Você está na página 1de 15

TUGAS AUDIT MANAJEMEN

BAB 12
MEMPEROLEH BUKTI AUDIT MELALUI
SAMPLING STATISTIK

DISUSUN OLEH :

ANDI KUSUMA
NIM. 1402169437

FAKULTAS EKONOMI
JURUSAN AKUNTANSI
UNIVERSITAS RIAU
2016
BAB 12
Memperoleh Bukti Audit Melalui Sampling
Statistik
Setelah Anda membaca bab ini, mempelajari review pertanyaan dan bekerja melalui kasus,
Anda akan memahami :

Apa itu Sampling Statistik


Cara menggunakan sampling dalam memperoleh bukti audit , termasuk mengetahui
keuntungan dan kerugian untuk sampel bukti
Bagaimana prinsip-prinsip audit dan bukti berhubungan dengan pengambilan
sampel
Bagaimana menyatakan tujuan untuk bukti audit
Apa yang dimaksud dengan presisi dan keyakinan
Bagaimana menentukan ukuran sampel dari formula atau dari tabel derajat
kepercayaan dan presisi tertentu
Perbedaan antara sampel atribut dan sampel estimasi
Ketika alam semesta adalah homogen dan bagaimana untuk memilih ukuran
sampel dari tabel nomor acak
Kami telah menyatakan berulang kali bahwa audit kinerja adalah proses perencanaan
untuk, mengumpulkan, dan mengevaluasi bukti material dan kompeten yang cukup relevan
pada tujuan audit untuk sampai pada suatu kesimpulan yang benar. Kita telah ditunjukkan
bahwa, kecukupan bukti, tidak berarti jumlah barang bukti auditor telah diperoleh, itu
berarti kualitas setiap potongan bukti yang diperoleh, ditentukan oleh berat masing-masing
potongan bukti tersebut dimainkan pada pikiran auditor, yang meyakinkan dia bahwa
kesimpulan untuk tujuan audit adalah benar. Misalnya, salah satu bukti langsung dapat
dikatakan berkualitas apabila berat bukti tersebut bisa ditimbang didalam pikiran auditor
karena memiliki banyak potongan bukti yang terperinci.

Ketika auditor mengumpulkan bukti pada tujuan audit dan mengarah pada
kesimpulan, kami juga telah mengatakan bahwa kesimpulan ini mungkin kesimpulan yang
benar. Jarang sekali, jika pernah, auditor 100 persen yakin bahwa kesimpulannya adalah
jawaban yang benar. Walaupun begitu, tingkat probabilitasnya harus sangat tinggi atas
kesimpulan yang benar tersebut, karena auditor telah mengetahui bahwa ia telah
memperoleh bukti yang cukup relevan, material, dan kompeten pada tujuan audit untuk
meyakinkan dirinya sendiri bahwa ia memiliki jawaban yang benar. Auditor juga
mengetahui, bahwa bagaimanapun, auditor jarang bisa mendapatkan semua bukti pada
kedua sisi audit. Beberapa bukti tambahan di satu sisi atau kekuatan lain mungkin dapat
mengubah kesimpulannya secara dramatis ke sisi yang berlawanan. Banyak orang tak
bersalah telah digantung karena auditor tidak mampu menghadirkan semua bukti yang
tepat dalam pembelaannya.

Agar memperoleh probabilitas yang tinggi dimana kesimpulannya adalah salah


satu yang dianggap tepat, apakah itu dalam pemeriksaan laporan keuangan, M-audit, atau
P-audit, auditor telah menemukan, dalam prakteknya, bahwa ia dapat menggunakan
banyak teknik untuk memperoleh bukti, seperti yang telah kita pelajari pada Bab 8.
Auditor dapat meneliti dari catatan-catatan untuk mencari kemungkinan kesalahan atau
inkonsistensi; auditor bisa mewawancarai orang yang memiliki kompetensi atau orang-
orang yang dapat memberikannya informasi terbaik yang tersedia; auditor dapat
menelusuri kembali catatan atau tindakan orang; auditor dapat mengamati hal-hal dan
orang-orang; dan auditor dapat menegaskan kembali kelompok yang dipilih dari suatu
akun-akun atau tindakan-tindakan.

