[Auditing] Sampling Audit Untuk Pengujian atas Rincian Saldo

Generalisasi sampel ke populasi Menggunakan Teknik MUS oleh Auditor

Berapapun metode pengambilan sampel yang dipilih, auditor tetap harus melakukan generalisasi dari sampel ke populasi dengan (1) memproyeksikan salah saji dari hasil sampel ke populasi dan (2) menentukan kesalahan pengambilan sampelnya. Terdapat 4 aspek dalam menggunakan MUS, yaitu:

Tabel pengambilan sampel atribut digunakan untuk menghitung hasilnya.

  1. Hasil atribut harus dikonversikan ke dalam mata uang. MUS memperkirakan jumlah uangyang salah saji dalam populasi, bukan persentase populasi yang salah saji.
  2. Auditor harus membuat asumsi tentang persentase salah saji untuk setiap bagian populasi yang salah saji. Dengan asumsi ini, auditor dapat menggunakan tabel pengambilansampel atribut untuk mengestimasi jumlah salah saji.
  3. Hasil statistik yang didapatkan dengan menggunakan MUS disebut batas salah saji(misstatement bounds). Batas salah saji ini mengestimasi kemungkinan tertinggi darilebih saji (batas salah saji atas) dan kemungkinan tertinggi dari kurang saji (batas salah saji bawah) pada ARIA tertentu. Auditor menghitung keduanya, baik batas salah saji atas maupun bawah.

Generalisasi dari sampel ke populasi merupakan rangkah terakhir yang penting dilakukan.Generalisasi akan berbeda jika auditor tidak menemukan salah saji dalam sampel untuk

dibandingkan. Dua kondisi berikut akan mengevaluasi tindakan generalisasi, yaitu:

Generalisasi dari Sampel ke Populasi Ketika Salah Saji Tidak Ditemukan dengan Menggunakan MUS.

Asumsikan bahwa auditor mengonfirmasi suatu populasi pitang dagang atas kebenaran nilai moneternya. Total Populasi adalah Rp 1.200.000 dan sampelnya menggunakan 100 konfirmasi. Selama audit, seluruh salah saji ditemukan dalam sampel. Auditor ingin menentukan jumlah maksimum dari lebih saji atau kurang saji yang dapat muncul dalam populasi meskipun salah saji tidak ditemukan dalam sampel. Hal ini disebut batas saalah saji atas (upper misstatement bound) dan batas salah saji bawah (lower misutatement bound). Berikut 3 contoh asumsi yang dibuat untuk mengilustrasikan hal tersebut:

Asumsi 1 Jumlah lebih saji adalah 100%;Jumlah kurang saji adalah 100%; batas salah saji pada ARIA 5% adalah:

Batas salah saji atas= Rp 1.200.000 x 3%x100%= Rp 36.000.000

Batas salah saji bawah=Rp 1.200.000 x 3%x100%= Rp 36.000.000

Diasumsikan bahwa, 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 (3% dari total uang tercatat dalam populasi). 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 lebih saji yang sebenarnya.

  1. Seluruh jumlah harus lebih saji. Saling hapus (offsetting) akan mengurangi jumlah salah saji.
  2. 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 13,7% salah saji (262.000-226.000= 36.000) lebih saji; 36.000/262.000 = 13,7%).

Asumsi 2 Jumlah lebih saji adalah 10%; jumlah kurang saji adalah 10%; batas salah saji pada ARIA 5% yaitu:

Batas atas salah saji= Rp 1.200.000 x 3%x100%= Rp 36.000.000

Batas bawah salah saji= Rp 1.200.000 x 3%x100%= Rp 36.000.000

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 asumsi salah saji dari 100% menjadi 10% secara signifikan memengaruhi batas salah saji. Dampaknya secara langsung adalah pada nilai perubahannya.

