1.

PERBANDINGAN ANTARA SAMPLING AUDIT UNTUK PENGUJIAN

RINCIAN SALDO DENGAN SAMPLING AUDIT UNTUK PENGUJIAN
PENGENDALIAN DAN PENGUJIAN SUBSTANTIF TRANSAKSI
Perbedaan pokok antara pengujian pengendalian, pengujian substantif transaksi,
dan pengujian rincian saldo terletak pada apa yang ingin di ukur oleh auditor. Auditor
melaksanakan pengujian pengendalian dan pengujian substantif transaksi:
 Untuk menentukan apakah tingkat pengecualian populasi cukup rendah.
 Untuk mengurangi penilaian resiko pengendalian dan karenannya mengurangi
pengujian rincian saldo.

2. SAMPLING NONSTATISTIK
Ada 14 langkah yang diperlukan dalam sampling audit untuk pengujian atas rincian saldo.

Tahapan Sampling Audit untuk Tahapan Sampling Audit untuk

Pengujian Rincian Saldo Pengujian Pengendalian dan Pengujian
Substantif Transaksi
Merencanakan Sampel Merencanakan Sampel
1. Menetapkan tujuan pengujian audit 1. Menetapkan tujuan pengujian audit
2. Memutuskan apakah sampling audit 2. Memutuskan apakah sampling audit
dapat audit dapat diterapkan . dapat audit dapat diterapkan .
3. Merumuskan kesalahan penyajian. 3. Merumuskan atribut dan kondisi
penyimpangan.
4. Merumuskan populasi 4. Mendefiniskan populasi
5. Mendefiniskan unit sampling 5. Mendefiniskan unit sampling
6. Menetapkan kesalahan penyajian yang 6. Menetapkan tingkat pengecualian
dapat ditoleransi yang dapat ditoleransi.
7. Menetapkan risiko yang dapat diterima 7. Menetapkan risiko yang dapat penilian
diterima penerima yang salah terlalu risiko pengendalian yang
rendah.
8. Menaksir kesalahan penyajian dalam 8. Menaksir tingkat pengecualian populasi
populasi.
9. Menentukan ukuran sampel awal 9. Menentukan ukuran sampel awal
 Memilih sampel dan Melaksanakan Memilih sampel dan Melaksanakan
Prosedur Audit Prosedur Audit
10. Memilih sampel 10. Memilih sampel
11. Melaksanakan Prosedur Audit 11. Melaksanakan Prosedur Audit
Mengevaluasi Hasil Mengevaluasi Hasil
12. Menggeneralisasi dari sampel ke 12. Menggeneralisasi dari sampel ke
populasi populasi
13. Menganalisis kesalahan penyajian 13. Menganalisis pengecualian
14. Memutuskan akseptibilitas populasi 14. Memutuskan akseptibilitas populasi

2.1 Menetapkan Tujuan Pengujian Audit

Auditor mengambil sampel untuk pengujian rincian saldo guna menentukan apakah
saldo akun yang sedang diaudit telah dinyatakan secara wajar.
2.2 Memutuskan Apakah Sampling Audit bisa Diterapkan
Sampling audit dapat diterapkan setiap kali auditor berencana membuat kesimpilan
mengenai populasi berdasarkan sampel.
2.3 Merumuskan Kesalahan Penyajian
Karena sampling audit untuk pengujian rincian saldo mengukur kesalahan penyajian
moneter, yaitu kesalahan penyajian yang terjadi apabila item sampel disalahsajikan.
2.4 Merumuskan Populasi
Dalam pengujian rincian saldo, populasi definiskan sebagai item yang membentuk
populasi rupiah yang tercatat.
Sampling Distratifikasi
Bagi kebanyakan populasi, auditor memisahkan populasi ke dalam dua atau lebih
subpopulasi sebelum menerapkan sampling audit. Hal ini disebut sebagai sampling
berstratifikasi (stratified sampling), di mana setiap subpopulasi disebut sebagai strata.
Stratifikasi memungkinan auditor untuk menekankan item populasi tertentu dan
mengabaikan yang lain.
2.5 Merumuskan Unit Sampling
Untuk sampling audit non-statistika dalam pengujian audit saldo, unit samplingnya
hamper selalu berupa unsur-unsur yang membentuk saldo akun.

