a.

Metode Scatterplot
Metode scatterplot adalah suatu metode penentuan persamaan suatu garis
dengan Menggambarkan data dalam suatu grafik. Langkah pertama dalam
menerapkan metode scatterplot adalah menggambarkan titik-titik data sehinnga
hubungan antara biaya penyetelan dan tingkat aktivitas dapat terlihat. Plot ini
disebut grafik scatter. Sumbu vertikal adalah jumlah biaya penyetelan, sedangkan
sumbu horizontal adalah jumlah waktu penyetelan. Grafik scatter dapat membantu
memberikan pengetahuan tentang hubugan antara biaya dan penggunaan aktivitas.
Bahkan grafik scatter memukingkan seseoang untuk memyesuaikan suatub garis
secara visual dengan titik-titik dalam grafik scatter.
Keunggulan signifikan dari metode scatterplot adalah memungkinkan kita
untuk melihat data secara visual. Sedangkan kelemahan dari metode scatterplot ini
adalah tidak ada kriteria objektif untuk memilih garis terbaik. Kualitas rumus
biaya bergantung pada kualitas penelian garis. Metode scatterplot dan metode
tinggi-rendah menghasilkan persamaan dengan perbedaan yang besar dalam
komponen biaya tetap dan variabel.
b. Metode Kuadrat Terkecil
Metode kuadrat kecil ( method of least squares ) menguadratkan setiap
devisiasi, dan menjumlahkan deviasi yang dikuadratkan tersebut sebagai ukuran
kedekatan keseluruhan. Pengkuadratan deviasi ini menghindari masalah yang
disebabkan oleh bauran angka positif dan angka 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 ukuruan kedekatan dapat menghasilkan
suatu pemeringkatan semua garis dari yang terbaik sampai yang terburuk. Garis
yang lebih mendekati titik dibandingkan garis lainya disebut dengan garis
kesesuaian terbaik ( best fitting line ), yaitu garis dengan jumlah kuadarat deviasi
terkecil.
c. Penggunaan Program Regresi
Program regresi spreadsheet menyediakan lebih dari sekedar perkiraan
koefisien. Program ini juga menyediakan informasi yang dapat digunakan untuk
melihat seberapa besarkah persamaan biaya dapat dipercaya – suatu fungsi yang
tidak tersedia pada metode scatterplot dan tinggi rendah.

1.1 Kendalan Rumus Biaya

Keluaran pada komputer 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 oleh metode scatterplot dan metode
tinggi rendah. Meskipun keluaran menyediakan informasi berguna lainya untuk
menilainya untuk menilai keandalan statistik, kita hanya akan melihat goodline of
fit. Ukuran ini penting karena metode kuadrat kecil mengidentifikasi garis yang
paling sesuai, tetapi tidak mengungkapkan seberapa baik kesesuaian tersebut.
a. Kuadrat Koefisien Determinasi
Secara statistik, kita dapat menentukan seberapa besar variabilitas
dijelaskan dengan melihat koefisien determinasi atau R kuadrat. Koefisien
determinasi determinasi atau R adalah persentase variabilitas variabel terikat yang
dijelaskan oleh suatu variabel bebas. Presentase ini merupakan ukuran goodness
of fit. Semakin tinggi presentasi variabilitas biaya yang dijelaskan maka semakin
baik garisnya.
b. Koefisien Korelasi
Ukuran alternatif untuk goodness of fit adalah koefisien korelasi, yaitu
akar dan koefisien determinasi. Karena akar dapat bernilai negatif, nilai koefisien
korelasinya dapat berkisar antar -1 dan +1. Jika koefisien korelasinya positif,
maka kedua variabelnya bergerak menuju arah yang sama dan terdapat korelasi
positif. Korelasi positif sempurna akan menghasilkan nilai 1 untuk koefisien
korelasi. Di lain pihak, jika koefisien korelasinya negatif, maka kedua dari
variabel bergerak menuju arah yang dapat diprediksi, tetapi berlawanan arah.
Korelasi negatif sempurna akan menghasilkan koefisien korelasi sebesar -100.
Nilai koefisien korelasi yang mendekati nol mengidentifikasi tidak adanya
korelasi.
1.2 Regresi Berganda
Rumus biaya terbaik terkadang lebih rumit dari pada mengidetifikasikan
satu penggerak aktivitas dan meregresikan biaya aktivitas untuk menggerakan ini.
Hasilnya mungkin bukan suatu rumus biaya yang cukup baik untuk kegunaan
manajerial. Dalam hal dua atau lebih variabel penjelasanya, persamaan linear
diperlukan untuk mencakup variabel tambahan.

Jumlah biaya = b0 + (b1 x X1) + (b2 x X2) +

Dimana : ...

b0 = biaya tetap atau potongan,

b1 = biaya variabel per unit untuk variabel bebas pertama,
X1 = variabel bebas pertama,
b2 = biaya variabel per unit untuk variable bebas kedua,
X2 = variabel bebas kedua.
Jika terdapat dua atau lebih variabel bebas, metode tinggi-rendah dan
scatterplot tidak dapat digunakan. Untungnya, perluasan metode kuadrat terkecil
dapat dilakukan secara langsung. Jika kuadrat terkecil digunakan untuk membuat
suatu persamaan yang melibatkan dua atau lebih variabel penjelas, metodenya
disebut sebagai regresi berganda (multiple regression).

1.3 Penilaian Manajerial

Pertimbangan manajerial merupakan hal yang sangat penting dalam
menetukan perilaku biaya. Sejauh ini, pertimbangan manajerial merupakan
metode paling luas yang digunakan. Banyak manajer yang menggunakan
pengalaman dan observasi terhadap hubungan biaya pada masa lampau untuk
menentukan biaya tetap dan variabel. Metode ini memiliki banyak bentuk. Secara
sederhana, beberapa manajer menentukan biaya aktivitas tertentu menjadi kategori
tetap dan lainya menjadi menjadi katagori variabel, tanpa menghiraukan
kemungkinan biaya campuran.
Keunggulan dari penggunaan pertimbangan manajerial untuk memisahkan
biaya tetap dan variabel terletak pada kesederhanaannya. Saat manajer memiliki
pengetahuan yang mendalam tentang perusahaan dan pola biayanya, metode ini
dapat memberikan hasil yang baik. Akan, tetapi kesalahan akan terjadi jika
manajer tidak memiliki pertimbangan yang baik. Oleh karena itu,
mempertimbangkan pengalaman manajer, potensi kesalahan, dan pengaruh
pertimbangan yang salah terhadap keputusan terkait merupakan hal yang sangat
penting.