Kebutuhan Kecil Bagi Auditor Untuk Mereview Setiap Item

Hanya sangat sedikit dalam kasus-kasus ini auditor memperoleh bukti dengan
meninjau setiap item dalam catatan, dengan berbicara kepada setiap orang, dengan
mengamati segala sesuatu dan semua orang-orang, atau dengan mengkonfirmasi setiap
akun atau setiap tindakan. Auditor telah memperoleh bukti dengan menggunakan jenis
pengujian, disebut dengan judgmet sampling, selama bertahun-tahun, dan mereka telah
menemukan bahwa umumnya pengujian ini menghasilkan bukti yang baik, yaitu bukti
yang telah bekerja dengan baik bagi mereka dan telah meyakinkan mereka bahwa
pendapat atau kesimpulan mereka itu benar.
Ada alasan yang bagus bagi jenis pengujian ini untuk menghasilkan bukti yang
baik. Dalam membuat pemeriksaan laporan keuangan, auditor telah menemukan, selama
bertahun-tahun, bahwa ada pola konsistensi dalam tindakan yang ditemukan dalam catatan
rekaman informasi dalam catatan. Sebagai contoh, catatan sering menunjukkan bahwa gaji
yang dibayar di waktu yang sama dan kisaran jumlah yang sama pada setiap minggu atau
bulan, atau sewa yang dibayar dan jenis-jenis kewajiban diurus didalam suatu pola yang
konsisten setiap bulannya. Auditor kemudian sering mencari inkonsistensi dalam pola
tersebut dengan memindai catatan-catatan, mewawancarai hanya kelompok yang dipilih
dari orang-orang dan mengamati beberapa tindakan yang telah ditandai.
Dalam membuat pemeriksaan M-audit dan P-audit, auditor juga menemukan pola
inkonsistensi yang sama yang di dukung dari kegiatan-kegiatan atau program-program.
Praktek-praktek operasional, seperti praktek pribadi atau manufaktur, secara konsisten juga
sama dari hari ke hari, dari bulan ke bulan, atau dari tahun ke tahun, terlepas apakah
tindakan tersebut adalah baik atau buruk. Oleh karena itu, indikasi dari satu kekurangan
dalam praktek managemen sering mengarah kepada pola dari kekurangan-kekurangan
yang dapat dikembangkan menjadi pemeriksaan satu skala penuh. Didalam program-
program juga, penggunaan secara konsisten dari kebijakan-kebijakan yang tidak terkait
dengan pemenuhan tujuannya sering menjadi penyebab yang tidak efektif dari pemenuhan
tujuan tersebut.
Dengan demikian, semua teknik yang dibahas dalam bab-bab sebelumnya sudah
tepat untuk dipergunakan untuk membuat pemeriksaan baik pemeriksaan M-audit atau P-
audit. Salah satu teknik tambahan, walau bagaimanapun, akan membantu auditor
meningkatkan kemampuannya untuk memperoleh bukti di tiap-tiap banyak jenis audit
pada tujuan audit. Teknik itu disebut dengan pengambilan sampel ilmiah atau statistik.
Sampling statistik digunakan dalam banyak cara. Misalnya, digunakan oleh
politisi untuk menentukan pendapat konstituen ketika pendapat-pendapat tersebut menjadi
negatif, dan untuk menentukan bagaimana mengubah pendapat-pendapat tersebut untuk
mendapatkan suara mereka. Dan pada produk-produk tertentu, selama proses manufaktur,
diterima atau ditolak atas dasar hanya pada beberapa pengujian; survei pasar yang
dilakukan untuk menentukan kemungkinan memperkenalkan produk baru; butir yang
dinilai dan dijual atas dasar hanya pada beberapa pengujian dari total lot; dan hasil survei
opini publik yang terlihat di koran-koran hampir setiap hari.
Auditor yang menggunakan sampling statistik dari pada sampling judgmental
karena beberapa alasan yang mereka daftar sebagai berikut :
1. Kecukupan data yang dikumpulkan dapat diukur. Ini akan tergantung pada
bagaimana tepatnya jawaban yang diinginkan auditor dan bagaimana keandalan
yang dia inginkan dari jawaban tersebut. Dia kemudian dapat mengukur bahwa
ketepatan dan keandalan melalui jumlah item dalam sampel nya.
2. Bias dapat dihilangkan. Dalam random sampling, pilihan item yang akan dipilih
dilakukan secara acak bukan melalui dasar judgmental, yang harus menghilangkan
bias yang tidak dapat dilihat.
3. Kesimpulan dapat dibuat dari transaksi tidak diuji yang sama baiknya dengan
transaksi diuji. Dalam sampling statistik, populasi secara keseluruhan harus
diperhatikan sama baiknya dengan item yang dipilih untuk pengujian.
4. Sampling dapat digunakan oleh auditor berpengalaman serta auditor yang tidak
berpengalaman. Auditor berpengalaman dapat melakukannya dengan baik dalam
pengambilan sampel judgmental, tapi auditor yang tidak berpengalaman tidak
memiliki latar belakang yang sama untuk mengembangkan sampel judgmental.
Hasil sampling statistik harus sama untuk semua jenis auditor yang menginginkan
ketepatan dan kehandalan yang sama, berpengalaman atau tidak berpengalaman.

