleransi Perkiraan tingkat pengecualian populasi (EPER) 0,5% 0
Ukuran sampel dari tabel atribut (p. 504)
5% ARACR, 4% dan 2% TER, dan 0,5% dan 0% EPER 117 149
Karena hanya satu sampel yang diambil untuk overstatement dan understatement, yang lebih besar dari
dua ukuran sampel yang dihitung digunakan, dalam hal ini 149 item. Dalam mengaudit sampel, jika auditor
menemukan jumlah yang kurang saji, batas bawah akan melebihi batas yang dapat ditoleransi karena ukuran
sampel didasarkan pada tidak ada salah saji yang diharapkan.
Sebaliknya, beberapa jumlah overstatement mungkin ditemukan sebelum batas yang dapat ditoleransi untuk
batas atas terlampaui. Ketika khawatir menemukan salah saji tak terduga yang akan menyebabkan populasi
ditolak, auditor dapat mencegahnya dengan meningkatkan ukuran sampel secara sewenang-wenang di atas
jumlah yang ditentukan oleh tabel. Dalam ilustrasi ini, auditor mungkin menggunakan ukuran sampel 200 bukan
149.
Hubungan Model Risiko Audit dengan Ukuran Sampel untuk MUS Model risiko audit untuk perencanaan
diperkenalkan pada Bab 9 dan dibahas dalam bab-bab berikutnya sebagai berikut:
TAHUN
PDR =
IR × CR
(Lihat halaman 261–263 untuk deskripsi istilah-istilah tersebut.)

Bab 16 membahas bagaimana auditor mengurangi risiko deteksi ke tingkat yang direncanakan dengan
melakukan pengujian substantif atas transaksi, prosedur analitis substantif, dan pengujian rincian saldo. MUS
digunakan dalam melakukan pengujian atas rincian saldo.
Oleh karena itu, auditor perlu memahami hubungan ketiga faktor independen dalam model risiko audit, ditambah
prosedur analitis dan pengujian substantif transaksi, dengan ukuran sampel untuk pengujian rincian saldo.
Tabel 17-2 pada halaman 562 menunjukkan bahwa empat dari lima faktor ini (risiko pengendalian,
pengujian substantif atas transaksi, risiko audit yang dapat diterima, dan prosedur analitis substantif)
memengaruhi ARIA. ARIA pada gilirannya menentukan ukuran sampel yang direncanakan. Faktor lainnya,
risiko inheren, memengaruhi perkiraan tingkat pengecualian populasi secara langsung.
MUS mengimbau auditor untuk setidaknya empat alasan: 1. Audit
MUS secara otomatis meningkatkan kemungkinan memilih item bernilai tinggi dari populasi yang diaudit. Penggunaan Moneter
Auditor berlatih untuk berkonsentrasi pada pos-pos ini karena pos-pos ini umumnya merupakan risiko Pengambilan Sampel Satuan
salah saji material terbesar. Stratified sampling juga dapat digunakan untuk tujuan ini, tetapi MUS
seringkali lebih mudah diterapkan.
2. MUS sering mengurangi biaya pengujian audit karena beberapa item sampel diuji sekaligus. Misalnya,
jika satu item besar menghasilkan 10 persen dari total nilai dolar yang tercatat dari populasi dan
ukuran sampelnya adalah 100, metode pemilihan sampel PPS kemungkinan akan menghasilkan
sekitar 10 persen item sampel dari satu item populasi besar itu. . Tentu saja, item tersebut perlu
diaudit hanya sekali, tetapi dihitung sebagai sampel 10. Jika item tersebut salah saji, itu juga dihitung
sebagai 10 salah saji. Item populasi yang lebih besar dapat dihilangkan dari populasi sampel dengan
mengauditnya 100 persen dan mengevaluasinya secara terpisah, jika diinginkan oleh auditor.
3. MUS mudah diterapkan. Sampel unit moneter dapat dievaluasi dengan penerapan tabel sederhana.
Mudah untuk mengajar dan mengawasi penggunaan teknik MUS.

Perusahaan yang menggunakan MUS secara ekstensif menggunakan perangkat lunak audit
atau program komputer lain yang merampingkan penentuan dan evaluasi ukuran sampel lebih
jauh daripada yang ditunjukkan dalam bab ini.
4. MUS memberikan kesimpulan statistik daripada nonstatistik. Banyak auditor percaya bahwa
pengambilan sampel statistik membantu mereka membuat kesimpulan yang lebih baik dan lebih
dapat dipertahankan.
Ada dua kelemahan utama MUS.

1. Batas salah saji total yang dihasilkan ketika salah saji ditemukan mungkin terlalu tinggi untuk
berguna bagi auditor. Hal ini karena metode evaluasi ini pada dasarnya bersifat konservatif
ketika ditemukan salah saji dan seringkali menghasilkan batasan yang jauh melebihi materialitas.
Untuk mengatasi masalah ini, sampel besar mungkin diperlukan.
2. Mungkin tidak praktis untuk memilih sampel PPS dari populasi besar tanpa bantuan komputer.
Untuk semua alasan ini, auditor biasanya menggunakan MUS ketika diperkirakan tidak ada atau
sedikit salah saji, hasil dolar diinginkan, dan data populasi disimpan dalam file komputer.
SAMPEL VARIABEL
TUJUAN 17-4 Pengambilan sampel variabel, seperti MUS, adalah metode statistik yang digunakan auditor.
Pengambilan sampel variabel dan pengambilan sampel nonstatistik untuk pengujian rincian saldo
Jelaskan pengambilan sampel variabel.
memiliki tujuan yang sama—untuk mengukur salah saji dalam saldo akun. Seperti halnya
pengambilan sampel nonstatistik, ketika auditor menentukan bahwa jumlah salah saji melebihi
jumlah yang dapat ditoleransi, mereka menolak populasi dan mengambil tindakan tambahan.
Apago
sampel PDF Enhancer
membentuk kelas Beberapa
umum dariteknik
metodepengambilan
yang disebut pengambilan sampel variabel: estimasi
perbedaan, estimasi rasio, dan estimasi rata-rata per unit. Ini dibahas nanti.
Perbedaan Antara Penggunaan metode variabel memiliki banyak kesamaan dengan pengambilan sampel nonstatistik.
Variabel dan Semua 14 langkah yang kita diskusikan untuk pengambilan sampel nonstatistik harus dilakukan untuk
Pengambilan Sampel Nonstatistik metode variabel, dan sebagian besar identik. Beberapa perbedaan antara variabel dan sampling non-
statistik diperiksa setelah kita membahas distribusi sampling.
Distribusi Pengambilan Sampel Untuk memahami mengapa dan bagaimana auditor menggunakan metode sampling variabel dalam audit,
penting untuk memahami distribusi sampling dan bagaimana pengaruhnya terhadap kesimpulan statistik
auditor. Auditor tidak mengetahui nilai rata-rata (rata-rata) salah saji dalam populasi, distribusi jumlah
salah saji, atau nilai yang diaudit.
Karakteristik populasi ini harus diestimasi dari sampel, yang tentu saja merupakan tujuan dari pengujian
audit.
Asumsikan bahwa auditor, sebagai percobaan, mengambil ribuan sampel berulang dengan ukuran
yang sama dari populasi data akuntansi yang memiliki nilai rata-rata X. Untuk setiap sampel, auditor
menghitung nilai rata-rata item dalam sampel sebagai berikut:
S xj
X =
N
Di mana:
X = nilai rata-rata item sampel nilai masing-
x j = masing ukuran sampel item sampel individu
N =
GAMBAR 17-4 Distribusi Frekuensi Sarana Sampel
Frekuensi
persen
dalam
nilai
Nilai x dalam dolar –
Setelah menghitung ( x) untuk setiap sampel, auditor memplotnya ke dalam

distribusi frekuensi. Selama ukuran sampel mencukupi, distribusi frekuensi rata-rata
sampel akan tampak seperti yang ditunjukkan pada Gambar 17-4.
Distribusi rata-rata sampel seperti ini adalah normal dan memiliki semua
karakteristik kurva normal: (1) kurvanya simetris, dan (2) rata-rata sampel termasuk
dalam bagian yang diketahui dari distribusi sampling di sekitar rata-rata atau rata-
rata rata-rata tersebut, diukur dengan jarak sepanjang sumbu horizontal dalam hal
standar deviasi.
Selain itu, rata-rata rata-rata sampel (titik tengah distribusi sampel dis - Apago
dan standar deviasi distribusi sampel
sampel. PDF
standar
sama
Enhancer
deviasi
denganpopulasi
) SD/n,
sama didengan
dan
mana
n adalah
rata-rata
SD adalah
ukuran
populasi,
Sebagai ilustrasi, asumsikan populasi dengan rata-rata $40 dan standar deviasi
$15 (X = $40 dan SD = $15), dari mana kami memilih untuk mengambil banyak
sampel acak dari masing-masing 100 item. Deviasi standar dari distribusi sampling
kami adalah $1,50 (SD/n = 15/100 = 1,50). Referensi untuk "standar deviasi" dari
populasi dan "standar deviasi" dari distribusi sampling seringkali membingungkan.
Untuk menghindari kebingungan, perlu diingat bahwa standar deviasi distribusi rata-
rata sampel sering disebut kesalahan standar rata-rata (SE). Dengan informasi
tersebut, auditor dapat membuat tabulasi distribusi sampling, seperti terlihat pada
Tabel 17-10 di bawah ini.
TABEL 17-10 Distribusi Sampling Terhitung dari Populasi dengan a

Diketahui Mean dan Standar Deviasi
(1) (4)
Jumlah Standar (2) (3) Persen Sampel
Kesalahan Mean Nilai Rentang Sekitar Berarti Termasuk
–
(Koefisien Keyakinan) [(1) x $1,50] X [$40 +/– (2)] dalam Jangkauan
1 $1,50 $38.50 ÿ $41.50 68.2

2 $3,00 $37.00 ÿ $43.00 95.4
3 $4,50 $35.50 ÿ $44.50 99,7
(diambil dari tabel untuk kurva normal)

Ringkasnya, ada tiga hal yang membentuk hasil percobaan pengambilan sejumlah besar sampel
dari populasi yang diketahui: 1. Nilai rata-rata dari semua rata-rata sampel sama dengan rata-rata
populasi (X ).
Konsekuensinya adalah bahwa nilai rata-rata sampel ( x) dengan frekuensi kejadian tertinggi
juga sama dengan rata-rata populasi.
2. Bentuk distribusi frekuensi rata-rata sampel adalah distribusi normal (kurva), sepanjang ukuran
sampel cukup besar, terlepas dari distribusi populasi, seperti yang diilustrasikan pada
Gambar 17-5.
3. Persentase sampel berarti antara dua nilai distribusi sampling dapat diukur. Persentase dapat
dihitung dengan menentukan jumlah kesalahan standar antara dua nilai dan menentukan
persentase rata-rata sampel yang diwakili dari tabel untuk kurva normal.
Inferensi Statistik Biasanya, ketika sampel diambil dari suatu populasi dalam situasi audit yang sebenarnya, auditor
tidak mengetahui karakteristik populasi tersebut dan biasanya hanya satu sampel yang diambil dari
populasi tersebut. Tetapi pengetahuan tentang distribusi sampling memungkinkan auditor menarik
kesimpulan statistik, atau inferensi statistik, tentang populasi.
Misalnya, asumsikan bahwa auditor mengambil sampel dari suatu populasi dan menghitung (x)
sebagai $46 dan SE sebagai $9. (Kami akan menjelaskan bagaimana SE dihitung nanti.) Sekarang
kita dapat menghitung interval kepercayaan rata-rata populasi menggunakan logika yang diperoleh
dari studi distribusi sampling. Itu adalah sebagai berikut:
DI SANA = ± ˆX Zÿ SE
X
Di mana: = kepercayaan CI untuk rata-rata populasi