2.6 Menetapkan Kesalahan Penyajian yang Dapat Ditoleransi

1
 Auditor menggunakan kesalahan penyajian yang dapat ditoleransi, untuk menentukan
ukuran sampel dan mengevaluasi hasil sampling nonstatistik. Auditor untuk
memulainnya dengan pertimbangan pendahuluan mengenai materialitas dan
menggunakan total tersebut untuk memutuskan kesalahan penyajian yang dpat
ditoleransi bagi setiap akun
2.7 Menetapkan Risiko yang Dapat Diterima atas Penerimaan yang Salah
Resiko yang dapat diterima atas penerimaan yang salah (acceptable risk of incorrect
acceptance= ARIA) adalah jumlah risiko yang bersedia ditaggung auditor karena
menerima suatu saldo sebagai benar padahal kesalahan penyajian yang sebenarnya
dalam saldo tersebut melampaui kesalahan penyajian yang dapat ditoleransi. ARIA
mengukur keyakinan yang diinginkan auditor atas suatu saldo akun. Untuk memperoleh
keyakinan yang lebih besar ketika mengaudit suatu saldo akun. Untuk memperoleh
keyakinan yang lebih besar ketika mengaudit suatu saldo, auditor akan menetapkan
ARIA yang lebih rendah. (Perhatikan bahwa ARIA adalah istilah yang ekuivalen
dengan ARACR (acceptable risk of assessing control risk too low) untuk pengujian
pengendalian dan pengujian sebstantif transaksi. Seperti ARACR, ARIA dapat
ditetapkan secara kualitatif (seperti rendah, sedang, atau tinggi). Ada hubungan terbalik
antara ARIA dan ukuran sampel yang diperlukan. Sebuah faktor penting yang
mempengaruhi keputusan auditor mengenai ARIA adalah penilaian risiko
pengendalian dalam model risiko audit. Jika pengendalian internal sudah efektif, resiko
pengendalian dapat dikurangi sehingga memungkinkan auditor untuk meningkatkan
ARIA. Pada gilirannya, hal ini akan mengurangi ukuran sampel yang diperlukan untuk
pengujian atas rincian saldo akun yang berkaitan.
2.8 Menaksir kesalahan penyajian dalam Populasi
Biasanya auditor membuat estimasi ini berdasarkan pengalaman sebelumnya dengan
klien dan dengan menilai risiko inheren, yang mempertimbangkan hasil pengujian
pengendalian, pengujian substantif atas transaksi, dan prosedur analitis yang telah
dilaksanakan. Ukuran sampel yang direncanakan akan meningkat apabila jumlah saji
yang diharapkan dalam populasi mendekati kesalahan penyajian yang dapat ditoleransi.
2.9 Menentukan Ukuran sampai Awal
Jika menggunakan sampling nonstatistik, auditor menetukan ukuran sampel awal
dengan mempertimbangkan faktor-faktor yang telah kita bahas sejauh ini. Untuk
membantu auditor membuat keputusan menyangkut ukuran sampel, auditor seringkali

2
 mengikuti pedoman yang disebabkan oleh kantor akunntannya atau beberapa sumber
lainnya.
2.10 Melaksanakan Prosedur Audit
Untuk melaksanakan prosedur audit, auditor menerapkan prosedur audit yang tepat
pada setiap item sampel untuk menetukan apakah item tersebut mengandung kesalahan
penyajian. Dalam konfirmasi piutang usaha, auditor mengirimkan sampel konfirmasi
positif. Jika terjadi nonrespons, mereka akan menggunakan prosedur alternatif untuk
menentukan kesalahan penyajian.
2.11 Menggenerelisasi dari Sampel ke Populasi dan Memutuskan Akseptibilitas
Populasi
Auditor harus menggeneralisasi dari sampel ke populasi dengan (1) memproyeksikan
kesalahan penyajian dari hasil sampel ke populasi dan (2) mempertimbangkan
kesalahan sampling serta resiko sampling (ARIA). Karena itu, auditor harus
memproyesikan dari sampel ke populasi.
Langkah pertama adalah menghitung titik estimasi (point estimate). Titik estimasi dapat
dihitung dengan berbagai cara, tetapi pendekatan yang umum adalah mengasumsikan
bahwa kesalahan penyajian populasi yang belum diaudit adalah proporsional dengan
kesalahan penyajian sampel. Perhitungan tersebut harus dilakukan untuk setiap strata
dan kemudian dijumlahkan, bukan menggabungkan total kesalahan penyajian dalam
sampel.
2.12 Menganalisis kesalahan penyajian
Auditor harus mengevaluasi sifat dan penyebab setiap kesalahan penyajian yang
ditemukan dalam pengujian rincian saldo. Auditor harus menganalisis kesalahan
penyajian untuk memutuskan apakah setiap modifikasi model resiko audit memang
diperlukan. Dalam paragraph sebelumnya, jika auditor menyimpulkan bahwa kelalaian
untuk mencatat retur yang disebabkan oleh lemahnya pengendalian internal, auditor
mungkin perlu menilai kembali resiko pengendalian. Hal tersebut pada gilirannya akan
menyebabkan auditor mengurangi ARIA, yang akan meningkatkan ukuran sampel
yang direncanakan.
2.13 Tindakan Apabila Populasi Ditolak
Jika auditor menyimpulkan bahwa kesalahan penyajian dalam suatu populasi mungkin
lebih besar dari kesalahan penyajian yang dapat ditolerensi setelah mempertimbangkan
kesalahan sampling, populasi tidak dianggap dapat diterima. Pada titik tersebut, auditor
memiliki beberapa tindakan yang dilakukan