Dengan demikian kita dapat melihat bahwa sampling adalah suatu teknik penting
yang dapat gunakan oleh auditor untuk mengumpulkan bukti tentang tujuan auditnya.
Prinsip-Prinsip Pengambilan Sampel Terkait Dengan Prinsip-Prinsip Audit Dan
Bukti

Beberapa prinsip sampling, terkait dengan prinsip-prinsip audit dan bukti, dapat
dinyatakan sebagai berikut. Menggunakan hal tersebut sebagai poin referensi, auditor
harus dapat untuk meyakinkan dirinya bahwa kesimpulan pada tujuan sampel nya akan
memberikan bukti yang berarti pada tujuan audit utamanya :
1. Auditor harus selalu memiliki tujuan audit untuk sampelnya, seperti yang
dilakukannya untuk semua audit. Tujuan sampel memiliki tiga elemen penting yang
sama seperti semua tujuan audit yaitu : kriteria, sebab , dan efek. Kriteria terkait
dengan materialitas (presisi) yang diinginkan dan harus terkait dengan tujuan audit
primer. Efek terkait dengan kehandalan (keyakinan) yang diinginkan. Dan
penyebab merupakan tindakan dari auditor.
2. Auditor harus selalu menyatakan materialitas (presisi) yang diinginkan dari nilai
yang sebenarnya. Sebuah perkiraan dapat berasal dari sebuah sampel jelas yang
tidak bisa diharapkan menjadi persis sama dengan nilai sebenarnya dari
keseluruhan. Nilai sampel, bagaimanapun, harus memiliki probabilitas tinggi yang
jatuh pada suatu tempat di rentang yang dapat diterima diatas atau di bawah dari
nilai sebenarnya, dan kisaran ini adalah ukuran presisi yang digunakan auditor
sebagai standar atau kriteria dari tujuan auditnya. Presisi akan menunjukkan apa
yang auditor akan pertimbangkan sebagai jumlah immaterial dari nilai yang
sebenarnya. Nilai-nilai yang berada di luar kisaran nantinya akan dianggap material
dan tidak akan bisa diterima sebagai kriteria untuk audit. Hasil pengukuran dapat
dinyatakan baik sebagai angka mutlak atau sebagai persentase.
Relevansi berarti bahwa informasi yang digunakan sebagai bukti harus terkait
dengan kriteria audit; jadi bukti yang relevan juga akan terkait dengan ketepatan
tujuan audit.
3. Auditor harus mengetahui dan menyatakan keandalan (keyakinan) yang ia
inginkan, atau risiko yang bersedia untuk diambil, dalam pengambilan sampelnya
untuk bukti audit. Keyakinan adalah pernyataan bahwa nilai-nilai sampel akan
jatuh dalam kisaran presisi pada persentase tertentu dari waktu.
4. Auditor harus meyakinkan dirinya bahwa keseluruhan sampel nya adalah
homogen. Homogenitas berkaitan dengan sumber informasi, dan sumber informasi
terkait dengan kompetensi bukti. Dengan demikian, homogenitas akan berkaitan
dengan kompetensi bukti.
5. Auditor harus meyakinkan dirinya bahwa setiap item dari jumlah keseluruhan
memiliki kesempatan yang sama untuk terpilih sebagai item lain ketika ia
mengambil sampel. Ketika penyeleksian berkaitan dengan sumber informasi,
pilihan penyeleksian yang tepat dari sampel akan menjadi salah satu sarana untuk
menentukan kompetensi bukti.
6. Auditor harus meyakinkan dirinya, melalui teknik probabilitas yang tepat, bahwa
ukuran sampelnya sekecil mungkin tetapi dapat memberikannya presisi cukup
besar seperti yang ia inginkan dan keyakinan yang ia harapkan atas biaya tuntutan
ini. Dan juga, ukuran sampel berkaitan dengan sumber dan dengan demikian terkait
dengan kompetensi bukti.
7. Sebuah sampel kinerja auditor dari banyak jenis keseluruhan sampel. Sebagian
besar dari keseluruhan sampel ini berada dalam hubungan kurva normal. Teknik
yang berkaitan dengan hubungan kurva normal ini akan digunakan untuk
menjelaskan teknik dasar sampling dan akan dibahas di bawah judul "Keyakinan".