Interval
X
Xˆ = titik estimasi rata-rata populasi 1 = 68,2%

tingkat kepercayaan tingkat
= koefisien kepercayaan
DENGAN
2 = 95,4% kepercayaan ÿÿ ÿ
Hapus PDF Enhancer ÿ ÿ
3 = 99,7% tingkat kepercayaan
SE = kesalahan baku rata-rata
DENGAN ÿ
SE = interval presisi
Sebagai contoh: =
DI SANA
X $46 ± 1($9) = $46 ± $9 pada tingkat kepercayaan 68,2% = $46
DI SANA
X ± 2($9) = $46 ± $18 pada tingkat kepercayaan 95,4% = $46 ±
DI SANA
X 3($9) = $46 ± $27 pada tingkat kepercayaan 99,7%.
GAMBAR 17-5 Distribusi Sampling untuk Distribusi Populasi
Berarti
Distribusi sampel—Normal
frekuensi
persen
dalam
Nilai
Distribusi populasi—
Miring
Nilai x dalam dolar –
Hasilnya juga dapat dinyatakan

ˆ dalam batas kepercayaan (CI x ). Batas kepercayaan atas (UCL
x ) adalah X + Z . SE ($46 + $18yang
= $64lebih
padarendah
tingkat kepercayaan
ˆ (LCL x ) adalah95
X persen)
– Z . SEdan
($46batas
– $18kepercayaan
= $28 pada
tingkat kepercayaan 95 persen). Secara grafis, hasilnya adalah sebagai berikut:
Batas Batas
kepercayaan yang
^ kepercayaan
lebih rendah
X atas
$28 $46 $64
Auditor dapat menyatakan kesimpulan yang diambil dari interval kepercayaan menggunakan
inferensi statistik dengan cara yang berbeda. Namun, mereka harus berhati-hati untuk menghindari
kesimpulan yang salah, mengingat nilai populasi sebenarnya selalu tidak diketahui. Selalu ada
kemungkinan bahwa sampel tidak cukup mewakili populasi untuk memberikan rata-rata sampel dan/
atau deviasi standar yang cukup dekat dengan populasi. Namun, auditor dapat mengatakan bahwa
prosedur yang digunakan untuk memperoleh sampel dan menghitung interval kepercayaan akan
memberikan interval yang berisi nilai rata-rata populasi sebenarnya dalam persentase waktu tertentu.
Singkatnya, auditor mengetahui keandalan proses inferensi statistik yang digunakan untuk menarik
kesimpulan.
Auditor menggunakan proses inferensi statistik sebelumnya untuk semua metode sampling variabel. Metode Variabel
Setiap metode dibedakan berdasarkan apa yang diukur. Mari kita periksa tiga metode variabel satu per
satu.
Estimasi Perbedaan Auditor menggunakan estimasi perbedaan untuk mengukur estimasi jumlah
salah saji total dalam suatu populasi ketika nilai tercatat dan nilai yang diaudit ada untuk setiap item
dalam sampel, yang hampir selalu terjadi dalam audit. Sebagai contoh, auditor mungkin mengkonfirmasi
sampel piutang usaha dan menentukan perbedaan (salah saji) antara jumlah tercatat klien dan jumlah
yang dianggap benar oleh auditor untuk setiap akun yang dipilih. Auditor membuat estimasi salah saji
populasi berdasarkan jumlah salah saji dalam sampel, ukuran salah saji rata-rata, salah saji individual
dalam sampel, dan ukuran sampel. Hasilnya dinyatakan sebagai estimasi titik dari salah saji populasi
plus atau minus interval presisi yang dihitung pada tingkat kepercayaan yang dinyatakan. Merujuk
kembali ke pembahasan distribusi sampling, asumsikan auditor mengkonfirmasi sampel acak 100 dari
populasi 1.000 piutang dan menyimpulkan bahwa batas kepercayaan rata-rata salah saji untuk piutang
adalah antara $28 dan $64 pada kepercayaan 95 persen. tingkat. Estimasi salah saji total populasi juga
dapat dengan mudah dihitung antara $28.000 dan $64.000 pada tingkat kepercayaan 95 persen (1.000
x $28 dan 1.000 x $64). Jika salah saji yang dapat ditoleransi auditor adalah $100.000, populasi jelas
dapat diterima. Jika salah saji yang dapat ditoleransi adalah $40.000, populasi tidak dapat diterima.
Ilustrasi tambahan menggunakan estimasi perbedaan diperlihatkan pada halaman 583–589.
Estimasi perbedaan sering menghasilkan ukuran sampel yang lebih kecil daripada metode lain,
dan relatif mudah digunakan. Oleh karena itu, pendugaan selisih seringkali merupakan metode variabel
yang lebih disukai.
Estimasi Rasio Estimasi rasio mirip dengan estimasi perbedaan kecuali auditor menghitung rasio
antara salah saji dan nilai tercatatnya dan memproyeksikannya ke populasi untuk memperkirakan total
salah saji populasi. Misalnya, asumsikan bahwa auditor menemukan salah saji sebesar $12.000 dalam
sampel dengan nilai tercatat $208.000. Rasio salah saji adalah 0,06 ($12.000/$208.000). Jika total nilai
tercatat populasi adalah $1.040.000, salah saji yang diproyeksikan dalam populasi adalah $62.400
($1.040.000 x 0,06). Auditor kemudian dapat menghitung batas kepercayaan dari total salah saji untuk
estimasi rasio dengan perhitungan yang serupa dengan yang ditunjukkan untuk estimasi perbedaan.
Estimasi rasio dapat menghasilkan ukuran sampel yang merata

lebih kecil dari selisih estimasi jika ukuran salah saji dalam populasi sebanding dengan
nilai tercatat dari item populasi. Jika ukuran salah saji individual tidak bergantung pada
nilai yang tercatat, estimasi perbedaan menghasilkan ukuran sampel yang lebih kecil.
Sebagian besar auditor lebih menyukai estimasi perbedaan karena lebih mudah
menghitung selang kepercayaan.
Estimasi Mean-per-Unit Dalam estimasi mean-per-unit, auditor berfokus pada nilai
yang diaudit daripada jumlah salah saji setiap item dalam sampel.
Kecuali untuk definisi dari apa yang sedang diukur, estimasi rata-rata per unit dihitung
dengan cara yang persis sama dengan estimasi perbedaan. Estimasi titik dari nilai yang
diaudit sama dengan nilai rata-rata item yang diaudit dalam sampel dikalikan ukuran
populasi. Interval presisi yang dihitung dihitung berdasarkan nilai item sampel yang
diaudit, bukan salah saji. Ketika auditor telah menghitung batas kepercayaan atas dan
bawah, mereka memutuskan penerimaan populasi dengan membandingkan jumlah ini
dengan nilai buku yang tercatat. Misalnya, asumsikan auditor mengambil sampel 100
item dari daftar inventaris yang berisi 3000 item dan nilai tercatat $265.000. Jika nilai rata-
rata item sampel adalah $85, perkiraan nilai persediaan adalah $255.000 ($85 x 3000).
Jika nilai tercatat sebesar $265.000 berada dalam batas kepercayaan atas, auditor akan
menerima saldo populasi. Estimasi rata-rata per unit jarang digunakan dalam praktik
karena ukuran sampel biasanya jauh lebih besar daripada dua metode sebelumnya.
bertingkat Seperti yang telah kita bahas sebelumnya dalam bab ini, stratified sampling adalah
Metode Statistik metode pengambilan sampel di mana semua elemen dalam total populasi dibagi menjadi
dua atau lebih sub-populasi. Setiap subpopulasi kemudian diuji secara independen.
Perhitungan dibuat untuk setiap strata dan kemudian digabungkan menjadi satu estimasi
populasi keseluruhan untuk selang kepercayaan seluruh populasi. Hasilnya diukur secara statistik
Stratifikasi berlaku untuk estimasi perbedaan, rasio, dan rata-rata per unit, tetapi paling
sering digunakan dengan estimasi rata-rata per unit.
tentu saja
Apagotidak
PDF
unikEnhancer
untuk pengambilan
Stratifikasi sampel
populasistatistik.
Auditor secara tradisional menekankan jenis item tertentu ketika mereka menguji
populasi menggunakan sampling nonstatistik. Misalnya, dalam mengkonfirmasikan
piutang, auditor biasanya lebih menekankan pada akun besar daripada akun kecil.
Namun, dalam pengambilan sampel stratifikasi statistik, pendekatannya lebih objektif
dan terdefinisi lebih baik daripada metode stratifikasi nonstatistik.
Risiko Pengambilan Sampel Kami telah membahas risiko yang dapat diterima dari penerimaan yang salah (ARIA) untuk pengambilan
sampel nonstatistik. Untuk pengambilan sampel variabel, auditor menggunakan ARIA serta risiko yang dapat diterima
TABEL 17-11 Koefisien Keyakinan untuk Tingkat Keyakinan, ARIA, dan ARIR
Tingkat kepercayaan diri (%) UDARA (%) BERTAHUN-TAHUN (%)

Koefisien Keyakinan
99 .5 1 2.58
95 2.5 1,96
90 5 5 10 1,64
80 10 20 1.28
75 12.5 25 1.15
70 15 30 1.04
60 20 40 .84
50 25 50 .67
40 30 60 .52
30 35 70 .39
20 40 80 .25
10 45 90 .13
0 50 100 .0
TABEL 17-12 ARIA dan ARIR
Keadaan Penduduk Sebenarnya
Keputusan Audit Aktual Salah saji secara material Tidak Salah Saji Secara Material
Simpulkan bahwa populasi salah saji secara Kesimpulan yang benar— tidak Kesimpulan yang salah—
material ada risiko risikonya adalah ARIR
Simpulkan bahwa populasi tidak salah saji Kesimpulan yang salah— Kesimpulan yang benar— tidak
secara material risikonya adalah ARIA ada risiko
penolakan salah (ARIR). Penting untuk memahami perbedaan antara dan penggunaan kedua risiko tersebut.
ARIA Setelah auditor melakukan pengujian audit dan menghitung hasil statistik, mereka
harus menyimpulkan bahwa populasi salah saji secara material atau tidak. ARIA adalah
risiko statistik bahwa auditor telah menerima populasi yang sebenarnya salah saji secara material.
ARIA menjadi perhatian serius bagi auditor karena potensi implikasi hukum untuk
menyimpulkan bahwa saldo akun dinyatakan secara wajar ketika salah saji dalam jumlah yang material.
Saldo akun dapat dilebih-lebihkan atau dikecilkan, tetapi tidak keduanya; oleh karena itu, ARIA adalah uji
statistik satu arah. Oleh karena itu, koefisien kepercayaan untuk ARIA berbeda dari tingkat kepercayaan. (Tingkat
kepercayaan = 1 – 2 x ARIA. Jadi, jika ARIA sama dengan 10 persen, tingkat kepercayaan adalah 80 persen.)
Koefisien kepercayaan untuk berbagai ARIA ditunjukkan pada Tabel 17-11 bersama dengan koefisien kepercayaan
untuk tingkat kepercayaan dan ARIR.
ARIR Risiko penolakan yang tidak benar yang dapat diterima (ARIR) adalah risiko statistik yang telah disimpulkan
oleh auditor bahwa suatu populasi salah saji secara material padahal sebenarnya tidak. ARIR mempengaruhi
tindakan auditor hanya ketika mereka menyimpulkan bahwa suatu populasi tidak dinyatakan secara wajar.
Ketika auditor menemukan saldo yang tidak dinyatakan secara wajar, mereka biasanya menambah ukuran sampel
atau melakukan pengujian lainnya. Peningkatan ukuran sampel biasanya akan membuat auditor menyimpulkan
bahwa saldo dinyatakan secara wajar jika akun tersebut, pada kenyataannya, tidak mengandung salah saji yang material.
Meskipun ARIA selalu penting, ARIR hanya penting jika ada biaya tinggi untuk meningkatkan ukuran sampel atau
melakukan pengujian lainnya. Koefisien kepercayaan untuk ARIR juga ditunjukkan pada Tabel 17-11.
Saat Anda memeriksa ringkasan ARIA dan ARIR pada Tabel 17-12 di atas, Anda dapat menyimpulkan bahwa
auditor harus berusaha meminimalkan ARIA dan ARIR. Untuk mencapai itu, auditor harus meningkatkan ukuran
sampel, sehingga meminimalkan risiko. Namun, biaya dari pendekatan itu membuat ARIA dan ARIR yang masuk
akal menjadi tujuan yang lebih diinginkan.
ILUSTRASI MENGGUNAKAN ESTIMASI PERBEDAAN

