Pengambilan Sampel Audit untuk Pengujian Perincian Saldo

1. Perbandingan Sampel Audit untuk Pengujian Perincian SaldoPerbedaan utama dari pengujian pengendalian, pengujian substantif atas transaksi dan pengujian perincian saldo terletak pada bagian mana yang diukur oleh auditor.

Jenis Pengujian Bagian yang diukur

Pengujian Pengendalian Efektivitas pengoperasian pengendalian internal

Pengujian Substantif atas transaksi- Efektivitas pengendalian

- Ketepatan nilai moneter pada transaksi dalam sistem akuntansi.

Pengujian Perincian Saldo Jumlah uang dalam saldo akun yang mengalami salah saji secara material.

Auditor melakukan pengujian pengendalian dan pengujian substantif atas transaksi:

Untuk menentukan rendahnya tingkat pengecualian dari populasi.

Untuk mengurangi risiko pengendalian sehingga mengurangi pengujian perincian saldo.

Bagi perusahaan publik, untuk menyimpulkan bahwa pengendalian berlangsung secara efektif terhadap audit pengendalian internal pelaporan keuangan.

Terdapat 3 (tiga) jenis metode utama dalam pengambilan sampel yang digunakan untuk menghitung salah saji nilai rupiah dalam saldo akun:

1. Pengambilan sampel nonstatistik

Persamaan dan perbedaan antara pengambilan sampel audit untuk pengujian perincian saldo dengan pengambilan sampel audit untuk pengujian pengendalian dan pengujian substantif atas transaksi.Langkah-pengambilan sampel audit untuk Pengujian Perincian atas Saldo

- Merencanakan sampel

1. Menetapkan tujuan dari pengujian audit

2. Menentukan adanya pengambilan sampel

3. Menetapkan salah saji

4. Menetapkan populasi

5. Menetapkan unit pengambilan sampel

6. Menetapkan salah saji yang dapat diterima.

7. Menetapkan risiko yang dapat diterima atas kesalahan.

8. Mengestimasi salah saji dalam populasi.

9. Menentukan jumlah sampel awal.Langkah-Pengambilan sampel audit untuk pengujian Pengendalian dan Pengujian Substantif atas transaksi:

- Merencanakan sampel

1. Menetapkan tujuan dari pengujian audit.

2. Menentukan adanya pengambilan sampel.

3. Menetapkan kekhasan dan kondisi pengecualian.

4. Menetapkan populasi.

5. Menetapkan unit pengambilan sampel.

6. Menetapkan tingkat pengecualian yang dapat diterima.

7. Menetapkan risiko yang diterima jika risiko pengendalian terlalu rendah.

8. Mengestimasikan tingkat pengecualian populasi.

9. Menetukan jumlah sampel awal.

- Memilih sampel dan melakukan Prosedur audit

10. Memilih sampel

11. melakukan prosedur audit- Memilih sampel dan melakukan Prosedur audit

10. Memilih sampel

11. melakukan prosedur audit

- Mengevaluasi hasil12. Membuat generalisasi dari sampel ke populasi13. Menganalisis salah saji

14. Menentukan keberterimaan populasi- Mengevaluasi hasil

12. Membuat generalisasi dari sampel ke populasi.13. menganalisis tingkat pengecualian

14. Menentukan keberterimaan popuasi.

Dampak ARACR dan ARIA terhadap Pengujian Substantif

ARACR (acceptable risk of accessing control risk too low/risiko yg diterima jika risiko pengendalian terlalu rendah).

