SAMPLING UNTUK PENGUJIAN SUBSTANTIF

Presentasi berjudul: "SAMPLING UNTUK PENGUJIAN SUBSTANTIF"— Transcript presentasi:

1 SAMPLING UNTUK PENGUJIAN SUBSTANTIF
RINCIAN SALDO AKUN

2 3 PENENTU UKURAN SAMPEL :
TINGKAT KEYAKINAN YG DIINGINKAN SALAH SAJI YG DITOLERANSI SALAH SAJI DIESTIMASI

3 SAMPLING UNIT MONETER (SUM)
MENGGUNAKAN TEORI SAMPLING ATRIBUT UNTUK MENYATAKANKESIMPULAN DALAM JUMLAH DOLAS, BUKAN SEBAGAI TINGKAT KEJADIAN “SUM” DIKEMBANGKAN AUDITOR UNTUK MEMECAHKAN MASALAH KOMPLEKSITAS PERHITUANGAN TEKNIK SAMPLING STATISTIK LAINNYA DAN KRN SEBAGIAN BESAR POPULASI AKUNTANSI MENGANDUNG SALAH SAJI YANG RELATIF KECIL

4 SECARA FAKTA SUM DIRANCANG UNTUK MENGUJI JUMLAH MONETER DARIPADA EFEKTIVITAS PENGEDALIAN INTERNAL YANG MENYEBABKAN PERBEDAAN. PERBEDAAN INI DIDORONG OLEH KARAKTERISTIK PENYIMPANGAN PENGENDALIAN DAN SALAH SAJI MONETER

5 KONSEP DASAR YG MENDASARI SUM CUKUP SEDERHANA
SUM MENGGUNAKAN TEORI SAMPLING ATRIBUT UNTUK MENGESTIMASI PERSENTASE UNIT MONETER DALAM POPULASI YG MUNGKIN SALAH SAJI DAN KEMUDIAN MENGALIKAN PERSENTASE INI BERDASARKAN SUATU ESTIMASI SEBERAPA BANYAK DOLAR YANG SALAH SAJI

6 SUM KELEBIHAN KEKURANGAN
KTK AUDITOR MENGHARAPKAN SALAH SAJI KECIL BAHKAN NOL, SUM HASILKAN UKURAN SAMPLE YG LEBIH KECIL DRPD SAMPLING VARIABEL KLASIK PEMILIHAN SALDO NOL/NEGATIF MENSYARATKAN PERTIMBANGAN RANCANGAN KHUSUS. AUDITOR HRS MENGUJI BARANG SECARA TERPISAH KRN BRG TERSEBUT TIDAK AKAN TERPILIH BILA MENGGUNAKAN METODE PEMILIHAN PROBABILITAS PD UKURAN

7 SUM KELEBIHAN KEKURANGAN 2. SUM MENGASUMSIKAN BHW JUMLAH YG
2. KTK GUNAKAN PROSEDUR PEMILIHAN PROBABILITAS , SUM OTOMATIS MENGHASILKAN SAMPEL TERSTRATIFIKASI KRN BARANG YG DIJADIKAN SAMPEL DIPILIH SECARA PROPORSIOANL PD JUMLAH DOLARNYA 2. SUM MENGASUMSIKAN BHW JUMLAH YG DIAUDIT DR BARANG SAMPEL TIDAK DALAM KESALAHAN LEBIH DR 100%, JIKA LEBIH MAKA SAMPLE HRS DIPERLUAS

8 SUM KELEBIHAN KEKURANGAN
3. SUM TIDAK MENSYARATKAN UNTUK MEMBUAT ASUMSI APAPUN MENGENAI DISTRIBUSI SALAHSAJI SEBAGAIMANAN SAMPLING VARIABEL KLASIK 3. KTK LEBIH DR 1 /2 SALAH SAJI DIDETEKSI DG MENGGUNAKAN PENDEKATAN SUM, PERHITUNGAN HASIL SAMPEL UNGKIN SAJA DISAJIKAN LEBIH BESAR DR CADANGAN RISIKO SAMPLING. INI TERJADI KRN METODE YG DIGUNAKAN UNTUK MENETAPKAN JUMLAH SALAH SAJI ADL KONSERVATIF