Seperti yang telah kita diskusikan, beberapa jenis teknik pengambilan sampel variabel dapat diterapkan untuk audit TUJUAN 17-5
dalam situasi yang berbeda. Untuk mengilustrasikan konsep dan metodologi pengambilan sampel variabel, kami
Gunakan estimasi selisih
telah memilih estimasi perbedaan menggunakan pengujian hipotesis karena relatif sederhana. Ketika metode ini dalam pengujian rincian saldo.
dianggap andal dalam situasi tertentu, sebagian besar auditor lebih memilihnya daripada metode pengambilan
sampel variabel lainnya.
Untuk estimasi perbedaan, 14 langkah yang sama seperti pengambilan sampel nonstatistik digunakan dalam
menentukan apakah saldo akun dalam audit piutang telah dinyatakan dengan benar. Contoh berikut didasarkan
pada penggunaan konfirmasi positif dalam audit Hart Lumber Company. Piutang usaha terdiri dari 4.000 rekening
yang terdaftar di neraca saldo umur dengan nilai tercatat $600.000. Pengendalian internal dianggap agak tidak
efektif, dan sejumlah besar salah saji kecil masuk

jumlah yang tercatat diharapkan dalam audit. Total aset adalah $2.500.000, dan laba bersih sebelum
pajak adalah $400.000. Risiko audit yang dapat diterima cukup tinggi karena keterbatasan pengguna
laporan dan kesehatan keuangan Hart Lumber yang baik.
Hasil prosedur analitis menunjukkan tidak ada masalah yang berarti. Asumsikan bahwa semua
konfirmasi dikembalikan atau prosedur alternatif yang efektif telah dilakukan.
Oleh karena itu, ukuran sampel adalah jumlah konfirmasi positif yang dikirim.
Rencanakan Nyatakan Tujuan Pengujian Audit Tujuan pengujian audit adalah untuk menentukan apakah piutang
Sampel dan Hitung usaha sebelum pertimbangan penyisihan penghapusan piutang salah saji secara material.
Ukuran Sampel Menggunakan

Estimasi Selisih Putuskan Apakah Penerapan Sampling Audit Sampling audit berlaku dalam konfirmasi piutang
karena banyaknya jumlah piutang.
Definisikan Kondisi Salah Saji Kondisi salah saji adalah salah saji klien yang ditentukan oleh
konfirmasi setiap akun atau prosedur alternatif.
Tentukan Populasi Ukuran populasi ditentukan oleh jumlah, seperti untuk sampling atribut.
Penghitungan yang akurat jauh lebih penting dalam pengambilan sampel variabel karena ukuran
populasi secara langsung memengaruhi ukuran sampel dan batas presisi yang dihitung.
Ukuran populasi piutang usaha Hart Lumber adalah 4.000.
Menentukan Unit Pengambilan Sampel Unit pengambilan sampel adalah akun pada daftar piutang.
Specify Tolerable Misstatement Jumlah salah saji yang bersedia diterima oleh auditor merupakan
pertanyaan materialitas. Auditor memutuskan untuk menerima salah saji yang dapat ditoleransi
sebesar $21.000 dalam audit atas piutang dagang Hart Lumber.
Tentukan Risiko yang Dapat Diterima Auditor menentukan dua risiko:

1. Risiko penerimaan yang salah (ARIA) yang dapat diterima. Ini adalah risiko menerima piutang
Apago
ARIAPDF
dipengaruhi
Enhanceroleh
piutang
risiko sebagai
audit yang
benar
dapat
jikaditerima,
sebenarnya
hasilsalah
pengujian
saji lebih
pengendalian
dari $21.000.
dan
pengujian substantif transaksi, prosedur analitis, dan signifikansi relatif piutang dalam
laporan keuangan. Untuk audit Hart Lumber, asumsikan ARIA sebesar 10 persen.
2. Risiko penolakan salah yang dapat diterima (ARIR). Ini adalah risiko menolak piutang sebagai
tidak benar jika sebenarnya tidak salah saji dengan jumlah yang material.
ARIR dipengaruhi oleh biaya tambahan resampling. Karena cukup mahal untuk mengkonfirmasi
piutang untuk kedua kalinya, asumsikan ARIR sebesar 25 persen. (Untuk pengujian audit yang
tidak memerlukan biaya besar untuk meningkatkan ukuran sampel, ARIR yang jauh lebih tinggi
biasanya terjadi.)
Setelah auditor menentukan salah saji yang dapat ditoleransi dan ARIA, mereka dapat
menyatakan hipotesis. Hipotesis auditor untuk audit piutang usaha Hart Lumber adalah:
Piutang usaha tidak salah saji lebih dari $21.000 dengan ARIA 10 persen.
Estimasi Salah Saji dalam Populasi Estimasi ini memiliki dua bagian:
1. Perkirakan estimasi titik yang diharapkan. Auditor memerlukan estimasi awal dari
estimasi titik populasi untuk estimasi perbedaan, sama seperti mereka membutuhkan
estimasi tingkat pengecualian populasi untuk pengambilan sampel atribut. Estimasi
awal adalah $1.500 (lebih saji) untuk Hart Lumber, berdasarkan tes audit tahun
sebelumnya.
2. Buat perkiraan standar deviasi populasi lanjutan—variabilitas populasi. Untuk menentukan
ukuran sampel awal, auditor memerlukan perkiraan awal variasi salah saji dalam populasi
yang diukur dengan standar deviasi populasi. (Perhitungan standar deviasi dijelaskan
kemudian, saat hasil audit dievaluasi.) Untuk Hart Lumber, diperkirakan sebesar $20
berdasarkan pengujian audit tahun sebelumnya.
Menghitung Ukuran Sampel Awal Ukuran sampel awal untuk Hart Lumber sekarang
dapat dihitung menggunakan rumus berikut:
2
ÿÿ
SD*(ZA + ZR)N ÿ ÿ ÿ
n= ÿÿÿ
TM – E*
Di mana:
n = ukuran sampel awal
SD* = estimasi awal standar deviasi
ZA = koefisien kepercayaan untuk ARIA (lihat Tabel 17-11)

ZR = koefisien kepercayaan untuk ARIR (lihat Tabel 17-11)
N = ukuran populasi
TM = salah saji yang dapat ditoleransi untuk populasi (materialitas)

E* = Estimasi titik estimasi salah saji populasi
Diterapkan ke Hart Lumber, persamaan ini menghasilkan:

2
ÿ (9,97)2
ÿ 20(1,28 + 1,15)4.000
= 100 ÿÿÿÿ =
n=
21.000 – 1.500
Pilih Sampel Karena sampel acak (selain PPS) diperlukan, auditor harus Pilih Sampel dan
menggunakan salah satu metode pemilihan sampel probabilistik yang dibahas dalam Lakukan
Bab 15 untuk memilih 100 item sampel untuk konfirmasi. Dalam hal ini auditor Prosedurnya
menggunakan sampel acak yang dihasilkan komputer.
Melaksanakan Prosedur Audit Auditor harus berhati-hati dalam mengkonfirmasi
piutang dan melakukan prosedur alternatif dengan menggunakan metode yang
dibahas dalam Bab 16. Untuk konfirmasi, salah saji adalah perbedaan antara
tanggapan konfirmasi dan saldo klien setelah rekonsiliasi semua perbedaan waktu
dan kesalahan pelanggan. Misalnya, jika pelanggan mengembalikan konfirmasi dan
menyatakan saldo yang benar adalah $887,12, dan saldo dalam catatan klien adalah
$997,12, selisih $110 adalah jumlah yang lebih saji jika auditor menyimpulkan bahwa
catatan klien tidak benar. Untuk nonresponse, salah saji yang ditemukan melalui
prosedur alternatif diperlakukan sama dengan yang ditemukan melalui konfirmasi.
Pada akhir langkah ini, auditor menentukan nilai salah saji untuk setiap item dalam
sampel, banyak di antaranya kemungkinan besar adalah nol. Salah saji untuk Hart
Lumber ditunjukkan pada Tabel 17-13 (hlm. 586–587).
Generalisasi dari Sampel ke Populasi Dalam konsep, sampling nonstatistik dan Evaluasi Hasilnya
estimasi perbedaan mencapai hal yang sama—generalisasi dari sampel ke populasi.
Sementara kedua metode mengukur kemungkinan salah saji populasi berdasarkan
hasil sampel, estimasi perbedaan menggunakan pengukuran statistik untuk
menghitung batas kepercayaan. Empat langkah berikut menjelaskan perhitungan
batas kepercayaan untuk Hart Lumber Company. (Perhitungannya diilustrasikan
pada Tabel 17-13, Langkah 3 sampai 6.)
1. Hitung estimasi titik dari salah saji total. Estimasi titik adalah ekstrapolasi langsung dari
salah saji dalam sampel ke salah saji dalam populasi. Perhitungan estimasi titik untuk
Hart Lumber ditunjukkan pada Tabel 17-13, langkah 3.
Tidak mungkin salah saji yang sebenarnya, tetapi tidak diketahui, persis sama
dengan estimasi titik. Sebaliknya, lebih realistis untuk mengestimasi salah saji dalam
bentuk interval kepercayaan yang ditentukan oleh estimasi titik plus dan minus interval
presisi yang dihitung. Perhitungan interval kepercayaan merupakan bagian penting
dari estimasi perbedaan.

