Penilaian Auditor dan penggabungan presisi harapan dalam prosedur analitik resmi

Linda S. McDaniel and Laura E. Simmons

PENDAHULUAN
Prosedur analisis substantif (APs) banyak digunakan dalam praktik dan merupakan
sumber bukti audit yang semakin penting (misalnya, Asare dan Wright 2001; Winograd et al.,
2000; Allen et al., 1999), namun Dewan Pengawas Publik (POB) Panel pada Efektivitas
Audit menemukan celah antara panduan yang tersedia di APs dan 'apa yang sebenarnya
terjadi dalam praktik' '(POB 2000, 42). Bidang utama perhatian dicatat adalah desain APs
substantif (yaitu, formasi harapan) . Baru-baru ini, regulator menggemakan kekhawatiran
tentang defisiensi yang diamati dalam aplikasi auditor APs substantif (PCAOB 2004a;
2004b). Langkah pertama untuk mengembangkan panduan yang lebih efektif adalah
mendapatkan pemahaman yang lebih baik mengapa auditor gagal menerapkan APs secara
efektif (POB 2000). Oleh karena itu, kami memeriksa dua pertanyaan umum terkait dengan
kemungkinan penjelasan tentang defisiensi yang melibatkan formasi harapan dan evaluasi di
APs substantif.
Pertama, apakah penilaian auditor terhadap faktor presisi presisi mencerminkan
bahwa, menurut standar profesional, mempengaruhi kualitas APs? Secara khusus, sejauh
mana penilaian presisi auditor mencerminkan prediktabilitas akun dan tingkat detail data
yang digunakan untuk membentuk harapan? Selanjutnya, karena ada kemungkinan
pertimbangan faktor auditor dapat bersyarat atau tergantung pada tingkat faktor lainnya (Lin
et al., 2000), kami juga memeriksa bagaimana reaksi auditor terhadap tingkat rincian
dipengaruhi oleh sifat akun untuk mana APs dilakukan.
Kedua, menurut standar profesional, tiga evaluasi auditor, (1) tingkat kepastian yang
diharapkan disediakan oleh APs, (2) kisaran selisih antara jumlah yang diharapkan dan yang
tercatat, dan (3) kemungkinan salah saji versus nonmisstatement menyebabkan selisih antara
jumlah yang diharapkan dan yang tercatat, harus konsisten dengan penilaian presisi auditor
(lihat AICPA 1998b, 10; 1988a, paragraf 17 dan 20). Namun, standar tersebut memberikan
panduan yang tidak lengkap mengenai bagaimana auditor harus memasukkan ketepatan ke
dalam penilaian mereka dan tidak ada panduan untuk menentukan perbedaan selisih antara
harapan dan jumlah yang dapat diterima yang sesuai dengan tingkat kepastian yang
diinginkan (lihat Hitzig 2004). Jadi, kami bertanya, sampai sejauh mana penilaian auditor
sesuai dengan penilaian presisi mereka?
 Untuk menjawab pertanyaan-pertanyaan ini, kami melakukan percobaan di mana
auditor yang mengkhususkan diri pada layanan keuangan meninjau ulang pekerjaan yang
mendokumentasikan APs untuk dua akun dalam konteks audit bank. Kami memanipulasi
presisi harapan dengan memvariasikan dua faktor (prediktabilitas akun dan agregasi data)
masing-masing pada dua tingkat. Prediktabilitas akun dimanipulasi dalam subjek dengan
memberikan harapan untuk dua akun berbeda (penyisihan kerugian pinjaman dan pendapatan
bunga). Sebagai rekening neraca yang merupakan cadangan kerugian di masa depan,
tunjangan tersebut kurang dapat diprediksi daripada akun pendapatan bunga. Kumpulan data
dimanipulasi antara subyek dengan mengembangkan harapan untuk setiap akun berdasarkan
data agregat (tingkat rendah detail) atau data terpilah (tingkat tinggi detail).
Auditor menilai presisi untuk kedua akun. Selain itu, mereka membuat tiga penilaian:
tingkat kepastian yang diharapkan disediakan oleh prosedur, kisaran perbedaan antara jumlah
yang diharapkan dan yang tercatat (yaitu batas atas dan bawah sekitar perbedaan tak terduga),
dan jumlah perbedaan yang tidak terduga disebabkan oleh salah saji versus penyebab salah
saji (yaitu, kemungkinan salah saji).
Hasil kami menunjukkan bahwa, secara keseluruhan, auditor menilai ketepatan yang
lebih tinggi ketika data yang membentuk harapan dipilah berdasarkan agregat, dan menilai
ketepatan yang lebih rendah untuk akun yang tidak dapat diprediksi (penyisihan kerugian
pinjaman) dibandingkan dengan akun yang dapat diprediksi (pendapatan bunga). Hasil ini
konsisten dengan panduan yang ada mengenai faktor-faktor ini (AICPA 1998b, 1988a).
Namun, penilaian presisi auditor untuk penyisihan kerugian pinjaman tidak berbeda secara
signifikan antara APs yang terpilah dan digabungkan, yang mengindikasikan sensitivitas
diferensial terhadap presisi untuk akun yang tidak dapat diprediksi.
Hasil kami juga menunjukkan bahwa untuk kedua akun tersebut, auditor menilai
tingkat kepastian untuk APs sesuai dengan penilaian presisi mereka. Namun, penilaian presisi
mereka tidak tercermin dalam dua penilaian lainnya (kisaran perbedaan antara jumlah yang
diharapkan dan yang tercatat dan kemungkinan salah saji).
Temuan ini berimplikasi pada praktik audit, kebijakan, dan penelitian di masa depan.
Pertama, mereka memberikan bukti bahwa auditor memiliki perbedaan sensitif terhadap
tingkat detail untuk akun yang lebih dapat diprediksi dibandingkan dengan yang tidak dapat
diprediksi, walaupun standar profesional saat ini tidak membahas dampak interaktif dari
berbagai faktor presisi. Meskipun belum tentu jelas bahwa ini adalah bukti adanya kalibrasi
yang buruk (yaitu, sulit dalam mengukur presisi), setidaknya hasilnya mendukung
pengamatan POB terhadap jarak antara panduan yang ada dan apa yang terjadi dalam praktik,
serta rekomendasinya untuk memperbaiki panduan untuk mempertimbangkan sifat akun
dalam merancang APs (POB 2000, 43; AICPA 1998b, 52- 54). Kedua, temuan ini
memberikan bukti bahwa auditor tidak sepenuhnya memasukkan penilaian ketepatan mereka
ke dalam dua penilaian yang panduan otoritatif menggambarkan sangat penting untuk
efektivitas APs.
Hasil kertasnya sebagai berikut. Kami mengembangkan motivasi penelitian dan
hipotesis di bagian kedua. Bagian ketiga membahas desain dan instrumen eksperimental, dan
bagian keempat melaporkan hasilnya. Bagian diskusi dan rekomendasi menyimpulkan
makalah ini.