Asumsi 3 Jumlah lebih saji adalah 20%; jumlah kurang saji adalah 200%; batas salah saji pada ARIA 5% yaitu:

Batas atas salah saji= Rp 1.200.000 x 3%x100%= Rp 36.000.000

Batas bawah salah saji= Rp 1.200.000 x 3%x100%= Rp 36.000.000

Alasan dari persentase yang lebih besar atas kurang saji tersebut adalah potensi terjadinya salah saji lebih besar dalam bentuk persentase. Misalnya, piutang dagang tercatat pada Rp 20.000 yang seharusnya dicatat sebesar Rp 200.000 sehingga kurang saji sebesar 900% [(200.000-20.000)/20.000], sementara yang lainnya tercatat sebesar Rp 200.000 yang seharusnya dicatat sebesar Rp 20.000 sehingga lebih saji sebesar 90% [(200.000- 20.000)/200.000].

Bagian yang terdiri atas jumlah kurang saji yang lebih besar memiliki nilai tercatat lebih kecil sebagai hasil dari salah saji tersebut. Konsekuensinya, karena mekanisme dari MUS, hanya sedikit di antaranya yang akan terpilih dalam sampel. Oleh karena alasan ini, beberapa auditor memilih sampel tambahan dari saldo kecil untuk menambah jumlah sampel, saat jumlah kurang saji menjadi perhatian dalam audit.

Persentase yang Tepat dalam Asumsi Salah Saji

Asumsi yang tepat untuk keseluruhan persentase salah saji dalam populasi yang mengandung salah saji merupakan keputusan auditor. Dalam situasi tersebut, auditor harus menetapkan persentase tersebut berdasarkan penilaian profesional. Bila sebaiknya, tidak terdapat informasi yang menyakinkan, maka perlu mengasumsikan jumlah 100% baik untuk lebih saji maupun kurang saji, kecuali jika tidak terdapat salah saji dalam hasil sampel. Pendekatan ini termasuk konservatif, tetapi lebih mudah untuk dijustifikasi dibandingkan asumsi lain. Batas atas dan batas bawah salah saji lebih tepat disebut batas salah saji (dalam MUS) dibandingkan kecenderungan salah saji maksimum atau pun batas keyakinan (confidence limit). Alasannya adalah luasnya penggunaaan asumsi konservatif tersebut. Jika tidak dinyatakan sebaliknya, maka asumsi salah saji 100% digunakan dalam bab ini dan sebagai bahan permasalahan.

Generalisasi Ketika Salah Saji Ditemukan

            Sejauh ini, kita telah mengasumsikan sampel yang tidak mengandung salah saji. Apa yang terjadi jika salah saji ditemukan? Kita akan menggunakan contoh pada bagian sebelumnya, tetapi dengan mengasumsikan ada 5 salah saji. Salah saji ditunjukkan pada tabel 15-5

            Keempat aspek generalisasi dari sampel ke populasi yang kita bahas sebelumnya masih diterapkan, tetapi penggunaannya dimodifikasi sebagai berikut:

  1. Jumlah lebih saji dan kurang saji dibuat terpisah kemudian digabungkan. Pertama, batas atas dan atas bawah salah saji dihitung secara terpisah untuk memperoleh jumlah lebih saji dan kurang saji. Kemudian, titik estimasi lebih saji dan kurang saji dihitung. Titik estimasi untuk kurang saji digunakan untuk mengurangi batas atas salah saji awal, dan titik estimasi lebih saji digunakan untuk mengurangi batas salah saji awal. Metode dan alasan dari perhitungan ini akan diilustrasikan menggunakan empat nilai lebih saji dan satu nilai kurang saji pada Tabel 15-5.
  2. Perbedaan asumsi salah saji dibuat untuk setiap salah saji, termasuk salah saji nol. Ketika tidak terdapat salah saji dalam sampel, asumsi diperlukan untuk persentase rata-rata salah saji atas populasi yang salah saji. Batas salah saji yang dihitung menunjukkan beberapa asumsi yang berbeda. Ketika salah saji ditemukan, auditor dapat menggunakan informasi sampel tersedia dalam menentukan batas-batas salah saji. Asumsi salah saji masih diperlukan, tetapi dapat dimodifikasi berdasarkan data salah saji aktual.

