Anda di halaman 1dari 5

Metode Kuadrat Terkecil

Salah satu kelemahan dalam metode scatter adalah tidak adanya suatu criteria objektif
untuk memilih garis terbaik atau garis dimana titik-titik data berada paling dekat dengannya.
Untuk mengetahui jarak titik-titik data ke garis, maka perlu diukur deviasi semua titik ke garis
dan menambahkan semua ukuran tersebut untuk mendapatkan ukuran kesuluruhan. Namun
ukuran keseluruhan ini mungkin menyesatkan sebab penjumlahan deviasi positif dan deviasi
negative akan saling membatalkan. Untuk mengatasi masalah ini digunakan metode kuadrat
terkecil (method of least squares).
Metode kuadrat terkecil pertama-tama mengkuadratkan setiap deviasi dan kemudian
menjumlahkan deviasi yang dikuadratkan tersebut sebagai ukuran kedekatan keseluruhan.
Pengkuadratan deviasi ini menghindari masalah yang disebabkan oleh bauran angka positif dan
negatif. Karena ukuran kedekatan adalah jumlah deviasi kuadrat titik-titik dari garis, maka
semakin kecil ukurannya, semakin baik garisnya. Garis yang lebih mendekati titik di banding
garis lainnya disebut garis kesesuaian terbaik (best fitting-line), yaitu garis dengan jumlah
kuadrat deviasi terkecil.
Rumus manual dari metode ini:

Y= F+VX
Dimana
[𝑛∑𝑋𝑌−∑𝑋∑𝑌] ∑𝑋 ∑𝑋
V= dan F= – V( )
[𝑛∑x2 −(∑𝑋)2 ] 𝑛 𝑛

Keterangan:
Y= Total biaya aktivitas
F= Komponen Biaya tetap
V= Biaya variable/unit
X = Ukuran keluaran aktivitas
Y= Ukuran biaya

Kehandalan Rumusan Biaya


Metode kuadrat terkecil mengidentifikasikan garis yang paling sesuai tetapi tidak
mengungkapkan seberapa baik kesesuaian tersebut. Untuk mengetahui seberapa besar kesesuian
suatu garis dapat dilakukan analisis berikut:
1. Analisis Koefisien Determinasi
Koefisien determinasi (𝑅 2 ) adalah persentase variabilitas variable terikat yang dijelaskan
oleh variable bebas. Jadi koefisien ini menunjukkan bagaimana suatu pemicu aktivitas
mempengaruhi suatu biaya aktivitas. Karena merupakan persentase maka nilai koefisien ini
antara 0 dan 1. Semakin mendekati 1 nilai koefisien determinasi dari suatu garis maka
semakin baik garis tersebut.

Rumusan Manual:

∑X∑Y
V [∑XY −
2 n ]
𝑅 =
[∑𝑌 2 − (∑Y)2 /n]
Keterangan:
X = Ukuran keluaran aktivitas
Y= Ukuran biaya

2. Analisis koefisien Korelasi


Ukuran lainnya dari goodness of fit adalah koefisien korelasi yang merupakan akar dari
koefisien determinasi. Karena akar dapat bernilai positif atau negative maka nilai koefisien
korelasi antara -1 dan 1. Jika koefisien korelasi positif maka kedua variabelnya bergerak
menuju arah yang sama. Sebaliknya jika koefisien korelasi negative maka kedua variabelnya
bergerak secara berlawanan arah.

Regresi Berganda
Regresi Berganda (Multiple Regression) adalah sebuah Metode statistik yang digunakan untuk
melakukan pengujian hubungan antara sebuah variabel dependent (Fix cost) dengan dua atau
lebih variabel independent (Variabel Cost) yang ditampilkan dalam bentuk persamaan dibawah
ini:

Y= F + V1X1 + V2X2 + …. + Vn Xn

Dimana:

Y : Variabel Dependen yang hendak diprediksi


F : Konstanta (dalam hal ini adalah Fix Cost)
V1: Variabel Bebas 1
X1: Nilai Variabel Bebas 1
V2: Variabel Bebas 2
X2: Nilai Variabel Bebas 2
Vn: Variabel Bebas ke n
Xn: Nilai Variabel Bebas ke n
Karena terdiri dari dua atau lebih Variabel, maka sangat tidak praktis apabila regresinya
diselesaikan menggunakan metode Titik tertinggi-Titik terendah maupun Scattered Method.
Methode pemisahan biaya campuran yang paling tepat digunakan dalam hal ini adalah Least
Square Method.. Uji Regresi berganda ini dapat diselesaikan dengan mudah melalui aplikasi
Microsoft Excel (Spread Sheet).