3
a) Tidak Mengambil Tindakan Hingga Pengujian atas Bidang Audit Lainnya Telah
Selesai.
Akhirnya, auditor harus mengevaluasi apakah laporan keuangan secara keseluruhan
mengandung kesalahan penyajian yang material. Jika kesalahan penyajian yang
mengoffset ditemukan pada bagian audit lainnya, seperti dalam persediaan, auditor
dapat menyimpulkan bahwa estimasi kesalahan penyajian piutang usaha dapat
diterima.
b) Melaksanakan Pengujian Audit yang Diperluas pada Bidang Tertentu.
Jika analisis kesalahan penyajian menunjukkan bahwa sebagian besar kesalahan
penyajian merupakan Suatu jenis khusus, mungkin perlu membatasi upaya audt
tambahan pada bidang yang menjadi masalah. Ketika auditor menganalisis bidang
masalah dan memperbaikinya dengan menyesuaikan catatan klien, item sampel yang
menyebabkan terisolasinya bidang masalah kemudian dapat ditunjukkan sebagai
sudah “benar”. Sekarang titik estimasi dapat dihitung kembali tanpa melibatkan
kesalahan penyajian yang telah “dikoreksi”. ( Hal ini hanya berlaku jika kesalahan
dapat diisolasi pada suatu bidang tertentu. Pada umumnya kesalahan harus
diproyeksikan ke populasi yang dijadikan sampel, meskipun klien menyesuaikan
kesalahan.) Berdasarkan fakta baru tersebut, auditor juga akan mempertimbangkan
kembali kesalahan sampling dan akseptibilitas populasi.
c) Menaikan Ukuran Sampel
Jika auditor meningkatkan ukuran sampel, kesalahan sampling akan dikurangi jika
tingkat kesalahan penyajian dalam sampel yang diperluas, jumlah rupiah nya, dan
arahnya serupa dengan pada sampel awal. Karena itu, meningkatkan ukuran sampel
dapat saja memenuhi persyaratkan kesalahan penyajian yang dapat ditoleransi
auditor. Meningkatkan ukuran sampel yang cukup untuk memenuhi standar
kesalahan penyajian yang dapat ditolerensi auditor seringkali mahal, terutama jika
perbedaan antara kesalahan penyajian yang dapat ditolerensi dan kesalahan
penyajian yang diproyeksikan kecil.
d) Menyesuaikan Saldo Akun
Jika auditor menyimpulkan bahwa saldo akun mengandung kesalahan penyajian
yang material, klien mungkin akan bersedia menyesuaikan nilai bukan berdasarkan
hasil sampel.
e) Meminta Klien untuk Mengoreksi Populasi

4
 Dalam beberapa kasus, catatan klien sangat tidak kesalahan penyajian memadai
sehingga populasi harus dikoreksi secara keseluruhan sebelum audit dapat
diselesaikan.
f) Menolak untuk Memberikan Pendapat Wajar Tanpa Pengecualian
Jika auditor yakin bahwa jumlah yang tercatat dalam suatu akun tidak dinyatakan
secara wajar, auditor harus mengikuti setidaknya satu prosedur alternatif
sebelumnya atau mengkualifikasi laporan audit dengan cara yang cepat. Jika auditor
yakin bahwa laporan keuangan sangat mungkin mengandung kesalahan penyajian
yang material, maka mengeluarkan pendapat wajar tanpa pengecualian merupakan
pelanggaran serius terhadap standar auditing.

3. SAMPLING UNIT MONETER

Sampling unit moneter (monetary unit sampling = MUS ) merupakan metode
sampling statistik yang paling umum digunakan untuk pengujian rincian saldo karena
memiliki kesederhanaan statistic bagi sampling atribut serta memberikan hasil statistic
yang diekspresikan dalam rupiah ( atau mata uang lainnya yang sesuai ). MUS juga disebut
sebagai sampling unit rupiah, sampling jumlah moneter kumulatif, dan sampling dengan
probabilitas yang proporsiaonal dengan ukuran.

