Disusun Oleh
Muhammad Amirullah
(14080574003)
Alika Maisyaroh
(14080574110)
S1 MANAJEMEN
FAKULTAS EKONOMI
UNIVERSITAS NEGERI SURABAYA
2016
KATA PENGANTAR
Puji syukur kami panjatkan kepada Allah SWT karena atas limpahan
rahmat dan karunia-Nya, sehingga kami dapat menyelesaikan tuugas makalah
Ekonomi Manajerial Penaksiran dan Peramalan Biaya dengan baik dan tepat
waktu.
Ucapan terima kasih tidak lupa kami ucapkan kepada semua pihak yang
telah membantu tersusunnya makalah ini. Tersusunnya makalah ini tidak luput
dari bimbingan dosen pembimbing mata kuliah Ekonomi Manajerial yaitu Drs.
Budiono, karena bimbingan dari beliau lah kami dapat menyelesaikan makalah ini
dengan baik. Dan juga untuk semua pihak yang telah membantu tersusunnya
makalh ini, yang tidak bisa kami sebutkan satu per satu.
Akhirnya, penulis menyadari bahwa masih terdapat banyak kekurangan
dalam makalah ini sehingga makalah ini perlu disempurnakan kembali. Oleh
karena itu, kritik dan saran para pembaca sangat dibutuhkan oleh penulis guna
untuk menyempurnakan makalah penulis di masa mendatang.
DAFTAR ISI
1.2.
1.3.
Tujuan ..........................................................................................................1
BAB II PEMBAHASAN
2.1.
2.2.
2.3.
Kesimpulan ...............................................................................................15
3.2.
Saran ..........................................................................................................15
BAB I
PENDAHULUAN
1.1.
Latar Belakang
Sebelum menjalankan sebuah proyek atau strategi, manajer perlu terlebih
dahulu membuat anggaran atau penaksiran biaya dari proyek tersebut. Hal
tersebut dilakukan agar biaya dari proyek yang akan dijalankan menjadi lebih
efisien. Oleh karena itu, penaksiran atau estimasi adalah salah satu aspek yang
paling penting dari fungsi perencanaan manajemen dan pengambilan keputusan.
Penaksiran dan peramalan biaya untuk pengambilan keputusan merupakan usaha
untuk menemukan bentuk dan posisi kurva-kurva biaya dari suatu perusahaan.
Pemahaman terhadap fungsi biaya jangka pendek akan membentu para pembuat
keputusan untuk menilai optimalitas tingkat ouput sekarang dan memecahkan
masalah pengambilan keputusan dengan menggunakan analisis kontribusi.
Sedangkan, informasi fungsi jangka panjang diperlukan apabila kita akan
melakukan ekspansi atau kontraksi ukuran pabrik dan untuk meyakinkan bahwa
ukuran pabrik yang ada sudah optimal untuk tingkat output yang diproduksi.
Proses penaksiran dan peramalan biaya sendiri terdiri dari tiga bagian pokok,
yakni penaksiran biaya jangka pendek, penaksiran biaya jangka panjang, dan
peramalan biaya.
1.2.
1.
2.
3.
Rumusan Masalah
Bagaimana metode penaksiran biaya jangka pendek ?
Bagaimana metode penaksiran biaya jangka panjang ?
Bagaimana metode peramalan biaya ?
1.
2.
3.
Tujuan
Memahami metode penaksiran biaya jangka pendek.
Memahami metode penaksiran biaya jangka pendek.
Memahami metode peramalan biaya.
1.3.
BAB II
PEMBAHASAN
2.1.
Penaksiran biaya jangka pendek ini dapat dilakukan dengan tiga metode yaitu
: metode ekstrapolasi sederhana, analisis gradien, dan analisis regresi.
a.