TABEL 17-13 Perhitungan Batas Keyakinan
Melangkah
Formula Statistik Ilustrasi untuk Hart Lumber
1. Ambil sampel acak n = ukuran sampel 100 piutang dipilih

berukuran n. secara acak dari neraca saldo usia yang
berisi 4.000 akun.
2. Tentukan nilai setiap salah saji 75 akun dikonfirmasi oleh pelanggan,

dalam sampel. dan 25 akun diverifikasi dengan prosedur alternatif.
Setelah rekonsiliasi perbedaan waktu dan
kesalahan pelanggan, 12 item berikut ditentukan
sebagai kesalahan klien (pengurangan) dinyatakan
dalam dolar: 1. $12,75 (.87) 2. (69,46) 8. 24,32 3.
7.
85,28 9. 36,59 10. ( 102.16) 11. 54.71
4.100.00 5.
(27.30)
6.41.06 12.71.56
Jumlah = $226,48
3. Hitung estimasi titik dari salah saji ÿ $ 226,48

total. Dia
oleh j
dan = = $ 2,26
= N 100
ÿ Eˆ=4.000 ( 2,26)
$ $9.040=
ˆ
EN=e N atau
oleh j
N
atau
Di mana: ÿ ÿ
Hapus Penyempurna PDF ˆ

E=
4.000 ÿ ÿ $ 226,48
ÿÿ
= $9.040
= salah saji rata-rata dalam sampel ÿ = 100
Dia
penjumlahan salah saji individu dalam sampel

=
oleh j
N = ukuran sampel
ˆ=
DAN
estimasi titik dari ukuran populasi salah saji total
N =
(dibulatkan ke dolar terdekat)

4. Hitung standar deviasi populasi (ej )2
dari salah saji dari sampel. bukan 1. $169
adalah
2 ()
2ÿÿ() $13 2. (69) 4.761
oleh j
SD = 3. 85 4.
N ÿ
1 7.225
100 5. (27) 10.000
6. 41 (1) 7. 729
Di mana: 8. 24 1.681
= deviasi SD salah
Standar 1 576
= saji individu dalam sampel 9. 37 10.
oleh j
1.369
N = ukuran (102) 11. 55 10.404
= sampel rata-rata salah saji dalam sampel 12. 72 3.025
Dia
5.184
$228 $45.124
2
$45.124 100 ($2,26)
ÿ
SD =
99
=
SD $21,2
(Tabel 17-13 bersambung ke halaman berikutnya)
TABEL 17-13 Perhitungan Batas Keyakinan (Lanjutan)
Melangkah
Formula Statistik Ilustrasi untuk Hart Lumber
5. Hitung interval presisi untuk

estimasi total salah saji SD Nn
ÿ
$21,2 4.000 100

ÿ
IHK = NZ A =
IHK 4.000 1,28 ÿ
ÿ
populasi pada tingkat N N 100 4.000

kepercayaan yang diinginkan.
$21,2
= ÿÿ ÿ
4.000 1,28 .99
Di mana:
= ÿÿ ÿ
10 4.000 1,28 $2,12
CPI =
menghitung ukuran populasi = ,99 $10.800 (dibulatkan)
N = interval presisi
=
Koefisien kepercayaan Z untuk ARIA
A
(lihat Tabel 17-11 )
= sampel deviasi standar populasi
Ukuran
N = SD
Nn ÿ
= faktor koreksi hingga

N
6. Hitung batas kepercayaan pada UCL = + ˆˆ

DAN IHK
UCL =$9.040 $10.800
+ =
$19.840
CL yang diinginkan.
LCL =ÿ
DAN IHK = =
LCL $9.040 $10.800 $(1.760)
ÿ
Di mana:
UCL=menghitung batas kepercayaan atas

LCL =menghitung batas kepercayaan bawah
Eˆ = estimasi titik dari total salah saji
CPI =
menghitung interval presisi pada CL yang diinginkan
2. Hitung estimasi standar deviasi populasi. Deviasi standar populasi adalah ukuran
statistik dari variabilitas nilai item individual dalam populasi. Jika terdapat variasi
yang besar dalam nilai item populasi, standar deviasi akan lebih besar dibandingkan
dengan variasi yang kecil. Misalnya, dalam konfirmasi piutang usaha, salah saji
sebesar $2, $275, dan $812 memiliki variasi yang jauh lebih banyak daripada set
$4, $14, dan $26. Jelas, standar deviasi lebih kecil di set kedua.
Standar deviasi memiliki pengaruh yang signifikan terhadap interval presisi yang
dihitung. Seperti yang diharapkan, kemampuan auditor untuk memprediksi salah
saji total lebih baik bila terdapat sedikit variasi dalam item sampel individual.
Auditor dapat menghitung estimasi yang wajar dari nilai standar deviasi populasi
dengan menggunakan rumus statistik standar yang ditunjukkan pada Tabel 17-13,
langkah 4. Estimasi standar deviasi ditentukan dari hasil sampel auditor dan tidak
dipengaruhi oleh profesional. pertimbangan.
3. Hitung interval presisi. Interval presisi dihitung dengan rumus statistik. Hasilnya adalah
ukuran dolar dari ketidakmampuan untuk memprediksi salah saji populasi yang
sebenarnya karena tes didasarkan pada sampel dan bukan pada seluruh populasi.
Agar interval presisi yang dihitung memiliki arti, itu harus dikaitkan dengan ARIA.
Rumus untuk menghitung interval presisi ditunjukkan pada Tabel 17-13, langkah 5.
Pemeriksaan rumus pada langkah 5 dari Tabel 17-13 menunjukkan bahwa

pengaruh perubahan setiap faktor sementara faktor lainnya tetap konstan adalah
sebagai berikut:

Jenis Efek pada Dihitung

Perubahan Interval Presisi
Tingkatkan ARIA Mengurangi
Meningkatkan estimasi poin dari Meningkatkan
salah saji
Tingkatkan standar deviasi Meningkatkan
Tingkatkan ukuran sampel Mengurangi
4. Hitung batas kepercayaan. Auditor menghitung batas kepercayaan, yang menentukan

interval kepercayaan, dengan menggabungkan estimasi titik dari salah saji total dan interval
presisi yang dihitung pada tingkat kepercayaan yang diinginkan (estimasi titik ± interval
presisi yang dihitung). Rumus untuk menghitung batas kepercayaan ditunjukkan pada
Tabel 17-13, langkah 6.
Batas kepercayaan bawah dan atas untuk Hart Lumber masing-masing adalah
($1.760) dan $19.840. Ada risiko statistik 10 persen bahwa populasi diremehkan lebih dari
$1.760, dan risiko yang sama jika populasi dilebih-lebihkan lebih dari $19.840. (Ingat, ARIA
10 persen setara dengan tingkat kepercayaan 80 persen.)
Menganalisis Salah Saji Tidak ada perbedaan dalam menganalisis salah saji untuk metode
nonstatistik dan statistik. Auditor harus mengevaluasi salah saji untuk menentukan penyebab setiap
salah saji dan memutuskan apakah diperlukan modifikasi model risiko audit.
Memutuskan Penerimaan Populasi Untuk memutuskan apakah suatu populasi dapat diterima,
ketika auditor menggunakan metode statistik, mereka bergantung pada aturan keputusan, sebagai
berikut: Jika interval kepercayaan dua sisi untuk salah saji benar-benar berada dalam plus dan
minus salah saji yang dapat ditoleransi , menerima hipotesis bahwa nilai buku tidak salah saji dengan
jumlah yang material. Jika tidak, terimalah hipotesis bahwa nilai buku Apago PDF Enhancer salah
dinyatakan dalam jumlah material.
Aturan keputusan ini diilustrasikan pada Gambar 17-6. Auditor harus menyimpulkan bahwa baik
LCL maupun UCL untuk situasi 1 dan 2 benar-benar berada dalam batas salah saji yang dapat
ditoleransi baik kurang saji maupun terlalu saji. Oleh karena itu, auditor dapat menerima kesimpulan
bahwa populasi tidak salah saji dengan jumlah yang material. Untuk situasi 3, 4, dan 5, LCL atau
UCL, atau keduanya, berada di luar salah saji yang dapat ditoleransi.
Oleh karena itu, nilai buku populasi akan ditolak untuk situasi ini.
Penerapan aturan keputusan pada Hart Lumber mengarahkan auditor pada kesimpulan bahwa
populasi harus diterima, karena kedua batas kepercayaan berada dalam rentang salah saji yang
dapat ditoleransi.
Kisaran salah saji yang dapat ditoleransi
($21.000) 0 $21.000
LCL $9.040 UCL
Interval kepercayaan
($1.760) $19.840
Tindakan Ketika a Dalam menerima populasi dengan cara ini, auditor mengambil peluang 10 persen untuk salah—
Hipotesis Ditolak yaitu, faktanya, populasi salah saji dengan jumlah yang material.
Namun, berdasarkan pertimbangan perencanaan auditor, tingkat risiko ini sudah tepat.
Analisis Mengingat bahwa standar deviasi aktual (21,2) lebih besar dari estimasi lanjutan (20), dan
estimasi titik aktual ($9.040) lebih besar dari estimasi lanjutan ($1.500), mungkin tampak mengejutkan
bahwa populasi diterima. Namun,
GAMBAR 17-6 Ilustrasi Aturan Keputusan Auditor untuk Perbedaan

Perkiraan
Salah saji yang dapat ditoleransi $0 salah saji Salah saji yang dapat ditoleransi
LCL UCL
#1
LCL UCL
#2
LCL UCL
#3
LCL UCL
#4
LCL UCL
#5
penggunaan ARIR yang cukup kecil menyebabkan ukuran sampel menjadi lebih besar
daripada jika ARIR 100 persen. Jika ARIR adalah 100 persen, yang umum ketika biaya
audit tambahan untuk meningkatkan ukuran sampel kecil, ukuran sampel yang diperlukan
hanya 28:
2
ÿ 21.000
ÿ 20(1,28 + 0) 4.000
– 1.500 ÿÿ ÿÿ
= 28
Dengan asumsi ukuran sampel 28 dan estimasi titik aktual dan

standar deviasi yang sama, batas kepercayaan atas akan menjadi
populasi
untuk
lebih Apago
besar
mengurangi PDF
dari yang Enhancer
Auditor
$29.559,
kemungkinan
diharapkan. akan
dapat
dan
jika standarditolak.
perlunya oleh
menggunakan
deviasikarena
menambah itu,ARIR
nilaisampel
atau estimasi
ukuran buku
titik
Ketika salah satu atau kedua batas kepercayaan berada di luar kisaran salah saji yang dapat
ditoleransi, populasi dianggap tidak dapat diterima. Kursus tindakan untuk auditor adalah
sama dengan yang kita diskusikan untuk pengambilan sampel nonstatistik, kecuali bahwa
estimasi yang lebih baik dari salah saji populasi telah dibuat.
Misalnya, dalam kasus Hart Lumber, jika tingkat kepercayaan adalah $9.040 ± $15.800
dan klien bersedia mengurangi nilai buku sebesar $9.040, hasilnya adalah 0 ± $15.800.
Batas kepercayaan bawah baru yang dihitung akan menjadi pernyataan kurang dari $15.800,
dan batas kepercayaan atas pernyataan berlebihan $15.800, yang keduanya dapat diterima
mengingat salah saji yang dapat ditoleransi sebesar $21.000. Penyesuaian minimum yang
dapat dilakukan oleh auditor dan tetap membuat populasi dapat diterima adalah $3.840
[($9.040 + $15.800) – $21.000].
Namun, klien mungkin tidak mau menyesuaikan saldo berdasarkan sampel.
Selain itu, jika interval presisi yang dihitung melebihi salah saji yang dapat diterima, tidak ada
penyesuaian pembukuan yang akan memuaskan auditor. Ini akan menjadi kasus dalam contoh
sebelumnya jika salah saji yang dapat ditoleransi hanya sebesar $15.000.
RINGKASAN
Bab ini membahas metode sampling audit nonstatistik dan statistik untuk pengujian rincian saldo. Dalam
pengambilan sampel untuk pengujian saldo, auditor menentukan apakah jumlah dolar dari suatu saldo
akun salah saji secara material. Kami kemudian membahas 14 langkah dalam pengambilan sampel
nonstatistik untuk pengujian saldo. Saat melakukan audit non statistik