Pengendalian diyakini tidak efektif Pengendalian Diyakini efektif

Hubungan antara Faktor-faktor yang memegaruhi ARIA, Dampak terhadap ARIA, dan Jumlah Sampel yg dibutuhkan dlm Pengambilan Sampel Audit

Faktor yg memegaruhi ARIAContohDampak thd ARIAJmh sample

Efektivitas Pengendalian Internal (risiko pengendalian)Pengendalian internal efektif (mengurangi Risiko pengendalian)BertambahBerkurang

Pengujian substantif atas transaksiTak ada pengecualian yg ditemukan Dlm pengujian substantive atas transaksiBertambahBerkurang

Risiko audit yg dapat diterimaKemungkinan terjadi kebangkrutan rendah(risiko audit yg dpt diterima meningkat)BertambahBerkurang

Prosedur analitisProsedur analitis dilakukan tanpa adanya Indikasi salah sajiBertambahBerkurang

Faktor yg mempengaruhi jumlah sampel untuk Pengujian Perincian SaldoFaktorSampel kecilSampel Besar

Risiko pengendalianrendahtinggi

Hasil dr prosedur substantif lain terkait dg asersi yg

Sama memegaruhi risiko yg dapat diterima atas kesalahan penerimaanmemuaskanTidak memuaskan

Risiko audit yg dapat diterima TinggiRendah

Salah saji yg dapat diterima untuk akun tertentuBesarKecil

Risiko bawaanRendahTinggi

Ekspektasi jmh & frekuensi salah sajiKecilTinggi

Jumlah uang dalam populasisedikitBesar

Jumlah sampel dalam populasiHampir tdk ada dampak thd jmh sampel kecuali populasinya sangat kecilHampir tdk ada sampak thd jmh sampel kecuali populasinya sangat kecil.

Rumus untuk menghitung pengujian Nonstatistik atas Perincian Jumlah Sampel Saldo berdasarkan Audit Sampling Formula AICPA

Jumlah populasi tercatat x Faktor assurance = Jumlah sampel

Salah saji yg dapat diterima

Risiko Bawaan dan Risiko PengendalianRisiko jika prosedur substantif tdk mampu

mendeteksi Salah Saji Material

MaksSedikit di bawah Maks.SedangRendah

Maksimum32,72,32

Sedang di bawah maksimum2,72,421,6

Sedang2,32,11,61,2

rendah21,61,21

2. Pengambilan sampel unit moneter

Pengambilan sampel unit moneter (Monetery Unit Sampling/MUS) adalah metode pengambilan sampel statistik yang paling umum untuk pengujian perincian saldo karena prosesnya cukup sederhana namun hasilnya dapat dinyatakan dalam rupiah.

Perbedaan antara MUS dengan Pengambilan sampel Nonstatistik:

- Definisi dari unit pengambilan sampel sebagai nilai uang individuBerfokus pada nilai uang individu sebagai unit sampel, MUS secara otomatis menekankan pada unit fisik dengan saldo tercatat yang lebih besar. Oleh karena sampel diambil berdasarkan nilai uang individu, maka sebuah akun dengan saldo besar memiliki kesempatan lebih besar untuk dimasukkan dibandingkan dengan yang saldo kecil.

Contoh: dalam konfirmasi piutang dagang, akun dengan saldo Rp.5.000.000,- memiliki kemungkinan untuk dipilih 10 kali lebih besar dibandingkan yang saldonya Rp.500.000,- karena terdiri atas 10 kali unit uang yang lebih besar. Hasilnya pengambilan sampel bertingkat tidak diperlukan dalam MUS, karena proses stratifikasinya terjadi secara otomatis.

- Setiap akun menggunakan penilaian awal materialitas dan bukan salah saji yang diterima.Aspek unik lainnya dari MUS adalah penilaian awal materialitas yang secara langsung menentukan jumlah salah saji yang dapat diterima untuk proses audit setiap akun. Contohnya: Diasumsikan auditor memutuskan bahwa penilaian materialitas seharusnya sebesar Rp.60.000.000,- untuk seluruh laporan keuangan. Materialitas sejumlah Rp.60.000.000,- akan digunakan sebagai salah saji yang dapat diterima dalam seluruh penerapan MUS, yaitu persediaan, piutang dagang dan lain-lain.

-Pemilihan sampel dilakukan menggunakan PPS (Probability Proportional to size)Sampel unit moneter dipilih dengan menggunakan Proporsi probability jumlah sampel PPS sample selection. Sampel PPS bisa didapatkan menggunakan peranti

Lunak komputer, tabel angka acak, atau teknik pengambilan sampel yang sistematis.

