Bab 17 Sampling Audit untuk Pengujian Rincian Saldo
Ulasan Pertanyaan 17-1 Perbedaan yang paling penting antara (a) tes kontrol dan substantif tes
transaksi dan (b) tes rincian saldo dalam apa auditor ingin mengukur. Dalam tes kontrol dan substantif tes transaksi, perhatian utama adalah menguji efektivitas pengendalian internal dan tingkat salah saji moneter. Ketika auditor melakukan tes kontrol dan substantif tes transaksi, tujuannya adalah untuk menentukan apakah tingkat pengecualian dalam populasi cukup rendah untuk membenarkan mengurangi risiko pengendalian yang dinilai untuk mengurangi pengujian substantif. Ketika sampling statistik digunakan untuk tes kontrol dan substantif tes transaksi, atribut sampling ideal karena mengukur frekuensi kejadian (tingkat pengecualian). Dalam tes rincian saldo, kekhawatiran adalah menentukan apakah apakah jumlah moneter saldo rekening yang salah saji material. Atribut sampling, oleh karena itu, jarang berguna untuk tes rincian saldo.
17-2 Stratified Sampling adalah metode sampling dimana semua elemen dalam total populasi dibagi
menjadi dua atau lebih sub-populasi. Setiap subpopulasi kemudian secara independen sampel, diuji dan hasilnya diproyeksikan populasi. Setelah hasil dari bagian-bagian individu telah dihitung, mereka digabungkan menjadi satu pengukuran keseluruhan populasi. Stratified sampling penting dalam audit dalam situasi di mana salah saji cenderung baik besar atau kecil. Agar auditor untuk mendapatkan sampel bertingkat dari 30 it em dari masing-masing tiga strata dalam konfirmasi piutang, ia harus terlebih dahulu membagi populasi menjadi tiga strata saling eksklusif. Sebuah sampel acak dari 30 item kemudian dipilih secara independen untuk masing-masing strata. 17-3 Estimasi titik perkiraan jumlah total salah saji dalam populasi sebagai proyeksi dari salah saji yang
dikenal ditemukan dalam sampel. Proyeksi ini didasarkan baik pada salah saji rata-rata di kali sampel ukuran populasi, atau persen bersih dari salah saji di kali sampel populasi nilai buku.
Nilai sebenarnya dari salah saji dalam populasi adalah jumlah bersih dari semua salah saji dalam populasi dan hanya dapat ditentukan oleh audit 100%. 17-4 Pernyataan itu menggambarkan bagaimana penyalahgunaan estimasi statistik dapat mengganggu
penggunaan alat audit jika tidak berharga. Kesalahan auditor adalah bahwa dia memperlakukan estimasi titik seolah-olah itu adalah nilai populasi sebenarnya, bukan tapi satu nilai mungkin dalam distribusi statistik. Daripada hakim apakah estimasi titik adalah material, auditor harus membangun kepercayaan statistik
17-1
17-4 (lanjutan)
Interval sekitar estimasi titik, dan mempertimbangkan apakah interval menunjukkan salah saji material. Di antara faktor-faktor lain, interval akan mencerminkan tingkat yang tepat dari risiko dan ukuran sampel.
17-5 unit moneter pengambilan sampel adalah metode dimana populasi didefinisikan sebagai dolar
individu (atau mata uang lainnya) yang membentuk saldo rekening. Sebuah sampel acak diambil dari unit-unit moneter individu dan unit pemeriksaan fisik yang mengandung mereka diidentifikasi dan diaudit. Hasil audit unit pemeriksaan fisik diterapkan, pro rata, dengan unit moneter acak, dan kesimpulan statistik tentang semua unit moneter populasi berasal. unit moneter sampling sekarang metode yang paling umum digunakan sampling statistik untuk tes rincian saldo. Hal ini karena menggunakan kesederhanaan atribut sampel namun masih memberikan hasil statistik dinyatakan dalam dolar. Hal ini dilakukan dengan menggunakan tabel atribut untuk memperkirakan proporsi total dolar populasi salah saji, berdasarkan jumlah dolar sampel salah saji, dan kemudian memodifikasi jumlah ini dengan jumlah salah saji yang ditemukan. Aspek terakhir ini memberikan unit moneter sampel nya dimensi "variabel", meskipun teori distribusi normal tidak digunakan; bukan aturan sewenang-wenang praktis diterapkan untuk membuat penyesuaian.
17-6 Sampling risiko adalah risiko bahwa karakteristik dalam sampel tidak mewakili orang-orang dalam
populasi. Kedua jenis risiko sampling yang dihadapi oleh auditor menguji saldo akun adalah:
Sebuah.Risiko penerimaan yang salah (ARIA) -ini
b.
adalah risiko bahwa sampel mendukung kesimpulan bahwa saldo rekening yang tercatat tidak salah saji material ketika salah saji material. Risiko salah penolakan (ARIR) -ini adalah risiko bahwa sampel mendukung
kesimpulan bahwa saldo rekening yang direkam salah saji material jika tidak salah saji material. Sampling risiko terjadi setiap kali sampel diambil dari populasi dan karena itu berlaku untuk semua metode sampling. Sementara ARIA berlaku untuk semua metode pengambilan sampel, ARIR hanya digunakan dalam variabel sampling dan estimasi perbedaan.
17-7 Langkah-langkah dalam pengambilan sampel nonstatistical untuk tes rincian saldo dan untuk tes kontrol
hampir sama, seperti yang digambarkan dalam teks. Perbedaan utama adalah bahwa pengambilan sampel untuk tes kontrol berkaitan dengan pengecualian dan pengambilan sampel untuk tes rincian jumlah saldo kekhawatiran dolar. Hal ini menyebabkan perbedaan perbedaan dalam penerapan dua metode, tetapi tidak langkah-langkah. langkah-langkah.
17-8 Dua metode pemilihan sampel unit moneter yang random sampling dan sampling sistematik. Di
bawah random sampling, dalam situasi ini, 57 angka acak akan diperoleh (ukuran sampel di 17-14) antara 1 dan 12.625.000. Ini akan diurutkan ke dalam urutan menaik. Unit Audit fisik dalam
17-2
17-8 (lanjutan)
daftar inventaris mengandung unit moneter acak kemudian akan diidentifikasi oleh diakumulasi jumlah dengan mesin menambahkan atau spreadsheet jika data dalam bentuk yang dapat dibaca mesin. Sebagai total kumulatif melebihi nomor acak berturut-turut, item menyebabkan acara ini diidentifikasi sebagai mengandung unit dollar acak.
Ketika sampling sistematik digunakan, jumlah total penduduk dibagi dengan ukuran sampel untuk memperoleh interval sampling. Sejumlah acak dipilih antara 1 dan jumlah interval sampling untuk menentukan titik awal. Dolar yang akan dipilih adalah titik awal dan kemudian titik awal ditambah jumlah interval interval yang diterapkan diterapkan secara secara berturut-turut berturut-turut dengan dengan jumlah penduduk. penduduk. Item Item pada persediaan persediaan daftar yang berisi unit dollar diidentifikasi dengan menggunakan metode kumulatif dijelaskan sebelumnya. Dalam menerapkan metode kumulatif di bawah kedua random sampling dan sampling sistematik, jumlah halaman dapat digunakan sebagai pengganti menambahkan item rinci jika jumlah halaman dianggap handal. 17-9 Aspek unik dari unit sampling moneter penggunaan penilaian awal tentang materialitas, seperti
dibahas dalam Bab 9, untuk langsung menentukan jumlah salah saji ditoleransi untuk audit masing-masing akun. Kebanyakan teknik sampling membutuhkan auditor untuk menentukan salah saji ditoleransi untuk setiap akun dengan mengalokasikan penilaian awal tentang materialitas. Hal ini tidak diperlukan ketika moneter unit sampling yang digunakan. The penilaian awal tentang materialitas digunakan.