Ekstrapolasi Sederhana
Metode penaksiran biaya yang paling sederhana adalah dengan cara
mengekstrapolasikan tingkat biaya marginal atau biaya variable rata rata saat ini
(ke belakang atau ke depan) pada tingkat tingkat output lainnya. Input input
variable menghasilkan penerimaan (returns) yang konstan, dan oleh karena itu
tidak ada keadaan increasing returns atau diminishing returns dalam proses
produksi jangka pendek. Keadaan diminishing returns tersebut akan terjadi
sehingga pembuat keputusan harus secara terus menerus memperhatikan
kemungkinan terjadinya keadaan tersebut. Pendekatan terbaik untuk memecahkan
masalah tersebut adalah dengan mengasumsikan bahwa biaya marginal konstan
untuk tujuan ektrapolasi dan kemudian meneliti sensitivitas keputusan yang dibuat
berdasarkan asumsi yang ada.
Contoh :
Perusahaan pakaian jadi PT. GITA PRATIWI memperoleh peluang untuk menjual
500 lusin pakaian dalam kepada para pembeli sebuah toko dengan diskon tertentu,
dan harga rata-rata yang ditetapkan perusahaan sebesar Rp 7.000/lusin. Karena
ada perubahan mendadak dalam manajemen perusahaan sehinggga manager
produksi yang baru tidak mengetahui data tingkat produksi atau biaya pakaian
dalam tersebut sehingga manajer tersebut tidak dapat memperkirakan biaya
inkremental yang terjadi. Dengan bekerja cepat, manajer dapat mengetahui bahwa
tingkat produksi minggu ini sebanyak 7.000 lusin dengan biaya total variabel
(TVC) Rp. 42 juta, dengan biaya variabel rata-rata sebesar Rp. 6.000/lusin dan
tingkat output untuk minggu berikutnya sebesar 7.000 lusin. Tanpa informasi
lainnya, manajer produksi tersebut tidak mempunyai pilihan lain kecuali
mengektrapolasi
data
tunggal
yang
dimilikinya
tersebut.
Gambar
9.1
Penyelesaiannya :
Jika tidak ada biaya lainnya sebagai akibat dari keputusan untuk memenuhi
pesanan toko tersebut, maka dapat diperkirakan :
Biaya inkremental = VC x Qtambahan
= Rp. 6.000 x 500
= Rp. 3.000.000
Penerimaan inkremental = V x Qtambahan
= Rp. 7.000 x 500
= Rp. 3.500.000
Dari data tersebut dapat diketahui bahwa kenaikan TVC hanya sebesar Rp.
3,5 juta, kenaikan tersebut akan meningkatkan TVC menjadi Rp. 45,5 juta dan ini
berarti AVC pun akan meningkat menjadi Rp. 6.067 atau sedikit lebih tinggi
daripada AVC pada tingkat output sebelumnya. Jadi keputusan ini sangat sensitif
terhadap asumsi biaya marginal yang konstan tersebut. Oleh karena itu disarankan
agar PT. GITA PRATIWI agar tidak memenuhi pesanan tambahan itu, jika
perusahaan itu tidak yakin bahwa TVC meningkat dengan tingkat yang konstan
(atau menurun).
Oleh karena tingkat output selalu berfluktuasi dari waktu ke waktu, maka
pengambil keputusan harus mampu menemukan dua observasi data biaya atau
output atau lebih. Dan dengan dua observasi atau lebih pengambil keputusan
dapat melakukan ekttrapolasi sederhana.
b.
Analisis Gradien
=
= 13.500
Jadi perubahan TVC pada interval output 7.000-7500 lusin adalah Rp.
13.500/unit. Ini adalah nilai MC pada kisaran output tersebut. Gambar 9.2 akan
menjelaskan penaksiran dari observasi kedua data tersebut.
Gambar 9.2
Kurva Biaya Penaksir dengan 2 Observasi Biaya/Output
a)
kurva TVC, AVC dan MC akan menjadi lebih tepat. Untuk memperjelas analisis
ini, kita kembali ke contoh PT. GITA PRATIWI diatas. Tabel. 9.1 dan Gambar. 3
menjelaskan gambaran TVC dan output selama lima yang dibuat secara menaik
tanpa memperhatikan kronologi produksi dengan maksud untuk mempermudah
perhitungan gradien pada setiap interval output.
