Pengambilan Sampel Audit untuk Pengujian Perincian Saldo

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.
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 Pengujian Perincian Atas Saldo untuk Pengujian Pengendalian dan
Pengujian Substantif atas Transaksi:
Merencanakan sampel
Merencanakan sampel
1. Menetapkan tujuan dari
1. Menetapkan tujuan dari pengujian
pengujian audit
audit.
2. Menentukan adanya
2. Menentukan adanya pengambilan
pengambilan sampel
sampel.
3. Menetapkan salah saji
3. Menetapkan kekhasan dan kondisi
pengecualian.
4. Menetapkan populasi
4. Menetapkan populasi.
5. Menetapkan unit pengambilan
5. Menetapkan unit pengambilan
sampel
sampel.
6. Menetapkan salah saji yang
6. Menetapkan tingkat pengecualian
dapat diterima.
yang dapat diterima.
7. Menetapkan risiko yang dapat
7. Menetapkan risiko yang diterima
diterima atas kesalahan.
jika risiko pengendalian terlalu
rendah.
8. Mengestimasi salah saji dalam
8. Mengestimasikan tingkat
populasi.
pengecualian populasi.
1

9. Menentukan jumlah sampel

awal.
Memilih sampel dan melakukan
Prosedur audit
10. Memilih sampel
11. melakukan prosedur audit
Mengevaluasi hasil
12. Membuat generalisasi dari
sampel ke populasi
13. Menganalisis salah saji
14. Menentukan keberterimaan
populasi

9. Menetukan jumlah sampel awal.

Memilih sampel dan melakukan
Prosedur audit
10. Memilih sampel
11. melakukan prosedur audit
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/).
Pengendalian Diyakini Tidak Efektif

Pengendalian Diyakini Efektif

Risiko pengendalian =
100%

Mengurangi risiko
pengendalian

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 cukup

Hubungan Antara Faktor-faktor yang Mempengaruhi ARIA, Dampak Terhadap

ARIA, dan Jumlah Sampel yang Dibutuhkan dalam Pengambilan Sampel Audit
Faktor yang
Mempengaruhi ARIA
Efektivitas Pengendalian
Internal
(risiko pengendalian)
Pengujian substantif atas
transaksi
Risiko audit yg dapat
diterima
Prosedur analitis

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

Dampak
Terhadap
ARIA

Jumlah
sampel

Bertambah

Berkurang

Bertambah

Berkurang

Bertambah

Berkurang

Bertambah

Berkurang

Faktor yang Mempengaruhi Jumlah Sampel untuk Pengujian Perincian Saldo

Faktor
Risiko pengendalian
Hasil dr prosedur substantif lain terkait dg asersi yg
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
Besar
Rendah
Kecil
Sedikit
Hampir tdk ada
dampak thd jmh
sampel kecuali
populasinya
sangat kecil

Rendah
Kecil
Tinggi
Tinggi
Besar
Hampir 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 Yang Dapat Diterima
Risiko Bawaan Dan Risiko

Risiko Jika Prosedur Substantif Tidak Mampu

3

Pengendalian
Maksimum
Sedang Di Bawah Maksimum
Sedang
Rendah

Maks
3
2,7
2,3
2

Mendeteksi Salah Saji Material

Sedikit dibawah
Maks
Sedang Rendah
2,7
2,3
2
2,4
2
1,6
2,1
1,6
1,2
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
4

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.1.200.000.000 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 ratarata yang berulang dengan jumlah yang sama dari suatu populasi data akuntansi,
dengan nilai rata-rata
_
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.
6

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
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-rata 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
0,5
1
2,58
95
2,5
5
1,96
90
5
10
1,64
80
10
20
1,28
75
12,5
25
1,15
70
15
30
1,04
60
20
40
0,84
50
25
50
0,67
40
30
60
0,52
30
35
70
0,39
20
40
80
0,25
10
45
90
0,13
0
50
100
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

Daftar Pustaka
Jusup, Haryono. 2014. Auditing (Pengauditan Berbasis ISA), Edisi 2. Yogyakarta : STIE
YKPN.
https://www.google.co.id/webhp?sourceid=chrome-instant&ion=1&espv=2&ie=UTF8#q=materi+sampling+audit+pada+uji+saldo+doc

10

PENGAUDITAN II
PENGAMBILAN SAMPEL AUDIT UNTUK PENGUJIAN PERINCIAN SALDO
EKA 446 A3

KELOMPOK XIII :
I MADE ARYA PARTAYADNYA

1406305017

IDA AYU DIAH KENCANA DEWI

1406305018

NGURAH PRADIF NAHUSHA PRATAMA

1406305032

FAKULTAS EKONOMI DAN BISNIS

UNIVERSITAS UDAYANA
2016

11