pengambilan sampel, auditor menggunakan pertimbangan dalam menggeneralisasi dari sampel ke populasi
untuk menentukan apakah sampel tersebut dapat diterima. Sampling unit moneter adalah metode statistik
yang paling umum untuk pengujian saldo. Metode ini mendefinisikan unit pengambilan sampel sebagai dolar
individual dalam saldo akun yang tercatat, dan akibatnya, akun yang lebih besar lebih mungkin dimasukkan
dalam sampel. Metode pengambilan sampel statistik variabel meliputi estimasi perbedaan, estimasi rasio,
dan estimasi rata-rata per unit. Metode ini membandingkan nilai sampel yang diaudit dengan nilai tercatat
untuk mengembangkan estimasi salah saji dalam nilai akun. Penggunaan sampel variabel diilustrasikan
menggunakan estimasi perbedaan.
SYARAT PENTING
Risiko yang dapat diterima dari penerimaan yang salah pengambilan sampel dengan probabilitas sebanding
(ARIA)—risiko yang bersedia diambil oleh auditor dengan ukuran
untuk menerima suatu saldo sebagai benar ketika Estimasi titik— metode memproyeksikan dari
salah saji yang sebenarnya dalam saldo tersebut
sampel ke populasi untuk memperkirakan salah
melebihi salah saji yang dapat ditoleransi
saji populasi, biasanya dengan mengasumsikan
Risiko penolakan yang salah dapat diterima bahwa salah saji dalam populasi yang tidak
(ARIR)—risiko yang bersedia diambil diaudit sebanding dengan salah saji yang
oleh auditor untuk menolak suatu saldo ditemukan dalam sampel
sebagai salah jika tidak ada salah saji material
jumlah
Probability proportional to size sample
Estimasi perbedaan— metode pengambilan selection (PPS)—pemilihan sampel dolar individu
sampel variabel di mana auditor memperkirakan dalam suatu populasi dengan menggunakan
salah saji populasi dengan mengalikan salah saji pemilihan sampel acak atau sistematis
rata-rata dalam sampel dengan jumlah total item
populasi dan juga menghitung Estimasi rasio— metode pengambilan sampel
variabel di mana auditor memperkirakan salah
Risiko pengambilan sampel Apago PDF Enhancersaji populasi dengan mengalikan porsi dolar
Estimasi rata-rata per unit— metode pengambilan sampel yang salah saji dengan total nilai buku
sampel variabel di mana auditor memperkirakan populasi yang tercatat dan juga menghitung risiko
nilai populasi yang diaudit dengan mengalikan sampling
rata-rata nilai sampel yang diaudit dengan ukuran

populasi dan juga menghitung risiko pengambilan Kesimpulan statistik —kesimpulan statistik yang
sampel diambil auditor dari hasil sampel berdasarkan
Batas salah saji— perkiraan dari kemungkinan pengetahuan tentang distribusi sampling
besar salah saji dan kurang saji dalam populasi
pada suatu waktu tertentu Stratified sampling— metode pengambilan
ARIA, menggunakan sampling unit moneter sampel di mana semua elemen dalam populasi
Pengambilan sampel unit moneter (MUS)— total dibagi menjadi dua atau lebih subpopulasi
metode pengambilan sampel statistik yang yang diuji secara independen dan diukur secara
memberikan batas salah saji atas dan bawah statistik
yang dinyatakan dalam jumlah moneter; juga Pengambilan sampel variabel —teknik pengambilan
disebut sebagai sampling unit dolar, sampling sampel untuk pengujian rincian saldo yang
jumlah moneter kumulatif, dan menggunakan proses inferensi statistik
TINJAUAN PERTANYAAN
17-1 (Tujuan 17-1) Apa perbedaan utama antara (a) pengujian pengendalian dan pengujian substantif
transaksi dan (b) pengujian rincian saldo membuat sampling atribut tidak sesuai untuk pengujian rincian
saldo?
17-2 (Tujuan 17-2) Mendefinisikan stratified sampling dan menjelaskan pentingnya dalam auditing.
Bagaimana seorang auditor dapat memperoleh sampel bertingkat dari 30 item dari masing-masing tiga
strata dalam konfirmasi piutang usaha?
17-3 (Tujuan 17-2) Bedakan antara estimasi titik dari salah saji total dan nilai sebenarnya dari salah
saji dalam populasi. Bagaimana masing-masing dapat ditentukan?
17-4 (Tujuan 17-2) Evaluasi pernyataan berikut yang dibuat oleh auditor: “Pada setiap aspek audit jika
memungkinkan, saya menghitung estimasi titik dari salah saji dan mengevaluasi apakah jumlahnya
material. Jika ya, saya menyelidiki penyebabnya dan terus menguji populasi sampai saya menentukan
apakah ada masalah serius. Penggunaan sampling statistik dengan cara ini merupakan alat audit yang
berharga.”
17-5 (Tujuan 17-3) Mendefinisikan sampling unit moneter dan menjelaskan pentingnya dalam audit.
Bagaimana cara menggabungkan fitur sampling atribut dan variabel?
17-6 (Tujuan 17-1, 17-2, 17-3, 17-4) Jelaskan apa yang dimaksud dengan risiko sampling. Apakah risiko pengambilan
sampel berlaku untuk pengambilan sampel nonstatistik, MUS, pengambilan sampel atribut, dan pengambilan sampel
variabel? Menjelaskan.
17-7 (Tujuan 17-1, 17-2) Apa perbedaan utama dalam 14 langkah yang digunakan dalam pengambilan
sampel nonstatistik untuk pengujian rincian saldo versus pengujian pengendalian dan pengujian
substantif transaksi?
17-8 (Tujuan 17-3) 2.620 item inventaris yang dijelaskan pada Pertanyaan 17-14 terdaftar pada 44
halaman inventaris dengan 60 baris per halaman. Ada total untuk setiap halaman. Data klien tidak
dalam bentuk yang dapat dibaca mesin. Jelaskan bagaimana sampel unit moneter dapat dipilih dalam
situasi ini.
17-9 (Tujuan 17-3) Jelaskan bagaimana auditor menentukan salah saji yang dapat diterima untuk MUS.
17-10 (Tujuan 17-2) Jelaskan apa yang dimaksud dengan risiko yang dapat diterima dari penerimaan yang salah.
Apa saja faktor audit utama yang memengaruhi ARIA?
17-11 (Tujuan 17-4) Evaluasilah pernyataan berikut yang dibuat oleh seorang auditor: “Saya mengambil
sampel acak dan memperoleh selang kepercayaan 90 persen dari $800.000 sampai $900.000. Itu
berarti bahwa nilai populasi yang sebenarnya adalah antara $800.000 dan $900.000, 90 persen dari
waktu.”
hubungan antara ARIA dan ARACR? Apago PDF Enhancer 17-12 (Tujuan 17-2) Apa
17-13 (Tujuan 17-3) Apa yang dimaksud dengan "persen asumsi salah saji" untuk MUS dalam item
populasi yang salah saji? Mengapa umum untuk menggunakan asumsi salah saji 100% ketika hampir
pasti sangat konservatif?
17-14 (Tujuan 17-3) Auditor menentukan ukuran sampel yang tepat untuk menguji penilaian persediaan
menggunakan MUS. Populasi memiliki 2.620 item persediaan senilai $12.625.000. Salah saji yang
dapat ditoleransi untuk pernyataan yang terlalu rendah dan berlebihan adalah $500.000 dengan ARIA
10%. Tidak ada salah saji diharapkan dalam populasi. Hitung ukuran sampel awal dengan menggunakan
asumsi salah saji rata-rata 100%.
17-15 (Tujuan 17-5) Asumsikan bahwa sampel sebanyak 100 unit diperoleh dengan mengambil sampel
persediaan pada Pertanyaan 17-14. Asumsikan lebih lanjut bahwa tiga salah saji berikut ditemukan:
Salah saji Nilai Tercatat Nilai yang Diaudit
$897.16 $609,16 0
12 47.02
3 1.621,68 1.522,68
Hitung batas salah saji yang disesuaikan untuk populasi. Menarik kesimpulan audit berdasarkan hasil.
17-16 (Tujuan 17-3) Mengapa sulit menentukan ukuran sampel yang sesuai untuk MUS? Bagaimana
seharusnya auditor menentukan ukuran sampel yang tepat?
17-17 (Tujuan 17-5) Apa yang dimaksud dengan aturan keputusan dengan menggunakan estimasi perbedaan?
Nyatakan aturan keputusan.
17-18 (Tujuan 17-2) Tindakan alternatif apa yang sesuai ketika populasi ditolak menggunakan sampling
nonstatistik untuk pengujian rincian saldo? Kapan setiap opsi harus diikuti?

17-19 (Tujuan 17-4) Definisikan apa yang dimaksud dengan standar deviasi populasi dan jelaskan kepentingannya
dalam pengambilan sampel variabel. Apa hubungan antara deviasi standar populasi dan ukuran sampel yang diperlukan?
17-20 (Tujuan 17-5) Dalam menggunakan estimasi perbedaan, auditor mengambil sampel acak dari 100 item persediaan
dari populasi yang besar untuk menguji penetapan harga yang tepat. Beberapa item persediaan salah saji, tetapi jumlah
bersih gabungan dari salah saji sampel tidak material. Selain itu, penelaahan atas salah saji individual menunjukkan
bahwa tidak ada salah saji yang dengan sendirinya material. Akibatnya, auditor tidak menginvestigasi salah saji atau
membuat evaluasi statistik. Jelaskan mengapa praktik ini tidak tepat.
17-21 (Tujuan 17-3, 17-4) Bedakan antara estimasi perbedaan, estimasi rasio, estimasi rata-rata per unit, dan estimasi
rata-rata stratifikasi per unit. Berikan satu contoh di mana masing-masing dapat digunakan. Kapan MUS lebih disukai
daripada semua ini?
17-22 (Tujuan 17-4) Langkah penting dalam estimasi perbedaan adalah perbandingan setiap batas kepercayaan yang
dihitung dengan salah saji yang dapat ditoleransi. Mengapa langkah ini begitu penting, dan apa yang harus dilakukan
auditor jika salah satu dari batas kepercayaan lebih besar daripada salah saji yang dapat ditoleransi?
17-23 (Tujuan 17-4) Jelaskan mengapa estimasi perbedaan biasanya digunakan oleh auditor.
17-24 (Tujuan 17-3, 17-4) Berikan contoh penggunaan sampling atribut, MUS, dan sampling variabel dalam bentuk
kesimpulan audit.
PERTANYAAN PILIHAN GANDA DARI PEMERIKSAAN CPA DAN CIA