3.1 Perbedaan Antara Sampling Unit Moneter ( MUS ) dan Sampling Nonstatistik
MUS serupa dengan penggunaan sampling nonstatistik. Ke-14 langkahnya juga harus
dilakukan dalam MUS, walaupun beberapa dilakukan dengan cara yang berbeda.
Perbedaan tersebut yaitu:
a) Rumusan Unit Sampling Adalah Rupiah Individual
MUS memiliki fitur yang penting seperti definisi unit sampling sebagai suatu
rupiah individual dalam saldo akun. Dengan berfokus pada rupiah individual
sebagai unit sampling, secara otomatis MUS akan menekankan unit fisik yang
memiliki saldo tercatat lebih besar. Karena sampel dipilih berdasarkan doalr
individual, akun dengan saldo yang besar memiliki kesempatan yang lebih besar
untuk dimasukkan ketimbang akun dengan saldo yang lebih kecil. Akibatnya
sampling berstratifikasi tidak diperlukan dalam MUS. Stratifikasi itu akan terjadi
secara otomatis.
b) Ukuran Populasi adalah Populasi Rupiah yang Tercatat

5
 MUS tidak dapat digunakan untuk mengevaluasi apakah item persediaan tertentu
memang ada tetapi belum diperhitungkan. Jika tujuan kelengkapan sangat penting
dalam pengujian audit, tujuan tersebut harus dipenuhi secara terpisah dari
pengujian MUS.
c) Pertimbangan Pendahuluan Mengenai Materialitas Digunakan untuk Setiap Akun
dan Bukan kesalahan penyajian yang Dapat Ditoleransi
Aspek unik lain dari MUS adalah penggunaan pertimbangan pendahuluan
mengenai materialitas, untuk menentukan secara langsung jumlah kesalahan
penyajian yang dapat ditoleransi ketika mengaudit setiap akun. Teknik sampling
lainnya mengharuskan auditor untuk menentukan kesalahan penyajian yang dapat
ditoleransi bagi setiap akun dengan mengalokasikan pertimbangan pendahuluan
mengenai materialitas. Hal ini tidak diperlukan jika yang digunakan adalah MUS.
d) Ukuran Sampel Ditentukan dengan Menggunakan Rumus Statistik
Proses ini akan dibahas secara terpisah setelah membahas 14 langkah sampling
untuk sampling unit moneter ( MUS )
e) Pemilihan Sampel Dilakukan dengan Menggunakan PPS
Sampel unit moneter adalah sampel yang dipilih dengan menggunakan
probabilitas yang proporsional bagi pemilihan ukuran sampel (probability
proportional to size sample selection=PPS). Sampel PPS dapat diperoleh dengan
menggunakan perangkat lunak computer, tabel angka acak, atau teknik sampling
sistematis.
3.2 Generalisasi dari Sampel ke Populasi dengan Menggunakan Teknik MUS
Tanpa memandang metode sampling yang dipilih, auditor harus menggeneralisasi dari
sampel ke populasi dengan (1) memproyeksikan kesalahan penyajian dari hasil
sampel ke populasi dan (2) menentukan kesalahan sampling yang terkait. Ada empat
aspek dalam melakukan hal tersebut dengan menggunakan MUS:
1) Tabel sampling atribut digunakan untuk menghitung hasil.
2) Hasil atribut harus dikonversi ke dalam rupiah.
3) Auditor harus membuat asumsi mengenai persentase kesalahan penyajian setiap
item populasi yang mengandung kesalahan penyajian.
4) Hasil statistik yang diperoleh jika menggunakan MUS disebut sebagai batas salah
saji (misstatement bounds).

6
3.3 Generalisasi Menggunakan MUS dari Sampel ke Populasi Seandainya Tidak
Ditemukan Kesalahan Penyajian
Anggaplah bahwa auditor mengkonfirmasi populasi piutang usaha untuk melihat
kebenaran moneternya. Total populasi adalah $1.200.000, dan sampel sebanyak 100
konfirmasi telah diperoleh. Setelah melakukan audit, tidak ada kesalahan penyajian
yang ditemukan dalam sampel. Auditor ingin menentukan jumlah lebih saji
maksimum dan jumlah kurang saji yang dapat saja terjadi dalam populasi meskipun
sampel tidak mengandung kesalahan penyajian. Hal tersebut masing-masing disebut
sebagai batas kesalahan penyajian atas dan batas kesalahan penyajian bawah.
a) Persentase Asumsi kesalahan penyajian yang Tepat
Asumsi yang pas bagi persentase salah saji dalam item populasi yang
mengandung salah saji tersebut secara keseluruhan merupakan keputusan auditor.
Auditor harus menetapkan persentase tersebut berdasarkan pertimbangan
profesionalnya dalam situasi tersebut.
3.4 Generalisasi Apabila Ditemukan Kesalahan Penyajian
Empat aspek dalam menggeneralisasi dari sampel ke populasi, tetapi penggunaannya
telah dimodifikasi sebagai berikut:
1) Jumlah lebih saji dan kurang saji ditangani secara terpisah dan kemudian
digabungkan. Pertama, batas kesalahan penyajian atas dan bawah awal dihitung
secara terpisah untuk jumlah lebih saji dan kurang saji dihitung.
2) Asumsi kesalahan penyajian yang berbeda dibuat untuk setiap kesalahan
penyajian, termasuk kesalahan penyajian nol. Jika tidak ada kesalahan penyajian
dalam sampel, asumsinya akan diperlukan sebagai persentase rata-rata kesalahan
penyajian untuk item populasi yang mengandung kesalahan penyajian. Setelah
kesalahan penyajian tersebut ditemukan, auditor dapat menggunakan informasi
yang tersedia tentang sampel untuk menentukan batas salah saji.
3) Auditor harus berhadapan dengan lapisan CUER dari tabel sampling atribut.
Auditor melakukan hal ini karena ada asumsi kesalahan penyajian yang berbeda
bagi setiap kesalahan penyajian. Lapisan tersebut dihitung dengan terlebih dahulu
menentukan CUER dari tabel untuk setiap kesalahan penyajian dan kemudian
menghitung setiap lapisan.
4) Asumsi kesalahan penyajian harus dikaitkan dengan setiap lapisan. Metode yang
paling umum untuk mengaitkan asumsi kesalahan penyajian dengan lapisan