MOTIVASI PENELITIAN DAN HIPOTESIS

Penilaian Presisi Auditor
Ketepatan ekspektasi adalah ukuran kedekatan ekspektasi yang dikembangkan dengan
jumlah aktual (yang mungkin atau mungkin bukan keseimbangan yang tercatat) (AICPA
1998b, 4) dan mengacu pada kualitas harapan (lihat Messier et al 2006, 187). Standar
profesional secara jelas menentukan pentingnya ketepatan untuk efektivitas APs (lihat AICPA
2004a, 1998a, 1998c, 1995) dan menyatakan bahwa '' harapan yang dikembangkan untuk
akun incomestatement cenderung lebih tepat daripada ekspektasi neraca akun, karena laporan
laba rugi hubungan umumnya lebih dapat diprediksi '' (AICPA 1998a, 4- 5). Sebagai
tambahan, data yang lebih terpilah, harapan yang lebih tepat (AICPA 1998a, 5; lihat juga
PricewaterhouseCoopers (PwC) 2002; AICPA 1998a, 1998b, 1991 untuk pembahasan rinci
tentang konsep-konsep ini). Jadi, untuk kedua prediktabilitas akun dan agregasi data, panduan
sangat spesifik mengenai keterkaitan dengan presisi harapan, yaitu kualitas APs (AICPA
1997, 1988a).
Di sisi lain, sementara Panel Pengawasan Publik (POB) mengenai Efektivitas Audit
mengakui jumlah informasi dan panduan otoritatif di APs, ditemukan kesenjangan antara
panduan yang tersedia dan 'apa yang sebenarnya terjadi dalam praktik' '(POB 2000, 42 ).
Secara khusus, POB menemukan bukti bahwa auditor mengandalkan AP yang tidak
memberikan tingkat kepastian yang diinginkan (2000), menunjukkan kemungkinan kesulitan
dalam menilai ketepatan.
Penemuan ini agak mengejutkan karena penelitian terdahulu menunjukkan bahwa
penilaian auditor terhadap reliabilitas atau kekuatan bukti pada umumnya sensitif terhadap
reliabilitas / kompetensi sumber. Misalnya, Heintz dkk. (1999) menemukan bahwa auditor
mempertimbangkan keandalan data (atau sejauh mana data dapat dipercaya) dalam
mengevaluasi APs dan bahwa, sebagai akibatnya, pengaruh negatif dari nilai buku tahun
sebelumnya dimoderasi. Krishnamoorthy et al. (1999) menunjukkan bahwa auditor sensitif
terhadap perbedaan keandalan sumber dan diagnostik bukti audit. Dua penelitian lain
memberikan bukti yang secara langsung relevan dengan dua faktor presisi yang diteliti dalam
penelitian ini, prediktabilitas akun, dan tingkat agregasi data. Khususnya, Lin et al. (2000)
menemukan bahwa 82 persen auditor mempertimbangkan prediktabilitas akun ketika
mengaudit jam audit dan Glover et al. (2005) menunjukkan bahwa auditor menilai kekuatan
ekspektasi agregat yang relatif rendah terhadap yang terpilah ketika diminta dengan kasus
benchmark perbandingan.
Hubungan terarah antara dua faktor dan ketepatannya jelas dalam standar domestik
dan internasional (AICPA 2004a, 1998a, 1988a, 1988b) dan manual perusahaan (misalnya,
PwC 2002). Bersama dengan studi yang disebutkan di atas, spesifisitas ini menunjukkan
bahwa penilaian presisi auditor harus mencerminkan prediktabilitas akun dan tingkat
detailnya. Jadi, kami mengusulkan hipotesis berikut untuk efek independen dari faktor-faktor
ini terhadap penilaian presisi auditor, tanpa prediksi mengenai kalibrasi yang tepat:
H1a : Semua hal yang sama, penilaian presisi auditor akan lebih tinggi untuk akun
perkiraan (laporan laba rugi) yang relatif terhadap akun yang kurang dapat diprediksi
(neraca).
H1b : Semua hal yang sama, penilaian presisi auditor akan lebih tinggi untuk
harapan berdasarkan data terpilah (tingkat tinggi) versus data agregat (tingkat rendah).

Seperti yang dinyatakan sebelumnya, standar tersebut dengan jelas menentukan

hubungan terarah dan independen antara presisi harapan dan agregasi data dan antara
ketepatan dan prediktabilitas akun (AICPA 1998c, 1988a). Sebagai contoh, mereka
menyatakan bahwa, karena data lebih terpilah, presisi meningkat. Selanjutnya, semakin
diprediksi akunnya, semakin tepat ekspektasi. Namun, standar tidak menentukan apakah
hubungan antara satu faktor dan ketepatan yang dinilai bersyarat atau dimoderasi bila
digabungkan dengan faktor lain, seperti yang akan ada dalam praktik. Konsisten dengan
kurangnya panduan otoritatif mengenai masalah ini, Panel POB (2000, 42-43) meminta agar
standar tambahan '' memberikan lebih banyak spesifikasi ... [untuk merancang] prosedur
analisis substantif untuk berbagai jenis akun 'dan untuk panduan perusahaan yang membahas
'' efek dari sifat akun tertentu ... mengenai prosedur analitis. '' Meskipun POB berhenti
sejenak untuk menentukan panduan apa yang tepat untuk mengatasi kekurangan yang
diamati, rekomendasinya sesuai dengan kurangnya panduan mengenai apakah salah satu dari
empat faktor presisi tergantung atau tergantung pada tingkat faktor lain.
Penelitian yang ekstensif menunjukkan bahwa auditor dapat merespons secara
berbeda terhadap tingkat detail dalam menilai presisi harapan ketika akun tersebut tidak dapat
diprediksi. Lin et al. (2000) menemukan bahwa ketika dihadapkan dengan hasil prosedur
analitis yang tidak sesuai dengan harapan, auditor menunjukkan kurangnya penalaran yang
sesuai, (i.,, mereka gagal menggabungkan dampak dari semua faktor yang mempengaruhi
kualitas APs). Penelitian psikologi juga menunjukkan bahwa pembuat keputusan sering gagal
untuk mempertimbangkan faktor-faktor yang mempengaruhi kualitas bukti ketika ada faktor
penting lainnya (lihat, misalnya, Grif dan Tversky 1992). Dalam pengaturan khusus ini,
kurangnya prediktabilitas yang terkait dengan akun penyisihan (atribut yang terkait dengan
keandalan data) kemungkinan lebih menonjol bagi auditor daripada efek agregasi data (lihat,
misalnya, Lin et al., 2000). Jadi, kami mengusulkan hal berikut:
H1c : Perbedaan antara penilaian presisi auditor terhadap ekspektasi berdasarkan
data terpilah versus agregat akan lebih besar untuk akun yang dapat diprediksi (laporan laba
rugi).