Tujuan Sampel

Karena informasi dari sampel akan digunakan sebagai bukti dan karena semua bukti yang
dikumpulkan pada suatu tujuan audit, maka langkah pertama dalam rencana pengambilan
sampel adalah untuk menyatakan tujuannya. Dalam banyak kasus, tujuan dari sampel audit
akan menjadi sub tujuan audit, bukan tujuan audit utama. Auditor kemudian harus
meyakinkan dirinya bahwa kriteria sub tujuan secara langsung berkaitan dengan kriteria
tujuan audit utama. Dalam beberapa kasus, namun, terutama di M-audit atau P-audit,
informasi yang diperoleh dari sampel audit akan menjadi bukti pada tujuan audit utama;
tetapi ini akan menjadi pengecualian dari aturan.
Ilustrasi berikut adalah tujuan sampel, berkaitan dengan penentuan nilai dari item
bernilai rendah dalam persediaan M-audit yang mengandung nilai rendah dan nilai tinggi
dari item :
Dalam menentukan ukuran sampel untuk membandingkan nilai Audit dari
sampel inventarisasi item bernilai rendah untuk Perusahaan Able bahwa dari nilai
sebenarnya dari persediaan, bisakah kita ( penyebab tindakan auditor ) yakin
bahwa perkiraan sampel kami memiliki 90 persen probabilitas jatuh ( efek -
keyakinan yang diinginkan ) dalam batas-batas yang dapat diterima + (positif)
atau (negatif) $ 25.000 dari nilai tercatat $ 1.5 juta atas total persediaan dari
50.000 item bernilai rendah ( kriteria - presisi yang diinginkan ).

Pembaca dapat melihat bahwa kriteria tujuan sample berhubungan dengan presisi
yang diinginkan, efek kepercayaan yang diharapkan, dan penyebab tindakan auditor.
Presisi dan keyakinan adalah penilaian subjektif. Keduanya baik dalam presisi dan
keyakinan sebuah perkiraan harus dibuat, andaikata, jika auditor bertujuan untuk
menentukan secara obyektif ukuran sampel yang sesuai.

Ketelitian

Ketika auditor membuat sebuah sampel statistik atau sampel perkiraan, ia pertama sekali
harus mengetahui berapa banyak variasi yang akan ia suguhkan dari angka yang diketahui
agar dapat memiliki standar untuk mengukur hasil. Variasi ini merupakan perkiraan dari
jumlah yang akan ia pertimbangkan sebagai jumlah yang material.
Menggunakan ilustrasi dari tujuan audit diatas sebagai contoh, bahkan jika auditor
menghitung setiap item dalam persediaan nilai rendah, ia akan mungkin tidak menemukan
bahwa angka persediaan tidak sama persis senilai $ 1,5 juta. Pertanyaannya kemudian
adalah : "Berapa banyak variasi dari $ 1.500.000 akan mungkin dia suguhkan sebelum dia
mulai mempertanyakan apakah angka itu telah dicatat secara akurat ? Ketelitian, dengan
demikian, menjadi standar untuk mengukur keakuratan hasil, setiap penyimpangan di luar
presisi akan dinyatakan menjadi jumlah yang material. Dalam kebanyakan kasus,
bagaimanapun, beberapa tunjangan dapat dibuat dari nilai sebenarnya tanpa
mempengaruhi penerimaan auditor dari jumlah yang sebenarnya.
Dalam perhatiannya untuk dapat memiliki probabilitas sampel yang jatuh didalam
batas presisi, auditor dengan mudah dapat mengkonversi jumlah totalnya menjadi sebuah
nilai rata-rata, dan presisinya adalah untuk presisi rata-rata. Misalnya, jika nilai tercatat
dari persediaan adalah $ 1,5 juta dan ada 50.000 item dalam persediaan, maka mean
aritmetik dari persediaan adalah $ 30,00 ( $ 1.500.000 : 50.000 = $ 30,00 ). Rata-rata
presisi akan menjadi $ 0,50 ( $ 25.000 : 50.000 = $ 0.50).