7
 adalah mengaitkan secara konservatif persentase kesalahan penyajian rupiah
yang terbesar dengan lapisan yang terbesar.
3.5 Menetapkan Akseptabilitas Populasi dengan Menggunakan MUS
Setelah batas dihitung, auditor harus memutuskan apakah populasi dapat diterima.
Untuk melakukan hal tersebut, diperlukan suatu aturan keputusan. Aturan keputusan
untuk MUS adalah sebagai berikut: Jika batas kesalahan penyajian bawah dan batas
salah saji atas berada di antara jumlah kesalahan penyajian yang berupa lebih saji dan
kurang saji yang dapat ditoleransi, kesimpulan bahwa nilai buku tidak mengandung
kesalahan penyajian yang material dapat diterima. Jika tidak, ambil kesimpulan bahwa
nilai buku mengandung kesalahan penyajian yang material.
3.6 Tindakan Apabila Sebuah Populasi Ditolak
Jika satu atau kedua batas kesalahan penyajian itu berada di luar batas kesalahan
penyajian yang dapat ditoleransi dan populasi dianggap tidak dapat diterima, auditor
memiliki beberapa opsi.
3.7 Menentukan Ukuran Sampel dengan Menggunakan MUS
Metode yang digunakan untuk menentukan ukuran sampel bagi MUS serupa dengan
yang digunakan untuk sampling atribut unit fisik, yang menggunakan tabel sampling
atribut.
a) Materialitas
Pertimbangan pendahuluan tentang materialitas umumnya merupakan dasar bagi
jumlah kesalahan penyajian yang dapat ditoleransi yang akan digunakan. Jika
diperkirakan terjadi kesalahan penyajian dalam pengujian non-MUS, kesalahan
penyajian yang dapat ditoleransi akan kurang materialitas dari jumlah tersebut.
b) Asumsi Persentase Rata-rata kesalahan penyajian untuk Item Populasi yang
mengandung kesalahan penyajian
Mungkin ada asumsi yang terpisah untuk batas atas dan bawah, yang juga
merupakan pertimbangan auditor. Hal tersebut harus didasarkan pada
pengetahuan auditor mengenai klien serta pengalaman masa lalu, dan jika lebih
kecil dari 100 persen yang digunakan, asumsinya harus dapat dipertahankan
dengan jelas.
c) Risiko yang Dapat Diterima atas Penerimaan yang Salah
ARIA adalah suatu pertimbangan auditor dan sering kali dicapai dengan bantuan
model risiko audit.
d) Nilai Populasi Per Pembukuan

8
 Nilai rupiah populasi diambil dari catatan klien.
e) Estimasi Tingkat Pengecualian Populasi
Umumnya, estimasi tingkat pengecualian populasi untuk MUS adalah nol, karena
MUS sangat tepat digunakan pada situasi tidak ada kesalahan penyajian, atau jika
hanya sedikit kesalahan penyajian yang diperkirakan akan terjadi.
f) Hubungan Model Risiko Audit dengan Ukuran Sampel untuk MUS
MUS akan digunakan dalam melaksanakan pengujian atas rincian saldo. Auditor
harus memahami hubungan ketiga faktor-faktor independen itu dalam model
risiko audit, ditambah prosedur analitis dan pengujian substantif transaksi dengan
ukuran sampel untuk pengujian rincian saldo. Sampling unit moneter (MUS)
memiliki sedikitnya empat fitur yang menarik bagi auditor:
1) MUS secara otomatis akan meningkatkan kemungkinan memilih item rupiah
yang tinggi dari populasi yang sedang diaudit.
2) MUS dapat mengurangi biaya pelaksanaan pengujian audit karena beberapa
item sampel akan diuji sekaligus.
3) MUS mudah diterapkan.
4) MUS menghasilkan kesimpulan statistik dan bukan kesimpulan nonstatistik.