Pengambilan Presentasi Ekspektasi Auditor dalam Respons Pra-Respon / /

Literatur otoritatif menggambarkan bahwa ketepatan adalah faktor terpenting dalam
menentukan tingkat kepastian yang diberikan oleh prosedur analitik tertentu (AICPA 1998b,
1999, 1991). Misalnya, AICPA Auditing Practice Release, Analytical Procedures,
menyatakan, '' Dalam kasus pengujian substantif, ketepatan ekspektasi adalah penentu utama
tingkat kepastian yang diperoleh dari prosedur analitik '' (AICPA 1998b, 3) . Perhatikan
bahwa ini dan referensi otoritatif lainnya mengenai hubungan antara presisi harapan dan
tingkat kepastian dari APs jelas mengacu pada tingkat jaminan awal (bukan hasil prosedur).
Karena tujuan kami adalah untuk mengeksplorasi apakah tanggapan auditor terhadap presisi
harapan konsisten dengan literatur otoritatif, kami memeriksa tingkat kepuasan mantan
(bukan ex post). Presisi juga harus dimasukkan ke dalam dua penilaian lainnya, kisaran
perbedaan yang diharapkan dan kemungkinan perbedaan dari ekspektasi disebabkan oleh
salah saji (AICPA 1988a, paragraf 17). Ketiga penilaian (selanjutnya disebut sebagai
penilaian pra-respons), bersama dengan materialitas, memengaruhi respons auditor terhadap
perbedaan yang tidak terduga.
Sementara standar otoritatif jelas '' memberikan panduan untuk auditor dalam
mengevaluasi hasil [APs], pengetahuan auditor terhadap pedoman ini tidak serta merta
menyiratkan bahwa mereka akan ditafsirkan dan diterapkan serupa oleh auditor berbeda ''
(Lin et al., 2000, 825 ). Sebagai contoh, POB menemukan bahwa APs gagal memberikan
tingkat kepastian yang diinginkan saat harapan tidak dikembangkan dengan benar (POB
2000, 40). Hasil ini dapat dikaitkan dengan auditor yang gagal mempertimbangkan faktor-
faktor yang mempengaruhi presisi (seperti yang telah dibahas sebelumnya) atau auditor yang
gagal mencapai bobot yang tepat dan memasukkan penilaian presisi mereka ke dalam
penilaian penilaian mereka. Memperoleh pemahaman tentang korespondensi antara penilaian
presisi auditor dan tingkat penilaian jaminan relevan untuk mengevaluasi secara lebih baik
kekhawatiran SEC bahwa auditor cenderung terlalu mengandalkan AP sebagai bukti audit
yang menghasilkan risiko audit yang lebih tinggi (lihat Turner 1998).
Penting juga untuk memahami apakah penilaian penilaian auditor sesuai dengan
penilaian mereka mengenai kisaran nilai yang diharapkan dan kemungkinan salah saji versus
penyebab salah menafsirkan AP substantif. Hal ini terutama terjadi karena putusan-putusan
tersebut pada akhirnya mengarah pada keputusan bagaimana menanggapi perbedaan yang
signifikan, dan auditor tampaknya memiliki kesulitan untuk mengukur efek presisi (Kinney et
al., 2005). Selain itu, agar AP efektif, auditor harus peka terhadap kemungkinan salah saji
versus penyebab salah saji, karena penelitian yang ada menunjukkan bahwa individu dapat
bertahan dalam kepercayaan awal mereka bahkan ketika kemudian diberi bukti yang
bertentangan (Heiman-Hoffman et al. 1995; Koonce 1992). Jika auditor tidak dapat
mengidentifikasi penyebab perbedaan yang paling mungkin terjadi, mereka mungkin gagal
menentukan penyebab penyebab perbedaan tersebut (atau paling tidak, kurang efisien dalam
menentukan penyebab yang benar).
Memahami sejauh mana penilaian presisi auditor terkait dengan penilaian preresponse
ini merupakan langkah penting dalam menentukan panduan lebih lanjut karena POB (2000,
41) mengemukakan. Jadi, kami mengusulkan hipotesis berikut:
H2a: Penilaian auditor yang lebih tinggi mengenai presisi harapan, semakin tinggi
tingkat kepastian yang diasumsikan terkait dengan prosedur analitis.
H2b: Auditor yang lebih tinggi menilai presisi harapan, mempersempit rentang
perbedaan yang diharapkan antara jumlah yang diharapkan dan jumlah yang tercatat.
H2c: Penilaian yang lebih tinggi terhadap presisi harapan, semakin besar
kemungkinan salah saji menyebabkan (yaitu, semakin besar jumlah selisih antara nilai yang
diharapkan dan yang dicatat yang dikaitkan dengan salah saji).
PERCOBAAN DESAIN DAN INSTRUMEN
Peserta
Sembilan puluh satu auditor dari satu perusahaan akuntansi Big 4, menghadiri sekolah
pelatihan layanan keuangan lanjutan (untuk manula dan yang lebih tinggi), berpartisipasi
dalam percobaan ini. Sembilan auditor diabaikan dari semua analisis karena tanggapan yang
tidak lengkap atau hilang pada satu atau lebih variabel utama yang diminati. 82 auditor
lainnya memiliki pengalaman rata-rata (rata-rata) dari 5.87 (4.77) keterlibatan lembaga
keuangan termasuk masing-masing memiliki rata-rata 3.22 (3.05) pertunangan.