Keyakinan Dan Resiko

Risiko adalah angka persentase mengenai kemungkinan bahwa nilai-nilai sampel tidak
akan mewakili jumlah keseluruhan dalam batas presisi. Misalnya, akankah auditor
menerima risiko bahwa mean sampel nya dalam ilustrasi di atas tidak akan jatuh di suatu
tempat nilai diantara $ 29,50 dan $ 30,50 ( $ 30,00 x $ 0.50) ? Berapa kali dari per seratus
auditor akan mengambil kesempatan risiko tersebut - lima per seratus, atau 5 persen ? Satu
per seratus, atau 1 persen ? Atau sepuluh per seratus, atau dari 10 persen ?
Kebanyakan auditor lebih peduli dengan keyakinan yang mereka miliki dimana
sampel akan jatuh dalam batas-batas presisi dari pada risiko yang mereka ambil dimana
sampel tidak akan jatuh dalam batas-batas presisi. Sehingga, dari pada mengatakan bahwa
ia akan mengambil kesempatan yang 5 persen dari waktu dimana angka sampelnya tidak
akan jatuh dalam batas-batas presisi yang diterima, auditor akan mengatakan bahwa dia
percaya diri bahwa 95 persen dari waktu sampel itu akan jatuh dalam batas-batas presisi.
Keyakinan dapat dipertimbangkan, kemudian, agar menjadi persentase , bahwa
nilai sampel secara acak akan jatuh dalam batas presisi dari nilai sebenarnya.
Dalam memperoleh perkiraan sampel, tingkat kepercayaan auditor ditentukan
melalui penggunaan standar deviasi ukuran variasi dari berbagai item dari mean
aritmetik. Perhitungannya adalah akar kuadrat dari jumlah rata-rata yang diperoleh dengan
mengkuadratkan perbedaan antara masing-masing dari berbagai item dalam distribusi dari
mean aritmetik dari distribusi .
Dinyatakan dalam istilah matematika, aritmatika mean dan standar deviasi adalah
sebagai berikut :

Mean = jumlah dari semua item dalam distribusi


jumlah item dalam distribusi

X = x
N

dimana : X = mean
= jumlah dari
x = nilai dari masing-masing item
N = jumlah item

Standar Deviasi = jumlah nilai masing-masing individu item dikurangkan dari mean
jumlah dari masing-masing item

= (Xx)2
N

dimana : = standar deviasi (huruf Yunani dibaca Sigma)


x = nilai dari masing-masing item
X = mean
= jumlah dari

Di bawah kurva normal standar deviasi jatuh dalam seperangkat nilai-nilai daerah tetap
dari mean. Hubungan ini dapat dilihat pada grafik kurva normal, seperti yang ditunjukkan
pada Gambar 12.1.

Gambar 12.1 Illustrasi hubungan kurva Normal

Jumlah deviasi standar yang mencakup persentase nilai di bawah kurva dapat dinyatakan
sebagai tabel nilai . Misalnya, Tabel 12.1 menunjukkan tabel nilai untuk persentase dari
satu atau lebih standar deviasi dari kedua sisi dari mean.

Tabel 12.1 - Dipilih nilai standar deviasi dari mean

Dengan menggunakan Tabel 12.1, kita menemukan bahwa ketika sekelompok item
membentuk distribusi normal dan distribusinya memiliki mean aritmetik $ 150,00, dengan
deviasi standar $ 15,00, maka 95 persen dari item dalam distribusi akan jatuh dalam
kisaran $ 120,60 dan $ 179,40. Nilai ini ditentukan dengan mengambil rata-rata $ 150,00
serta menambah dan mengurangi 1,96 dikali standar deviasi dari $ 15,00 - 1,96 dikali $
15,00 = $ 29,40 ; $ 150,00 + $ 29,40 = $ 179,40 ; $ 150,00 - $ 29,40 = $ 120,60. Jumlah $
29,40 akan menjadi salah satu sisi nilai presisi ( P ) yang diinginkan. Jadi, rumus untuk
memperoleh jumlah ini akan menjadi P = c ( .
Hubungan ini dapat dinyatakan dengan cara lain. Jika sampel acak diambil dari
item membentuk distribusi normal, ada 95 peluang diantara 100, atau 95 persen
probabilitas, dimana nilai-nilai sampel jika ditarik akan jatuh dalam kisaran mean aritmetik
plus dan minus 1,96 kali standar deviasi. Dengan kata lain, ada 95 persen keyakinan bahwa
angka sampel jatuh dalam batas-batas presisi jika batas presisi + dan - 1,96 dari standar
deviasi mean. Ilustrasi di atas, kemudian, menunjukkan tingkat kepercayaan 95 persen
bahwa angka sampel jatuh dalam batas ketepatan $ 120,60 dan $ 179,40.
Keyakinan, kita lihat, dapat diukur secara obyektif untuk memberikan jaminan
kepada auditor dari kemungkinan yang akan ia ambil untuk presisi yang dia inginkan
untuk digunakan sebagai batas kriteria nya.
Statistik juga menemukan bahwa mean nilai-nilai sampel kebanyakan mengikuti
kurva normal. Oleh karena itu, standar deviasi dari mean sampel juga akan jatuh dalam
batas-batas yang tepat seperti yang ditunjukkan pada Tabel 12-1. Standar deviasi dari mean
sampel disebut standard error.
Dari informasi dalam tabel ini, sudah cukup mudah untuk mengkonversi angka
presisi untuk standar deviasi. Menggunakan faktor keyakinan 95 persen, koefisien
kepercayaan 1.96. Jika nilai persediaan 2.000 item adalah $ 750.000, maka persediaan
rata-rata adalah $ 375. Jika presisi yang diharapkan adalah + atau - $ 50.000, maka presisi
rata-rata adalah $ 25. Jika kepercayaan yang diinginkan adalah 95 persen, maka
dibutuhkan deviasi standar $25.00 atau $12.76
1.96
Dalam bentuk rumus, informasi ini diperlihatkan sebagai berikut :

