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

Memilih sampel 11. Dampak ARACR dan ARIA terhadap Pengujian Substantif ARACR (acceptable risk of accessing control risk too low/). Membuat generalisasi dari sampel ke populasi 13.9. menganalisis tingkat pengecualian 14. Membuat generalisasi dari sampel ke populasi. 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 2 . Menentukan jumlah sampel awal. Memilih sampel 11. Menganalisis salah saji 14. Menentukan keberterimaan popuasi. Memilih sampel dan melakukan Prosedur audit 10. Menentukan keberterimaan populasi 9. melakukan prosedur audit Mengevaluasi hasil 12. Memilih sampel dan melakukan Prosedur audit 10. 13. Menetukan jumlah sampel awal. melakukan prosedur audit Mengevaluasi hasil 12.

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 .Hubungan Antara Faktor-faktor yang Mempengaruhi ARIA. Dampak Terhadap ARIA.

6 1.000. akun dengan saldo Rp.000.untuk seluruh laporan keuangan. karena proses stratifikasinya terjadi secara otomatis..1 1.3 2 2.  Setiap akun menggunakan penilaian awal materialitas dan bukan salah saji yang diterima.6 1.1.000. Sampel PPS bisa didapatkan menggunakan peranti Lunak komputer. Aspek unik lainnya dari MUS adalah penilaian awal materialitas yang secara langsung menentukan jumlah salah saji yang dapat diterima untuk proses audit setiap akun. Materialitas sejumlah Rp.000.karena terdiri atas 10 kali unit uang yang lebih besar.. 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.5..200. maka sebuah akun dengan saldo besar memiliki kesempatan lebih besar untuk dimasukkan dibandingkan dengan yang saldo kecil. Perbedaan antara MUS dengan Pengambilan sampel Nonstatistik:  Definisi dari unit pengambilan sampel sebagai nilai uang individu Berfokus pada nilai uang individu sebagai unit sampel.000.7 2.akan digunakan sebagai salah saji yang dapat diterima dalam seluruh penerapan MUS.000. MUS secara otomatis menekankan pada unit fisik dengan saldo tercatat yang lebih besar. Hasilnya pengambilan sampel bertingkat tidak diperlukan dalam MUS.  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. atau teknik pengambilan sampel yang sistematis. Total populasi adalah Rp.500.  Pemilihan sampel dilakukan menggunakan PPS (Probability Proportional to size) Sampel unit moneter dipilih dengan menggunakan Proporsi probability jumlah sampel PPS sample selection. seluruh salah saji 4 . piutang dagang dan lain-lain.memiliki kemungkinan untuk dipilih 10 kali lebih besar dibandingkan yang saldonya Rp.4 2 1.000.60.2 1. Contohnya: Diasumsikan auditor memutuskan bahwa penilaian materialitas seharusnya sebesar Rp.7 2. tabel angka acak. yaitu persediaan.Pengendalian Maksimum Sedang Di Bawah Maksimum Sedang Rendah Maks 3 2.dan sampelnya menggunakan 100 konfirmasi.2 1 2.000.3 2 Mendeteksi Salah Saji Material Sedikit dibawah Maks Sedang Rendah 2.60. Contoh: dalam konfirmasi piutang dagang. Oleh karena sampel diambil berdasarkan nilai uang individu. Selama audit..6 2.000.