17-10 risiko yang dapat diterima penerimaan yang salah (ARIA) adalah risiko auditor bersedia untuk mengambil
menerima keseimbangan sebagai benar ketika salah saji yang benar dalam keseimbangan lebih besar dari salah saji ditoleransi. ARIA adalah istilah setara dengan risiko yang dapat diterima menilai risiko kontrol terlalu rendah untuk sampling audit untuk tes kontrol dan substantif tes transaksi.
Faktor utama yang mempengaruhi keputusan auditor tentang ARIA risiko kontrol dalam model risiko audit, yang merupakan sejauh mana auditor bergantung pada pengendalian internal. Ketika kontrol internal yang efektif, risiko pengendalian dapat dikurangi, yang memungkinkan auditor untuk meningkatkan ARIA, yang pada gilirannya mengurangi ukuran sampel yang diperlukan. Selain risiko pengendalian, ARIA juga dipengaruhi dipengaruhi langsung langsung oleh oleh risiko audit audit dapat diterima dan berbanding terbalik dengan dengan risiko yang melekat dan substantif tes lain yang sudah dilakukan pada saldo rekening, dengan asumsi hasil yang efektif. Misalnya, jika risiko audit yang dapat diterima berkurang, ARIA juga harus dikurangi. Jika prosedur analitis dilakukan dan tidak ada indikasi masalah daerah, ada kemungkinan lebih rendah dari salah saji dalam akun yang sedang diuji, dan ARIA dapat ditingkatkan.
mencerminkan kesalahpahaman dari proses inferensi statistik. Proses ini didasarkan 17-11 Pernyataan itu mencerminkan pada jangka panjang probabilitas bahwa proses akan menghasilkan hasil yang benar dalam proporsi diprediksi zaman itu diterapkan. Demikian,
17-3
17-11 (lanjutan) proses pengambilan sampel acak yang menghasilkan interval kepercayaan 90% akan menghasilkan interval yang melakukan, pada kenyataannya, mengandung nilai populasi sebenarnya 90% dari waktu. Namun, batas kepercayaan dari setiap interval tidak semua akan sama. 17-12 ARIA untuk tes rincian saldo adalah setara dengan ARACR untuk tes kontrol dan substantif tes transaksi. Jika
pengendalian internal dianggap efektif, risiko pengendalian dapat dikurangi. Sebuah risiko pengendalian yang lebih rendah memerlukan ARACR lebih rendah, yang membutuhkan ukuran sampel yang lebih besar untuk pengujian. Jika kontrol bertekad untuk menjadi efektif setelah pengujian, pengendalian risiko dapat tetap rendah, yang memungkinkan auditor untuk meningkatkan ARIA. Sebuah ARIA meningkat memungkinkan auditor untuk mengurangi ukuran sampel untuk tes rincian saldo.
17-13 Dalam menggunakan distribusi binomial, moneter unit sampling memperkirakan proporsi semua dolar populasi salah saji oleh beberapa jumlah. Untuk item sampel benar-benar salah saji, jumlah
mereka salah saji yang digunakan. Namun, banyak item dalam populasi memiliki probabilitas statistik yang salah saji dengan nilai yang lain. Asumsi harus dibuat seperti apa jumlah ini adalah dalam rangka untuk menghitung hasil unit moneter sampling. Ini disebut "persen dari asumsi salah saji."
Karena tujuan unit sampling moneter untuk memperkirakan paling salah saji dalam populasi cenderung, ada kebutuhan yang melekat untuk konservatisme dalam proses MUS. Sejak rincian saldo rekening jika mereka dilebih-lebihkan, tidak mungkin dibesar-besarkan oleh lebih dari nilai mereka direkam, asumsi 100% adalah pilihan yang konservatif. Atas dasar ini lebih mudah untuk membenarkan salah saji asumsi 100% dari jumlah kurang konservatif, dan dengan demikian umumnya digunakan.
17-14 Ukuran sampel awal dihitung sebagai berikut:
salah saji ditoleransi ÷ asumsi rata-rata saji persen
500.000 ÷ 1.00 500.000 1 2.625.000
÷ Nilai populasi yang direkam
4%
= Tingkat pengecualian Ditoleransi
Menggunakan meja untuk ARACR 10% dengan tingkat pengecualian populasi yang diharapkan dari nol dan tingkat pengecualian ditoleransi dari 4%, ukuran sampel awal adalah
57.
17-4
17-15 batas salah saji menggunakan atribut tabel
SALAH MENGUTARAKAN-
MENT / SALAH MENGUTARAKAN-TERCATAT
MENT
NILAI
12
897,16
3
DIAUDIT NILAI
609,16 0
47.02
SALAH MENGUTARAKAN-
MENT
JUMLAH
288.00
. 321
47.02
1,621.68
1,522.68
MENCATAT
1.000
99.00
. 061
U menyanyikan attri b utes pengambilan sampel t mampu untuk sa a m Ukuran ple dari 10 0 , Dan ARIA
dari 10%, CUER adalah: KENAIKAN dihasilkan BOUND DARI AN TIDAK. salah saji
salah saji CUER
TAMBAHAN
01
. 023
23
. 039
. 016
. 053
. 014
. 066
. 013
saya n untuk menghitung th e atas dan bawah mis s batas tatement, itu akan menjadi
diasumsikan bahwa untuk tingkat nol saji persen dari salah saji adalah 100%. Salah saji atas terikat: Mis-negara bagian MENT
TIDAK. OF MISSTATE-
KASIH
TERIKAT
UNIT salah
TERCATAT NILAI
BAGIAN
mengutarakan
x CUER BAGIAN x
- MENT
=
01
12.625.000
. 023
1.000
290.375
23
12.625.000
. 016
1.000
202.000
12.625.000
. 014
. 321
56.737
12.625.000
. 013
. 061
10.012
Atas salah saji Bound
17-5
559.124
17-15 (lanjutan)
Salah saji batas bawah: Penyesuaian Sebelum: Mis-negara bagian MENT
TIDAK. OF MISSTATE-
KASIH
0
TERIKAT
UNIT salah
TERCATAT NILAI
BAGIAN
mengutarakan
x CUER BAGIAN x
12.625.000
. 023
- MENT
=
1.000
290.375
Pengaturan:
Titik estimasi untuk overstatements = jumlah persen saji x mencatat nilai / ukuran sampel = (0,321 + 1,000 + 0,061) x (12.625.000 / 100) = 1,382 x 126.250 = 174.478
Disesuaikan salah saji batas bawah = awal terikat - titik estimasi untuk overstatements = 290.375 - 174.478 = 115.897 Berdasarkan c ini alculati metode, populasi tidak dapat diterima seperti yang dinyatakan sejak saji atas terikat melebihi batas materialitas $ 500.000.
17-16 Kesulitan dalam menentukan ukuran sampel terletak dalam memperkirakan jumlah dan jumlah salah saji
yang mungkin ditemukan dalam sampel. The batas atas sampel unit moneter sensitif terhadap faktor-faktor ini. Dengan demikian, ukuran sampel bervariasi banyak dengan berbeda asumsi tentang mereka.
Umumnya, auditor akan menentukan ukuran sampel dengan membuat asumsi yang masuk akal tapi konservatif tentang tingkat pengecualian sampel dan jumlah salah saji rata-rata. Dengan tidak adanya informasi tentang jumlah salah saji, yang paling sulit untuk mengantisipasi, asumsi 100% sering digunakan.