Standar Deviasi ( = Presisi (P)


Koefisien Kepercayaan (c)

Atau, dinyatakan dengan cara lain :

Presisi (P) = Koefisien Kepercayaan (c) . Standar Deviasi (

Seperti yang telah kami jelaskan, standar deviasi biasanya dihitung dari sampel
mean, dan biasanya merupakan angka yang diketahui dalam rencana sampling. Karena
standar deviasi dari sampel adalah merupakan standar eror dibandingkan standar deviasi,
maka rumus nya seperti berikut :

Presisi = Koefisien Kepercayaan x Standar Eror

Statistik telah menemukan hubungan langsung antara standard error sampel dan
standar deviasi dari populasi. Hubungan ini dinyatakan dalam rumus sebagai berikut:

Standard Eror (SE) =


n
di mana n = jumlah item dalam sampel
Oleh karena itu, jika presisi (P) = koefisien kepercayaan (c) x standard eror, dan
standard eror = , maka :
n

P = (c) dan n = (c)2 ( ) 2


n P

Dari rumus dasar ini, ukuran sampel dapat ditentukan, jika standar deviasi dan
presisi diketahui. Selain itu, tabel untuk setiap tingkat kepercayaan dapat ditentukan
dengan membuat rasio dari standar deviasi dan presisi.

Ukuran Sampel Dari Sebuah Rumus

Kriteria objektif sampel akan menyatakan rentang nilai dimana auditor dapat yakin bahwa
ia akan menemukan dalam sampelnya nilai yang sebenarnya; proporsi tertentu dari waktu;
dan keyakinan bahwa nilai sampel auditor akan jatuh dalam interval yang tepat yang
ditemukan melalui mean, standar deviasi, dan standar deviasi yang dikonversi ke koefisien
kepercayaan. Jelas bahwa, auditor harus memiliki beberapa cara untuk memperoleh mean
dan standar deviasi.
Seringkali ia dapat memperoleh nilai dengan mengacu pada pengalaman
sebelumnya, atau dia bisa mendapatkannya dengan menghitung mean dan standar deviasi
dari jumlah keseluruhan. Juga, dia bisa mendapatkannya dengan menghitung mean dan
standar deviasi dari sebuah contoh kecil dari item dari keseluruhan sampel. Selanjutnya,
jika auditor memiliki indikasi kisaran nilai dari mean, ia dapat menggunakan informasi
dari Tabel 12.1 untuk menentukan standar deviasi. Misalnya jika rentang nilai sekitar $ 60
dari setiap sisi mean dari persediaan sebesar $ 200, maka, karena jangkauan maksimum
standar deviasi adalah 4, standar deviasi akan menjadi seperempat dari kisaran ini, atau $
15.
Untuk menghitung ukuran sampel, maka auditor harus mengetahui :
1. Presisi yang diperlukan. Ini akan menjadi kriteria objektif sampelnya.
2. Persentase keyakinan yang ia inginkan agar nilai sebenarnya jatuh dalam kisaran
presisi yang telah dinyatakan. Ini akan menjadi efek dari tujuan sampelnya.
3. Standar deviasi dari keseluruhan, standar deviasi dari sampel dari keseluruhan, atau
estimasi standar deviasi diambil dari sampel yang terbatas, atau dari kisaran mean.
4. Presisi per unit. Ini akan menjadi presisi rata-rata yang diinginkan, sehingga ukuran
keseluruhan harus diketahui.
5. Sebuah rasio standar deviasi untuk presisi per unit. Ini dapat diperoleh dengan
membagi standar deviasi dengan presisi per unit.
Untuk menggambarkan perhitungan ukuran sampel, mari kita asumsikan tujuan
contoh berikut:
Dalam menentukan ukuran sampel untuk membandingkan nilai audit sampel
inventarisasi untuk Able Company bahwa nilai sebenarnya dari persediaan, bisa
kita yakin bahwa perkiraan sampel kami (penyebab tindakan auditor) adalah 95
persen dari waktu (efek keyakinan yang diinginkan) dalam batas-batas yang
dapat diterima + atau - $ 2.500 dari total persediaan sebesar $ 75.000 untuk 2.000
item (kriteria presisi yang diinginkan)?
Jika kita mengikuti langkah-langkah yang tercantum di atas, kita menemukan
bahwa presisi ($ 2.500) dan kepercayaan (95 persen) diberikan dalam tujuan sampel.
Karena tidak ada standar deviasi diberikan, auditor mau tidak mau harus menerima satu
dari tahun sebelumnya, menghitung satu dari sampel, atau memperkirakannya. Misalkan
dari sampel yang terbatas, auditor menghitung rata-rata $ 36 dan standar deviasi (standard
error) sebesar $ 6,00. Untuk mendapatkan presisi per unit, membagi $ 2.500 dengan 2.000,
yang hasilnya $ 1,25. Untuk mendapatkan rasio standar deviasi untuk presisi per unit,
membagi $ 6,00 dengan $ 1.25, yang hasilnya sama dengan 4.8.