Jika salah saji ditemukan, maka 100% asumsi untuk seluruh salah saji tidak hanya konservatif, tetapi juga tidak konsisten dengan hasil sampel. Asumsi yang umum diterapkan, dan salah satunya diikuti dalam buku ini, adalah bahwa salah saji aktual dapat mewakili salah saji populasi. Asumsi ini mensyaratkan auditor untuk menghitung presentase setiap sampel yang salah saji (salah saji/jumlah tercatat) dan menerapkan persentase tersebut ke populasi. Perhitungan persentase untuk setiap salah saji ditunjukkan dalam kolom terakhir pada Tabel 15-5. Dijelaskan secara singkat, asumsi salah saji masih diperlukan untuk porsi salah saji nol dari hasil yang dihitung. Untuk contoh ini, 100% asumsi salah saji digunakan untuk porsi salah saji nol, baik untuk batas lebih saji maupun kurang saji.

     3. Auditor harus setuju dengan lapisan (layer) tingkat pengecualian atas yang diperhitungkan/ computed upper exception rate (CUER) dari tabel pengambilan sampel atribut. Auditor harus melakukan ini karena perbedaan asumsi salah saji yang muncul di setiap salah saji. Lapisan tersebut dihitung dengan menentukan CUER dari setiap tabel salah saji kemudian menghitung setiap lapisannya. Tabel 15-6 menunjukkan lapisan dalam tabel sampel atribut untuk contoh yang ada. (Lapisan ditentukan dengan membaca tabel untuk setiap jumlah sampel 100, dari 0 sampai 4 kolom pengecualian).

  4. Asumsi salah saji harus dihubungkan untuk setiap lapisan. Metode paling umum dalam menghubungkan asumsi salah saji dengan lapisan adalah mengaitkan persentase salah saji pada jumlah uang terbesar dengan lapisan tertinggi. Tabel 15-7 menunjukkan hubungan tersebut. Sebagai contoh, salah saji rata-rata terbesar adalah 0,671 untuk pelanggan 9816. Salah saji ini berhubungan dengan faktor lapisan 0,0017, lapisan tertinggi di mana salah saji ditemukan.

Porsi dari batas atas presisi yang berhubungan dengan lapisan salah saji nol memiliki asumsi salah saji yang masih konservatif, yaitu 100%. Tabel 15-7 menunjukkan perhitungan batas salah saji sebelum mempertimbangkan berapa jumlah yang saling-hapus. Batas salah saji atas dihitung seolah-seolah tidak terdapat jumlah kurang saji, dan batas salah saji bawah dihitung seolah-olah tidak terdapat jumlah lebih saji.

Kebanyakan pengguna MUS yakin bahwa pendekatan ini terlalu konservatif saat terjadi saling-hapus. Jika jumlah kurang saji ditemukan, maka cukup logis dan masuk akal bahwa atas untuk jumlah lebih saji seharusnya lebih rendah dari yang sebenarnya, tidak perlu ada sejumlah kurang saji yang ditemukan, dan sebaliknya. Penyesuaian batas untuk jumlah saling-hapus dibuat sebagai berikut.

  1. Titik estimasi atas salah saji dibuat untuk jumlah lebih saji dan kurang saji.
  2. Setiap batas dikurangi oleh titik estimasi yang berlawanan.

Titik estimasi untuk lebih saji dihitung dengan mengalikan rata-rata jumlah lebih saji dalam unit mata uang yang diaudit dikalikan dengan nilai tercatat. Pendekatan serupa digunakan untuk titik estimasi pada kurang saji. Contoh sebelumnya menunjukkan jumlah kurang saji sebesar 3% per Rp 1.000 per unit untuk sampel sejumlah 100. Titik estimasi kurang saji adalah Rp 360.000 (0,03/100,000 x Rp 1.200.000). Dengan cara yang sama, titik estimasi lebih saji adalah Rp 9.086.000 [(0,671 + 0,07 +0,016 + 0,0002)/100 x Rp 1.200.000.000].