17-6
17-17 Aturan keputusan untuk estimasi perbedaan adalah:
Jika interval kepercayaan dua sisi untuk salah saji benar-benar dalam plus atau minus salah saji ditoleransi, menerima hipotesis bahwa nilai buku tidak salah saji dengan jumlah yang material. Jika tidak, menerima hipotesis bahwa nilai buku saji dengan jumlah yang material. Sebagai contoh, asumsikan LCL adalah -10.000, UCL adalah 40.000 dan salah saji ditoleransi adalah $ 45.000. Berikut ini menggambarkan aturan pengambilan keputusan:
+ TM
- TM
- 45.000
0 - 10.000 LCL
+ 45.000 + 40.000 UCL
auditor dapat menyimpulkan bahwa populasi tidak salah saji material karena keduanya LCL dan UCL berada dalam batas salah saji ditoleransi. 17-18 Ketika populasi tidak dianggap dapat diterima, ada beberapa program yang mungkin tindakan:
1. Lakukan tes pemeriksaan diperluas di daerah tertentu. Jika analisis saji menunjukkan bahwa sebagian besar salah saji yang dari jenis tertentu, mungkin diinginkan untuk membatasi upaya audit tambahan ke daerah masalah. 2.
Meningkatkan ukuran sampel. Ketika auditor meningkatkan ukuran sampel, sampling error berkurang jika tingkat salah saji dalam sampel diperluas, jumlah dolar mereka, dan arah mereka adalah sama dengan yang di sampel asli. Meningkatkan ukuran sampel, oleh karena itu, dapat memenuhi kebutuhan salah saji ditoleransi auditor. Meningkatkan ukuran sampel yang cukup untuk memenuhi standar saji ditoleransi auditor sering mahal, terutama ketika perbedaan antara salah saji ditoleransi dan diproyeksikan salah saji kecil.
3. Sesuaikan saldo rekening. Ketika auditor menyimpulkan bahwa saldo rekening yang salah saji material, klien mungkin bersedia untuk menyesuaikan nilai buku. 4. Minta klien untuk memperbaiki penduduk. Dalam beberapa kasus catatan klien begitu memadai bahwa koreksi dari seluruh penduduk diperlukan sebelum audit dapat diselesaikan. 5. Menolak untuk memberikan pendapat wajar tanpa pengecualian. Jika auditor yakin jumlah yang tercatat dalam rekening piutang atau akun lainnya tidak disajikan secara wajar, perlu untuk mengikuti setidaknya salah satu alternatif di atas atau untuk memenuhi syarat opini audit dengan cara yang tepat.
17-7
17-19 Deviasi standar populasi adalah ukuran dari perbedaan antara nilai-nilai individu dan mean dari
populasi. Hal ini dihitung untuk semua metode variabel pengambilan sampel tetapi tidak untuk unit sampling moneter. Untuk auditor, biasanya diperkirakan sebelum menentukan ukuran sampel yang diperlukan, berdasarkan hasil tahun sebelumnya atau pada sampel awal. Deviasi standar populasi diperlukan untuk menghitung ukuran sampel yang diperlukan untuk selang presisi dapat diterima bila metode pengambilan sampel variabel yang digunakan. Setelah sampel dipilih dan diaudit, deviasi standar populasi diperkirakan dari standar deviasi dihitung dari nilai-nilai dalam sampel. ukuran sampel yang dibutuhkan berbanding lurus dengan kuadrat deviasi standar populasi.
17-20 Praktek ini tidak tepat untuk sejumlah alasan:
1. Tidak ada tekad dibuat apakah sampel acak dari 100 item persediaan akan cukup untuk menghasilkan interval presisi diterima untuk tingkat kepercayaan tertentu. Bahkan, batas kepercayaan diri bahkan tidak dihitung. 2.
jumlah bersih gabungan dari salah saji sampel mungkin tidak material karena jumlah berlebihan besar dapat mengimbangi jumlah meremehkan besar menghasilkan jumlah bersih gabungan yang relatif kecil.
3. Meskipun tidak ada salah saji dengan sendirinya mungkin materi, salah saji material lain mungkin tidak telah menunjukkan diri mereka sendiri jika terlalu kecil sampel diambil.
4. Terlepas dari ukuran jumlah individu atau bersih dari salah saji dalam sampel, efek pada populasi secara keseluruhan tidak dapat ditentukan kecuali hasil dievaluasi menggunakan metode statistik yang valid. 17-21 estimasi perbedaan adalah metode untuk memperkirakan total salah saji dalam suatu populasi
dengan mengalikan rata-rata salah saji (nilai diaudit dikurangi nilai tercatat) dalam sampel acak dengan jumlah item di seluruh populasi. estimasi rasio sangat mirip dengan estimasi perbedaan. Namun, bukan mendasarkan perkiraan total salah saji pada perbedaan antara nilai-nilai yang telah diaudit dan dicatat, menggunakan rasio dari salah saji sebesar jumlah yang dicatat. Rasio ini untuk sampel dikalikan kali jumlah total penduduk yang tercatat untuk memperkirakan jumlah salah saji. Berarti-per-unit estimasi adalah metode memperkirakan nilai diaudit total populasi dengan mengalikan aritmatika rata-rata, atau berarti, nilai diaudit kali sampel jumlah item dalam populasi.
estimasi rata-per-unit bertingkat mirip berarti-per-unit estimasi kecuali bahwa populasi dibagi menjadi kelompok-kelompok barang yang homogen, yang disebut strata, untuk keperluan desain sampel. Sebuah sampel acak yang terpisah dipilih dari setiap strata dan estimasi dari total jumlah penduduk diaudit dihitung dengan menentukan perkiraan untuk setiap strata dan menambahkan hasil.
17-8
17-21 (lanjutan) Berikut ini adalah contoh di mana masing-masing metode dapat digunakan:
Sebuah. estimasi perbedaan dapat digunakan dalam menghitung keseimbangan dalam piutang dengan menggunakan salah saji ditemukan selama proses konfirmasi, di mana sejumlah besar salah saji ditemukan. b. estimasi rasio dapat digunakan untuk menentukan jumlah cadangan LIFO di mana catatan persediaan internal dipertahankan secara FIFO tapi melaporkan pada LIFO. c. Berarti-per-unit estimasi dapat digunakan untuk menentukan nilai total persediaan di mana metode persediaan periodik digunakan. d. estimasi rata-per-unit berlapis dapat digunakan untuk menentukan nilai total persediaan di mana ada beberapa lokasi dan masing-masing sampel secara terpisah.
unit moneter pengambilan sampel pada umumnya akan lebih baik untuk semua ini di mana sedikit atau tidak ada salah saji diharapkan. Perbedaan dan estimasi rasio tidak dapat diandalkan di mana tingkat pengecualian rendah, dan berarti-per-unit umumnya tidak efisien. Namun, dalam item “c” di atas, berarti-per-unit harus digunakan karena hanya ada satu nilai per item sampel.
17-22 Ditoleransi salah saji (Bab 9) merupakan bagian dari materialitas keseluruhan dialokasikan untuk
setiap rekening perorangan. Ini adalah jumlah salah saji auditor yakin bisa hadir di akun dan saldo rekening masih dapat diterima untuk tujuan audit. Sejak pengujian hipotesis memerlukan aturan keputusan berdasarkan materialitas, jumlah yang harus salah saji ditoleransi untuk saldo rekening perorangan. Jika hasil tes memberikan batas kepercayaan besar dari salah saji ditoleransi, auditor akan menyimpulkan account saji. Hal ini akan menghasilkan satu atau lebih dari beberapa tindakan:
1. Lakukan tes pemeriksaan diperluas di daerah tertentu. Meningkatkan ukuran sampel. 2. 3. Sesuaikan saldo rekening. 4. Minta klien untuk memperbaiki penduduk. 5. Menolak untuk memberikan pendapat wajar tanpa pengecualian.