-Generalisasi dari sampel ke populasi ketika salah saji tidak ditemukan dengan menggunakan MUSAsumsikan bahwa auditor mengonfirmasikan suatu populasi piutang dagang atas kebenaran nilai moneter. Total populasi adalah Rp.1.200.000.000,- dan sampelnya menggunakan 100 konfirmasi. Selama audit, seluruh salah saji ditemukan dalam sampel. Auditor ingin menentukan jumlah maksimal salah saji atau kurang saji yang dapat muncul dalam populasi meskipun salah saji tidak ditemukan dalam sampel. Hal ini disebut batas salah saji atas dan batas salah saji bawah. Diasumsikan ARIA adalah 5%. CUER sebesar 3% menunjukkan batas atas dan batas bawah , disajikan dalam persen. Oleh karena tingkat salah saji dalam sampel adalah 0%, maka 3% mempresentasikan estimasi kesalahan pengambilan sampel.

Berdasarkan hasil sampel dari batas salah saji dalam tabel, auditor dapat menyimpulkan dengan risiko pengambilan sampel 5%, bahwa sebanyak 3% dari unit moneter dalam populasi tidak mengalami salah saji. Untuk mengonversikan persentase ini dalam rupiah, auditor harus membuat asumsi dengan persentase rata-rata salah saji dalam populasi tersebut. Asumsi ini secara signifikan memegaruhi batas-batas salah saji. Berikut ini contoh asumsi yang dibuat untuk mengilustrasikan hal tersebut:

Asumsi 1 : jumlah lebih saji adalah 100%, jumlah salah saji adalah 100% batas salah saji pada aria 5% adalah:

Batas salah saji atas = Rp 1.200.000.000 X 3% X100% = Rp.36.000.000,-

Batas salah saji bawah =Rp.1200.000.000 X 3% X 100% = Rp.36.000.000,-Diasumsikan secara rata-rata, bagian populasi ini telah salah saji sebesar total uang dari nilai tercatat. Oleh karena batas salah saji adalah 3%, maka nilai salah saji mungkin tidak melebihi Rp.36.000.000,- Jika seluruh jumlah ternyata lebih saji, maka terdapat lebih saji sebesar Rp.36.000.000,-. Jika seluruhnya kurang saji, maka terdapat kurang saji sebesar Rp.36.000.000,-

Asumsi 100% salah saji tersebut sebenarnya sangat konservatif, terutama untuk lebih saji. Asumsikan tingkat pengecualian populasi aktual adalah 3%. Di bawah ini merupakan dua kondisi yang muncul sebelum nilai Rp.36.000.000,- secara tepat menunjukkan jumlah salah saji sebenarnya:

Seluruh jumlah salah saji. Saling hapus (offsetting) akan mengurangi jumlah salah saji.

Seluruh bagian populasi yang salah saji harus 100% salah saji. Oleh karena itu tidak mungkin, misalnya salah saji sebesar Rp.226.000,- dicatat sebesar Rp.262.000,- berarti hanya ada 13,71% salah saji (262.000-226.000 = 36.000 lebih saji; 36.000/262.000 = 13,7%).

Dalam perhitungan lebih saji dan salah saji sebesar Rp.36.000.000,- diatas, auditor tidak menghitung titik estimasi dan kesalahan dalam pengambilan sampel. Hal ini disebabkan karena tabel menggunakan keduanya, baik titik estimasi maupun jumlah presisi untuk memperoleh tingkat pengecualian batas atas. Meskipun titik estimasi dan jumlah presisi tidak dihitung dalam MUS, keduanya masuk dalam perhitungan batas-batas salah saji secara implisit dan dapat ditentukan pula dari tabel. Pada Ilustrasi ini, titik estimasi adalah nol dan jumlah presisi statistik adalah Rp.36.000.000,-.