  • Batas awal sebesar Rp 51.220.000 dikurangi dengan estimasi jumlah kurang saji yang paling mungkin terjadi sebesar Rp 360.000 ke batas yang disesuaikan sebesar Rp 50.860.000.
  • Batas bawah awal sebesar Rp 36.612.000 dikurangi dengan estimasi jumlah lebih saji yang paling mungkin terjadi sebesar Rp 9.086.000 ke batas yang disesuaikan sebesar Rp 27.526.000.

Dengan mengikuti metodologi dan asumsi yang ada, auditor menyimpulkan bahwa terdapat 5% risiko dimana piutang dagang lebih saji sebesar lebih dari Rp 50.860.000 atau kurang saji lebih dari Rp 27.526.000.

Perlu dicatat bahwa jika terdapat asumsi salah saji yang berubah, maka batas salah saji juga berubah. Metode yang digunakan untuk menyesuaikan batas atas untuk jumlah yang saling-hapus hanya salah satu dari beberapa metode yang digunakan. Metode yang diilustrasikan disini diambil dari Leslie, teitlebaum, an Anderson.

Tabel 15-9 menunjukan tujuh langkah yang dilakukan dalam perhitungan penyesuaian batas salah saji untuk pengambilan sampel mata uang jika terjadi saling hapus. Perhitungan batas salah saji atas yang telah disesuaikan terhadap empat lebih saji di Tabel 15-5 digunakan sebagai ilustrasi.

Menentukan Keberterimaan Populasi Menggunakan MUS

Setelah batas salah saji dihitung, auditor harus memutuskan apakah populasi dapat diterima.Terdapat aturan pengambilan keputusan untuk tindakan tersebut. Aturan pengambilan keputusanuntuk MUS adalah: lika baik batas salah saji bawah (Iower misstatement bounds / LMB) maupun batas salah saji atas (upper misstatement bounds / UMB) terletak di antara jumlah kurang sajidan lebih saji yang dapat diterima, maka dapat disimpulkan bahwa salah saji nilai buku tidak material. lika tidak, maka salah saji tersebut material.

Aturan tersebut diilustrasikan dalam Figur 15-3. Auditor harus memutuskan bahwa LMB dan UMB pada situasi 1 dan 2 letaknya di antara batas kurang saji dan lebih saji yang dapat diterima. Untuk situasi 3,4, dan 5 baik LMB maupun UMB, atau keduanya, melebihi salah saji yang diterima. Oleh karena itu, nilai buku populasi akan ditolak.

Diasumsikan bahwa auditor memiliki suatu set jumlah salah saji yang dapat diterima untuk piutang dagang Rp 40.000.000 (lebih saji atau kurang saji). Seperti yang disampaikan sebelumnya, auditor memilih 100 sampel, menemukan 5 salah saji, dan menghitung batas bawah sebesar Rp 27.526.000 dan batas atas Rp 50.860.000. Penerapan keputusan ini membuat auditor berkesimpulan bahwa populasi tidak boleh diterima karena batas salah saji atas melebihi salah saji yang dapat diterima sebesar Rp 40.000.000.

Tindakan yang Dilakukan Jika Populasi Ditolak

            Jika salah satu atau kedua batas salah saji berada di luar batas salah saji yang dapat diterima dan dianggap tidak bisa diterima, maka auditor menghadapi beberapa pilihan. Hal ini sama dengan yang didiskusikan dalam pengambilan sampel nonstatistik.

Menentukan Sampel Menggunakan MUS

Metode yang digunakan untukmenentukan jumlah sampel MUS sama denganyang digunakan dalam unit fisik pengambilan sampel atribut, yaitu menggunakan tabel pengambilan sampelatribut.Terdapat lima hal yang diperlukan untuk menghitung jumlah sampel menggunakan MUS.