Selain itu, dimungkinkan untuk menyesuaikan salah saji ditoleransi (ke atas) dan r emake keputusan. Dasar ini akan menjadi pertimbangan ulang dari penghakiman asli menyangkut penentuan materialitas keseluruhan dan alokasi ke rekening. Misalnya, pekerjaan audit diselesaikan pada akun lain dapat menunjukkan bahwa salah saji yang jauh lebih rendah ditoleransi ada untuk akun yang kemudian direncanakan. Hal ini akan memungkinkan realokasi menyediakan saji ditoleransi lebih besar ke rekening subjek.
17-9
17-23 estimasi perbedaan dapat menjadi sangat efektif dan sangat efisien mana (1) nilai yang telah diaudit dan
nilai buku yang tersedia untuk setiap item populasi, (2) f rekuensi yang relatif tinggi salah saji yang diharapkan, dan (3) hasil dalam bentuk selang kepercayaan yang diinginkan. Dalam situasi seperti itu, estimasi perbedaan jauh performanya melebihi MUS dan estimasi berarti-per-unit. Ini mungkin atau mungkin tidak mengungguli estimasi rasio, tergantung pada hubungan dari salah saji sebesar jumlah yang dicatat, tetapi tidak membutuhkan usaha yang lebih sedikit komputasi dibandingkan estimasi rasio dalam hal apapun. Jika fokus pada item nilai dolar yang besar diperlukan, estimasi perbedaan dapat digunakan dengan stratifikasi.
17-24 Contoh kesimpulan audit yang dihasilkan dari penggunaan atribut, unit moneter, dan variabel
pengambilan sampel adalah sebagai berikut:
Gunakan atribut sampling dalam tes transaksi penjualan untuk verifikasi internal yang:
Kami telah memeriksa sampel acak dari 100 faktur penjualan untuk indikasi verifikasi internal, dua pengecualian dicatat. Berdasarkan sampel kami, kami menyimpulkan, dengan risiko 5%, bahwa proporsi faktur penjualan yang verifikasi internal yang belum diterapkan tidak melebihi 6,2%.
Gunakan dari unit sampling moneter dalam tes transaksi penjualan keberadaan:
Kami telah memeriksa sampel acak dari 100 unit dolar transaksi penjualan untuk eksistensi. Semua didukung oleh order penjualan disiapkan dengan benar dan dokumen pengiriman. Berdasarkan sampel kami, kami menyimpulkan, dengan risiko 20%, penjualan tidak sah tidak melebihi $ 40.000. Penggunaan variabel sampling dalam konfirmasi piutang (dalam bentuk perkiraan interval dan uji hipotesis):
Kami telah mengkonfirmasi sampel acak dari 100 piutang. Kami memperoleh balasan atau memeriksa bukti-bukti lain yang memuaskan untuk semua item sampel. Sebuah daftar pengecualian terpasang. Berdasarkan sampel kami, kami memperkirakan, dengan risiko 10%, bahwa salah saji populasi yang sebenarnya adalah antara meremehkan $ 20.000 dan $ 40.000 berlebihan. Sejak saji ditoleransi untuk piutang dinilai menjadi $ 50.000, kita menyimpulkan, dengan risiko 5%, yang piutang tidak salah saji material.
Multiple Choice Pertanyaan dari CPA Pemeriksaan 17-25 Sebuah.
17-26 Sebuah.
(4)
b. (3)
c. (3)
(4)
b. (2)
c. (2)
17-10
Pertanyaan Diskusi dan Masalah 17-27 Sebuah.Jika
pilihan acak dilakukan dengan menggunakan Excel (P1728.xls), perintah untuk
memilih nomor secara acak dari populasi adalah: = RANDBETWEEN (1,78493)
10 nomor acak dipilih menggunakan pendekatan ini akan bervariasi untuk setiap siswa.
Perintah untuk memilih nomor acak dapat dimasukkan langsung ke spreadsheet, atau dapat dipilih dari menu fungsi (matematika & trigonometri) fungsi. Mungkin perlu untuk menambahkan paket alat analisis untuk mengakses fungsi RANDBETWEEN. Setelah rumus dimasukkan, dapat disalin ke bawah untuk memilih nomor acak tambahan.
CATATAN: item dolar acak dicocokkan dengan item populasi nomor di mana nilai buku kumulatif populasi termasuk dolar acak dipilih. b.
Selang
Total populasi total dolar dalam populasi / Jumlah item yang dipilih untuk pengujian
=
78.493 10 =
= 7849 Interval
Menggunakan 1857 sebagai titik awal, kita harus:
SISTEMATIS DOLAR 12
3 4 5 6 7 8 9 10
POPULASI ITEM NO.
1.857 9706 17555 25404 33253 41102 48951 56800 64649 72498
8 10 15 2 18 22 25 31 35 38
17-11
itu
CATATAN: item dolar sistematis terkait dengan barang populasi angka dalam cara yang sama seperti untuk bagian atas. Semua item yang lebih besar dari interval akan secara otomatis disertakan. Dalam hal ini tidak ada item lebih besar dari interval 7849 ..
d.
e.
Hal yang sama belum tentu benar untuk pemilihan nomor acak, tapi probabilitas yang tinggi. Tidak ada perbedaan yang signifikan dalam kemudahan seleksi antara komputer generasi nomor acak dan seleksi yang sistematis. Beberapa auditor lebih suka menggunakan angka acak karena mereka percaya ini membantu memastikan sampel berisi. unit moneter pengambilan sampel akan digunakan karena (1) itu adalah efisien dan (2) berfokus pada item dolar yang besar.
17-12
Berikut ini adalah ringkasan tanggapan konfirmasi:
17-28 Sebuah.
Direkam Nilai Konfirmasi Response Salah saji
Acct. 113
$ 183.219
$ 173.219
Acct. 219
23.457
16.937
Acct. 267
8439
7867
Acct. 476
17.443
Acct. 573
7452
Acct. 689
4.381
Acct. 847
34.583
0
perbedaan waktu
error 6520 Cutoff 572 0
Kesalahan dalam kuantitas dikirimkan
17.443
6832
kesalahan cutoff
620 0
kesalahan harga
0
23.649
10.934
jumlah salah saji
perbedaan waktu kesalahan cutoff
$ 36.089
b. Perkiraan total salah saji Mencicipi
Nilai
strata 1 strata 2 stratum 3 total
c.
17-29 Sebuah.
Book
Mencicipi
salah saji
$ 939.197
$
1.174.561 71.239 $ 2.184.997
Nilai
0
$ 939.197
diproyeksikan
salah saji
$
0
34.897
4.687.886
139.280
1.192
892.521
14.934
$ 36.089
$ 6.519.604
$ 154.214
populasi adalah tidak dapat diterima karena salah saji proyeksi $ 154.214 melebihi salah saji ditoleransi dari $ 100.000. auditor kemungkinan untuk mengusulkan penyesuaian dan / atau meningkatkan tes. Dalam situasi ini, banyak dari kesalahan yang terlibat cutoff, sehingga auditor dapat memperluas pengujian di daerah ini dan mengusulkan penyesuaian untuk kesalahan yang ditemukan. Karena kesalahan cutoff diisolasi dan pengujian diperluas di daerah ini, kesalahan cutoff tidak akan dimasukkan dalam proyeksi kesalahan untuk setiap strata.
hanya mencakup lima perbedaan yang ditemukan salah saji daripada tujuh. Item 2 dan 7 tidak salah saji, namun perbedaan hanya waktu. Oleh karena itu, hanya lima saji dirangkum dalam rangka untuk menghitung batas salah saji atas dan bawah. salah saji tersebut adalah sebagai berikut.