17-25 (Tujuan 17-2) Pertanyaan berikut berkaitan dengan penentuan ukuran sampel dalam pengujian rincian saldo.
Untuk masing-masing, pilih respons terbaik.
A. Mr. Murray memutuskan untuk menggunakan stratified sampling. Alasan untuk menggunakan stratified sampling
daripada pengambilan sampel acak tak terbatas adalah untuk
Apago
tingkat PDFuntuk
yang sama Enhancer
variabilitas dalam (1)
dimasukkanmengurangi
keseluruhan sebanyak
dalam populasi. (2) mungkin
memberikan setiap elemen dalam populasi kesempatan
Sampel.
(3) mengizinkan orang yang memilih sampel untuk menggunakan penilaian pribadi dalam memutuskan yang mana
elemen harus dimasukkan dalam sampel.
(4) memungkinkan auditor untuk menekankan item yang lebih besar dari populasi.
B. Manakah dari faktor perencanaan sampel berikut ini yang akan memengaruhi ukuran sampel untuk a
pengujian rincian saldo untuk akun tertentu?
Jumlah Salah Saji Ukuran dari

yang Diharapkan Salah saji yang dapat ditoleransi
(1) TIDAK TIDAK
(2) Ya Ya
(3) TIDAK Ya
(4) Ya TIDAK
C. Bagaimana pengaruh peningkatan salah saji yang dapat ditoleransi dan penilaian tingkat risiko pengendalian
ukuran sampel dalam pengujian substantif rincian?
Bertambah Bertambah
Salah saji yang dapat ditoleransi Tingkat Risiko Pengendalian yang Dinilai
(1) Meningkatkan ukuran sampel Meningkatkan ukuran sampel

(2) Meningkatkan ukuran sampel Kurangi ukuran sampel
(3) Kurangi ukuran sampel Meningkatkan ukuran sampel
(4) Kurangi ukuran sampel Kurangi ukuran sampel
17-26 (Tujuan 17-2) Hal berikut berlaku untuk mengevaluasi hasil sampling audit untuk pengujian rincian saldo. Untuk
masing-masing, pilih respons terbaik.
A. Saat melakukan pengujian substantif atas perincian selama audit, auditor menentukan bahwa hasil sampel
mendukung kesimpulan bahwa saldo akun yang dicatat salah saji secara material. Faktanya, itu tidak salah saji
secara material. Situasi ini menggambarkan risiko (1) menilai risiko pengendalian terlalu tinggi. (2) menilai risiko
pengendalian terlalu rendah.
(3) penolakan yang salah. (4)

penerimaan yang salah. B.
Manakah pernyataan berikut yang benar mengenai dua sampel acak yang diambil dengan cara yang sama
dari populasi yang sama, yang satu berukuran 30 dan yang lainnya berukuran 300?
(1) Kedua sampel akan memiliki nilai harapan yang sama.
(2) Sampel yang lebih besar lebih mungkin menghasilkan rata-rata sampel yang lebih besar.
(3) Sampel yang lebih kecil akan memiliki selang kepercayaan 95% untuk rata-rata.
(4) Sampel yang lebih kecil, rata-rata, akan menghasilkan estimasi varians yang lebih rendah
populasi. C.
Departemen akuntansi melaporkan saldo piutang usaha sebesar $175.000. Anda bersedia menerima saldo tersebut
jika masih dalam batas $15.000 dari saldo sebenarnya. Dengan menggunakan rencana pengambilan sampel
variabel, Anda menghitung interval kepercayaan 95% dari $173.000 hingga $187.000. Oleh karena itu Anda
akan (1) merasa tidak mungkin untuk menentukan penerimaan saldo. (2) menerima keseimbangan tetapi
dengan tingkat kepercayaan yang lebih rendah. (3) mengambil sampel yang lebih besar sebelum menolak
sampel dan membutuhkan penyesuaian. (4) menerima saldo $175.000 karena interval kepercayaan berada
dalam materialitas
batas.
17-27 (Tujuan 17-3, 17-4, 17-5) Berikut ini terkait dengan penggunaan sampling statistik untuk pengujian rincian
saldo. Untuk masing-masing, pilih respons terbaik. A. Ketika auditor menggunakan sampling statistik unit moneter
untuk memeriksa total dolar
nilai faktur, setiap faktur (1) memiliki
probabilitas yang sama untuk dipilih. (2) dapat diwakili oleh
tidak lebih dari satu unit moneter.
Apago PDF Enhancer (3) memiliki probabilitas terpilih yang
tidak diketahui. (4) memiliki probabilitas yang
darisebanding
berikut ini dengan
yang akan
nilaimenjadi
dolarnya
keuntungan
untuk dipilih.
menggunakan
B. Manakah
pengambilan sampel variabel daripada
pengambilan sampel probabilitas-proporsional-ke-ukuran (PPS)?

(1) Perkiraan standar deviasi jumlah penduduk yang tercatat tidak
diperlukan.
(2) Auditor jarang membutuhkan bantuan program komputer untuk merancang sampel yang efisien.
(3) Pencantuman saldo nol dan negatif biasanya tidak memerlukan rancangan khusus
pertimbangan.
(4) Setiap jumlah yang signifikan secara individual secara otomatis diidentifikasi dan dipilih.
C. Dalam menerapkan pengambilan sampel variabel, auditor mencoba
untuk (1) memperkirakan karakteristik kualitatif dari kepentingan. (2)
menentukan berbagai tingkat kejadian untuk atribut tertentu. (3) temukan setidaknya
satu contoh penyimpangan kritis. (4) memprediksi nilai populasi moneter dalam
kisaran presisi.
PERTANYAAN DAN MASALAH DISKUSI

17-28 (Tujuan 17-2) Anda berencana untuk menggunakan sampel nonstatistik untuk mengevaluasi hasil konfirmasi
piutang untuk Perusahaan Meridian. Anda telah melakukan pengujian pengendalian untuk penjualan, retur dan
pengurangan penjualan, dan penerimaan kas, dan semua itu dianggap sangat baik. Karena kualitas kontrol, Anda
memutuskan untuk menggunakan risiko yang dapat diterima dari penerimaan yang salah sebesar 10%. Ada 3.000
piutang dengan nilai kotor $6.900.000. Akun-akun tersebut memiliki ukuran yang sama dan akan diperlakukan sebagai
satu strata. Penyajian lebih atau kurang lebih dari $150.000 dianggap material.

Diperlukan A. Hitung jumlah sampel yang dibutuhkan. Asumsikan perusahaan Anda menggunakan nonstatistik berikut
rumus untuk menentukan ukuran
sampel: Ukuran sampel = (Nilai buku populasi / salah saji yang dapat diterima) x Faktor
jaminan Faktor jaminan 2 digunakan untuk ARIA 10%.
B. Asumsikan bahwa alih-alih hasil yang baik, hasil yang buruk diperoleh untuk pengujian pengendalian
dan pengujian substantif atas transaksi penjualan, retur dan potongan penjualan, dan penerimaan kas.
Bagaimana ini akan memengaruhi ukuran sampel yang Anda butuhkan? Bagaimana Anda akan
menggunakan informasi ini dalam penentuan ukuran sampel Anda?
C. Terlepas dari jawaban Anda untuk bagian a, asumsikan Anda memutuskan untuk memilih sampel
100 akun untuk pengujian. Tunjukkan bagaimana Anda akan memilih akun untuk pengujian
menggunakan pemilihan sistematis. D. Asumsikan nilai buku total $230.000 untuk 100 akun yang
dipilih untuk pengujian. Anda menemukan tiga pernyataan berlebihan yang berjumlah $1.500 dalam
sampel. Mengevaluasi apakah populasi dinyatakan secara wajar.
17-29 (Tujuan 17-2) Anda mengevaluasi hasil sampel nonstatistik dari 85 konfirmasi piutang
untuk Perusahaan Bohrer. Informasi tentang sampel dan populasi disertakan di bawah ini.
Penyajian lebih atau kurang lebih dari $100.000 dianggap material.
Sampel
_______________________ Populasi
_______________________
# dari Tercatat # dari Tercatat
Lapisan Akun Nilai Akun Nilai
1 > $75 ,0 0 0 8 $1.287.643 8 $1.287.643

$10 ,0 0 0 – $ 74 ,9 9 9 4 1, 34 9 , 678 257 4 , 34 8 ,26 8
2 3 < $ 10 ,0 0 0 0 25 9 4, 6 37 712 9 47, 6 8 2
___ __________ ____ __________
73 $2.731.958 977 $6.583.593
Tanggapan konfirmasi diterima tanpa pengecualian, selain item berikut:

Rek. Konfirmasi Tercatat
TIDAK. Nilai Tanggapan Tindak Lanjut Auditor
147 $24.692 $23.597 Pelanggan ditagih harga yang salah. $26.003

228 183.219 157.216 pengiriman tercatat pada tanggal 30 Desember; barang
tidak dikirim sampai 3 Januari.
278 7.546 5.546 Pelanggan mengirimkan pembayaran sebesar $2.000 pada tanggal 29
Desember; diterima pada tanggal 2 Januari.

497 15.319 0 pengiriman tercatat $17.443 pada tanggal 30 Desember;
barang tidak dikirim sampai 2 Januari.
564 8.397 7.858 Pelanggan menerima kurang dari jumlah penuh yang dipesan.
653 32.687 19.328 $13.359 pengiriman tercatat pada tanggal 30 Desember;
barang tidak dikirim sampai 2 Januari.
830 5.286 0 pengiriman $5.286 dilakukan pada tanggal 30 Desember;
barang diterima oleh pelanggan pada tanggal 4
Januari.
Diperlukan A. Evaluasi setiap pengecualian konfirmasi untuk menentukan apakah mereka mewakili
salah saji.
B. Perkirakan jumlah total salah saji dalam populasi piutang.

Abaikan risiko sampling dalam perhitungan. C.
Apakah populasi dapat diterima? Jika tidak, tunjukkan tindakan tindak lanjut apa yang Anda pertimbangkan
sesuai dalam situasi.
17-30 (Tujuan 17-3) Berikut adalah populasi piutang untuk Perusahaan Penjilidan Buku
Jake . Tabel ini sama dengan Tabel 17-1 pada halaman 560, kecuali jumlah kumulatif
disertakan untuk membantu Anda menyelesaikan soal. Populasinya lebih kecil daripada
biasanya untuk pengambilan sampel statistik, tetapi seluruh populasi berguna untuk
menunjukkan cara memilih sampel PPS.
A. Pilih sampel PPS acak dari 10 item, menggunakan perangkat lunak Diperlukan
komputer. B. Pilih sampel 10 item dengan menggunakan sampling PPS sistematis menggunakan
konsep yang sama yang dibahas di Bab 15 untuk sampling sistematik. Gunakan titik awal
1857. Identifikasi unit fisik yang terkait dengan dolar sampel. (Petunjuk: Intervalnya adalah
207.295 ÷ 10.) c. Item sampel mana yang akan selalu disertakan dalam sampel PPS sistematis terlepas dari
titik awal? Apakah itu juga berlaku untuk pengambilan sampel PPS acak? D. Metode
mana yang lebih disukai dalam hal kemudahan pemilihan dalam kasus ini? e. Mengapa
seorang auditor akan menggunakan MUS?
Populasi Tercatat Kumulatif Populasi Tercatat Item Kumulatif (lanjutan) Jumlah (lanjutan)
Barang Jumlah Jumlah Jumlah (lanjutan)
$ 1.410 $ 1.410 21 $ 4.865 $ 117.385
12 9.130 10.540 22 770 118.155
660 11.200 23 2.305 120.460
34 3.355 14.555 24 2.665 123.125
5.725 20.280 25 1.000 124.125
56 8.210 28.490 26 6.225 130.350
7 580 29.070 27 3.675 134.025
8 44.110 73.180 28 6.250 140.275
9 825 74.005 29 1.890 142.165
10 1.155 75.160 30 27.705 169.870
11 2.270 77.430 31 935 170.805
12 50 77.480 32 5.595 176.400
13 5.785 83.265 33 930 177.330
14 940 84.205 34 4.045 181.375
15 1.820 86.025 35 9.480 190.855
16 3.380 89.405 36 360 191.215
17 530 89.935 37 1.145 192.330
18 955 90.280 38 6.400 1981.375
19 4.490 25.200 39 100 192.330 1981.330.330.330.330.330.330.330.330.330.3301010101010.3301010.3301019.330 192 19
20 17.140 Hapus Penyempurna PDF

25.200 40 8.435 207.295
17-31 (Tujuan 17-3) Dalam audit Price Seed Company untuk tahun yang berakhir pada tanggal 30 September,
auditor menetapkan salah saji yang dapat ditoleransi sebesar $50.000 pada ARIA sebesar 10%. Sampel PPS
sebanyak 100 dipilih dari populasi piutang usaha yang memiliki saldo tercatat sebesar $1.975.000. Tabel berikut
menunjukkan perbedaan yang ditemukan dalam proses konfirmasi:
Akun Akun
Piutang per Piutang per
Catatan Konfirmasi Tindak Lanjut Komentar oleh Auditor
1. $2.728,00 2. $2.498,00 Error harga pada dua faktur.