Tugas dan Instrumen

Kami meminta auditor untuk meninjau AP yang disajikan dalam format lembar kerja untuk
dua akun berbeda untuk bank komersial berukuran sedang. Kedua akun tersebut adalah
penyisihan penghapusan kredit dan pendapatan bunga. Prosedur analitis sangat berguna untuk
menguji kedua akun ini, sebagaimana dibuktikan oleh rasio yang direkomendasikan dalam
Panduan Audit dan Akuntansi tahun 2004 untuk lembaga penyimpanan dan pinjaman (AICPA
2004b). Setiap auditor menerima informasi latar belakang umum tentang klien, serta
informasi yang terkait dengan penyisihan penghapusan pinjaman dan rekening pendapatan
bunga. Workpaper untuk setiap akun terdiri dari jadwal yang mendokumentasikan
perhitungan jumlah yang diharapkan dengan penjelasan tanda centang yang menggambarkan
pekerjaan yang dilakukan sebelum peninjauan mereka (mis., Melacak nomor ke buku besar,
menguji keakuratan matematis dari jadwal, dll.)
Secara khusus, auditor menerima informasi berikut:
● Kutipan terpilih dari nota perencanaan keterlibatan;
● Faktor perencanaan yang ditentukan untuk penyisihan kerugian pinjaman dan
pendapatan bunga; dan
● Sebagian memuat kertas kerja yang mendokumentasikan prosedur analitis dan
selisih antara jumlah yang diharapkan dan yang tercatat untuk setiap akun.
Setelah meninjau setiap harapan, auditor diminta untuk menilai ketepatan (H1- H1c)
dan tingkat kepastian yang diberikan oleh AP (H2a), dan memberikan yang lebih tinggi dan
lebih rendah terikat sekitar nilai yang diharapkan (H2b), serta menilai jumlah total perbedaan
tak terduga antara jumlah yang diharapkan dan yang tercatat akibat salah saji (H2c).
Perhatikan bahwa untuk memastikan bahwa auditor berfokus pada tingkat kepercayaan ex
ante, mereka secara khusus diminta untuk menilai tingkat kepastian '' hanya dengan
merancang rancangan prosedur analitis '' (penekanan pada instrumen asli).
Desain
Dalam percobaan, kita memanipulasi dua faktor, prediktabilitas akun (dalam subjek)
dan agregasi data (antar subjek), pada dua tingkat masing-masing. Ini adalah variabel
independen untuk menguji apakah penilaian presisi auditor mempertimbangkan dua faktor
presisi penting ini (H1a-H1c). Variabel ini kemudian dijelaskan.
H2a-H2c berhubungan dengan tiga penilaian yang menurut standar otoritatif
mendahului keputusan auditor mengenai apakah akan menerima selisih antara nilai yang
diharapkan dan yang tercatat. Penilaian pra-respons ini menilai: (1) tingkat kepastian AP, (2)
kisaran perbedaan yang diharapkan, dan (3) kemungkinan penyebab salah saji. Ketiga
penilaian harus konsisten dengan tingkat presisi yang dinilai (AICPA 1998b, 1988a).
Akibatnya, penilaian auditor terhadap presisi harapan, variabel dependen untuk H1a-H1c,
berfungsi sebagai variabel independen untuk pengujian H2a-H2c.
Menggunakan variabel terukur daripada variabel yang dimanipulasi karena variabel
independen membatasi salah satu keuntungan eksperimen: pengacakan. Namun, Libby dkk.
(2002) mendukung penggunaan variabel terukur dalam setidaknya empat keadaan, yang
sebagian besar relevan dalam situasi kita. Yang pertama adalah bahwa tidak selalu
memungkinkan untuk memanipulasi anteseden; Kedua, teori ini melibatkan variabel
kepercayaan mediator, yang tidak dapat dimanipulasi; Ketiga, seringkali kurang menarik
untuk memeriksa reaksi terhadap variabel yang dimanipulasi dan yang terjadi secara alami,
dan keempat, variabel terukur memberikan kunci untuk memahami proses yang
mendasarinya (Libby et al., 2002, 24-25). Dalam situasi kami, kami memanipulasi faktor-
faktor yang harus ditetapkan oleh standar profesional untuk mempengaruhi presisi AP aktual;
Namun, bagaimana auditor memandang presisi mungkin atau mungkin tidak konsisten
dengan faktor-faktor ini, dan tidak semua penilaian auditor akan dikalibrasi secara identik.
Selain itu, standar tersebut menyarankan agar penilaian pra-respons (misalnya, tingkat
kepastian) terkait dengan penilaian presisi, bukan faktor manipulasi per se. Dengan demikian,
penilaian mediasi adalah apa yang seharusnya terkait dengan penilaian selanjutnya (lihat
Hopkins 1996 seperti yang dibahas oleh Libby et al., 2002). Dengan menggunakan variabel
yang dimanipulasi, kita akan menambahkan noise pada proses dan mengurangi kemungkinan
mendeteksi efek pada penilaian terakhir (Libby et al., 2002, 25). Ini mengatakan, kita
mengakui bahwa menggunakan variabel terukur versus manipulasi membatasi kemampuan
kita untuk menafsirkan hubungan yang diamati sebagai kausal-yaitu, kita hanya dapat
mendiskusikan asosiasi.
Variabel Independen dan Kontrol untuk Pengujian H1a-H1c //
Untuk memanipulasi prediktabilitas akun, kami memberikan setiap harapan kepada
auditor dengan dirancang sebagai AP substantif untuk dua akun, pendapatan bunga dan
penyisihan kerugian pinjaman. Penghasilan bunga adalah rekening laporan laba rugi obyektif
dan '' dapat diprediksi dengan mudah '' (AICPA 1998b), karena dapat ditentukan dari analisis
dua faktor objektif: volume pinjaman dan tingkat suku bunga. Penyisihan penghapusan
pinjaman (cadangan kerugian masa depan yang melekat pada portofolio pinjaman) adalah
akun neraca yang relatif tidak dapat diprediksi karena ditentukan secara subjektif. Secara
khusus, tunjangan tersebut merupakan fungsi dari sejumlah faktor kualitas, ekonomi, dan
portofolio kredit yang sebagian besar didorong oleh asumsi manajemen tentang masa depan.
Dengan demikian, manipulasi pertama menciptakan harapan yang lebih dapat diprediksi /
tepat (pendapatan bunga) dan yang dianggap kurang dapat diprediksi / lebih tidak tepat
(penyisihan kerugian pinjaman).
Untuk memanipulasi agregasi data untuk kedua akun, kami memvariasikan tingkat
detail data yang digunakan untuk mengembangkan ekspektasi. Harapan untuk penyisihan
penghapusan pinjaman dikembangkan sebagai rata-rata tiga perhitungan harapan yang
berbeda berdasarkan rasio yang biasanya diperiksa dalam mengaudit akun (misalnya, lihat
AICPA 2004b, 1986). Beberapa rasio sangat membantu untuk mengevaluasi kecukupan
penyisihan untuk menangkap elemen risiko yang berbeda seperti cakupan risiko total,
cakupan khusus sehubungan dengan pinjaman bermasalah, dan cakupan sehubungan dengan
pengalaman kehilangan sebelumnya.
Dalam kondisi agregat (tingkat rendah), ketiga perhitungan harapan masing-masing
disusun secara konsolidasi. Sebaliknya, tiga perhitungan harapan untuk kondisi terpilah
(tingkat tinggi detail) untuk akun penyisihan dikembangkan secara individual. Karena anak
perusahaan sangat berbeda-beda di pasar yang mereka layani (dan risiko yang dihadapi), dan
juga jenis pinjaman yang terdiri dari portofolio mereka, tingkat detailnya, dan, ketepatan
ekspektasi keseluruhan meningkat dengan mempertimbangkan anak perusahaan secara
individual. Untuk kondisi agregat (low level of detail)
Untuk agregat (low level of detail) kondisi pendapatan bunga, kami mengembangkan
ekspektasi dengan mengalikan rata-rata saldo pinjaman konsolidasi harian rata-rata dengan
tingkat bunga rata-rata tertimbang setiap tahun. Untuk jenis pendapatan bunga terpilah
(tingkat tinggi), kita membentuk ekspektasi dengan menggunakan rata-rata volume pinjaman
harian yang disajikan menurut jenis pinjaman (empat kategori yang berbeda) dan tingkat
bunga rata-rata tertimbang yang dihitung setiap tiga bulan.
 Sementara auditor mengevaluasi harapan untuk kedua akun, mereka hanya melihat
satu tingkat kondisi detail ('' agregat '' [tingkat detail rendah] atau 'dipilah-pilah' untuk detail
kedua akun. Dengan demikian, urutan di mana auditor meninjau kedua akun tersebut secara
acak untuk menangani kemungkinan efek carryover.