Tabel 9.1
Observasi-observasi Biaya-Output dan
Perhitungan AVC dan MC
Periode
Produksi
Minggu 4
Minggu 3
Minggu 5
Minggu 1
Minggu 2
Output
(Lusin)
4.500
6.000
6.500
7.000
7.500
TVC
(Rp)
27.000.000,00
33.600.000,00
37.375.000,00
42.000.000,00
48.750.000,00
AVC
(Rp)
6.000,00
5.600,00
5.750,00
6.000,00
6.500,00
TVC
(Rp)
Q
(Lusin)
MC
(Rp)
6.600.000,00
3.775.000,00
4.625.000,00
6.750.000,00
1.500
500,00
500,00
500,00
4.400,00
7.550,00
9.250,00
13.500,00
Jadi, dengan observasi beberapa pasang data biaya-output yang lebih banyak
akan memungkinkan kita untuk memperoleh kurva AVC dan MC penaksir yang
lebih sempurna. Tiap titik data tambahan akan memperjelas bentuk TVC,
sehingga perhitungan AVC dan MC yang lebih bisa dipercaya dapat diperoleh.
Gambar 9.3.
Taksiran Kurva Biaya dengan Beberapa Observasi Biaya/Output
c.
maka kita dapat menggunakan analisis regresi untuk menaksir hubungan antara
biaya dengan suatu tingkat output tertentu. Jika kita ingin menaksir fungsi biaya
dari suatu perusahaan tertentu, maka kita harus menggunakan data runtut waktu
dari perusahaan yang bersangkutan.
Data biaya harus dideflasi dengan sebuah indeks yang tepat dan unsur waktu
harus dimasukkan sebagai variable bebas dalam persamaan regresi yang kita
estimasi. Dengan demikian setiap trend dari harga relatif atau produktivitas akan
dapat dihitung berdasarkan koefisien regresi dari variable waktu tersebut.
Spesifikasi
bentuk
fungsional
mempunyai
implikasi
penting
dalam
penaksiran kurva MC yang akan dihasilkan oleh analisis regresi. Jika membuat
spesifikasi TVC sebagai suatu fungsi linear dari output, misalnya TVC= a + bQ,
maka penaksir MC yang dihasilkan oleh analisis regresi tersebut akan merupakan
parameter b, karena MC ekuivalen dengan turunan dari fungsi TVC pada output.
Pada Gambar 9.4, ditunjukkan kurva AVC dan MC dari suatu kumpulan observasi
data tertentu, yang dihasilkan oleh analisis regresi yang menggunakan spesifikasi
hubungan linier. Karena AVC adalah TVC dibagi tingkat output (Q), maka kurva
AVC akan turun dan mendekati kurva MC secara asimtotis.
Gambar 9.4
Fungsi Biaya Variabel Linear
Alternatif lain- untuk observasi data yang sama- misalnya spesifikasi fungsi
pangkat dua (kuadratik). Jika TVC = a + bQ+ cQ 2, maka MC tidak akan konstan
tetapi menaik jika fungsi output konstan. Pada Gambar 9.5, ditunjukkan hubungan
kuadratik dari observasi data yang sama, dimana kurva AVC dan MC
diilustrasikan pada bagian bawah dari gambar tersebut.
Akhirnya, jika kita menganggap bahwa hubungan fungsional tersebut adalah
fungsi pangkat tiga (kubik), misalnya TVC = a + bQ + cQ2 + dQ3 , maka penaksir
MC yang dihasilkan oleh analisis regresi bersifat kurvilinier dan akan meningkat
secara kuadratik sesuai dengan tingkat output. Gambar 9.6 mengilustrasikan
kurva-kurva biaya dari fungsi pangkat tiga yang menggambarkan hubungan biaya
Gambar 9.6
Fungsi Biaya Variabel Kubik
d.