$5.125,00 3. -0- Pelanggan mengirimkan cek 9/26; perusahaan menerima cek 10/3.
$3.890,00 $1.190,00 Merchandise dikembalikan 9/30 dan dihitung dalam persediaan; kredit
dikeluarkan 10/6.
4. $791.00 5. $815.00 Kesalahan pijakan pada faktur.
$548.00 6. $1,037.00 Barang dikirim 9/28; penjualan dicatat pada 10/6.
$3,115.00 7. $3,190.00 -0- Kesalahan harga pada nota kredit.
$1,540.00 Barang dikirim pada 9/29; pelanggan menerima barang 10/3; penjualan dicatat
pada 9/30.
A. Hitung batas salah saji atas dan bawah berdasarkan pernyataan salah klien dalam sampel. B. Apakah Diperlukan
populasi dapat diterima seperti yang dinyatakan? Jika tidak, opsi apa yang tersedia bagi auditor pada saat
ini? Opsi mana yang harus dipilih oleh auditor? Menjelaskan.
17-32 (Tujuan 17-3) Anda bermaksud menggunakan MUS sebagai bagian dari audit beberapa akun untuk
Perusahaan Manufaktur Roynpower. Anda telah melakukan audit selama beberapa tahun terakhir, dan jarang ada
jurnal penyesuaian apa pun. Pengujian audit Anda atas semua pengujian pengendalian dan pengujian substantif
siklus transaksi telah diselesaikan pada tanggal interim, dan risiko pengendalian telah dinilai rendah. Oleh karena
itu, Anda memutuskan untuk menggunakan ARIA 10% dan an

EPER 0% untuk semua pengujian rincian saldo. Anda juga memutuskan untuk menggunakan asumsi salah saji
100% untuk pernyataan yang berlebihan dan pernyataan yang terlalu rendah.
Anda bermaksud menggunakan MUS dalam audit atas tiga saldo akun neraca aset yang
paling material: piutang, inventaris, dan surat berharga. Anda merasa dibenarkan dalam
menggunakan ARIA yang sama untuk setiap area audit karena penilaian risiko pengendalian yang rendah.
Saldo yang tercatat dan informasi terkait untuk ketiga akun tersebut adalah sebagai berikut:
Nilai Tercatat
Piutang usaha $ 3.600.000
Inventaris 4.800.000
sekuritas yang dapat diperdagangkan 1.600.000
_____________
$ 10.000.000
Laba bersih sebelum pajak untuk Roynpower adalah $2.000.000. Anda memutuskan bahwa
gabungan salah saji sebesar $100.000 diperbolehkan untuk klien.
Pendekatan audit yang akan diikuti adalah menentukan ukuran sampel total yang diperlukan untuk
ketiga akun tersebut. Sampel akan dipilih dari semua $10 juta, dan pengujian yang sesuai untuk item sampel
akan bergantung pada apakah item tersebut merupakan piutang, inventaris, atau sekuritas yang dapat dipasarkan.
Kesimpulan audit akan berkaitan dengan keseluruhan $10 juta, dan tidak ada kesimpulan yang akan
dibuat tentang tiga akun individu kecuali salah saji yang signifikan ditemukan dalam sampel. A. Evaluasi
Diperlukan pendekatan audit untuk menguji ketiga saldo akun dalam satu sampel. B. Hitung ukuran sampel yang
diperlukan untuk ketiga akun. C. Hitung ukuran sampel yang diperlukan untuk masing-masing dari
ketiga akun tersebut, dengan asumsi Anda memutuskan bahwa salah saji yang dapat ditoleransi
dalam setiap akun adalah $100.000. (Ingat bahwa salah saji yang dapat diterima sama dengan
pertimbangan awal tentang materialitas untuk MUS.) d. Asumsikan bahwa Anda memilih sampel
acak menggunakan perangkat lunak komputer. Bagaimana Anda mengidentifikasi item sampel mana
dalam populasi yang akan diaudit untuk jumlah 4.627.871?
Prosedur audit apa yang akan dilakukan?
itemSaya
Asumsikan
sampel
menghapus
untuk
bahwa
pengujian
Anda
PDF Enhancer
memilih
dan Anda sampel
e.
menemukan
dari 200satu pernyataan yang salah dalam
persediaan. Nilai tercatatnya adalah $987,12 dan nilai auditnya adalah $887,12.
Hitung batas salah saji untuk tiga akun gabungan dan dapatkan kesimpulan audit yang tepat.
17-33 (Tujuan 17-2, 17-3, 17-4, 17-5) Mitra audit sedang mengembangkan program pelatihan
kantor untuk membiasakan staf profesionalnya dengan model pengambilan sampel audit yang
berlaku untuk audit saldo nilai dolar. Dia ingin menunjukkan hubungan ukuran sampel dengan
ukuran populasi dan perkiraan tingkat pengecualian populasi dan spesifikasi auditor untuk salah
saji yang dapat ditoleransi dan ARIA. Mitra menyiapkan tabel berikut untuk menunjukkan
karakteristik populasi komparatif dan spesifikasi audit dari dua populasi: Spesifikasi Audit untuk
Sampel dari Populasi 1 Relatif
Karakteristik Penduduk 1 terhadap Sampel dari Populasi
Relatif terhadap Populasi 2 2
Perkiraan Populasi Lumayan
Ukuran Tingkat Pengecualian Salah saji UDARA
Kasus 1 Setara Setara Setara Lebih rendah
Kasus 2 Lebih kecil Lebih kecil Setara Lebih tinggi

Kasus 3 Lebih besar Setara Setara Lebih rendah
Kasus 4 Setara Lebih besar Lebih besar Setara

Kasus 5 Lebih besar Setara Lebih kecil Lebih tinggi
Diperlukan Dalam item (1) sampai (5) Anda harus menunjukkan untuk kasus tertentu dari tabel ukuran
sampel yang diperlukan untuk dipilih dari populasi 1 relatif terhadap sampel dari populasi 2.
(1) Dalam kasus 1, ukuran sampel yang dibutuhkan dari populasi 1 adalah _____.
Pilihan jawaban Anda harus dipilih dari tanggapan berikut: a. Lebih besar dari
ukuran sampel yang dibutuhkan dari populasi 2. b. Sama dengan ukuran sampel
yang dibutuhkan dari populasi 2. c. Lebih kecil dari ukuran sampel yang
dibutuhkan dari populasi 2. d. Tak tentu relatif terhadap ukuran sampel yang
dibutuhkan dari populasi 2.*
17-34 (Tujuan 17-5) Dalam mengaudit penilaian persediaan, auditor, Claire Butler, memutuskan untuk
menggunakan estimasi perbedaan. Dia memutuskan untuk memilih sampel acak tak terbatas dari 80 item
persediaan dari populasi 1.840 yang memiliki nilai buku $175.820. Butler memutuskan sebelumnya bahwa dia
bersedia menerima salah saji maksimum dalam populasi sebesar $6.000 dengan ARIA sebesar 5 persen. Ada
delapan salah saji dalam sampel, yaitu sebagai berikut:
Nilai Pemeriksaan Nilai buku Contoh Salah Saji
$812.50 $740,50 $(72,00)

12.50 78,20 65,70
10.00 51,10 41,10
25.40 61,50 36.10
600.10 651,90 51.80
.12 (.12)
51.06 0 81.06 30.00
83.11 104.22 21.11
________ ________ _______
Total $1.594,79 $1.768,48 $173,69
A. Hitung estimasi titik, interval presisi yang dihitung, interval kepercayaan, dan batas kepercayaan untuk Diperlukan
populasi. Beri label setiap perhitungan. Gunakan komputer untuk tujuan ini (opsi instruktur).
B. Haruskah Butler menerima nilai buku populasi? Menjelaskan. C. Pilihan apa

yang tersedia baginya saat ini?

17-35 (Tujuan 17-5) Marjorie Jorgenson, CPA, sedang memverifikasi keakuratan utang usaha yang belum
dibayar untuk Marygold Hardware, sebuah toko perangkat keras ritel satu lokasi yang besar.
Ada 650 vendor yang terdaftar dalam daftar utang piutang. Dia telah mengeliminasi dari populasi 40 vendor
yang memiliki saldo akhir yang besar dan akan mengauditnya secara terpisah. Sekarang ada 610 vendor.
Dia berencana untuk melakukan salah satu dari tiga tes untuk setiap item dalam sampel: memeriksa
status vendor di tangan klien, mendapatkan konfirmasi ketika tidak ada pernyataan di tangan, atau secara
ekstensif mencari faktur ketika tidak satu pun dari dua yang pertama tersedia. diperoleh. Tidak ada file induk
hutang usaha yang tersedia, dan banyak salah saji yang diharapkan. Marjorie telah memperoleh fakta atau
membuat pertimbangan audit sebagai berikut:
ARRI 20% UDARA 10%

Salah saji yang dapat ditoleransi $45.000 Salah saji yang diharapkan $ 20.000 $
Nilai buku tercatat $600.000 Perkiraan standar deviasi 280
A. Dalam keadaan apa diinginkan untuk menggunakan estimasi perbedaan dalam situasi yang Diperlukan
dijelaskan? Dalam keadaan apa itu tidak diinginkan?
B. Hitung ukuran sampel yang diperlukan untuk pengujian audit utang dagang menggunakan estimasi
perbedaan, dengan asumsi bahwa ARIR diabaikan. C. Asumsikan bahwa auditor memilih dengan tepat
ukuran sampel yang dihitung di bagian b. Estimasi titik yang dihitung dari hasil sampel adalah $21.000 dan
estimasi deviasi standar populasi adalah 267. Apakah populasi dinyatakan secara adil seperti yang
didefinisikan oleh aturan keputusan? Jelaskan apa yang menyebabkan hasilnya dapat diterima atau
tidak dapat diterima.
D. Hitung ukuran sampel yang diperlukan untuk pengujian audit utang dagang, dengan asumsi
bahwa ARIR dipertimbangkan.
e. Jelaskan alasan peningkatan besar dari ukuran sampel yang dihasilkan dari termasuk
ARIR dalam menentukan ukuran sampel.
*AICPA diadaptasi.