4. SAMPLING VARIABEL
Sampling variable adalah metode statistic yang digunakan oleh auditor. Sampling
variable dan sampling nonstatistik untuk pengujian rincian saldo memiliki tujuan yang
sama, yaitu mengukur salah saji dalam suatu saldo akun. Jika auditor menentukan bahwa
jumlah salah saji melampaui jumlah yang dapat ditoleransi, mereka akan menolak populasi
dan melakukan tindakan tambahan.
a) Perbedaan antara Sampling Variabel dan Nonstatistik
Penggunaan metode variable memiliki banyak kemiripan dengan sampling
nonstatistik. Ke-14 langkah dalam sampling nonstatistik harus dilaksanakan pada
metode variable, dan sebagian besar tidak jauh berbeda.
b) Distribusi Sampling
Auditor tidak mengetahui nilai rata-rata (mean) kesalahan penyajian dalam populasi,
distribusi jumlah kesalahan penyajian, atau nilai yang diaudit. Karakteristik populasi
tersebut harus diestimasi dari sampel yang tentu saja, merupakan tujuan dari pengujian
audit.
c) Inferensi Statistik

9
 Jika sampel diambil dari satu populasi dalam situasi audit actual, auditor tidak
mengetahui karakteristik populasi itu dan biasanya, hanya satu sampel yang akan
diambil dari populasi bersangkutan. Pengetahuan mengenai distribusi sampling akan
memungkinkan auditor untuk menarik kesimpulan statistic, atau inferensi statistic
(Statistical inferences), mengenai populasi. Auditor dapat menyatakan kesimpulan
yang dibuatnya dari interval keyakinan dengan menggunakan inferensi statistic dalam
cara yang berbeda. Akan tetapi, mereka harus berhati-hati untuk menghindari
kesimpulan yang tidak benar, mengingat nilai populasi yang sebenarnya selalu tidak
diketahui. Akan tetapi, auditor dapat mengatakan bahwa prosedur yang digunakan
untuk memperoleh sampel dan menghitung interval keyakinan akan menghasilkan
interval yang berisi nilai rata- rata populasi yang sebenarnya dalam persentase tertentu
pada saat tersebut. Singkatnya, auditor mengetahui reliabilitas proses inferensi
statistic yang digunakan untuk menarik kesimpulan. Menghitung interval keyakinan
rata-rata populasi dengan menggunakan logika yaitu sebagai berikut:

d) Metode Variabel
Auditor menggunakan proses inferensi statistic sebelumnya bagi semua metode
sampling variabel. Setiap metode dibedakan menurut apa yang sedang diukur, ketiga
metode variabel tersebut.
1) Estimasi selisih
Auditor menggunakan estimasi selisih (difference estimation) untuk mengukur
estimasi jumlah kesalahan penyajian total dalam populasi apabila ada nilai
tercatat maupun nilai yang diaudit bagi setiap item sampel, yang hampir selalu
terjadi dalam audit. Estimasi perbedaan sering kali menghasilkan ukuran sampel
yang lebih kecil jika dibandingkan dengan setiap metode lainnya, dan relative
lebih mudah digunakan. Karena alasan tersebut, estimasi perbedaan sering kali
dianggap sebagai metode variabel yang paling disukai
2) Estimasi Rasio
Estimasi rasio (Ratio Estimation) serupa dengan estimasi perbedaan kecuali
auditor menghitung rasio antara kesalahan penyajian dan nilai tercatatnya serta
memproduksikan hal ini dengan populasi untuk Menaksir total kesalahan
penyajian populasi. Estimasi rasio dapat menghasilkan ukuran sampel yang jauh
lebih kecil ketimbang estimasi perbedaan jika ukuran kesalahan penyajian