17-13
17-29 (lanjutan)
SALAH MENGUTARAKAN-
MENT / BARANG
13456
TERCATAT
DIAUDIT
NILAI
NILAI
$ 2,728.00 3,890.00 791,00 548,00 3,115.00
$ 2,498.00 1,190.00 815,00 1,037.00 3,190.00
SALAH MENGUTARAKAN-
MENT
$ 230.00 2,700.00 (24.00) (489,00) (75.00)
MENCATAT NILAI
. 084 . 694 (0,030) (0,892) (0,024)
salah saji atas terikat sebelum penyesuaian: Mis-negara
TIDAK. OF
x
MISSTATE-
CUER BAGIAN x
MISSTATE- MENT% ASUMSI =
KASIH TERCATAT NILAI 012
bagian MENT BOUND
$ 1.975.000 1.975.000 1.975.000
. 023 . 016 . 014 . 053
1.000 . 694 . 084
$ 45.425 21.930 2323 $ 69.678
salah saji batas bawah sebelum penyesuaian: Mis-negara
TIDAK. OF
x
MISSTATE-
CUER BAGIAN x
MISSTATE- MENT% ASUMSI =
KASIH TERCATAT NILAI 0123
$ 1.975.000 1.975.000 1.975.000 1.975.000
bagian MENT BOUND
. 023 . 016 . 014 . 013 . 066
17-14
1.000 . 892 . 030 . 024
$ 45.425 28.187 830 616 $ 75.058
17-29 (lanjutan)
Penyesuaian dari salah saji atas terikat: Titik perkiraan jumlah meremehkan = jumlah dari salah saji persen x mencatat ukuran nilai / sampel = (0,892 + 0,030 + 0,024) x (1.975.000 / 100) = 0,946 x 19.750 = 18.684
Disesuaikan terikat = awal terikat - estimasi ti tik untuk meremehkan jumlah = 69.678 - 18.684 = 50.994
Adjustme nt l ower salah saji terikat:
Titik perkiraan jumlah berlebihan = jumlah dari salah saji persen x mencatat ukuran nilai / sampel = (0,694 + 0,084) x (1.975.000 / 100) = 0,778 x 19.750 = 15.366
Disesuaikan terikat = awal terikat - estimasi titik untuk overstatements = 75.058 15.366 = 59.692
b.
Populasi tidak dapat diterima seperti yang dinyatakan karena baik salah saji batas bawah dan salah saji atas terikat melebihi materialitas.
Dalam situasi ini, auditor memiliki pilihan berikut: 1.
saya t Pisahkan jenis tertentu dari salah saji dan uji secara terpisah (untuk seluruh populasi). Sampel kemudian tidak akan mencakup jenis tertentu dari salah saji karena sedang diuji secara terpisah.
2.
Meningkatkan ukuran sampel.
17-15
17-29 (lanjutan)
3.
Menyesuaikan saldo rekening (yaitu, mengusulkan penyesuaian).
4. 5.
Meminta klien untuk meninjau dan memperbaiki populasi.
6.
Pertimbangkan kriteria yang digunakan dalam ujian, mungkin sehubungan dengan pekerjaan audit tambahan di daerah-daerah di luar piutang.
Pertimbangkan kualifikasi pendapat adalah klien menolak untuk memperbaiki masalah.
Pilihan ini, memisahkan jenis tertentu dari salah saji mungkin terbukti menjadi yang paling menguntungkan. Dalam masalah ini, item 3 dan 5 adalah salah saji cutoff. Memisahkan barang-barang ini, pengujian cutoff lebih luas, dan menghilangkan mereka dari sampel akan menghasilkan batas-batas sebagai berikut:
salah saji atas terikat: Mis-negara
TIDAK. OF
bagian
x
MISSTATE-
CUER BAGIAN x MISSTATEMENT% ASUMSI =
KASIH TERCATAT NILAI 01
MENT BOUND
$ 1.975.000 1.975.000
. 023 . 016 . 039
1.000 . 084
$ 45.425 2654 $ 48.079 (1067) $ 47.012
Kurang penyesuaian [(0,030 + 0,024) (19.750)]
salah saji batas bawah: Mis-negara
TIDAK. OF
bagian
x
MISSTATE-
CUER BAGIAN x MISSTATEMENT% ASUMSI =
KASIH TERCATAT NILAI 012
$ 1.975.000 1.975.000 1.975.000
MENT BOUND
. 023 . 016 . 014 . 053
1.000 . 030 . 024
Kurang penyesuaian [(0,084) (19.750)]
$ 45.425 948 664 $ 47.037 (1 , 65 9) $ 45.378
Hal ini dapat dilihat bahwa kedua batas salah saji sekarang dalam setimnya ri Sebuah lity setelah
salah saji cutoff dipisahkan. salah saji ini adalah signifikan dalam dua cara. Keberadaan mereka meningkat secara keseluruhan diperkirakan tingkat pengecualian populasi, dan besarnya mereka memberikan kontribusi terhadap jumlah diperkirakan saji di bagian dari populasi yang diwakili oleh salah saji dalam sampel. 17-16
Perbedaan yang ditemukan hanya mencakup lima saji daripada tujuh. Item 2 dan 7 tidak salah saji, tetapi hanya perbedaan waktu. Oleh karena itu, hanya lima saji dirangkum dalam rangka untuk menghitung batas salah saji atas dan bawah. salah saji tersebut adalah sebagai berikut.
17-30 Sebuah.
SALAH MENGUTARAKAN-
MENT / TERCATAT
DIAUDIT
NILAI
NILAI
13
$ 2,728.00
$ 2,498.00
45
3,890.00
1,190.00
791,00
815,00
(24.00)
548,00
1,037.00
(489,00)
3,115.00
3,190.00
(75.00)
BARANG
6
SALAH MENGUTARAKAN-
MENT
$ 230.00 2,700.00
MENCATAT NILAI
. 084 . 694 (0,030) (0,892) (0,024)
mis atas s tatement terikat sebelum adjus tment: Mis-negara
TIDAK. KASIH DARI MISSTATE- TERCATAT
NILAI
01 2
MISSTATE- MENT%
bagian
ASUMSI =
MENT
x CUER BAGIAN x
BOUND
$ 1.975.000
. 023
1.000
1.975.000
. 016
. 694
21.930
1.975.000
. 014
. 084
2323
. 053
$ 45.425
$ 69.678
mis rendah s tatement bo u n d d sebelum sebelum adju stment:
Mis-negara
TIDAK. KASIH DARI MISSTATE- TERCATAT
NILAI
MISSTATE- MENT%
bagian
ASUMSI =
MENT
x CUER BAGIAN x
BOUND
01
$ 1.975.000
. 023
23
1.975.000
. 016
. 892
1.975.000
. 014
. 030
830 616
1.975.000
. 013
. 024
$
. 066
17-17
1.000
$ 45.425 28.187
75.058
17-30 (lanjutan) Penyesuaian dari salah saji atas terikat:
Titik perkiraan jumlah meremehkan = jumlah persen saji x mencatat nilai / ukuran sampel = (0,892 + 0,030 + 0,024) x (1.975.000 / 100) = 0,946 x 19.750 = 18.684
Disesuaikan terikat = awal terikat - estimasi titik untuk jumlah meremehkan
= 69.678 - 18.684 = 50.994 penyesuaian o f Lowe r salah saji terikat:
Titik perkiraan jumlah berlebihan = jumlah persen saji x mencatat nilai / ukuran sampel = (0,694 + 0,084) x (1.975.000 / 100) = 0,778 x 19.750 = 15.366
Disesuaikan terikat = awal terikat - estimasi titik untuk overstatements
= 75.058 - 15.366 = 59.692 b.
pop ulatio n tidak dapat diterima seperti yang dinyatakan karena baik salah saji batas bawah dan salah saji atas terikat melebihi materialitas. Dalam situasi ini, auditor memiliki pilihan berikut: 1.