KASUS
17-36 (Tujuan 17-3) Anda sedang melakukan audit terhadap Peckinpah Tire and Parts, sebuah
perusahaan grosir suku cadang mobil. Anda telah memutuskan untuk menggunakan sampling unit
moneter (MUS) untuk audit piutang dan persediaan. Berikut adalah saldo yang tercatat:
Piutang usaha $12.000.000

Inventaris $23.000.000
Anda telah membuat penilaian berikut:
Materialitas untuk tujuan perencanaan $800,000

Risiko audit yang dapat diterima 5%
Risiko bawaan:
Piutang usaha 80%
Inventaris 100%
Risiko pengendalian yang dinilai:
Piutang usaha 50%

Inventaris 80%
Prosedur analitis telah direncanakan untuk persediaan, tetapi tidak untuk piutang.
Prosedur analitis untuk persediaan diharapkan memiliki peluang 60% untuk mendeteksi
salah saji material jika ada.
Anda telah menyimpulkan bahwa akan sulit mengubah ukuran sampel untuk konfirmasi
piutang setelah konfirmasi dikirim dan balasan diterima. Namun, pengujian inventaris dapat
dibuka kembali tanpa kesulitan besar.
Setelah berdiskusi dengan klien, Anda yakin bahwa kondisi akun tahun ini
hampir sama dengan tahun lalu. Tahun lalu tidak ditemukan salah saji dalam
konfirmasi piutang. Tes inventaris menunjukkan jumlah yang berlebihan sekitar 1%.
Untuk persyaratan a–c, buat asumsi yang diperlukan dalam menentukan faktor yang
tersedia
memengaruhi
untuk ARIA
ukuran
yangsampel
dipilih,Apago
perkirakan
PDF ukuran
Enhancer
sampel
. Jikadengan
tidak ada
pertimbangan.
tabel yang A.
elektronik,
Rencanakan
C. Rencanakan
ukuran
menggunakan
buat
ukuran
sampel
daftar
ukuran
sampel
MUS.
untuk
dolar
sampel
D.
pengujian
acak
untuk
(Pilihan
gabungan
dalam
konfirmasi
penetapan
instruktur)
urutan
untuk
piutang
generasi
konfirmasi
Dengan
hargamenggunakan
persediaan
dan
menggunakan
piutang
urutan dan
menggunakan
menaik
MUS.
uji
spreadsheet
harga
B.untuk
Rencanakan
persediaan
sampel
MUS.
Diperlukan item piutang yang ditentukan di bagian a.
17-37 (Tujuan 17-2, 17-3) Anda baru saja menyelesaikan proses konfirmasi piutang dalam
audit Danforth Paper Company, pemasok kertas untuk toko ritel dan pengguna komersial.
Berikut adalah data yang terkait dengan proses ini:
Piutang usaha mencatat saldo $ 2.760.000

Jumlah akun 7.320
Sampel nonstatistik diambil sebagai berikut:
Semua akun di atas $10.000 (23 akun) 77 akun $465.000
di bawah $10.000 $81.500
Salah saji yang dapat ditoleransi untuk uji konfirmasi $100.000
Risiko inheren dan kontrol sama-sama tinggi
Tidak ada prosedur analitis yang relevan dilakukan
Berikut adalah hasil dari prosedur konfirmasi:

Nilai Tercatat Nilai yang Diaudit
Barang di atas $10.000 $465.000 $432,000

Barang di bawah $10.000 81.500 77,150
(bersambung ke halaman berikutnya)
Nilai Tercatat Nilai yang Diaudit
Salah saji individual untuk pos-pos di bawah $10.000:

Butir 12 5.120 4.820
Butir 19 485 385
Butir 33 1.250 250
Butir 35 3.975 3.875
Butir 51 1.850 1.825
Butir 59 4.200 3.780
Butir 74 2.405 0
A. Mengevaluasi hasil sampel nonstatistik. Pertimbangkan kedua implikasi langsungnya Diperlukan

salah saji yang ditemukan dan pengaruh penggunaan sampel.
B. Asumsikan bahwa sampel adalah sampel PPS. Evaluasi hasilnya menggunakan unit moneter
contoh.
C. (Pilihan instruktur) Lakukan analisis sebelumnya menggunakan spreadsheet elektronik.
MASALAH ACL
17-38 (Tujuan 17-3) Masalah ini memerlukan penggunaan perangkat lunak ACL, yang disertakan
dalam CD yang dilampirkan pada teks. Informasi tentang penginstalan dan penggunaan ACL serta
pemecahan masalah ini dapat ditemukan di Lampiran, halaman 838–842. Anda harus membaca
semua bahan referensi, terutama materi tentang sampling, untuk menjawab pertanyaan a–e. Untuk
masalah ini gunakan file "Inventory" di subfolder "Inventory_Review" di bawah tabel di Sample_Project.
Perintah yang disarankan, jika berlaku, ditunjukkan di akhir persyaratan masalah. A. Hitung ukuran
sampel dan interval pengambilan sampel untuk sampel MUS berdasarkan nilai persediaan pada Diperlukan
biaya (Nilai). Gunakan tingkat kepercayaan 90%, materialitas $40.000, dan perkiraan kesalahan
$2.500. (Pengambilan Sampel/Hitung Ukuran Sampel; pilih tombol radio “moneter”)

B. Berapa ukuran sampling dan interval sampling jika Anda meningkatkan materialitas menjadi
$50.000 dan menurunkan kesalahan yang diharapkan menjadi $1.000? C. Pilih sampel
berdasarkan interval sampling yang ditentukan pada bagian a. (Sampling /Sample Records; pilih
"Sample type" sebagai MUS. Untuk "Sample Parameters" pilih interval tetap dan masukkan
interval dari bagian a.; gunakan awal acak 3179.)
D. Berapa banyak item yang dipilih untuk pengujian? Mengapa jumlah ini kurang dari ukuran sampel
yang ditentukan di bagian a? e. Apa item terbesar yang dipilih untuk pengujian? Berapa banyak
item sampel yang lebih besar dari interval sampling? Berapa banyak item yang lebih besar dari
interval sampling dalam populasi?
MASALAH INTERNET 17-1:

PERTIMBANGAN SAMPLING UNIT MONETER
Pengambilan sampel unit moneter (MUS) adalah metode pengambilan sampel statistik yang paling
umum digunakan untuk pengujian detail karena kesederhanaannya dan kemampuannya untuk
memberikan hasil statistik dalam dolar. Baca artikel berjudul “Monetary-Unit Sampling Using Microsoft
Excel” yang muncul di The CPA Journal edisi Mei 2005 (www.nysscpa.org/cpajournal/2005/505/
essentials/p36.htm) untuk menjawab pertanyaan berikut.
A. Penulis menyarankan bahwa ada tiga langkah penting dalam menerapkan MUS. Apa ini Diperlukan
Langkah?
B. Bagaimana penulis menunjukkan bahwa ukuran sampel MUS ditentukan? C.

Apa dua faktor yang harus dipertimbangkan ketika mengevaluasi hasil sampel?

CH 17 Indo

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

CH 17 Indo

Diunggah oleh

Hak Cipta:

Format Tersedia

Machine Translated by Google

DETAIL SALDO Setelah mempelajari

Perusahaan Bob Lake mendorong penggunaan sampling statistik dalam praktiknya

PERBANDINGAN SAMPEL AUDIT UNTUK PENGUJIAN

Jenis Tes Apa yang Diukur

Tes kontrol • Efektivitas pengoperasian pengendalian internal

Auditor melakukan pengujian pengendalian dan pengujian substantif atas transaksi: •

9. Tentukan ukuran sampel awal. 9. Tentukan ukuran sampel awal.

11. Melakukan prosedur audit. 11. Melakukan prosedur audit.

Bab 17 / SAMPEL AUDIT UNTUK PENGUJIAN DETAIL SALDO 559

TABEL 17-1 Ilustrasi Populasi Piutang Usaha

Item Populasi Jumlah Tercatat

Butir Populasi Jumlah Tercatat (lanjutan) (lanjutan)

Jumlah Dolar masuk

1 > $15.000 3 $88.955

Hapus Penyempurna PDF

Bab 17 / SAMPEL AUDIT UNTUK PENGUJIAN DETAIL SALDO 561

GAMBAR 17-1 Pengaruh ARACR dan ARIA pada Pengujian Substantif

Kontrol Tidak Kontrol

ARACR 100% Kurangi ARACR

Gunakan ARIA rendah

Lakukan ekstensif Lakukan terbatas

*Mengasumsikan hasil pengujian pengendalian memuaskan, yang memungkinkan risiko

Hapus Penyempurna PDF

risiko audit yang dapat diterima).

Kondisi Menuju Kondisi Menuju

yang salah yang dapat diterima

Bab 17 / SAMPEL AUDIT UNTUK PENGUJIAN DETAIL SALDO 563

GAMBAR 17-2 Rumus untuk Menghitung Pengujian Nonstatistik Rincian Saldo

Jumlah penduduk yang tercatat*

Pilih faktor jaminan yang sesuai sebagai berikut:

Risiko Bahwa Prosedur Substantif Lainnya

Maksimum 3.0 2,7 2,3 2.0

1 3 $88.955 $ 91.695 $ (2.740)

1 $ (2.740 )/$88.955 $ $88.955 $ (2.740)

Bab 17 / SAMPEL AUDIT UNTUK PENGUJIAN DETAIL SALDO 565

Meningkatkan Ukuran Sampel Ketika auditor meningkatkan ukuran sampel, kesalahan

SAMPLING UNIT MONETER

Bab 17 / SAMPEL AUDIT UNTUK PENGUJIAN DETAIL SALDO 567

1. Tabel sampling atribut digunakan untuk menghitung hasil. Tabel, seperti

TABEL 17-4 Populasi Piutang Usaha

Butir Populasi Total Kumulatif

Bab 17 / SAMPEL AUDIT UNTUK PENGUJIAN DETAIL SALDO 569

Apakah Ditemukan Menggunakan MUS

Bab 17 / SAMPEL AUDIT UNTUK PENGUJIAN DETAIL SALDO 571

TABEL 17-5 Salah Saji Ditemukan

Tercatat Diaudit Salah saji

2073 $6.200 $6.100 $ 100 .016

TABEL 17-6 Batas Salah Saji Persen

Satuan Salah saji

*ARIA sebesar 5%. Ukuran sampel 100.

2. Setiap batas dikurangi dengan perkiraan titik yang berlawanan.

Bab 17 / SAMPEL AUDIT UNTUK PENGUJIAN DETAIL SALDO 573

TABEL 17-8 Ilustrasi Perhitungan Batas Salah Saji yang Disesuaikan

Jumlah Contoh Salah Saji Tercatat Titik

Batas pernyataan awal yang berlebihan $51.220

Pernyataan awal terikat $36.612

perkiraan poin yang diremehkan adalah $360 (0,03/100 x $1.200.000). Demikian

Perhitungan Overstatement pada

1. Tentukan salah saji untuk setiap item sampel, Tabel 17-5;

karena itu, nilai buku populasi akan ditolak.

Salah saji yang dapat Salah saji yang dapat

Bab 17 / SAMPEL AUDIT UNTUK PENGUJIAN DETAIL SALDO 575