Variabel Dependensi untuk Tes Hipotesis

Untuk H1a-H1c, auditor menilai presisi harapan untuk AP pada skala berlabuh secara
kualitatif dari satu (sangat tidak tepat) sampai tujuh (sangat tepat). Untuk H2a, auditor
diminta, mengingat desain harapan (yaitu ketepatannya), untuk menilai tingkat kepastian
yang terkait dengan prosedur tersebut, sekali lagi pada skala tujuh poin mulai dari jaminan
rendah (satu) sampai jaminan tinggi (tujuh). Auditor juga memberikan batas atas dan bawah
sekitar selisih antara nilai yang diharapkan dan jumlah yang tercatat untuk masing-masing
akun. Perbedaan antara nilai yang diharapkan dari AP dan jumlah yang tercatat untuk akun
penyisihan adalah $ 1.324 dan untuk pendapatan bunga adalah $ 1.285. Karena perbedaan
antara jumlah yang diharapkan dan nilai buku tercatat lebih besar daripada materialitas dalam
semua kasus, variabel dependen yang digunakan untuk menguji H2b adalah batas atas
kisaran.
Akhirnya, auditor menunjukkan jumlah selisih antara jumlah yang diharapkan dan
jumlah tercatat yang kemungkinan disebabkan oleh salah saji. Semakin tepat ekspektasi,
semakin besar kemungkinan perbedaan yang tak terduga disebabkan oleh salah saji; Dengan
demikian, persentase total perbedaan auditor yang dialokasikan untuk salah saji adalah
variabel dependen utama yang digunakan untuk menguji H2c.

HASIL
Pemeriksaan Manipulasi dan Kovariat
Auditor menanggapi pengecekan manipulasi variabel independen agregasi data
dengan menilai tingkat detail AP pada skala satu (sangat tidak memadai) sampai tujuh (sama-
sama memadai), dibandingkan dengan perbandingan yang disajikan umum.10 Di kedua akun,
auditor laporkan tingkat rata-rata detail (standar deviasi) masing-masing 4,24 (1,47) dan 3,66
(1,51) untuk kondisi terpilah (tingkat tinggi) dan agregat (tingkat rendah detail). Perbedaan
ini sangat penting (t? 2.47, p? .007). Untuk kondisi terpilah dan agregat untuk pendapatan
bunga, masing-masing nilai 4,41 (1,52) dan 3,69 (1,43); Sebagai perbandingan, nilai untuk
akun penyisihan adalah 4,06 (1,42) dan 3,63 (1,61), masing-masing.
 Kami tidak meminta auditor untuk memberikan penilaian (yaitu, cek manipulasi)
perkiraan akun. Kami berasumsi, mengingat konteksnya, auditor akan menganggap
pendapatan bunga relatif dapat diprediksi daripada rekening penyisihan. Asumsi ini didukung
oleh standar profesional yang secara langsung menentukan bahwa akun obyektif lebih dapat
diprediksi (lihat AICPA 1998a, 1998c); Ini juga didukung oleh manual dan kursus pelatihan
perusahaan audit, karena ini sesuai dengan standar profesional. Sebagai tambahan,
berdasarkan uji coba dan analisis protokol kami, dan dikonfirmasikan oleh hasil eksperimen
tambahan, auditor dengan jelas melihat pendapatan bunga secara signifikan lebih dapat
diprediksi daripada penyisihan kerugian pinjaman.
Akhirnya, Libby dan Luft (1993) menunjukkan pentingnya mempertimbangkan
interaksi antara setting dan karakteristik individu (lihat juga, Libby et al., 2002). Karena
pengaturan tugas kami berkaitan dengan lembaga keuangan, kami mengumpulkan empat
ukuran berbeda dari pengalaman spesifik industri auditor: jumlah keterlibatan lembaga
keuangan, jumlah keterlibatan keuangan yang dilakukan, jumlah keterlibatan keuangan yang
dikelola, dan pengalaman dalam mengaudit kedua spesifikasi tersebut. akun (ya atau tidak).
Tidak mengherankan, semua ukuran pengalaman terkait keuangan sangat berkorelasi
(korelasi Pearson dan / atau Spearman, jika sesuai, 0,806 dan di atas), namun hanya
pengalaman keterlibatan finansial yang secara konsisten dan berkorelasi tinggi dengan
kalibrasi presisi auditor untuk kedua akun tersebut. . Dengan demikian, kami memasukkan
jumlah keterlibatan lembaga keuangan sebagai kovariat dalam semua analisis.

