Anda di halaman 1dari 4

METODE TINGGI RENDAH.

Dari geometri dasar diketahui bahwa dibutuhkan dua titik untuk membuat suatu garis.
Dengan dua titik, perpotongan (biaya tetap) dan kemiringan (biaya variabel) dapat
ditentukan. Metode tinggi randah (high-low method) adalah suatu metode untuk persamaan
suatu garis lurus dengan terlebiha dahulu memilih dua titik ( titik tinggi dan rendah) yang
akan digunakan untuk menghitung parameter perpotongan dan kemiringan. Titik tinggi
didefinisikan sepagai titik dengan tingkat keluaran atau aktivitas tertinggi. Titik rendah
didefinisikan sebagai titik dengan tingkat keluaran dan atau aktivitas terendah.
Persamaan berikut merupakan persamaan untuk menentukan biaya variabel perunit dan biaya
tetap.
1. Biaya Variabel Perunit : Perubahan Biaya : Perubahan Keluaran
2. Biaya Variabel Perunit : (Biaya Tinggi Biaya Rendah) : (Keluaran Tinggi
Keluaran Rendah)
3. Biaya Tetap : Jumlah Biaya Titik Tinggi (Biaya Variabel Perunit x Keluaran Tinggi)
4. Biaya Tetap : Juamlah Biaya Titik Tinggi ( Biaya Variabel Perunit x Keluaran
Tinggi)
Metode tinggi rendah memiliki keunggulan Objektivitas. Selain itu metode tinggi rendah juga
memungkinkan manajer mendapatakan ketetapan yang cepat mengenai hubungan biaya
dengan hanya menggunakan dua titik. Tetapi meode tinggi rendah juga memiliki kekurang
yaitu metode tinggi rendah biasanya tidak seakurat motode metode lain. Itu dikarenakan 1)
titik tinggi dan rendah bisa jadi adalah merrupakan outlier ( berada diluar jalur). Outlier
menunjukan hubungan biaya aktivitas yang tidak umum terjadi dengan demikin rumus biaya
dihitung dengan menggunakan dua titik ini tidak mencermikan apa yang biasanya terjadi.
METODE SCATTERPLOT.
Metode Scartterplot adalah metode penentuan persamaan suatu garis dengan menggambarkan
data dalam suatu grafik. Langkah pertama dalam menerapkan metode scatterplot adalah
menggambarkan titik titik data sehingga hubungan antara biaya penyetelan dan tingkat
aktivitas dapat terilhat.

Plot ini digambarkan dengan grafik seperti gambar dibawah ini :

B
I
A
Y
A
P
E
N
Y
E
T
E
L
A
N

3000

2500

2000

1500

1000

500

0
50

100

150

200

250

300

350

400

450

500

550

WAKTU PENYETELAN

Sumbu vertikal adalah jumlah biaya penyetelan, sedangkan sumbu horizontal adalah jumlah
waktu penyetelan.
Salah satu tujuan dari grafik scatter adalah melihat asumsi hubungan liniear wajar atau tidak.
Selai itu, beberapa titik yang tampaknya tidak cocok dengan pola umum prilaku biaya
mungkin juga akan terungkap dengan melihat grafik scatter.
Grafik scatter dapat membantu memberikan pengetahuan tentang hubungan biaya dan
penggunaan aktifitas. Selain itu grafi scatter dan dan alat bantu statistik lainnya adalah alat
yang dapat membantu para manajer untuk memperbaiki penilaian subjektif mereka.
Keunggulan signifikan dari metode scatter plot adalah memungkinkan kita melihat data
secara visual. Sedangkan kelemahan metode scatterplot adalah tidak ada kritreria objektif
untuk memilih garis terbaik. Kualitas rumus biaya bergantung pada kualitas penilaian
subjektif dari analisis. Metode scatterplot dan metode tinggi rendah menghasilkan persamaan
dengan perbedaan yang besar dalam komponen biaya tetap dan biaya variabel.

METODE KUADRAT TERKECIL.