Pisahkan jenis tertentu dari salah saji dan mengujinya secara terpisah (untuk seluruh populasi). Sampel kemudian tidak akan mencakup jenis tertentu dari salah saji karena sedang diuji secara terpisah.
2.
Meningkatkan ukuran sampel.
17-18
17-30 (lanjutan)
3. 4. 5.
Menyesuaikan saldo rekening (yaitu, mengusulkan penyesuaian).
6.
Pertimbangkan kriteria yang digunakan dalam ujian, mungkin sehubungan dengan
Meminta klien untuk meninjau dan memperbaiki populasi. Pertimbangkan kualifikasi pendapat adalah klien menolak untuk memperbaiki masalah.
pekerjaan audit tambahan di daerah-daerah di luar piutang. Pilihan ini, memisahkan jenis tertentu dari salah saji mungkin terbukti menjadi yang paling menguntungkan. Dalam masalah ini, item 3 dan 5 adalah salah saji cutoff. Memisahkan barang-barang ini, pengujian cutoff lebih luas, dan menghilangkan mereka dari sampel akan menghasilkan batas-batas sebagai berikut:
salah saji atas terikat: Mis-negara
TIDAK. KASIH DARI MISSTATE- TERCATAT
NILAI
01
MISSTATE- MENT%
bagian
ASUMSI =
MENT
x CUER BAGIAN x
$ 1.975.000
. 023
1.975.000
. 016
BOUND
1.000 . 084
. 039
$ 45.425 2654 $ 48.079 (1067) $
Kurang penyesuaian [(0,030 + 0,024) (19.750)]
47.012
salah saji batas bawah: Mis-negara
TIDAK. KASIH DARI MISSTATE- TERCATAT
NILAI
01 2
MISSTATE- MENT%
bagian
ASUMSI =
MENT
x CUER BAGIAN x
BOUND
$ 1.975.000
. 023
1.975.000
. 016
. 030
1.975.000
. 014
. 024
. 053
1.000
$ 45.425 948 664 $ 47.037 (1659) $
Kurang penyesuaian [(0,084) (19.750)]
45.378
17-19
17-30 (lanjutan)
Hal ini dapat dilihat bahwa kedua batas salah saji sekarang dalam materialitas setelah salah saji cutoff yang terpisah. salah saji ini adalah signifikan dalam dua cara. Keberadaan mereka meningkat secara keseluruhan diperkirakan tingkat pengecualian populasi, dan besarnya mereka memberikan kontribusi terhadap jumlah diperkirakan saji di bagian dari populasi yang diwakili oleh salah saji dalam sampel.
17-31 Sebuah. Solusi komputer. Ini adalah masalah yang sangat baik untuk menunjukkan
penggunaan komputer dalam audit, karena membutuhkan banyak pekerjaan komputasi. Sebuah solusi disusun dengan menggunakan Excel disertakan pada Companion Situs Web dan Instruktur Sumber Daya CD-ROM, yang tersedia atas permintaan (Nama file P1732.xls). poin penting untuk stres adalah:
1.
Program spreadsheet diatur dalam dua bagian: satu untuk entri data dan satu untuk perhitungan.
2.
Sel diatur untuk variabel dengan nama, dan nilai-nilai untuk variabel tersebut kemudian dimasukkan dalam sel-sel (misalnya, ukuran sampel =
).
Perhitungan kemudian dilakukan dengan mengacu pada sel-sel daripada dengan memasukkan nilai-nilai dalam rumus. Hal ini memungkinkan worksheet b e digunakan sebagai program umum untuk masalah yang sama.
3.
Meskipun program menjamin keakuratan komputasi, itu rumus harus benar. Mereka harus selalu ditinjau dan dua kali diperiksa, dan data uji harus diproses untuk menjamin akurasi.
Sebuah.
Menghitung estimasi titik:
∧ =
• Σ NE nje
∧
1840 E =
•
173 . 69
80 ∧ =
3994 E . 87
17-20
17-31 (lanjutan)
Sebelum komputasi interval presisi dihitung, kita harus menghitung standar deviasi:
e j
=
E (SD Σ )
2j
2
-
$ (72.00)
E (n )
65.70 41,10 36,10
n - 1
16, 521
.
80 79
-
173 . • •• • - •• 80 69
51,80 (0,12)
2
30.00 21.11 173,69
-1 80
= 14 . 30
(e j) 2
5,184.00 4,316.49 1,689.21 1,303.31 2,683.24 . 01 900.00 445,63 16,521.79
Dihitung Interval presisi:
=
• SEBUAH
=PI , C 1
-
•
n SD NZ CPIN n N
1• 840 . 64 •
14 .
840 - 80
1 80 30 ,
•
1, 840
= CPI 4 $ , 718 . 46
Selang kepercayaan dinyatakan sebagai 3,994.87 + 4,718.46. Untuk menghitung batas kepercayaan,
UCL = Ê + CPI = 3,994.87 + 4,718.46 = 8,713.33 LCL = Ê CPI = 3,994.87 - 4,718.46 = -723,59 b.
auditor tidak harus menerima nilai buku dari populasi sejak saji maksimum dalam populasi bahwa dia bersedia menerima, $ 6.000, pada tingkat risiko 5%, kurang dari jumlah yang mungkin dari salah saji yang benar ditunjukkan oleh UCL dari $ 8,713.33 .
c.
Pilihan yang tersedia untuk auditor pada saat ini adalah:
1. 2. 3. 4.
Melakukan tes pemeriksaan diperluas di daerah tertentu.
5.
Menolak untuk memberikan pendapat wajar tanpa pengecualian.
Meningkatkan ukuran sampel.
Menyesuaikan saldo rekening.
Meminta klien untuk memperbaiki penduduk.
17-21
17-32 1.
(Sebuah)
2. (c)
3. (a)
4. (d)
5. (d)
17-33 Solusi komputer. Ini adalah masalah yang sangat baik untuk menunjukkan penggunaan komputer dalam audit,
karena membutuhkan banyak pekerjaan komputasi. Sebuah solusi disusun dengan menggunakan Excel disertakan pada Companion Situs web (Nama file P1733.xls). poin penting untuk stres adalah:
1.
Program spreadsheet diatur dalam dua bagian: satu untuk entri data dan satu untuk perhitungan. 2. Sel diatur untuk variabel dengan nama, dan nilai-nilai untuk variabel tersebut kemudian ). dimasukkan dalam sel-sel (misalnya, ukuran sampel = Perhitungan kemudian dilakukan dengan mengacu pada sel-sel
bukan dengan memasukkan nilai-nilai dalam rumus. allo ini th ws e worksheet untuk digunakan sebagai program umum untuk masalah yang sama.
3. Meskipun program menjamin keakuratan komputasi, rumus harus benar. Mereka harus selalu ditinjau dan dua kali diperiksa, dan data uji harus diproses untuk menjamin akurasi. Sebuah.