ukuran pabrik yang berbeda-beda pada titik waktu tertentu (dengan asumsi
teknologi dan harga faktor produksi konstan), maka kita tidak dapat menggunakan
observasi data runtut waktu untuk mendapatkan taksiran fungsi biaya jangka
panjang. Namun demikian, observasi dari berbagai pabrik pada suatu periode
waktu tertentu (data seksi silang) dapat dianalisis dengan menggunakan teknik
analisis regresi. Oleh karena itu, kita perlu mengumpulkan pasangan-pasangan
observasi data yang menghubungkan tingkat output dengan biaya total untuk
mendapatkan tingkat output tersebut untuk setiap pabrik, pada suatu periode
waktu tertentu.
Pengukuran tingkat output aktual atau tingkat output pada periode tersebut
harus sesuai dengan tingkat biaya aktual untuk menghasilkan tingkat output
tersebut untuk setiap perusahaan. Jika kita ingin mengetahui ada tidaknya
keadaan economies, constant, atau diseconomies of plant size, maka kita harus
membuat spesifikasi hubungan funsional pangkat tiga (kubik), karena hubungan
ini merupakan bentuk fungsional yang paling konsisten untuk melihat adanya
ketiga kemungkinan keadaan tersebut.
Ada dua masalah pokok dalam penggunaan data seksi silang ini bagi
penaksiran kurva biaya rata rata jangka panjang, antara lain :
1) Masalah yang timbul karena observasi yang dikumpulkan sama sekali
bukan merupakan titik titik pada kurva biaya rata rata jangka panjang
(LRAC).
2) Masalah yang ditimbulkan oleh data seksi silang ini adalah bahwa banyak
pabrik yang tidak dapat beroperasi pada tingkat harga dan produktivitas
faktor produksi yang sama.
Kedua masalah tersebut dapat dicontohkan dengan data dari Tabel 9.2 dan
Gambar 9.7, dimana dari lima pabrik yang diteliti memiliki jumlah output dan
harga yang berbeda. Pada mulanya tampak terjadi economies of plant size dan
kemudian terjadi diseconomies of plant size pada pabrik keempat dan kelima yang
terbesar. Hal tersebut ditunjukkan oleh keadaan bahwa mula-mula average cost
(AC) turun tetapi kemudian naik ketika akan menghadapi pabrik yang lebih besar.
Tabel 9.2
Taksiran Kurva LRAC dengan Data Seksi Silang
Output
Total Cost
Average Cost
Pabrik
(Q)
(Rp)
(Rp/Q)
1
1.500
7.350,00
4,90
2
3
4
5
b.
3.500
6.150
8.750
11.100
12.600,00
18.143,00
26.688,00
43.290,00
3,60
2,95
3,05
3,90
telah dilakukan, dan sebagian telah diringkas oleh Johnston (1960). Hasil yang
paling umum dari studi-studi ini menunjukkan bahwa kurva LRAC yang
berbentuk U tidak sebanyak yang berbentuk L. Ini berarti bahwa economies of
plant size terjadi pada tingkat output yang relatif rendah, kemudian diikuti oleh
suatu kisaran constant returns to plant size tanpa adanya kecenderungan bagi
biaya per unit untuk naik pada tingkat output yang lebih tinggi. Tidak terjadinya
keadaan diseconomies of plant size pada proses produksi ini tidak berarti bahwa
diseconomies of plant size ini tidak terjadi jika pabrik yang lebih besar digunakan.
Jika kita memperhatikan efisiensi fisik dari proses produksi untuk periode
periode yang akan datang, maka kita harus memperkirakan bahwa produktivitas
faktor produksi tersebut akan berubah sepanjang waktu. Mesin dan peralatan
lainnya misalnya, diharapkan untuk lebih efisien jika diukur dari output perjam
yang dihasilkannya (atau berdasarkan kriteria yang lain) karena penerapan
kemajuan teknologi pada mesin mesin tersebut.meningkatnya penggunaan
mesin dan peralatan yang dikendalikan dengan komputer telah menyebabkan
meningkatnya produktivitas peralatan modal secara cukup besar pada waktu
belakangan ini. Seperti halnya produktivitas modal, produktivitas tenaga kerja
juga diharapkan meningkat dengan berjalannya waktu, karena tingkat pendidikan
karyawan yang lebih tinggi dan semakin berpengalamannya para karyawan
dengan proses produksi mekanis. Sebaliknya, perubahan sikap terhadap pekerjaan
atau faktor sosiologis lainnya mendorong kita untuk meramalkan bahwa
produktivitas tenaga kerja akan turun dimasa yang akan datang.