Hingga saat ini, kita telah menyinggung konsep tentang suatu garis yang paling sesuai dengan
titik titik yang ditunjukan dalam grafik scatter. Garis yang paling sesuai adalah garis yang
dimana titik titik data berada paling dekat dengannya. Metode kuadrat terkecil (method of
least square) mengkuadratkan setiap deviasi, dan menjumlahakan deviasi yang dikuadratkan
tersebut sebagai ukuran kedekatan keseluruhan. Penguadratan deviasi ini menghindari
masalah yang disebabkan oleh bauran angka positif dan negatif. Karena ukuran kedekatan
adalah jumlah deviasi kuadrat titik titik dari garis, semakin kecil ukurannya, kesesuaian garis
ke semua titik semakin baik.
Pada dasarnya, perbandingan ukuran kedekatan perbandingan ukuran kedekatan dapat
menghasilkan suatu pemeringkatan semua garis dari yang terbaik sampai yang terburuk.
Garis yang lebih mendekati titik dibanding dengan garis lainnya disebut dengan garis
kesesuaian terbaik (best fitting line), yaitu garis dengan jumlah kuadrat deviasi terkecil.
Metode kuadrat terkecil menidentifikasi garis yang paling sesuai.
PENGGUNAAN PROGRAM REGRESI
Perhitngan menggunakan rumus regresi secara manua akan mulai sulit dilakukan bahkan
dengan lima data saja, namun sekarang perhitungan rumus regresi sudah mulai mudah
dilakuakn menggunakan program pada komputer yaitu menggunakan program Microsoft
Excel dan paket spreadsheet seperti Lotus. Program program ini menyediakan informasi yang
dapat digunakan untuk melihat seberapa besarkah persamaan biaya dapat dipercaya-suatu
fungsi yang tidak terdapat pada metode scatterplot dan metode tinggi rendah. Untuk
melakukan perhitungan regresi dengan menggunakan program program ini hal yang paling
penting dilakukan adalah memaukan data. Jadi program tersebut tidak akan bisa melakukan
perhitungan apabila tidak adanya sebuah data atau kumpulan data.
KEANDALAN RUMUS BIAYA.
Keluaran yang dihasilkan oleh program program komputer seperti diatas dapat
menginformasikan koefisien biaya tetap dan biaya variabel, tetapi kegunaan utamanya
terletak pada kemampuannya menginformasikan seberapa jauh rumus biaya yang
diperkirakan dapat diandalkan. Fitur ini tidak disediakan baik dalam metode scatterplot
maupun metode tinggi rendah. Meskipun keluaran menyediakan informasi berguna lainnya
untuk menilai keandalan statistik, kita hanya akann melihat goodness of fit. Ukura ini penting

karena metode kuadrat terkecil mengidentifikasi garis yang paling sesuai tetapi tidak
mengungkapkan seberapa baik kesesuaian tersebut. Garis yang paling sesuai mungkin bukan
merupakan garis yang terbaik karena garis yang paling sesuai mungkin tidak dapat
memprediksi biaya dengan baik.
R KUADRAT KOEFESIEN DETERMINASI.
Asumsi awal adalah suatu pemicu aktivitas menjelaskan perubahan (variabilitas) biaya
aktivitas. Secara statistik, kita dapat menentukan seberapa besar variabilitas dijelaskan
dengan melihat koefisien determinasi atau R kuadrat. Koefisien determinasi atau R Kuadarat
adalah persentase variabilitas variabel terikat yang dijelaskan oleh suatu variabel
bebas.persentase ini merupakan ukuran goodness of fit. Semakin tinggi persentase variabilitas
biaya yang dijelaskan, semakin baik garisnya. Tidak ada batasan yang jelas untuk koefesien
determinasi yang baik dan buruk, yang pasti semakin dekat R kuadrat dengan -1 maka
semakin baik garisnya. Bergantung dari toleransi kita terhadap kesalahan, kita mungkin ingin
memperbaiki persamaan kita dengan menggunakan variabel variabel bebas lainnya atau
regresi berganda.