Persamaan kami kemudian terbaca sebagai berikut :

Ukuran Sampel Dari Tabel

Banyak organisasi telah mengembangkan sistem tabel dimana mereka dapat dengan segera
menentukan ukuran sampel. Dari persamaan dasar kita telah diberikan, bahwa tabel ukuran
sampel dapat dihitung untuk setiap koefisien kepercayaan jika standar deviasi dan presisi
diketahui. Dengan menggunakan tabel, dimana standar deviasi dan presisi telah diketahui,
nantinya akan dikonversi ke rasio yang berkaitan dengan setiap presisi atau standar
deviasi.
Tabel 12.2 menunjukkan ukuran sampel untuk rasio yang dipilih antara 2,5
sampai 40,00 dan ini merupakan bentuk tabel yang akan bekerja sangat baik untuk jumlah
keseluruhan sampel di atas 1.000. Ukuran sampel yang berasal dari Tabel 12.2 adalah sama
persis dengan yang berasal dari rumus di atas-89.
Para pembaca sekarang dapat melihat bahwa luas presisi membatasi auditor
dalam menetapkan kriteria untuk tujuannya, semakin besar kepercayaan yang akan ia
dapatkan dimana angka sampel akan jatuh dalam batas-batas tersebut. Semakin sempit
batas presisi, semakin kurangnya kepercayaan diri yang akan dimilikinya; dengan
demikian, untuk kepercayaan yang sama, semakin sempit batas-batas ini, semakin besar
ukuran sampel yang diperlukan auditor.
Masalah lain bagi auditor adalah penggunaan terbatas dari jumlah keseluruhan
sampel. Rumus yang diberikan pada hal.269 dan Tabel 12.2 dibangun dari formula yang
didasarkan pada asumsi jumlah keseluruhan sampel tanpa batas. Faktor koreksi terbatas,
yang dapat ditemukan di sebagian besar buku sampling, dapat dibangun ke dalam formula
dan tabel untuk mengurus keterbatasan jumlah keseluruhan sample yang dapat auditor
temui.
Berdasarkan faktor koreksi ini formula baru kemudian akan menjadi sebagai berikut :

Menggunakan informasi yang diberikan pada ilustrasi sebelumnya mengenai ukuran


sampel untuk inventarisasi, kita menemukan
Tabel 12.2 Ukuran Sampel untuk tingkat keyakinan 90, 95, dan 99 persen
Jumlah ini, 85, untuk keseluruhan sampel yang terbatas, lebih baik dibandingkan
dengan jumlah yang ditentukan dari rumus dan tabel, 89, untuk keseluruhan sampel tanpa
batas.
Jika dari sampel, auditor menentukan nilai rata-rata $ 36,50, ia bisa menentukan
nilai total persediaan dengan mengalikan dengan 2.000. Perhitungan nilai persediaan akan
menjadi $ 73.000, yang diperlukan dalam batas-batas presisi ($ 75.000 + $ 2.500, atau $
72.500 untuk $ 77.500).
Banyak pekerjaan pada audit kinerja, terutama M-audit, menyangkut estimasi dari
angka, seperti yang telah kita lakukan dalam ilustrasi sebelumnya. Namun beberapa dari
pekerjaan auditor berkaitan dengan menentukan apakah karakteristik tertentu telah
dipenuhi. Misalnya, pada ilustrasi awal kami dari M-audit mengenai penggunaan mobil
pribadi sebagai pengganti mobil milik pemerintah, auditor akan tertarik tidak hanya dalam
hal berapa banyak jumlah yang sudah digunakan, tetapi juga dalam hal sudah berapa kali
mobil pribadi digunakan pada tempat mobil pemerintahan. Satu-satunya jawaban akan
menjadi ya atau tidak.
Dalam semua kasus di mana hanya ada dua jawaban-benar atau salah, ya atau
tidak, laki-laki atau perempuan - atribut sampling dapat digunakan.