10
 populasi proporsional dengan nilai tercatat item populasi. Jika ukuran setiap
kesalahan penyajian bersifat independen dengan nilai tercatat, estimasi perbedaan
akan menghasilkan ukuran sampel yang lebih kecil. Sebagian besar auditor lebih
menyukai estimasi perbedaan karena lebih sederhana untuk menghitung interval
keyakinan.
3) Estimasi Mean per Unit
Estimasi mean per unit auditor berfokus pada nilai yang teraudit dan bukan pada
jumlah kesalahan penyajian setiap item dalam sampel. Kecuali untuk definisi apa
yang sedang diukur, estimasi rata-rata per unit dihitung dengan cara yang sama
seperti estimasi perbedaan. Titik estimasi nilai yang diaudit sama dengan rata-
rata nilai item yang di audit dalam sampel dikalikan dengan ukuran populasi.
Perhitungan interval presisi dilakukan berdasarkan nilai item sampe yang diaudit
dan bukan kesalahan penyajian. Jika auditor telah menghitung batas keyakinan
atas dan bawah, mereka akan memutuskan akseptabilitas populasi dengan
membandingkan jumlah tersebut dengan nilai buku yang tercatat. Estimasi rata-
rata per unit jarang digunakan dalam praktik karena ukuran sampel umumnya
jauh lebih besar ketimbang untuk dua metode sebelumnya.
e) Metode Statistik Berjenjang
Sampling stratifikasi adalah metode sampling dimana semua unsur dalam total
populasi dibagi menjadi dua atau lebih subpopulasi. Setiap subpopulasi kemudian
diuji secara independen. Perhitungannya dilakukan bagi setiap strata dan kemudian
digabung menjadi satu estimasi populasi secara keseluruhan untuk interval keyakinan
populasi secara menyeluruh. Hasilnya diukur secara statistic. Stratifikasi dapat
diterapkan pada estimasi perbedaan, rasio, dan rata-rata per unit, tetapi paling sering
digunakan dengan estimasi rata-rata per unit.
f) Risiko Sampling
Risiko yang dapat diterima atas penerimaan yang salah ( ARIA ) untuk sampling
nonstatistik. Untuk sampling variabel, auditor menggunakan ARIA serta risiko yang
dapat diterima atas penolakan yang salah ( acceptable risk of incorrect rejection =
ARIR ).
1) ARIA
ARIA adalah risiko statistic bahwa auditor telah menerima populasi yang, dalam
kenyataannya, mengandung kesalahan penyajian yang material. ARIA mendapat
perhatian yang besar dari auditor karena memiliki implikasi hukum yang serius

11
 dakam menyimpulkan bahwa saldo akun telah dinyatakan secara wajar padahal
sebenarnya mengandung kesalahan penyajian dalam jumlah yang material. Saldo
akun dapat dinyatakan terlalu tinggi atau terlalu rendah, tetapi tidak keduanya:
karena itu, ARIA merupakan pengujian statistic satu arah. Karena itu, koefisien
keyakinan untuk ARIA berbeda dengan tingkat keyakinan. Tingkat keyakinan =
1 – 2 x ARIA.
2) ARIR
Risiko yang dapat diterima atas penolakan yang salah ( acceptable risk of
incorrect rejection = ARIR ) adalah risiko statistic bahwa auditor telah
menyimpulkan suatu populasi mengandung kesalahan penyajian yang material
padahal sebenarnya tidak. ARIR hanya akan mempengaruhi tindakan auditor jika
mereka menyimpulkan bahwa populasi dinyatakan secara wajar. Jika auditor
menemukan suatu saldo tidak dinyatakan secara wajar, mereka umumnya akan
meningkatkan ukuran sampel atau melaksanakan pengujian lainnya. ARIR baru
dianggap penting jika diperlukan biaya yang tinggi untuk meningkatkan ukuran
sampel atau melaksanakan pengujian lainnya.

ARIA dan ARIR

Keadaan Aktual Populasi

Keputuan Audit Aktual kesalahan penyajian secara kesalahan penyajian yang

Material Tidak Material

Menyimpulkan bahwa Kesimpulan yang benar – Kesimpulan yang tidak benar –

populasi mengandung tidak ada risiko risikonya adalah ARIA
kesalahan penyajian yang
material.

Menyimpulkan bahwa Kesimpulan yang tidak Kesimpulan yang benar – tidak

populasi tidak mengandung benar – risikonya adalah ada risiko
kesalahan penyajian yang ARIA
material.

5. ILUSTRASI PENGGUNA ESTIMASI PERBEDAAN

Untuk mengilustrasikan konsep dan metodologi sampling variabel, kita tela memilih
estimasi perbedaan dengan menggunakan pengujian hipotesis karena relative sederhana.

12
a) Merencanakan Sampel dan Menghitung Ukuran Sampel dengan Menggunakan
Estimasi Selisih
1) Menetapkan Tujuan Pengujian Audit
Tujuan pengujian audit adalah untuk menentukan apakah piutang usaha sebelum
mempertimbangkan penyisihan piutang tak tertagih mengandung kesalahan
penyajian yang material.
2) Memutuskan Apakah Sampling Audit Dapat Diterapkan
Sampling audit diterapkan dalam konfirmasi piutang usaha karena besarnya
jumlah piutang usaha.
3) Merumuskan Kondisi kesalahan penyajian
Kondisi salah saji merupakan kesalahan klien yang ditentukan melalui konfirmasi
setiap akun atau prosedur alternative.
4) Merumuskan Populasi
Ukuran populasi ditentukan melalui perhitungan. Perhitungan yang akurat jauh
lebih penting dlam sampling variabel karena ukuran populasi mempengaruhi
secara langsung ukuran sampel batas presisi yang dihitung.
5) Merumuskan Unit Sampling
Unit sampling adalah suatu akun dalam daftar piutang usaha.
6) Menetapkan kesalahan penyajian yang Dapat Ditoleransi
Jumlah salah saji yang bersedia diterima auditor merupakan pertanyaan tentang
materialitas.
7) Menetapkan Risiko yang Dapat Diterima
Audito menetepkan dua risiko:
 Risiko yang dapat diterima atas penerimaan yang salah (ARIA), ARIA
dipengaruhi oleh risiko audit yang dapat diterima, hasil pengujian
pengendalian dan pengujian substansif transaksi, prosedur analitis, dan
signifikansi relative piutang usaha dalam laporan keuangan.
 Risiko yang dapat diterima atas penolakan yang salah ( ARIR ), ARIR
dipengaruhi oleh biaya tambahan resampling