Jika trend perubahan produktivitas faktor produksi tersebut tampak dengan
jelas, maka kita dapat menerapkan trend-trend tersebut sebagai suatu penaksiran
atas perubahan efisiensi proses produksi fisik dimasa yang akan datang.
2) Perubahan Harga Faktor Produksi
Jika biaya dari semua input meningkat dengan proporsi yang sama, maka
kombinasi faktor produksi yang optimal tidak akan berubah pada tingkat output
tertentu, meskipun akan menimbulkan biaya yang lebih besar. Jika semua harga
input meningkat dengan tingkat yang sama, maka harga harga relatif dari input
tersebut akan tetap sama dan tidak akan ada insentif untuk mensubstitusikan satu
input dengan input yang lainnya.
Jika kekuatan pasar di pasar faktor - faktor produksi mengakibatkan harga
satu faktor produksi akan naik dibandingkan dengan harga faktor produksi yang
lain, maka perusahaan akan mensubstitusikan dengan faktor produksi yang lebih
murah sebagai akibat dari adanya kenaikan harga tersebut.
Dengan distribusi probabilitas tertentu yang dihubungkan dengan tingkat
biaya yang akan datang, kita dapat menghitung hasil atas dasar Nilai yang
diharapkan dari tingkat biaya pada periode periode yang akan datang dengan
maksud untuk mendapatkan suatu peramalan tingkat biaya masa yang akan datang
untuk penetapan harga atau kebijaksanaan kebijaksanaan lainnya.
3) Penaksiran Kurva Learning
(9.3)
(9.4)
(9.5)
Untuk meramalkan biaya per unit pada, misalnya 1.000 unit volume
kumulatif, kita mensubstitusikan Q = 1.000 dalam persamaan 9.5 tersebut :
SRAC = 55,18 (1.000-0,3267 )
= 55,18 (0,0816)
= 4,50
Jadi, kita bisa berharap bahwa SRAC akan turun menjadi Rp. 4,50 per unit
pada waktu volume kumulatif mencapai 1.000 unit.
Tabel 9.3
Observasi SRAC dan Volume Kumulatif Serta
Logaritmanya
Biaya per
Volume
Log
Tanggal
unit
Kumulatif
SRAC
Log Q
observasi
(SRAC)
(Q)
(Y)
(X)
30 September
9,00
150
0,9542 2,1761
15 Desember
7,20
275
0,8573 2,4393
01 Maret
6,50
350
0,8129 2,5441
15 Mei
5,85
500
0,7672 2,6990
Tabel 9.4.
Perhitungan untuk Parameter Regresi
Bagi Kurva Leraning
Y
X
XY
X2
0,9542
2,1761
2,0764
4,7354
0,8573
2,4393
2,0912
5,9502
0,8129
2,5441
2,0681
6,4724
0,7672
2,699
2,0707
7,2846
3,3916
9,8585
8,3064
24,4426
Y=
= 0,8479
X=
= 2,4646
= - 0,3627
= Y X = 0,8479 (-0,3627)2,4646
= 1,7418
Kurva learning sering dinyatakan sebagai presentase penurunan AC untuk
tiap penggandaan volume komulatif. Untuk menemukan persentase tersebut dalam
contoh ini, kita memilih dua tingkat output (dimana yang satu besarnya 2 kali
yang lain) dan menghitung presentase penurunannya. Misalnya, dengan
pengestimasian SRAC pada output kumulatif 200 dan 400 unit dari kurva
learning tersebut, kita akan mendapatkan :
Untuk 200 unit :
SRAC = 55,18(200-0,3267) = 8,076
Dan untuk 400 unit :
SRAC = 55,18(400-0,3267) = 6,281
Jadi SRAC pada 400 unit adalah :
x 100% = 77,77%
Angka 77,77 persen tersebut menunjukkan bahwa SRAC untuk 400 unit
besarnya sama dengan 77,77 persen dari SRAC pada 200 unit output. Tampak
bahwa sedikitnya ada penurunan AC sebesar 22 persen apabila volume kumulatif
diduakalilipatkan. Kita dapat memprediksi bahwa SRAC tersebut akan terus turun
kira-kira sebesar 22 persen untuk setiap penduaklilipatan tingkat output kumulatif
berikutnya.
