Pengambilan Sampel Audit untuk Pengujian Perincian Saldo

Resiko yang terjadi baik pada sampelstatistik maupun nonstatistik merupakan faktor
penting dalam pengujian pengendalian, pengujian substantif atas transaksi, dan pengujian
perincian saldo. Untuk mengatasi risiko pengambilan sampel, auditor dapat menggunakan
metode statistik ataupun nonstatistik untuk ketiga jenis pengujian tersebut. Perbedaan utama
dari pengujian pengendalian, pengujian substantif atas transaksi dan pengujian perincian saldo
terletak pada bagian mana yang diukur oleh auditor.
Jenis Pengujian
Pengujian Pengendalian
Pengujian Substantif atas transaksi
Pengujian Perincian Saldo

Bagian yang diukur

Efektivitas pengoperasian pengendalian internal
- Efektivitas pengendalian
- Ketepatan nilai moneter pada transaksi dalam
sistem akuntansi.
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.

Tidak seperti pengujian pengendalian dan pengujian substantif atas transaksi, auditor
jarang menggunakan pengujian tingkat kejadian dalam pengujian perincian saldo. 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 Langkah-Pengambilan sampel audit untuk
untuk Pengujian Perincian atas Saldo pengujian Pengendalian dan Pengujian
Substantif atas transaksi:
- Merencanakan sampel
- Merencanakan sampel
1. Menetapkan tujuan dari
1. Menetapkan tujuan dari pengujian audit.
pengujian audit
2. Menentukan adanya pengambilan sampel.
2. Menentukan adanya
3. Menetapkan kekhasan dan
pengambilan sampel
kondisi pengecualian.
3. Menetapkan salah saji
4. Menetapkan populasi.
4. Menetapkan populasi
5. Menetapkan unit pengambilan sampel.
5. Menetapkan unit
6. Menetapkan tingkat pengecualian yang

pengambilan sampel
dapat diterima.
6. Menetapkan salah saji yang
7. Menetapkan risiko yang diterima jika
dapat diterima.
risiko pengendalian terlalu rendah.
7. ;Menetapkan risiko yang
8. Mengestimasikan tingkat
dapat diterima atas kesalahan.
pengecualian populasi.
8. Mengestimasi salah saji
9. Menetukan jumlah sampel awal.
dalam populasi.
9. Menentukan jumlah sampel awal.
- Memilih sampel dan
- Memilih sampel dan melakukan Prosedur
melakukan Prosedur audit
audit
10. Memilih sampel
10. Memilih sampel
11. melakukan prosedur audit
11. melakukan prosedur audit
- Mengevaluasi hasil
- Mengevaluasi hasil
12. Membuat generalisasi dari
12. Membuat generalisasi dari sampel ke
sampel ke populasi
populasi.
13. Menganalisis salah saji
13. menganalisis tingkat pengecualian
14. Menentukan keberterimaan
14. Menentukan keberterimaan popuasi.
populasi
Dampak ARACR dan ARIA terhadap Pengujian Substantif
ARACR (acceptable risk of accessing control risk too low/risiko yg diterima jika risiko
pengendalian terlalu rendah) adalah jumlah risiko yang diambil auditor atas penerimaan
bahwa saldo tersebut benar ketika salah saji yang terjadi melebihi jumlah yang diterima.
Pengendalian diyakini tidak efektif

Pengendalian Diyakini efektif

Risiko pengendalian
= 100%

Mengurangi risiko
pngendalian

ARACR =100%

Mengurangi
ARACR

Tidak melakukan
pengujian
pengendalian

Melakukan
pengujian
pengendalian

Menggunakan tingkat
ARIA rendah

Menggunakan
ARIA tinggi

Melakukan pengujian
substatif yg luas

Melakukan
pengujian
substatif yg luas

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

Contoh

Dampak thd
Jumlah sample
ARIA

Efektivitas Pengendalian
Internal
(risiko pengendalian)

Pengendalian internal efektif

(mengurangi
Bertambah
Risiko pengendalian)
Tak ada pengecualian yg ditemukan
Pengujian substantif atas
Dlm pengujian substantive atas
Bertambah
transaksi
transaksi
Kemungkinan terjadi kebangkrutan
rendah
Risiko audit yg dapat diterima
Bertambah
(risiko audit yg dpt diterima
meningkat)
Prosedur analitis dilakukan tanpa
Prosedur analitis
adanya
Bertambah
Indikasi salah saji

Berkurang
Berkurang

Berkurang

Berkurang

Faktor yg mempengaruhi jumlah sampel untuk Pengujian Perincian Saldo

Faktor
Risiko pengendalian
Hasil dari prosedur substantif lain terkait dg asersi
yang Sama memegaruhi risiko yg dapat diterima
atas kesalahan penerimaan
Risiko audit yg dapat diterima
Salah saji yg dapat diterima untuk akun tertentu
Risiko bawaan
Ekspektasi jmh & frekuensi salah saji
Jumlah uang dalam populasi
Jumlah sampel dalam populasi