8) Menaksir kesalahan penyajian dalam Populasi

Estimasi ini memiliki dua bagian:
 Estimasi titik estimasi yang diharapkan. Auditor memerlukan estimasi
dimuka atas titik estimasi populasi bagi estimasi perbedaan, seperti ketika

13
 mereka memerlukan estimasi tingkat pengecualian populasi untuk sampling
atribut.
 Melakukan estimasi deviasi standar populasi dimuka – variabilitis populasi.
Untuk menentukan ukuran sampel awal, auditor memerlukan estimasi di
muka atas variasi kesalahan penyajian dalam populasi seperti yang diukur
oleh deviasi standar populasi.

9) Menghitung Ukuran Sampel Awal

Ukuran sampel awal dapat dihitung dengan menggunakan rumus berikut :

b) Memilih Sampel dan Melaksanakan Prosedur

Memilih Sampel, karena memerlukan sampel acak (selain PPS), auditor harus
menggunakan salah satu metode pemilihan sampel probabilistic guna memilih 100
item sampel untuk konfirmasi.
Melaksanakan Prosedur Audit, dalam konfirmasi kesalahan penyajian adalah
perbedaan antara respons konfirmasi dan saldo klien setelah merekonsiliasi semua
perbedaan waktu serta kesalahan pelanggan. Dalam situasi nonrespons, kesalahan
penyajian yang ditemukan dengan prosedur alternative akan diperlakukan serupa
dengan kesalahan penyajian yang ditemukan melalui konfirmasi.
c) Menilai Hasil Sampel
1) Menggeneralisasi dari Sampel ke Populasi
Secara konseptual, estimasi nonstatistik dan estimasi perbedaan akan melakukan
hal yang sama – menggeneralisasi dari sampel ke populasi. Meskipun kedua
metode itu mengukur kemungkinan kesalahan penyajian populasi berdasarkan
hasil sampel, estimasi perbedaan menggunakan pengukuran statistic untuk
menghitung batas keyakinan.
2) Menganalisis kesalahan penyajian
Auditor harus mengevaluasi kesalahan penyajian untuk menentukan penyebab
setiap kesalahan penyajian dan memutuskan apakah perlu memodifikasi model
risiko audit.
3) Menentukan Akseptabilitas Populasi

14
 Jika menggunakan metode statistic, maka untuk memutuskan apakah suatu
populasi dapat diterima auditor bergantung pada aturan keputusan sebagai
berikut:
- Jika interval keyakinan dua sisi untuk kesalahan penyajian sepenuhnya
berada dalam kesalahan penyajian yang dapat ditoleransi berupa plus dan
minus, terima hipotesis bahwa nilai buku tidak disalahsajikan dalam jumlah
yang material.
- Jika terjadi sebaliknya, terima hipotesis bahwa nilai buku disalahsajikan
dalam jumlah yang material.
d) Tindakan Jika Hipotesis Ditolak
Jika satu atau kedua batas keyakinan terletak diluar rentang kesalahan penyajian yang
dapat ditoleransi, populasi dianggap tidak dapat diterima. Tindakan yang akan diambil
auditor adalah sama seperti untuk sampling nonstatistik, kecuali estimasi yang lebih
baik terhadap kesalahan penyajian populasi telah dibuat. Jika interval presisi yang
dihitung melampaui kesalahan penyajian yang dapat ditoleransi, auditor tidak akan
mengharuskan pembukuan disesuaikan.
1) Analisis
Penggunaan ARIR yang kecil akan menyebabkan ukuran sampel menjadi lebih
besar ketimbang jika ARIR-nya sebesar 100 persen. Auditor dapat menggunakan
ARIR untuk mengurangi kemungkinan harus meningkatkan ukuran sampel jika
deviasi standar atau titik estimasi lebih besar dari yang diharapkan.

15
 DAFTAR PUSTAKA

Jusup, AI. Haryono. 2001. Auditing. Bagian Penerbitan Sekolah Tinggi Ilmu Ekonomi YKPN:
Yogyakarta

16