BAB III
PENUTUP
3.1. Kesimpulan
Penaksiran biaya berkaitan dengan tingkat biaya pada berbagai tingkat output
pabrik dari perusahaan dan dengan biaya relatif dari ukuran pabrik lainnya yang
tersedia bagi perusahaan tersebut. Dalam situasi jangka pendek berhadapan
dengan perilaku AVC dan MC, plus biaya inkremental lainnya yang diperlukan
karena penggunaan beberapa faktor produksi tetap secara penuh (full ultilization).
Penaksiran biaya jangka panjang mencakup tingkat biaya per unit dari berbagai
ukuran pabrik, berdasarkan harga faktor produksi sekarang dan bentuk teknologi
yang digunakan.
Metode penaksiran jangka pendek dapat dilakukan dengan tiga metode yaitu
metode ektrapolasi sederhana, analisis gradien, dan analisis regresi dengan metode
runtut waktu. Sedangkan penaksiran biaya jangka panjang dapat dilakukan dengan
menggunakan analisis regresi dengan data seksi silang. Studi-studi empiris
tentang penaksiran biaya seringkali menunjukkan biaya marginal (MC) adalah
konstan dalam jangka pendek dan diseconomies of scale tidak ada dalam jangka
panjang.
Peramalan biaya mensyaratkan penaksiran tingkat biaya untuk periodeperiode yang akan datang, di mana produktivitas dan harga faktor-faktor produksi
akan berbeda dari tingkat sekarang. Trend-trend produktivitas yang tampak pada
tahun-tahun terakhir dapat digunakan untuk meramalkan perubahan biaya di masa
yang akan datang. Perubahan harga faktor produksi rill juga bisa diperkirakan
unuk mendapatkan indikator yang dapat dipercaya mengenai biaya pada masa
yang akan datang bagi pengambilan keputusan.
Kurva learning, apabila ditaksir dari proses produksi tertentu, akan
memungkinkan kita untuk memprediksi biaya produksi pada masa yang akan
datang, berdasarkan garis yang paling cocok (the line of best fit) dengan data
biaya rata-rata yang diteliti jika volume kumulatif naik. Proses produksi
cenderung menjadi lebih efisien dalam memproduksi suatu item tertentu, karena
adanya pengalaman dalam proses produksi tersebut. Biaya per unit akan
cenderung turun jika fungsi output total mengalami penurunan, dan perusahaan
dapat menggunakan data biaya per unit masa lalu yang dikumpulkan untuk
memprediksi atau memproyeksi biaya per unit masa yang akan datang.
3.2. Saran
Saran yang dapat kami berikan adalah agar lebih mudahnya sumber buku
yang dijadikan rujukan untuk membantu menyelesaikan tugas yang diberikan dari
mata kuliah ini.
DAFTAR PUSTAKA
Lincolin, Arsyad. Ekonomi Manajerial edisi 4. 2008. Yogyakarta: BPFE.
http://majanajemen.blogspot.co.id/2015/04/penaksiran-dan-peramalan-biaya.html
dikutip pada 29 Agustus 2016
https://www.academia.edu/5774591/Peramalan_dan_penaksiran_biaya
pada 01 September 2016
dikutip