Atribut Sampling

Atribut sampling digunakan jika auditor ingin menentukan jumlah terkecil dari item yang
ia butuhkan untuk memeriksa dari total keseluruhan untuk menentukan jumlah atau
persentase karakteristik tertentu dalam total keseluruhan dan masih dapat dirasakan cukup
yakin bahwa karakteristik tersebut tidak akan melebihi presisi yang telah ditentukan.
Dengan demikian, kita dapat melihat bahwa dibandingkan dengan sampel
estimasi, atribut sampel juga menggunakan prinsip-prinsip presisi dan keyakinan. Presisi,
tentu saja, harus berhubungan dengan tingkat jaminan bahwa jumlah atribut dalam sampel
akan berhubungan dengan jumlah dari keseluruhan. Keyakinan akan berhubungan dengan
persentase waktu penentuan atribut dari sampel yang akan jatuh dalam presisi/ketepatan
yang diperlukan.
Satu item lainnya yang diperlukan untuk formula kami dalam menentukan ukuran
sampel adalah standar deviasi. Karena standar deviasi berkaitan dengan penyimpangan
dari distribusi normal, dan karena atribut hanya berkaitan dengan dua item, atau distribusi
binomial maka rumus untuk proporsi yang setara dengan standar deviasi dari distribusi
normal adalah e (1 e) , dimana e adalah rasio kesalahan diasumsikan dalam
populasi.
Seperti yang telah kami sampaikan, standard error sama dengan standar deviasi
dibagi dengan akar kuadrat dari n. Mengkonversi formula ini untuk penyetaraan di atas,
formula baru untuk menentukan ukuran sampel atribut akan menjadi :

dimana : (c)2 = koefisien kepercayaan kuadrat


n = jumlah item dalam sampel
e (1 e) = standar deviasi untuk proporsi equivalent
(P)2 = presisi kuadrat

Mari kita asumsikan bahwa dalam ilustrasi kami atas penggunaan mobil pribadi
dibandingkan dengan mobil milik perusahaan, kita bisa mengharapkan tingkat kesalahan 5
persen. Dimana, pegawai transportasi akan mengizinkan karyawannya untuk
menggunakan mobil mereka sendiri ketika mereka seharusnya menggunakan mobil
perusahaan. Hal itu akan menjadi tingkat kesalahan normal yang diharapkan dari para
karyawan yang telah mempersiapkan voucher perjalanan. Auditor akan mengizinkan 3
persen tambahan sebagai presisinya. Dengan demikian, setiap jumlah kesalahan hingga 8
persen akan diijinkan; sesuatu yang lebih dari 8 persen akan menjadi setara dengan
pegawai transportasi memberikan hak untuk karyawan menggunakan mobil mereka sendiri
ketika mereka seharusnya menggunakan mobil perusahaan. Auditor yakin dia harus
memiliki kepercayaan 95 persen dalam hasil sampelnya. Pertanyaannya adalah, "apa yang
seharusnya menjadi ukuran sampelnya?"
Dengan menggunakan rumus, kita akan mendapati :

Tabel berdasarkan rumus ini, dengan faktor koreksi yang terbatas, bersama
dengan faktor koreksi lainnya, telah tersedia pada kebanyakan organisasi audit, yang selain
biasanya telah diprogram ke dalam komputer mereka baik formula atau tabel untuk
menentukan ukuran sampel, sehingga tidak ada alasan untuk menyediakan tabel, seperti
yang diilustrasikan untuk pengambilan estimasi sampel, bagi atribut sampling.
Untuk menggambarkan perbedaan ukuran sampel, baik dari formula atau dari
tabel, berdasarkan faktor koreksi terbatas, misalkan kita mulai dengan rumus dari halaman
271:

Jika kita menggunakan standar deviasi, e (1 e), seperti yang disarankan diatas,
kemudian, 2 = e (1- e). Dengan mengganti persamaan diatas, kita akan mendapati :

Dengan asumsi jumlah keseluruhan sebesar 2.000 untuk ilustrasi di atas pada
penggunaan mobil perusahaan sebagai pengganti mobil pribadi, maka ukuran sampel akan
dihitung sebagai berikut :
Ukuran sampel dari 185 untuk jumlah keseluruhan dari 2.000 sebanding dengan
ukuran sampel dari 203 untuk populasi yang tak terbatas.

Você também pode gostar