Contoh Soal

Misalkan ada datas seperti tabel dibawah ini. Terdapat Variabel Dependent berupa Material
Handling Cost, Variabel Bebas berupa Number of moves dan Pounds moved. Maka langkah
yang harus kita lakukan adalah:

1. Input data yang ada ke Excell, dengan detail tepat seperti tabel yang dimaksud

2. Klik menu Tool kemudian klik Data Analysis. (Catatan: jika setelah mengklik Tool,
ternyata tidak muncul pilihan Data Analysis, berarti menu tersebut belum diaktifkan
di program Excel Anda. Untuk mengaktifkannya, klik Tool, kemudian klik Add ins,
selanjutnya conteng pada pilihan Analysis Toolpak, setelah itu klik ok. Lalu ulangi
tahap 2 ini). Lalu Pilih Regression dan Klik Ok.
3. Lalu akan muncul Jendela seperti di bawah ini. Input Y range pada cell Material
Handling Cost (Januari s.d. October). Input X Range pada cell Number of moves dan
Pounds moved. Input Output Range pada Cell kosong . Klik OK

4. Lalu akan muncul hasil seperti ini:

Interpretasi Hasil

Dari hasil yang ditunjukan table sebelumnya. Dapat diketahui bahwa:


1. Y = F + V1X1 + V2X2
= $507 + $7.84X1 + $0.11X2
2. Kolom R. Menunjukkan seberapa baik variabel-variabel bebas memprediksikan hasil
(multiple correlation coefficient). Kisaran nilai R adalah 0 hingga 1. Semakin nilai R mendekati
angka 1, maka semakin kuat variabel-variabel bebas memprediksikan variabel terikat. Namun,
ketepatan nilai R ini lebih disempurnakan oleh kolom Adjusted R Square yang merupakan
koreksi atas nilai R. Pedoman interpretasi atas nilai Adjusted R Square adalah sebagai berikut:

Nilai Adjusted R square adalah 0,998 yang berari ketepatan Regresi tersebut tinggi.

PERTIMBANGAN MANAJEMEN
Pertimbangan manajemen merupakan hal yang sangat penting dalam menentukan perilaku biaya.
Banyak manajer yang menggunakan pengalaman mereka dan observasi terhadap hubungan biaya
pada masa lampau untuk menentukan biaya tetap dan variabel. Metode ini memiliki bayak
bentuk, antara lain:
a. Beberapa manajer secara sederhana menentukan biaya aktivitas tertentu ke kategori tetap
dan lainnya ke kategori variabel, tidak menghiraukan kemungkinan adanya biaya
campuran
b. Manajemen mengidentifikasi biaya campuran dan membagi biaya-biaya ini ke dalam
komponen tetap dan variabel dengan memutuskan bagian biaya yang merupakan biaya
tetap dasn variabel berdasarkan pengalamannya.
c. Manajemen menggunakan pengalaman dan pertimbangan mereka untuk menyaring hasil
estimasi statistik.
Keunggulan dari penggunaan pertimbangan manajerial untuk memisahkan biaya tetap dan
variabel terletak pada kesederhanaannya. Apabila manajer memiliki pengetahuan yang
mendalam tentang perusahaan dan pola biayanya, metode ini dapat memberikan hasil yang baik.
Akan tetapi apabila manajer tidak memiliki pertimbangan yang baik, kesalahan akan terjadi.
Oleh karena itu, merupakan hal yang penting untuk mempertimbangkan pengalaman manajer,
potensi kesalahan, dan pengaruh pertimbangan yang salah terhadap keputusan yang terkait.