Asumsi 2: Jumlah lebih saji adalah 10%, jumlah kurang saji adalah 10% batas atas salah saji pada ARI 5% yaitu:

Batas atas salah saji = Rp.1.200.000 X 3% X 10% = Rp.3.600.000,-

Batas bawah salah saji = Rp.1.200.000 X 3% X 10% = Rp.3.600.000,-

Asumsinya adalah bahwa secara rata-rata, bagian-bagian yang salah saji tidak melebihi 10%. Jika seluruh bagian telah salah saji pada satu arah, maka batas salah saji adalah + Rp.3.600.000,- dan Rp.3.600.000,-. Perubahan asamsi salah saji dari 100% menjadi 10% secara signifikan mempengaruhi batas salah saji. Dampaknya secara langsung pada nilai perubahan.

Terdapat 2 (dua) kekurangan MUS yaitu:

1. Total batas salah saji yang dihasilkan saat ditemukan salah saji mungkin terlalu tinggi sehingga tidak dapat digunakan auditor. Hal ini karena metode evaluasi dengan sendirinya bersifat konservatif ketika salah saji ditemukan dan kadang-kadang menghasilkan batas jauh melebihi materialitas. Untuk mengatasi hal tersebut maka diperlukan jumlah sampel yang banyak.2. Sulit dalam memilih sampel PPS (Probability Proportional to size) dari populasi besar tanpa bantuan komputer.3. Pengambilan sampel variabel

Beberapa teknik pengambilan sampel terdiri dari klasifikasi metode umum yang disebut pengambilan sampel variabel: estimasi perbedaan, estimasi risiko, dan estimasi rata-rat per unit.Perbedaan antara Pengambilan sampel Variabel dengan Non statistik

Distribusi Pengambilan Sampel

Diasumsikan bahwa auditor sebagai eksperimen mengambil ribuan sampel rata-rata yang berulang dengan jumlah yang sama dari suatu populasi data akuntansi, dengan nilai rata-rata

_

X = Xj

nDimana, _

X = nilai rata-rata dalam sampel

Xj = nilai masing-masing sampel

n = jumlah sampel

sebagai ilustrasi, asumsikan terdapat populasi dengan rata-rata Rp.40.000,- dan standar deviasi Rp.15.000,- ( x = Rp.40.000,- dan SD = Rp.15.000,-) yang kita pilih untuk mengambil 100 sampel acak untuk setiap bagian. Standar deviasi dari dari distribusi pengambilan sampel ini adalah Rp.1.500,- (SD/n = 15.000/ 100 = 1.500). Patokan untuk SD dari populasi dan SD dari distribusi pengambilan sampel kadang-kadang membingungkan. Untuk menghindari kebinggungan ingatlah bahwa standar deviasi dari distribusi rata-rata sampel sering kali disebut the standard error of the mean(SE).

Inferensi Statistik Inferensi statistik adalah auditor yang dengan pengetahuan mengenai distribusi pengambilan sampel dapat menarik kesimpulan.Contoh:

Diasumsikan bahwa auditor mengambil sampel dari populasi dan menghitung Rp.46.000,- dan SE sebesar Rp.9.000,- . Kita sekarang dapat menghitung interval keyakinan dari rata-rata populasi menggunakan logika yang diperoleh pemahaman distribusi pengambilan sampel. Perhitungan sebagai berikut:Ciz = X Z.SE

Di mana,

Ciz = interval keyakinan dari rata-rata populasi

Z.SE = interval ketepatan

X = titik estimasi dari rata-rata populasi

1 = 68,2% tingkat keyakinan

Z = koefisien keyakinan 2 = 85,4% tingkat keyakinan

3 = 99,7% tingkat keyakinan

Contoh:

CIx = Rp.46.000 1(Rp.9.000) =Rp.46.000 Rp.9.000,- pada 68,2% tingkat keyakinan

CIx = Rp.46.000 2(Rp.9.000) =Rp.46.000 Rp.18.000,- pada 95,4% tingkat keyakinan

CIx = Rp.46.000 3(Rp.9.000) =Rp.46.000 Rp.27.000,- pada 99,7% tingkat keyakinan

_Untuk menghitung batas keyakinan bawah (LCLx) adalah X Z.SE (Rp.46.000 Rp.18.000 = Rp.28.000,- pada tingkat keyakinan 95%).Tingkat keyakinan _ Tingkat Keyakinan bawah____________________________X__________________atas_______

Rp.28.000 Rp.46.000 Rp.64.000,-

Metode Variabel

1. Estimasi Perbedaan

Auditor menggunakan estimasi perbedaan untuk mengukur total jumlah salah saji dalam populasi ketika nilai tercatat dan nilai yang diaudit muncul disetiap bagian dalam sampel. Sebagai contoh auditor dapat mengorfimasikan sampel atas piutang dagang dan menentukan perbedaan (salah saji) antara jumlah yang dicatat klien dengan jumlah ang dianggap benar oleh auditor untuk setiap akun yang dipilih.