000. misalnya salah saji sebesar Rp.36.36.000.226.7%).71% salah saji (262. bahwa sebanyak 3% dari unit moneter dalam populasi tidak mengalami salah saji.000. Hal ini disebut batas salah saji atas dan batas salah saji bawah.200.000. keduanya masuk dalam perhitungan batas-batas salah saji secara implisit dan dapat ditentukan pula dari tabel.000.000..36.000 = 13. 36.000-226.000 X 3% X 100% = Rp. Asumsikan tingkat pengecualian populasi aktual adalah 3%.berarti hanya ada 13.000.262.. Di bawah ini merupakan dua kondisi yang muncul sebelum nilai Rp.36. jumlah salah saji adalah 100% batas salah saji pada aria 5% adalah: Batas salah saji atas = Rp 1.36.Jika seluruh jumlah ternyata lebih saji. maka 3% mempresentasikan estimasi kesalahan pengambilan sampel.000.dicatat sebesar Rp.000/262. maka terdapat lebih saji sebesar Rp.000 lebih saji. terutama untuk lebih saji.200.diatas.000. Diasumsikan ARIA adalah 5%..secara tepat menunjukkan jumlah salah saji sebenarnya:  Seluruh jumlah salah saji.000.Batas salah saji bawah =Rp. auditor harus membuat asumsi dengan persentase rata-rata salah saji dalam populasi tersebut.000.000. Saling hapus (offsetting) akan mengurangi jumlah salah saji..000.000. disajikan dalam persen.36. baik titik estimasi maupun jumlah presisi untuk memperoleh tingkat pengecualian batas atas. Jika seluruhnya kurang saji. Meskipun titik estimasi dan jumlah presisi tidak dihitung dalam MUS.Asumsi 100% salah saji tersebut sebenarnya sangat konservatif. auditor dapat menyimpulkan dengan risiko pengambilan sampel 5%.000.36.000. CUER sebesar 3% menunjukkan batas atas dan batas bawah .000. Untuk mengonversikan persentase ini dalam rupiah.Diasumsikan secara rata-rata. bagian populasi ini telah salah saji sebesar total uang dari nilai tercatat. maka terdapat kurang saji sebesar Rp. maka nilai salah saji mungkin tidak melebihi Rp. Hal ini disebabkan karena tabel menggunakan keduanya.36.-. Asumsi ini secara signifikan memegaruhi batas-batas salah saji.ditemukan dalam sampel. Berikut ini contoh asumsi yang dibuat untuk mengilustrasikan hal tersebut: Asumsi 1 : jumlah lebih saji adalah 100%. Oleh karena batas salah saji adalah 3%.000 X 3% X100% = Rp. Auditor ingin menentukan jumlah maksimal salah saji atau kurang saji yang dapat muncul dalam populasi meskipun salah saji tidak ditemukan dalam sampel.1. Berdasarkan hasil sampel dari batas salah saji dalam tabel.. Oleh karena tingkat salah saji dalam sampel adalah 0%. auditor tidak menghitung titik estimasi dan kesalahan dalam pengambilan sampel.-.000.  Dalam perhitungan lebih saji dan salah saji sebesar Rp.000. Oleh karena itu tidak mungkin.000. Seluruh bagian populasi yang salah saji harus 100% salah saji. 5 .000 = 36. titik estimasi adalah nol dan jumlah presisi statistik adalah Rp. Pada Ilustrasi ini.

000. Standar deviasi dari dari distribusi pengambilan sampel ini adalah Rp.(SD/√n = 15. Untuk mengatasi hal tersebut maka diperlukan jumlah sampel yang banyak.Asumsi 2: Jumlah lebih saji adalah 10%.000 X 3% X 10% = Rp.000.. 6 .500.1. maka batas salah saji adalah + Rp.500).Asumsinya adalah bahwa secara rata-rata.000.3.600. Untuk menghindari kebinggungan ingatlah bahwa standar deviasi dari distribusi rata-rata sampel sering kali disebut the standard error of the mean”(SE).200.-) yang kita pilih untuk mengambil 100 sampel acak untuk setiap bagian.Batas bawah salah saji = Rp. Pengambilan Sampel Variabel Beberapa teknik pengambilan sampel terdiri dari klasifikasi metode umum yang disebut pengambilan sampel variabel: estimasi perbedaan.1.. Perubahan asamsi salah saji dari 100% menjadi 10% secara signifikan mempengaruhi batas salah saji.000. 3.000 X 3% X 10% = Rp. estimasi risiko.000/ √100 = 1.15. Dampaknya secara langsung pada nilai perubahan.3.600. X = nilai rata-rata dalam sampel Xj = nilai masing-masing sampel n = jumlah sampel sebagai ilustrasi. Total batas salah saji yang dihasilkan saat ditemukan salah saji mungkin terlalu tinggi sehingga tidak dapat digunakan auditor. 2.000.40.. Patokan untuk “SD” dari populasi dan “SD” dari distribusi pengambilan sampel kadang-kadang membingungkan. Jika seluruh bagian telah salah saji pada satu arah.000.  Inferensi Statistik Inferensi statistik adalah auditor yang dengan pengetahuan mengenai distribusi pengambilan sampel dapat menarik kesimpulan.dan standar deviasi Rp.600.( x = Rp.600. bagian-bagian yang salah saji tidak melebihi 10%.dan SD = Rp. dan estimasi rata-rat per unit.dan – Rp. Sulit dalam memilih sampel PPS (Probability Proportional to size) dari populasi besar tanpa bantuan komputer. Terdapat 2 (dua) kekurangan MUS yaitu: 1. asumsikan terdapat populasi dengan rata-rata Rp..40.3. Hal ini karena metode evaluasi dengan sendirinya bersifat konservatif ketika salah saji ditemukan dan kadang-kadang menghasilkan batas jauh melebihi materialitas.200.000. dengan nilai rata-rata _ X = ∑ Xj n Dimana.000.-. jumlah kurang saji adalah 10% batas atas salah saji pada ARIA 5% yaitu: Batas atas salah saji = Rp.3.1.15.. 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.

