AM - Idka - Nanda.Rizky - Elistya.Fitri - Nur - TUGAS - BAB 3
AM - Idka - Nanda.Rizky - Elistya.Fitri - Nur - TUGAS - BAB 3
3-16 Pemisahan Biaya Tetap dan Variabel, Perusahaan Jasa (TB3, TB4)
4,000
3,000
2,000
1,000
0
600 700 800 900 1,000 1,100 1,200 1,300 1,400 1,500
Berdasarkan grafik scatter di atas, memberikan bukti bahwa terdapat hubungan linear antara
biaya pengganti oli dan jumlah penggantian oli yang dikerjakan.
Biaya tetap
= Jumlah biaya titik - (Biaya variabel per unit
tinggi x Keluaran tinggi)
= $5.150 - $4 (700)
= $5.150 - $2.800
= $ 2,350
3. Constant
Std. Err. Of Y Est.
R Squared
No. Of Observations
Degrees of Freedom
X Coefficient(s) 4.646779985
Std. Err. Of Coef. 0.3503037754
4. Metode R Squared lebih baik karena menggunakan semua delapan titik data daripada
hanya dua saja (tinggi-rendah).
1. Constant
Std. Err. Of Y Est.
R Squared
No. Of Observations
Degrees of Freedom
X Coefficient(s) 2.506915468
Std. Err. Of Coef. 0.2570094485
2. Constant
Std. Err. Of Y Est.
R Squared
No. Of Observations
Degrees of Freedom
X Coefficient(s) 6.050735294
Std. Err. Of Coef. 19.7184534227
3. Persamaan regresi berdasarkan pon lebih baik karena koefisien determinasi jauh lebih tinggi.
Pon menjelaskan mengenai 93% dari timbulnya perbedaan biaya penerimaan, sementara jumlah
pesanan menjelaskan hanya 1,3% dari variasi dalam biaya penerimaan.
4. Constant
Std. Err. Of Y Est.
R Squared
No. Of Observations
Degrees of Freedom
X Coefficient(s) 2.605578794
Std. Err. Of Coef. 0.0453173582
Kekuatan penjelas dari kedua variabel sangat tinggi. Namun, biaya penerimaan berdasarkan
pon lebih menjelaskan sebagian besar variasi, dan penggunaan satu penggerak jauh akan
menyederhanakan penganggaran dan produk biaya. Meningkatnya kompleksitas ini
memungkinkan ketidaklayakan penambahan penggerak kedua.
Jumlah Biaya
3; 8,350
4; 7,425 2; 7,950
ANOVA
df SS
Regression 1 10448371.923436
Residual 6 356274.95156416
Total 7 10804646.875
ata daripada
4997.287770 SUMMARY OUTPUT
571.36051502
0.931469268 Regression Statistics
9 Multiple R 0.9651265555
7 R Square 0.931469268
Adjusted R Square 0.9216791635
Standard Error 571.36051502
Observations 9
ANOVA
df SS
Regression 1 31060014.133094
Residual 7 2285169.8669065
Total 8 33345184
ANOVA
df SS
Regression 1 442591.11764706
Residual 7 32902592.882353
Total 8 33345184
ANOVA
df SS
Regression 2 33285574.620623
Residual 6 59609.379377432
Total 8 33345184
t Stat P-value Lower 95% Upper 95% Lower 95,0% Upper 95,0%
4.4571412029 0.0042961445 765.4129464209 2628.780435305 765.4129464209 2628.780435305
13.2650011534 1.1345374E-05 3.7896175254 5.5039424446 3.7896175254 5.5039424446
MS F Significance F
31060014.1331 95.143954977 0.000025203
326452.838129
t Stat P-value Lower 95% Upper 95% Lower 95,0% Upper 95,0%
3.6710731071 0.0079529515 1778.417562693 8216.157976876 1778.417562693 8216.157976876
9.7541762839 0.000025203 1.8991846927 3.1146462425 1.8991846927 3.1146462425
MS F Significance F
442591.117647 0.094160902 0.7678795378
4700370.41176
t Stat P-value Lower 95% Upper 95% Lower 95,0% Upper 95,0%
7.7183756434 0.0001145031 12128.80502987 22842.81261719 12128.80502987 22842.81261719
0.3068564843 0.7678795378 -40.5759978732 52.6774684614 -40.5759978732 52.6774684614
MS F Significance F
16642787.3103 1675.18475959 5.71273983E-09
9934.89656291
t Stat P-value Lower 95% Upper 95% Lower 95,0% Upper 95,0%
10.9460831764 3.4515344E-05 2318.913787161 3654.144578597 2318.913787161 3654.144578597
57.4962640282 1.8595109E-09 2.4946912129 2.7164663747 2.4946912129 2.7164663747
14.9671126101 5.6018701E-06 11.4721236455 15.9562810238 11.4721236455 15.9562810238