9 LANGKAH-2 DLM APLIKASI “SUM”
PERENCANAAN TENTUKAN TUJUAN PENGUJIAN a. Kewajaran asersi ttg saldo b. Mengembangkan estimasi dr bbrp jumlah 2. MENDEFINISIKAN KARAKTERISTIK POPULASI a. Mendefinisikan populasi b. Mendefinisikan unit pengambilan sample c. Mendefinisikan suatu salah saji

10 LANGKAH-2 DLM APLIKASI “SUM”
3. TENTUKAN UKURAN SAMPLE, MENGGUNAKAN INPUT BERIKUT : a. Tingkat keyakinan yg diinginkan /risiko penerimaan yg salah b. Salah saji yg ditoleransi c. Salah saji populasi yg diharapkan d. Ukuran Populasi

11 LANGKAH-2 DLM APLIKASI “SUM”
B. PELAKSANAAN PILIH SAMPLE ( pemilihan probabilitas pd ukuran biasanya pake program ACL) MELAKSANAKAN PROSEDUR AUDITING (Memahami dan menganalsis salah saji yang diamati)

12 LANGKAH-2 DLM APLIKASI “SUM”
C. EVALUASI MENGHITUNG SALAH SAJI YG DIPROYEKSIKAN & BATAS ATAS SALAH SAJI MENARIK KESIMPULAN AKHIR

13 INFORMASI CONTOH : NILAI BUKU : $2.500 SALAHSAJI YG DITOLERANSI : $ UKURAN SAMPLE : 93 TINGKAT KEYAKINAN YG DIINGINKAN : 95% JML SALAH SAJI YG DIEKSPEKTASIKAN : $ INTERVAL SAMPLING : $26.882

14 TINGKAT KEYAKINAN YG DIINGINKAN 95%
No.SalahSaji Faktor SalahSaji Kenaikan inkremental 0 3,0 1 4,7 1,7 2 6,2 1,5 3 7,6 1,4

15 PELANGGAN NILAI BUKU NILAI AUDIT PERBEDAAN FAKTOR TAINTING (K4 + K2) GHC $21.893 $18.609 $ 3.284 0,15 MMS 6.705 4.023 2.682 0,40 LHC 15.000 1,00 AC 32.549 30.049 2.500 -

16 PELANGGAN FAKTOR TAINTING INTERVAL SAMPLING SALAH SAJI YG DIPROYEKSI FAKTOR SALAHSAJI 95%/KENAIKANNYA BATAS ATAS SALAH SAJI 1,0 $26.882 NA 3,0 $80.646 BP 26.882 1,7(4,7-3,0) 45.700 LHC 0,40 10.753 1,5 (6,2-4,7) 16.130 MM 0,15 5.032 1,4(7,6-6,2) 5.645 GH AC 2.500 Batas Atas SS $

17 CONTOH KESIMPULAN : Batas atas salah saji Rp 150.621
Salah saji yg ditoleransi Rp Batas atas melebihi salah saji yg ditoleransi maka auditor hrs punya bukti bhw ada risiko tinggi yg tdk dpt diterima bhw piutang adl salah saji material

18 PENGAMBILAN SAMPLE NONSTATISTIK UNTUK PENGUJIAN
MENGIDENTIFIKASI BARANG SIGNIFIKAN SECARA INDIVIDUAL MENENTUKAN UKURAN SAMPEL PEMILIHAN BARANG SAMPEL MENGHITUNG HASIL SAMPEL

19 1. MENGIDENTIFIKASI SAMPEL SIGNIFIKAN SECARA INDIVIDUAL
AUDITOR MENENTUKAN MANA YG SEHARUSNYA DIUJI SECARA INDIVIDUAL & YG MANA MENJADI SUBJEK SAMPLING AUDITOR MENENTUKAN BARANGMANA YG SEHARUSNYA DIUJI SECARA INDIVIDUAL : BARANG YG MENGANDUNG SALAH SAJI POTENSIAL SECARA INDIVIDU MELEBIHI SALAH SAJI YG DITOLERANSI (100%) AUDITOR TIDAK INGIN MENERIMA RISIKO SAMPLING, CONTOH TOTAL PIUTANG LBH BESAR DR TOTAL ASSETS