Menghitung estimasi titik:
Sebelum komputasi interval presisi dihitung, kita harus menghitung standar deviasi:
17-22
e j
(e j) 2
$ (72.00)
5,184.00 4,316.49 1,689.21 1,303.31 2,683.24 . 01 900.00 445,63 16,521.79
65.70 41,10 36,10 51,80 (0,12)
30.00 21.11 $ 173,69
17-33 (lanjutan)
Dihitung Interval presisi:
Selang kepercayaan dinyatakan sebagai 3,994.87 + 4,718.46. Untuk menghitung batas kepercayaan,
UCL = Ê + CPI = 3,994.87 + 4,718.46 = 8,713.33 LCL = Ê - CPI = 3,994.87 - 4,718.46 = -723,59 b.
auditor tidak harus menerima nilai buku dari populasi sejak saji maksimum dalam populasi bahwa dia bersedia menerima, $ 6.000, pada tingkat risiko 5%, kurang dari jumlah yang mungkin dari salah saji yang benar ditunjukkan oleh UCL dari $ 8,713.33 .
c.
Pilihan yang tersedia untuk auditor pada saat ini adalah:
1. 2. 3. 4. 5.
Melakukan tes pemeriksaan diperluas di daerah tertentu.
Meningkatkan ukuran sampel.
Menyesuaikan saldo rekening.
Meminta klien untuk memperbaiki penduduk. Menolak untuk memberikan pendapat wajar tanpa pengecualian.
17-23
17-34 Sebuah.
Ini akan diinginkan untuk menggunakan estimasi perbedaan unstratified ketika auditor yakin bahwa tidak ada sejumlah kecil saji dalam populasi yang berada di materi total, dan penduduk memiliki sejumlah besar salah saji kecil yang total bisa material. estimasi perbedaan unstratified tidak akan sesuai ketika salah satu dari karakteristik di atas tidak hadir. Sebagai contoh, jika auditor yakin bahwa rekening besar tertentu hutang mungkin mengandung salah saji besar yang material, mereka harus diuji secara terpisah. Pertimbangan signifikan dalam situasi ini adalah apakah auditor dapat mengidentifikasi seluruh penduduk. Pertimbangan ini berlaku apakah menggunakan estimasi perbedaan stratified atau unstratified. Auditor dalam hal ini adalah mengidentifikasi populasi didasarkan pada sebuah account daftar hutang. Jika daftar ini hanya mencakup rekening dengan saldo, sampel mengabaikan mereka account yang memiliki saldo yang tercatat nol.
b.
Dengan demikian, banyak account bisa bersahaja tetapi tidak dipertimbangkan dalam sampel atau kesimpulan statistik yang diambil dari sampel. Mengabaikan ARIR, ukuran sampel yang dibutuhkan dapat dihitung sebagai berikut:
dimana
TM - E * = 45.000 - 20.000 = $ 25.000
c.
Dalam rangka untuk menentukan apakah populasi disajikan secara wajar, interval presisi computed harus dihitung.
CI
= Ê + CPI CI = 21 . 000 + 22.374 UCL =
43.374
17-24
17-34 (lanjutan)
LCL = -1374 Karena kedua UCL dan LCL kurang dari salah saji ditoleransi, auditor dapat menyimpulkan bahwa populasi disajikan secara wajar.
Alasan utama penduduk dapat diterima adalah bahwa (1) estimasi titik sebenarnya cukup dekat dengan salah saji yang diharapkan, dan (2) sebenarnya deviasi standar sampel kurang dari estimasi standar deviasi.
d. Mengingat ARIR, ukuran sampel dapat dihitung dari rumus berikut:
e.
Meningkatkan ukuran sampel secara signifikan dengan masuknya ARIR karena dengan memasukkan itu auditor adalah membangun risiko ia akan mengambil menolak populasi diterima, serta mempertimbangkan risiko menerima populasi yang tidak dapat diterima. Dibutuhkan lebih banyak usaha (item sampel) untuk mengontrol dua risiko, bukan hanya satu. Efeknya dapat dilihat dari meninjau rumus untuk menghitung ukuran sampel.
f.
Pendekatan digambarkan hanya akan menghasilkan ukuran sampel yang sesuai secara kebetulan. Hal ini akan terjadi ketika kenaikan 25% adalah sama dengan peningkatan ukuran sampel yang diperlukan ketika ARIR dianggap. Ini bukan kejadian mungkin. Pendekatan ini tidak diinginkan karena tidak efisien dalam hal waktu dan biaya. Kecuali secara kebetulan ukuran sampel kira-kira sama dengan ukuran sampel yang diperlukan dengan mempertimbangkan ARIR, ukuran sampel akan baik terlalu kecil atau terlalu besar. Terlalu kecil sampel akan membutuhkan sampel yang akan meningkat. Ini mungkin baik memakan waktu dan mahal, jika bahkan mungkin. Sebaliknya, terlalu besar hasil sampel di auditor melakukan lebih banyak pekerjaan dari yang dibutuhkan.
17-25
kasus 17-35 Sebuah. Penentuan ARIA - Perhatikan bahwa ada banyak cara untuk memperkirakan
ARIA. Salah satu metode adalah sebagai berikut:
ARIA = AAR / (IR x CR x April) = 0,05 / (0,8 x 0,5 x 1,0) = 0,05 / 0,4 = 0,13 dibulatkan menjadi 0,10 (konservatif) salah saji ditoleransi sebagai persen:
TER = TM / Penduduk = 800.000 / 12.000.000 = 0,067 dibulatkan menjadi 0,06 (untuk menjadi konservatif) Ukuran sampel ditentukan dengan menggunakan Tabel 15-8 ( mengasumsikan salah saji diharapkan dari nol dan salah saji persen dari 100%): n = 38
b.
Penentuan ARIA - Perhatikan bahwa ada banyak cara untuk memperkirakan ARIA. Salah satu metode
adalah sebagai berikut:
ARIA =
AAR / (IR x CR x April) = . 05 / [1,0 x 0,8 x (1-0,6)] = . 05 / 0,32 =
. 16 dibulatkan menjadi 0,15 salah saji ditoleransi sebagai persen:
TER = =
TM / Populasi = 800.000 / 23.000.000 . 035 dibulatkan menjadi 0,03 (konservatif)
Tidak ada meja yang tersedia untuk ARIA dari 15%. Inherent risiko dan pengendalian risiko persediaan lebih besar dari piutang usaha. Namun, karena masuknya komponen risiko prosedur analitis, ARIA persediaan tidak signifikan lebih besar daripada ARIA untuk piutang. Karena nilai buku dari populasi persediaan jauh lebih besar, salah saji ditoleransi sebagai persen jauh lebih rendah untuk persediaan. Akibatnya, ukuran sampel untuk persediaan harus lebih besar dari ukuran sampel untuk piutang dalam suatu kebutuhan.
c. ARIA yang sama harus digunakan untuk tes gabungan seluruh. Ini akan menjadi yang paling bijaksana untuk menggunakan lebih rendah dari arias dihitung untuk
17-26
17-35 (lanjutan) tes terpisah, (yaitu 10% dari contoh-contoh yang ditampilkan dalam persyaratan a dan b).
salah saji ditoleransi sebagai persen:
TER = TM / Penduduk = 800.000 / (12.000.000 + 23.000.000) = 800.000 / 35.000.000 = 0,023 (dibulatkan ke 0,02)
Ukuran sampel dihitung dengan menggunakan Tabel 15-8 ( memungkinkan untuk 0,005 pengecualian tingkat-rata-rata dari salah saji yang diharapkan untuk piutang dan persediaan-dan mengasumsikan salah saji persen dari 100%):
n = 194 d.