Uji Hipotesis
Gambar 1 menunjukkan diagram model yang diusulkan dari penilaian auditor yang
terkait dengan hipotesis kami. Kami memprediksi bahwa tingkat detail dan prediktabilitas
akun akan mempengaruhi penilaian auditor terhadap presisi secara independen dan interaktif
(H1a-H1c). Selain itu, karena tugas ini khusus untuk lembaga keuangan, kami percaya bahwa
pengalaman lembaga keuangan auditor dapat mempengaruhi kalibrasi presisi auditor
dibandingkan dengan faktor-faktor ini. Pada gilirannya, kami memprediksi bahwa penilaian
presisi auditor akan mempengaruhi tiga tanggapan sebelumnya
 penilaian tingkat kepastian, batas atas, dan kemungkinan salah saji (H2a-H2c,
masing-masing). Untuk menguji hipotesis kami, kami mengambil pendekatan dua bagian.
Pertama, kami memeriksa pengaruh variabel independen yang dimanipulasi kami terhadap
penilaian presisi auditor (H1a-H1c) dengan ANCOVA untuk rancangan campuran kami.
Kedua, kami menggunakan akun individual MANCOVA untuk menguji pengaruh penilaian
auditor terhadap presisi terhadap penilaian pra-tanggapan mereka (H2a-H2c) .

Penilaian Auditor terhadap Presisi: H1a-H1c

H1a mengemukakan hubungan positif antara penilaian auditor terhadap presisi
harapan dan perkiraan akun - memprediksi tingkat presisi yang lebih tinggi untuk akun
pendapatan bunga relatif terhadap akun penyisihan. H1b menyatakan bahwa auditor akan
menilai ketepatan yang lebih tinggi untuk harapan berdasarkan data terpilah (tingkat detail
tinggi) relatif terhadap harapan yang terbentuk dengan menggunakan data gabungan (tingkat
detail rendah). Akhirnya, H1C memprediksi sebuah interaksi, secara khusus, bahwa
perbedaan antara penilaian presisi keseluruhan auditor terhadap ekspektasi terpilah dan
agregat akan lebih besar untuk akun pendapatan bunga
Panel A dari Tabel 1 melaporkan data deskriptif tentang penilaian presisi auditor
berdasarkan tingkat akun dan tingkat detailnya. Relevan dengan H1a, rata-rata keseluruhan
(standar deviasi) ketepatan yang dinilai untuk pendapatan bunga adalah 4,38 (1,20). Sebagai
perbandingan, mean (standar deviasi) untuk akun penyisihan adalah 3,63 (1,15) yang
menunjukkan bahwa auditor memandang ekspektasi pendapatan bunga, secara keseluruhan,
lebih tepat daripada untuk penyisihan kerugian kredit. Untuk H1b, di kedua akun, rata-rata
ketepatan yang dinilai (standar deviasi) untuk ekspektasi terpilah lebih tinggi daripada
ekspektasi agregat, 4.16 (1,24) dan 3,76 (1,24), konsisten dengan prediksi. Akhirnya, yang
relevan untuk menguji interaksi (H1c), rata-rata ketepatan yang dinilai untuk pendapatan
bunga untuk AP terpilah (agregat) adalah 4,83 (3,96). Sebagai perbandingan, penilaian
auditor terhadap ketepatan untuk rekening penyisihan adalah 3,73 (3,55).
Untuk menguji signifikansi prediktabilitas akun dan agregasi data terhadap penilaian
presisi auditor, kami menganalisis ANCOVA model campuran dengan tingkat akun dan
tingkat kinerja sebagai variabel independen dan keterlibatan lembaga keuangan sebagai
kovariat.14 Hasilnya, disajikan pada panel B dari Tabel 1, menunjukkan bahwa penilaian
presisi auditor, secara keseluruhan, mencerminkan kedua prediktabilitas akun dan tingkat
detail (masing-masing F? 22.70, p? ,001, dan F? 6.10, p? 0,008), mendukung H1a dan H1b.
Interaksi level-by-account juga signifikan (F? 4.61, p? .034), konsisten dengan H1c. Secara
khusus, pemeriksaan terhadap ANCOVAs akun individual menunjukkan bahwa perbedaan
dalam penilaian presisi antara AP yang dikumpulkan dan dipilah untuk pendapatan bunga
sangat signifikan (F? 11.79, p? ,001), namun tidak demikian untuk akun penyisihan (F?. 691,
p? .204). Hasil terakhir ini menunjukkan bahwa, dalam menilai keseluruhan presisi AP untuk
akun yang tidak dapat diprediksi, auditor tidak mempertimbangkan dampak agregasi data.

Tabel 1

Pendirian Presentasi Auditor Presisi Presentase Pra-Respons: H2a-H2c

H2a-H2c memprediksi bahwa penilaian presisi auditor akan dikaitkan dengan tiga
penilaian yang harus dipertimbangkan sebelum keputusan auditor mengenai bagaimana
menanggapi perbedaan yang tidak terduga: tingkat kepastian bahwa rancangan prosedur
analitik memberikan, kisaran nilai yang mungkin di sekitar ekspektasi (yaitu, semakin tepat
ekspektasi, semakin sempit perbedaan antara batas atas dan bawah kisaran ini), dan jumlah
selisih antara nilai yang diharapkan dan yang dicatat bahwa atribut auditor menyebabkan
salah saji (yaitu, Semakin tepat ekspektasi, semakin tinggi jumlah selisih yang disebabkan
karena salah saji sebab).
Hasil pengujian H2a-H2c untuk setiap akun disajikan pada panel A dan B pada Tabel
2. Kami melaporkan hasil dari MANCOVA di mana presisi yang dinilai auditor adalah
variabel independen; Variabel dependen adalah tiga penilaian di atas, dan kovariat adalah
variabel pengalaman keterlibatan finansial.15 Seperti yang ditunjukkan sebelumnya, hipotesis
ini bersifat deskriptif, dan dengan demikian, kami melaporkan nilai p-dua ekor.

Tabel2

Analisis penilaian individu untuk pendapatan bunga menunjukkan bahwa ketepatan sangat
penting bagi tingkat penilaian assurance auditor (F? 5.24, p? 00001), yang mendukung H2a
untuk akun ini. Namun, H2b dan H2c tidak didukung untuk pendapatan bunga. Dengan kata
lain, ketepatan tidak signifikan dalam menjelaskan batas atas atau penilaian persentase salah
saji (masing-masing 1514 dan p ?,555). Namun, tampak bahwa pengalaman keuangan auditor
penting untuk pertimbangan batas atas (F? 5.62, p? .20).
Untuk rekening penyisihan (Panel B), ketiga hipotesis tersebut didukung. Presisi
sangat penting dalam menjelaskan tiga penilaian pra-tanggapan secara keseluruhan
(Wilks'Lambda F? 4.34, signifikan pada p ?001). Secara individu, ketepatan signifikan atau
sedikit signifikan untuk tiga penilaian: tingkat kepastian (F? 10.67, p ?001), batas atas (F?
1.79, p?, 102), dan persentase salah saji (F? 2.16 , p? .048) .
Oleh karena itu, secara keseluruhan, H2a didukung, namun hanya sebagian dukungan
yang ditemukan untuk H2b dan H2c secara individual. Secara khusus, untuk kedua akun
auditor secara tepat memasukkan presisi ke dalam tingkat penilaian jaminan mereka. Namun,
untuk akun pendapatan bunga, mereka gagal memasukkan ketepatan ke dalam penilaian
tentang kisaran nilai di sekitar perkiraan atau kemungkinan penilaian salah saji.