20 2. MENENTUKAN UKURAN SAMPEL
AUDITOR MEMPERTIMBANGKAN TINGKAT KEYAKINAN YG DIINGINKAN, RISIKO SALAH SAJI MATERIAL, SALAHSAJI YG DITOLERANSI & YG DIEKSPEKTASI DAN UKURAN POPULASI UKURAN SAMPLE = (NILAI BUKU POPULASI SAMPLING ) X FAKTOR KEYAKINAN SALAH SAJI DITOLERANSI - EKSPEKTASIAN

21 3. PEMILIHAN SAMPLE : STANDART AUDIT MENSYARATKAN BHWA SAMPEL DIPILIH DLAM SEBUAH CARA, SHG SAMPEL DAPAT DIEKSPEKTASI UNTUK MEREPRESENTASIKAN POPULASI ATAU PEMILIHAN LAIN SPT SAMPLING HAPHAZARD PD SAMPLING NONSTATISTIK YAIUT AUDITOR SECARA ACAK MEMILIH SAMPLE DG PETIMBANGAN AUDITOR

22 TINGKAT KEYAKINAN YG DIINGINKAN PENILAIAN RISIKO SALAHSAJI MATERIAL
TINGGI MODERAT RENDAH 3,0 2,3 2,0 1,6 1,2 1,0

23 4. MENGHITUNG HASIL SAMPLE
PANDUAN AICPA AUDIT SAMPLING MENDESKRIPSI 2 METODE YG DPT DITERIMA UNT PROYEKSI JUMLAH SALAHSAJI YG DITEMUKAN DLM SAMPEL NONSTATISTIK

24 1. PROYEKSI RASIO JK AUDITOR MENEMUKAN SALAHSAJI $1.500 DLM SEBUAH SAMPLE $15.000, RASIO SAMPLE 10%, JK POPULASI $ MK SALAH SAJI DIPROYEKSI 10$ DR $ = $20.000

25 2. PROYEKSI PERBEDAAN: NAMA TEKNIK SAMPLING YG MENGGUNAKAN INFORMASI MENGENAI SALAH SAJI UNTUK MENENTUKAN UKURAN SAMPLE. MEMPROYEKSI SALAH SAJI RATA-2 TIAP DALAM SAMPEL PDA SEMUA JENIS ACCOUNT DALAM POPULASI

26 SAMPEL SECARA HAPHAZARD
UDITOR MENGGUNAKAN PERTIMBAGAN PROFESIONAL DAN PENGALAMAN UNTUK MENARIK SUATU KESIMPULAN

27 PASANG SURUT PENGAMBILAN SAMPEL AUDIT STATISTIK
KENAPA SAMPLING AUDIT TIDK LAGI DIGERMARI KAP TERLALU BERGANTUNG PADA TEKNIK SAMPLING STATISTIK UNTUK MENGELUARKAN PERTIMBANGAN YANG BAIK AUDITOR BERPENGALAMAN MEMPUNYAI INTUITIF, TIDAK SELALU MEMILIKI PENGETAHUAN YG SESUAI DENGAN PENERAPAN SAMPLING STATISTIK DALAM KONTEKS AUDIT,UNTUK ITU SEJUMLAH KANTOR AUDIT BERPINDAH PD SAMPLING NON STATITIK DG PANDUAN BERDASAR PRTIMBANGAN

28 SAMPLING VARIABEL KLASIK
DPT SECARA MUDAH MENANGANI BAIK KESALAHAN LEBIH SAJI ATAUPUN KURANG SAJI. SAMPLING VARIABEL KLASIH PALING SESUAI UNTUK POPULASI YG MENGANDUNG SALAH SAJI TINGKAT MODERAH HINGGA TINGGI

29 ADA KREDIT TAK TERAPLIKASI
CONTOH PIUTANG : ADA KREDIT TAK TERAPLIKASI JMLAH YG RELATIF BESAR DARI SALAH SAJI YANG DIEKSPEKTASI

30 CONTOH PERSEDIAAN DIMANA PERBEDAAN AUDIT YG SIGNIFIKAN DIEKSPEKSTASI DIANTARA PENGUJIAN PENETAPAN HARGA

31 KEUNTUNGAN SAMPLING VARIABEL KLASIK
KTK AUDITOR MENGHARAPKAN SEBUAH JUMLAH YG RELATIF BESAR BERBEDA ANTARA NILAI BUKU DAN NILAI AUDIT, METODE INI AKAN MENORMALKAN HASIL DLAM UKURAN SAMPEL LEBIHKECIL DARIPAD SAMPLING UNIT MONETER

32