Sampel kecil
Rendah
memuaskan

Sampel Besar
tinggi
Tidak
memuaskan

Tinggi
Rendah
Besar
Kecil
Rendah
Tinggi
Kecil
Tinggi
Sedikit
Besar
Hampir tidak ada
Hampir tidak ada
dampak
sampak
Terhadap
terhadap
jmh
Jumlah
sampel
Sampel
kecuali
kecuali
populasinya
populasinya
sangat kecil.
sangat kecil

Rumus untuk menghitung pengujian Nonstatistik atas Perincian Jumlah Sampel

Saldo berdasarkan Audit Sampling Formula AICPA
Jumlah populasi tercatat
Salah saji yg dapat diterima

x Faktor assurance = Jumlah sampel

Risiko Bawaan dan

Risiko Pengendalian
Maksimum
Sedang di bawah maksimum
Sedang
Rendah

Risiko jika prosedur substantif tidak mampu

mendeteksi Salah Saji Material
Maks
Sedikit di bawah Maks.
Sedang Rendah
3
2,7
2,3
2
2,7
2,4
2
1,6
2,3
2,1
1,6
1,2
2
1,6
1,2
1

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 individu
Berfokus 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 MUS
Asumsikan 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 ARIA 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 ratarata
_
X = Xj
n
Dimana, _
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 ratarata 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
Z

= koefisien keyakinan

1 = 68,2% tingkat 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

99
95
90
80
75
70
60
50
40
30
20
10
0

1
5
10
20
25
30
40
50
60
70
80
90
100

0,5
2,5
5
10
12,5
15
20
25
30
35
40
45
50

2,58
1,96
1,64
1,28
1,15
1,04
0,84
0,67
0,52
0,39
0,25
0,13
0

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 Aktual
Kesimpulan bahwa populasi
Salah saji secara material
Kesimpulan bahwa populasi
tidak salah saji secara material

Salah saji material

Keputusan yg benar-tanpa
Risiko
Keputusan yang
salah-risiko ARIA

Salah saji tidak material

Keputusan yg salah-risiko
ARIR
Keputusan yang
benar-tanpa risiko

Ilustrasi Menggunakan Estimasi Perbedaan

Beberapa jenis pengambilan sampel variabel dapat diaplikasikan dalam audit untuk
situasi yang berbeda. Estimasi perbedaan dengan pengujian hipotesis digunakan untuk
menggambarkan konsep dan metodologi dari sampel variabel karena penggunaannya relatif
mudah. Jika metode tersebut dianggap dapat diandalkan dalam situasi tertentu, maka sebagian
besar auditor akan lebih banyak menggunakannya dibandingkan metode lain.
Merencanakan Sampel dan Menghitung Ukuran Sampel Menggunakan Estimasi
Perbedaan
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.

Menyatakan tujuan pengujian audit

Menentukan penerapan pengambilan sampel
Menentukan kondisi salah saji
Menentukan populasi
Menentukan unit pengambilan sampel
Menetapkan salah saji yang dapat diterima
Menetapkan risiko yang diterima
Mengestimasi salah saji dalam populasi
Menghitung ukuran sampel awal
Memilih sampel dan menjalankan prosedur

Mengevaluasi hasil
1. Generalisasi dari sampel ke populasi :
a) Menghitung titik estimasi untuk total salah saji
b) Menghitung estimasi standar deviasi populasi
c) Menghitung interval ketepatan
d) Menghitung batas keyakinan
2. Menganalisis salah saji
3. Menetapkan keberterimaan populasi
4. Menganalisis

Kasus Pengambilan Sampel Audit Untuk Pengujian Perincian Saldo

Kelemahan :
1.
2.
3.

Eni yang mengembangkan sebuah program untuk mendesain prosedur audit konfirmasi
sebagai bagian dari pengujian perincian saldo untuk piutang dagang dan mencakup
penentuan jumlah sampel telah berhenti bekerja.
Tidak ada pengganti posisi Eni yang kompeten, sehingga Bardi mengerjakannya
sendirian.
Terdapat salah saji yang jumlahnya besar sebagai akibat dari perhitungan Bardi yang
tidak akurat sehingga mengakibatkan pendapatan PT Citra Pesona menurun drastis.

Saran :
1.

Sebaiknya KAP tersebut harus memiliki seseorang yang memiliki kompeten/pengalaman

yang sama dengan Eni dikala membuat program tersebut, sehingga ketika salah seorang
tersebut berhalangan entah itu sakit parah, berhenti bekerja, ataupun meninggal dunia
masih memiliki cadangannya.

2.

Sebagai auditor, Bardi harus menggunakan sampel secara benar untuk menghindari
kesalahan dalam pengambilan kesimpulan dari suatu populasi yang berakibat pada
penurunan pendapatan PT Citra Pesona. Bardi harus memutuskan metode yang akan
digunakan, bergantung pada preferensi, pengalaman, dan pengetahuan tentang statistik
yang mereka miliki.