PEMBAHASAN DAN REKOMENDASI

Makalah ini menambahkan pada penelitian yang baru lahir mengenai kinerja auditor
terkait dengan AP substantif dan melakukannya dalam layanan keuangan dan institusional
yang khas. Ini meneliti sejauh mana auditor mempertimbangkan faktor-faktor yang sesuai
dengan standar profesional yang mempengaruhi kualitas AP; Ini juga menyelidiki sejauh
mana ketergantungan auditor terhadap AP dan evaluasi terhadap perbedaan ekspektasi
konsisten dengan penilaian presisi mereka. Kami menawarkan empat temuan kunci. Pertama,
auditor menilai ketepatan harapan lebih tinggi bila akun yang harapannya terbentuk lebih
dapat diprediksi dan bila tingkat rincian data yang digunakan untuk mengembangkan
ekspektasi dipilah. Kedua, auditor menilai tingkat kepastian yang ditempatkan di AP sesuai
dengan penilaian presisi mereka. Bersama-sama, temuan ini menunjukkan bahwa auditor
mempertimbangkan prediktabilitas akun dan tingkat detail secara individu dalam menentukan
ketepatan harapan dan tingkat kepastian yang diharapkan dari AP, sesuai dengan pedoman
audit yang berwibawa.
Namun, temuan kunci ketiga kami adalah auditor tidak tampak peka terhadap
pengaruh agregasi data saat menilai keseluruhan presisi AP untuk akun yang tidak dapat
diprediksi, penyisihan kerugian pinjaman. Interpretasi yang mungkin pertama dari temuan
ini, yang konsisten dengan penelitian sebelumnya, adalah bahwa meskipun sensitif terhadap
faktor-faktor yang mempengaruhi keandalan data, auditor menjadi lebih konservatif karena
tidak dapat diandalkan dan / atau peningkatan risiko (lihat Lin et al., 2000; Heintz et al.,
1999; Hoffman dan Patton 1997). Akun penyisihan sangat subjektif, dan dengan demikian,
hal itu akan dikaitkan dengan risiko inheren yang lebih tinggi. Interpretasi kedua adalah
bahwa auditor memberi lebih banyak perhatian pada pengaruh akun, sehingga ketika akun
tersebut tidak dapat diprediksi, mereka gagal memasukkan keandalan data sebagai fungsi dari
disagregasi / agregasi. Penafsiran ini konsisten dengan penelitian yang menunjukkan bahwa
pengambil keputusan gagal mempertimbangkan faktor-faktor yang mempengaruhi kualitas
bukti ketika ada beberapa faktor yang menonjol (lihat, misalnya, Grif dan Tversky 1992).
Penjelasan ketiga adalah bahwa individu cenderung lebih baik dikalibrasi saat prediktabilitas
tugas tinggi (Odean 1998). Keempat, penelitian yang berkaitan dengan pengambilan
keputusan di bawah ketidakpastian menemukan bahwa individu memiliki lebih banyak
kesulitan untuk mempertimbangkan dan memasukkan berbagai sumber ketidakpastian ke
dalam penilaian, dan bahwa kesulitan ini paling besar untuk tugas yang lebih kompleks dan
tidak pasti (Yates 1990; Fischhoff et al 1977). Semua hal sama, ada ketidakpastian inheren
yang lebih besar dalam akun neraca subyektif (Coakley dan Loebbecke 1985)
Terlepas dari kemungkinan penyebabnya, temuan menunjukkan bahwa penilaian
presisi auditor mungkin tidak dikalibrasi dengan baik untuk faktor presisi yang sesuai, dan
dengan demikian menyoroti kebutuhan akan panduan tambahan. Bahkan jika temuan tersebut
bukan merupakan indikasi perilaku non -ormormi auditor, yaitu masuk akal untuk
mengabaikan dampak disagregasi data ketika prediktabilitas akun rendah, namun tidak sesuai
dengan pedoman audit otoritatif di AP, karena panduan tersebut tidak menyarankan bahwa
auditor harus kurang sensitif terhadap tingkat detail tergantung pada prediktabilitas akun.
Temuan yang terkait dengan rekening penyisihan nampaknya bermasalah karena tidak
sesuai dengan pedoman audit khusus industri. Artinya, panduan AICPA untuk mengaudit
penyisihan kerugian pinjaman secara khusus merekomendasikan penggunaan jenis prosedur
analitis yang termasuk dalam instrumen ini (2004b). Dalam hal ini, auditor diharapkan dapat
mengenali ketidakmampuan melakukan analisis rasio secara gabungan untuk dua anak
perusahaan yang berbeda jenis kreditnya yang terdiri dari portofolio pinjaman mereka.
Ketidakpekaan ini terhadap tingkat detail dapat menyebabkan ketergantungan pada AP, yang
secara negatif mempengaruhi efektivitas audit. Tunjangan untuk kerugian pinjaman adalah
akun kekhawatiran yang meningkat terhadap regulator (Bayless 2001, 2; SEC 2001); Dengan
demikian, hasilnya berimplikasi pada kualitas pelaporan keuangan untuk lembaga keuangan.
Hasil ini juga berimplikasi pada area audit diluar lembaga keuangan auditing. Karena
penyisihan kerugian pinjaman adalah perkiraan, kita memperoleh wawasan tentang faktor-
faktor yang dapat memengaruhi potensi efektivitas audit estimasi. Memahami bagaimana
auditor mengevaluasi ketepatan AP untuk perkiraan sangat penting dalam AP yang mungkin
satu-satunya sumber jaminan untuk menguji akun ini (Hitzig 2004). Perkiraan dilihat sebagai
area penting untuk ditargetkan guna meningkatkan kualitas laba (Brown 1999), karena
dikaitkan dengan pelanggaran laporan keuangan (Turner 2001a; 2001b). Secara khusus,
penelitian sebelumnya mengidentifikasi 'bukti kegagalan yang memadai sehubungan dengan
evaluasi perkiraan manajemen yang signifikan' 'adalah satu dari sepuluh defisiensi audit
dalam tindakan penegakan SEC (Beasley et al, 2001, 65).
Hasil penelitian kunci keempat kami selanjutnya mendukung kebutuhan akan
kalibrasi yang lebih baik antara penilaian presisi auditor dan dua penilaian terkait. Secara