Materialitas Penilaian awal tentang materialitas secara normal berbasis pada jumlah salah saji yang dapat diterima yang digunakan. Jika salah saji dalam pengujian non-MUS diperkirakan terjadi, maka salah saji yang dapat diterima merupakan materialitas dikurangi jumlah tersebut. Salah saji yang dapat diterima bisa berbeda untuk kurang saji atau lebih saji.

Asumsi Persentase Rata-Rata Salah Saji untuk Populasi yang Mengandung Salah Saji. Sekali lagi,  bisa terdapat perbedaan asumsi untuk batas atas dan batas bawah. Hal ini juga merupakan penilaian auditor. Hal ini sebaiknya didasarkan pada pengetahuan auditor atasklien dan pengalaman masa lalu, dan jika kurang dari 100% yang digunakan, maka asumsi harus kuat.

Risiko yang Dapat Diterima atas Kesalahan Penerimaan. ARIA merupakan penilaiandari auditor dan biasanya dicapai dengan bantuan model risiko audit.

Nilai Populasi Tercatat

Nilai uang dari populasi diambil dari pencatatan klien.

Estimasi Tingkat Pengecualian Populasi. Secara normal, estimasi tingkat pengecualian populasi untuk MUS adalah nol, karena MUS kebanyakan digunakan saat tidak terjadi salah saji, atau hanya sedikit yang diperkirakan terjadi. Ketika salah saji diperkirakan terjadi, total uang dari ekspektasi salah saji populasi diestimasi dan dicerminkan dalam presentase jumlah populasi tercatat. Dalam contoh ini, diperkirakan terdapat salah saji sebesar Rp 20.000.000. Jumlah ini ekuivalen dengan 4% tingkat pengecualian. Agar konservatif, digunakan ekspektasi tingkat pengecualian sebesar 5%.

Oleh karena hanya satu sampel yang diambil untuk lebih saji dan salah saji, maka yang lebih besar dari kedua jumlah sampel yang dihitung akan digunakan, dalam hal ini adalah 149. Dalam mengaudit sampel, jika auditor menemukan adanya salah saji, maka batas bawah akan melebihi batas batas yang dapat diterima karena jumlah sampel tersebut didasarkan pada tidak adanya ekspektasi salah saji. Sebaliknya, sejumlah lebih saji bisa saja ditemukan sebelum batas atas yang dapat diterima dilampaui. Saat menghadapi temuan salah saji yang tidak diekspektasikan yang dapat mengakibatkan populasi ditolak, auditor dapat berjaga-berjaga dengan menambah jumlah sampel diatas jumlah yang ditemukan dalam tabel. Dalam ilustrasi ini, auditor dapat menggunakan jumlah sampel 200 bukan 149.

 

Hubungan antara Model Risiko Audit dengan Ukuran Sampel MUS

            Model risiko audit untuk perencanaan sebelumnya telah diperkenalkan pada bab sebelumnya dan dibahas pada bab berikutnya sebagai berikut.

       MUS digunakan dalam melakukan pengujian atas perincian saldo. Oleh karenanya, auditor perlu memahami hubungan antara ketiga faktor independen dalam model risiko audit, prosedur analitis, dan pengujian substantif dengan jumlah sampel untuk pengujian atas perincian saldo.

          Tabel 15-2 menunjukkan bahwa empat dari kelima faktor (risiko pengendalian, pengujian substantif atas transaksi, risiko audit yang dapat diterima, dan prosedur analitis substantif) memengaruhi ARIA. ARIA ini lah yang kemudian menentukan jumlah sampel yang direncanakan. Faktor lainnya, yaitu risiko yang tidak terhindarkan, memengaruhi tingkat pengecualian estimasi populasi secara langsung.

******

Sumber:

Auditing dan Jasa Assurance Jilid 2 12th Edition by Alvin A.Arens, Randal J. Elder, dan Mark S. Beasley