Generasi nomor acak menggunakan Excel (P1734.xls) untuk mendapatkan sampel dari 38 piutang konfirmasi akan diperoleh sebagai berikut:
Populasi nilai buku = $ 12.000.000 Command untuk mendapatkan setiap nomor acak:
= RANDBETWEEN (1,12000000) Setelah rumus dimasukkan, dapat disalin ke bawah untuk memilih nomor acak tambahan. Untuk mendapatkan daftar diurutkan, daftar nomor acak harus disalin ke kolom terpisah, dan disisipkan sebagai nilai (menggunakan “Tempel Khusus” perintah dan pilih “value”). Kemudian gunakan “Data Urutkan” perintah untuk mendapatkan daftar diurutkan. Perintah untuk memilih nomor acak dapat dimasukkan langsung ke spreadsheet, atau dapat dipilih dari menu fungsi (matematika & trigonometri) fungsi. Mungkin perlu untuk menambahkan paket alat analisis untuk mengakses fungsi RANDBETWEEN. disertakan pada Contoh disusun dengan menggunakan Excel Companion situs web dan pada Instruktur Sumber Daya CD-ROM, yang tersedia atas permintaan (nama file P1734.xls).
17-27
17-36 Sebuah.
nonstatistical (yaitu, nonprobabilistic atau menghakimi) sampel ini adalah contoh bertingkat. Semua 23 item lebih dari $ 10.000 diperiksa 100%. Sisanya 7297 item diuji dengan sampel 77 item. Meskipun ini bukan sampel probabilistik, standar auditing mensyaratkan bahwa dalam pertimbangan auditor, itu adalah salah satu perwakilan. Dengan demikian, hasil harus diproyeksikan populasi dan keputusan dibuat tentang risiko sampling, meskipun risiko sampling dan presisi tidak dapat diukur.
Proyeksi total salah saji populasi akan menjadi sebagai berikut: Item lebih dari $ 10.000:
Proyeksi Salah saji = Diaudit nilai - nilai Direkam = 432.000 - 465.000 = (33.000) berlebihan Item di bawah $ 10.000 - rata saji metode jumlah: Proyeksi Salah saji = rata-rata saji sampel x ukuran populasi = [(4350) / 77] x (7320 - 23) = (56,49) x 7297 = (412.207) berlebihan
Item di bawah $ 10.000 - metode jumlah yang proporsional:
Proyeksi Salah saji = Contoh salah saji rasio x nilai buku populasi = [(4350) / 81.500] x (2.760.000 465.000) = (0,053) x 2.295.000 = (121.635) berlebihan
17-28
17-36 (lanjutan)
Di mana salah saji sampel adalah:
BARANG
12 19
DIAUDIT
TERCATAT
NILAI
NILAI
4820
5120
salah saji
(300)
33 35
385
485
(100)
51 59
250
1.250
(1.000)
74
3875
3975
(100)
Total
1.825
1.850
(25)
3780 0
4.200
(420)
2405
(2405)
19.285
(4350)
14.935
Catatan th di sa m m salah salah saji ple dibagi oleh buku sampel nilai $ 81.500 untuk menghitung rasio sampel saji. salah saji yang diproyeksikan secara signifikan menurunkan menggunakan metode jumlah yang proporsional karena ukuran akun rata-rata dalam sampel besar dari ukuran rata-rata akun dalam populasi. Jumlah salah saji adalah baik:
(33.000) + (412.207) = (445.207) berlebihan atau
(33.000) + (121.635) = (154.635) berlebihan Dalam kedua kasus, berikut ini dapat dikatakan: Ada sejumlah besar item salah saji dalam sampel, dan jumlahnya cukup besar. Karena sampel merupakan perwakilan, jelas bahwa ada salah saji material dari populasi. Jumlah saji tidak mudah diduga dari sampel. Ini bisa menjadi signifikan lebih tinggi atau lebih rendah dari estimasi titik baik. Pada titik ini, tindakan yang terbaik akan meminta klien untuk membuat studi catatan mereka untuk semua item populasi untuk mengidentifikasi lebih akurat salah saji yang ada dan memperbaikinya.
b.
Jika ini adalah sampel PPS, porsi sampel akan dievaluasi sebagai berikut:
17-29
17-36 (lanjutan)
taintings salah saji: Mis-PERNYATAAN PERSEN BARANG DIAUDIT NILAI TERCATAT NILAI
12
4820
5120
(300)
(0,059)
(100)
(0,206)
19
385
485
33
250
1.250
(1.000)
(0,800)
35
3875
3975
(100)
(0,025)
51
1.825
1.850
(25)
(0,014)
59
3780 0
4.200
(420)
(0,100)
2405
(2405)
(1,000)
74
Calculat saya pada dari bou berlebihan nd: Mis-negara
UNIT
bagian MENT
MISSTATE-
Over negara
TERIKAT
MENT
bagian MENT
UPL TERCATAT NILAI
BAGIAN
ASUMSI
0 ( 1)
. 040
2.295.000
1.0
91.800
12
. 022
2.295.000
1.0
50.490
34
. 020
2.295.000
. 800
36.720
56
. 019
2.295.000
. 206
8983
7
. 017
2.295.000
. 100
3902
. 018
2.295.000
. 059
2437
. 016
2.295.000
. 025
918
. 017
2.295.000
. 014
546
Dari Tabel 15-9 menggunakan ARIA dari 5 persen dan sampel
(1)
ukuran 75.
Berlebihan terikat dari sampel Salah saji dari 100% item
195.796 33.000
Jumlah berlebihan terikat
228.796
17-30
17-36 (lanjutan)
Meremehkan disesuaikan terikat dihitung sebagai berikut: meremehkan awal terikat = 0,040 x 2.295.000 = 91.800 Titik estimasi untuk overstatements = jumlah asumsi satuan saji / jumlah populasi ukuran sampel x dicatat = 2,204 / 77 x 2.295.000 = 65.691 meremehkan disesuaikan terikat = awal terikat - titik estimasi untuk overstatements
= 91.800 - 65.691 = 26.109 Seperti yang diharapkan, ini sangat kecil. Karena semua salah saji yang overstatements, satu tidak akan mengharapkan meremehkan net terjadi.
Hasil sampel PPS menunjukkan bahwa saldo piutang yang dibesar-besarkan oleh sebanyak $ 228.796. Ini adalah sekitar 8 persen dari jumlah buku yang tercatat. Hal ini secara signifikan lebih besar dari salah saji ditoleransi, menunjukkan bahwa populasi adalah tidak dapat diterima dan harus tunduk pada pengawasan lebih baik oleh klien dan / atau auditor.
c.
Sebuah template untuk bagian PPS dari masalah ini disusun dengan menggunakan Excel pada Companion Situs web (Nama file P1735.xls). template ini adalah lembar kerja lengkap untuk MUS, termasuk tabel sesuai untuk berbagai tingkat pengecualian dan tingkat risiko. Anda akan dicatat bahwa hasil yang sangat mirip dengan yang dihitung secara manual, perbedaan yang karena pembulatan.
Internet Masalah Solusi: Satuan Moneter Sampling Pertimbangan 17-1 unit moneter sampling
(MUS) adalah metode statistik yang paling umum digunakan sampling untuk tes rincian karena kesederhanaan dan kemampuannya untuk memberikan hasil statistik dalam dolar. Sebuah artikel tentang menggunakan MUS muncul dalam edisi Mei 2005 CPA Journal. Lihat berikut:
[Http://www.nysscpa.org/cpajournal/2005/505/essentials/p36.htm].
17-31