khusus, kami menemukan bahwa auditor tidak selalu memasukkan penilaian presisi mereka
ke dalam penilaian mengenai rentang perbedaan yang tidak terduga. Demikian pula, hasil
kami menunjukkan bahwa konsistensi antara penilaian presisi auditor dan penilaian mereka
terkait dengan kemungkinan salah saji bergantung pada prediktabilitas akun. Artinya,
penilaian auditor tentang salah saji kemungkinan mencerminkan penilaian presisi mereka
untuk rekening penyisihan; Namun, untuk pendapatan bunga, penilaian presisi auditor tidak
terkait dengan penilaian kemungkinan mereka. Hasil ini menunjukkan ketepatan tidak
dimasukkan secara konsisten ke dalam penilaian pra-respons, sebuah temuan yang dapat
menyebabkan auditor membuat keputusan penting.
Temuan juga menyarankan implikasi untuk penetapan kebijakan dan mendukung
rekomendasi POB bahwa regulator dan perusahaan audit harus '' meningkatkan [panduan]
untuk memberikan lebih banyak spesi '' mengenai efek sifat akun dalam mengembangkan
harapan (2000, 42-43) . Misalnya, tampaknya panduan yang ditujukan untuk membantu
auditor mengkalibrasi ketepatan sehubungan dengan faktor-faktor yang mempengaruhi
kualitas AP (mis., Penggabungan data) jelas diperlukan. Standar profesional ditulis dalam
kaitannya dengan hubungan, namun banyak penilaian akan mendapat manfaat dari penetapan
secara eksplisit. Secara khusus, temuan kami menunjukkan bahwa auditor mungkin tidak
mengerti bagaimana mengukur ketepatan / ketidaktepatan dengan cara yang sesuai dengan
konsep statistik interval keyakinan (range). Hal ini tidak mengherankan karena kebanyakan
individu tidak menghadapi ketidakpastian secara numerik dan mungkin perlu dilatih (Cleaves
1994). Kuantifikasi presisi mungkin merupakan langkah penting sebelum
mempertimbangkan cara untuk mempromosikan integrasi bukti yang lebih baik, seperti yang
dianjurkan oleh Lin et al. (2000).
Penelitian selanjutnya bisa diarahkan ke tiga bidang. Yang pertama berkaitan dengan
kemungkinan bantuan pelatihan dan / atau keputusan yang akan membantu auditor dalam
memperbaiki kalibrasi presisi mereka. Sulit bagi pengambil keputusan untuk
mempertimbangkan dan mengintegrasikan semua sumber ketidakpastian ke dalam penilaian,
terutama dalam tugas yang lebih sulit (misalnya, Andrea 1990); Dengan demikian, mungkin
bijaksana untuk mempertimbangkan pendekatan yang memfasilitasi '' dekomposisi''approach.
Dengan demikian, auditor mungkin menghindari kegagalan untuk mempertimbangkan semua
faktor yang relevan. Area bermanfaat lainnya adalah menyelidiki metode untuk
meningkatkan kemampuan auditor untuk mengukur dan memasukkan ketidaktepatan ke
dalam keputusan investigasi (lihat Kinney et al., 2005). Kedua, hasil kami menunjukkan
pentingnya memasukkan faktor pengalaman khusus industri dalam merancang penelitian
seperti yang diminta oleh Libby dan Luft (1993) (lihat juga, Libby et al., 2002). Ketiga,
penelitian selanjutnya dapat memeriksa apakah auditor mengakses informasi namun memilih
untuk mengabaikannya dalam mengevaluasi hasil AP (McDaniel 2005). Akhirnya, pilihan
desain spesifik kami mengarah secara alami pada beberapa keterbatasan mengenai
generalisasi terhadap penerapan AP substantif. Pertama, kita memanipulasi tingkat detail
untuk dua akun, konsisten dengan praktik. Akibatnya, manipulasi tidak bisa sama (yaitu,
tingkat time series manipulasi detail tidak sesuai untuk akun neraca). Meskipun kami
mengambil banyak langkah (termasuk mengumpulkan data tambahan) untuk memastikan
manipulasi sama kuatnya, kami tidak yakin mereka memiliki kekuatan yang sama. Meskipun
kami yakin manipulasi tersebut berhasil, terutama mengingat panduan profesional untuk akun
penyisihan, manipulasi mungkin akan memengaruhi penilaian presisi auditor untuk akun
penyisihan.
Kedua, dalam percobaan ini, semua perbedaan antara nilai yang diharapkan dan yang
tercatat hanya sedikit lebih besar dari ambang batas materialitas. Penelitian sebelumnya telah
menunjukkan bahwa auditor dapat secara berbeda sensitif terhadap tingkat detail di AP untuk
hasil yang menguntungkan dibandingkan yang tidak menguntungkan (Glover et al., 2005; Lin
et al., 2000). Dengan demikian, perpanjangan alami dari studi saat ini adalah untuk
mengeksplorasi penilaian yang dipengaruhi oleh ketepatan AP ketika analisis tidak
menghasilkan perbedaan yang signifikan antara jumlah yang diharapkan dan yang tercatat.
Ketiga, Glover dkk. (2005) menemukan bahwa sementara auditor memiliki pengetahuan
mengenai pengaruh presisi terhadap efektivitas AP, pengetahuan ini mungkin perlu diminta.
Dalam penelitian kami, kami berusaha untuk memeriksa ketepatan ketepatan auditor menjadi
tiga penilaian prasanggapan tanpa mendapatkan sebuah prompt (yaitu, mereplikasi keadaan
yang biasanya terjadi dalam praktik). Dengan demikian, mungkin saja evaluasi presisi
postinvestigation peserta mungkin tidak mencerminkan penilaian presisi pra-respons yang
tepat. Sementara kita mengakui peringatan ini, kita juga mencatat bahwa sejak Glover et al.
(2005) menemukan bahwa perbedaan yang tidak terduga yang mencolok berfungsi untuk
meminta pengetahuan auditor mengenai presisi, fakta bahwa auditor dalam percobaan kami
mengevaluasi perbedaan yang berada di atas ambang batas materialitas yang disebutkan
dapat mengurangi tidak adanya permintaan. Penelitian masa depan bisa mempertimbangkan
pengorbanan pilihan desain ini.