9.. auditor berfokus pada nilai yang diaudit dibandingkan jumlah salah saji untuk setiap sampel.000 Rp..Metode Variabel 1.9..pada 95.18.000 – Rp.000 = Rp.000 ± Rp.9..46.000.64.46.. Ciz = interval keyakinan dari rata-rata populasi Z.000 ± Rp.9.18.000 ± Rp.000) =Rp.46.SE Di mana.46. Kita sekarang dapat menghitung interval keyakinan dari rata-rata populasi menggunakan logika yang diperoleh pemahaman distribusi pengambilan sampel.46.000.27.000.46.7% tingkat keyakinan _ Untuk menghitung batas keyakinan bawah (LCLx) adalah X – Z.4% tingkat keyakinan CIx = Rp.2% tingkat keyakinan CIx = Rp.SE = interval ketepatan X = titik estimasi dari rata-rata populasi Z = koefisien keyakinan 1 = 68..Contoh: Diasumsikan bahwa auditor mengambil sampel dari populasi dan menghitung Rp.000 ± 1(Rp.28.9.000) =Rp. Estimasi Risiko Estimasi risiko sama dengan estimasi perbedaan. Estimasi Rata-rata Per unit Dalam estimasi rata-rata per unit. Perhitungan sebagai berikut: Ciz = X ± Z.28.000) =Rp.000..000 ± 3(Rp.46.7% tingkat keyakinan Contoh: CIx = Rp. Titik estimasi dalam nilai 7 .000 ± 2(Rp. 2.2% tingkat keyakinan 2 = 85.4% tingkat keyakinan 3 = 99. 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. 3.SE (Rp.pada 99.pada 68.000.000. Tingkat keyakinan _ Tingkat Keyakinan bawah____________________________X__________________atas_______ Rp.46.46.000. kecuali auditor menghitung rasio antara salah saji dan nilai yang mereka catat lalu memproyeksikannya ke populasi untuk mengestimasikan total salah saji populasi.pada tingkat keyakinan 95%).dan SE sebesar Rp.000 Rp. 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.

.25 10 45 90 0. Tingkat Keyakinan ARIA ARIR Koefisien (%) (%) (%) Keyakinan 99 0.5 1 2. ARIR adalah risiko statistik yang muncul akibat auditor menyimpulkan bahwa populasi secara material telah salah saji.58 95 2..-. jika ARIA sama dengan 10% maka tingkat keyakinannya adalah 80%).265.85. padahal tidak.000. Jadi. (tingkat keyakinan = 1–2 X ARIA.13 0 50 100 0 Tabel Koefisien Keyakinan untuk tingkat keyakinan.255.52 30 35 70 0.5 25 1.000..15 70 15 30 1. 8 .84 50 25 50 0.000. mereka biasanya akan menambah jumlah sampel atau melakukan pengujian lain. ARIR memegaruhi tindakan auditor hanya jika mereka menyimpulkan bahwa suatu populasi tidak disajikan secara wajar. Contoh Diasumsikan auditor mengambil 100 sampel dari daftar persediaan yang terdiri atas 3. maka auditor akan menerima saldo populasi..64 80 10 20 1. Estimasi rata-rata per unit jarang digunakan dalam praktik karena jumlah sampel biasanya lebih besar dibandingkan kedua metode sebelumnya.000.X Rp.-).28 75 12.000. Koefisien keyakinan untuk ARIA berbeda dengan tingkat keyakinan.000.yang diaudit sama dengan rata-rata nilai yang diaudit dalam sampel dikalikan jumlah populasi. 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.000.3000.96 90 5 10 1.berada diantara batas keyakinan.85.04 60 20 40 0.ARIR Saldo akun dapat lebih saji atau kurang saji.000 bagian dan nilai tercatat Rp.000.(Rp. 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.39 20 40 80 0.5 5 1. Jika nilai tercatat Rp 265. ARIA merupakan pengujian statistik satu ekor.67 40 30 60 0.maka estimasi nilai persediaan adalah Rp. Jika nilai rata-rata dari sampel adalah Rp.ARIA.

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 9 .

id/webhp?sourceid=chrome-instant&ion=1&espv=2&ie=UTF8#q=materi+sampling+audit+pada+uji+saldo+doc 10 . Auditing (Pengauditan Berbasis ISA). Yogyakarta : STIE YKPN. Haryono. Edisi 2.Daftar Pustaka Jusup. 2014.google. https://www.co.

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 .