2. Estimasi Risiko

Estimasi risiko sama dengan estimasi perbedaan, kecuali auditor menghitung rasio antara salah saji dan nilai yang mereka catat lalu memproyeksikannya ke populasi untuk mengestimasikan total salah saji populasi.

3. Estimasi Rata-rat Per unit

Dalam estimasi rata-rata per unit, auditor berfokus pada nilai yang diaudit dibandingkan jumlah salah saji untuk setiap sampel. Titik estimasi dalam nilai yang diaudit sama dengan rata-rata nilai yang diaudit dalam sampel dikalikan jumlah populasi.

Contoh Diasumsikan auditor mengambil 100 sampel dari daftar persediaan yang terdiri atas 3.000 bagian dan nilai tercatat Rp.265.000.000,-. Jika nilai rata-rata dari sampel adalah Rp.85.000,- maka estimasi nilai persediaan adalah Rp.255.000.000,- (Rp.85.000,- X Rp.3000,-). Jika nilai tercatat Rp 265.000.000,- berada diantara batas keyakinan, maka auditor akan menerima saldo populasi. Estimasi rata-rata per unit jarang digunakan dalam praktik karena jumlah sampel biasanya lebih besar dibandingkan kedua metode sebelumnya.

Risiko Pengambilan Sampel

ARIA (Acceptable risk of incorrect acceptance/Risiko yang dapat diterima atas kesalahan penerimaan) adalah risiko statistik yang diterima auditor bahwa populasi secara material telah salah saji. ARIA merupakan hal serius bagi auditor karena memiliki dampak hukum atas pengambilan keputusan terhadap kewajaran penyajian suatu akun ketika akun tersebut salah saji secara material.

Tingkat Keyakinan (%)ARIA (%)ARIR (%)Koefisien Keyakinan

990,512,58

952,551,96

905101,64

8010201,28

7512,5251,15

7015301,04

6020400,84

5025500,67

4030600,52

3035700,39

2040800,25

1045900,13

0501000

Tabel Koefisien Keyakinan untuk tingkat keyakinan,ARIA,ARIR

Saldo akun dapat lebih saji atau kurang saji. ARIA merupakan pengujian statistik satu ekor. Koefisien keyakinan untuk ARIA berbeda dengan tingkat keyakinan. (tingkat keyakinan = 12 X ARIA. Jadi, jika ARIA sama dengan 10% maka tingkat keyakinannya adalah 80%).

ARIR adalah risiko statistik yang muncul akibat auditor menyimpulkan bahwa populasi secara material telah salah saji, padahal tidak. ARIR memegaruhi tindakan auditor hanya jika mereka menyimpulkan bahwa suatu populasi tidak disajikan secara wajar, mereka biasanya akan menambah jumlah sampel atau melakukan pengujian lain. Keputusan Audit AktualSalah saji materialSalah saji tidak material

Kesimpulan bahwa populasi

Salah saji secara materialKeputusan yg benar-tanpa risikoKeputusan yg salah-risiko ARIR

Kesimpulan bahwa populasi tidak salah saji secara materialKeputusan yang salah-risiko ARIAKeputusan yang benar-tanpa risiko

Risiko pengendalian = 100%

Mengurangi risiko pngendalian

Mengurangi ARACR

ARACR =100%

Melakukan pengujian pengendalian

Tidak melakukan pengujian pengendalian

Menggunakan ARIA tinggi

Menggunakan tingkat ARIA rendah

Melakukan pengujian substatif yg luas

Melakukan pengujian substatif yg luas

8