Anda di halaman 1dari 2

2.

Metode Analisis Regresi


Analisis regresi merupakan metode statistik untuk memperoleh persamaan estimasi biaya
unik yang paling sesuai bagi sekumpulan titik data. Analisis regresi menyesuaikan data dengan
cara memperkecil jumlah kuadrat dari kesalahan estimasi. Metode ini disebut juga regresi
kuadrat terkecil (least squares regression).
Analisis regresi memiliki dua jenis variabel, 1) variabel terikat (dependent variable) yaitu
biaya yang akan diestimasikan, dan 2) variabel bebas (independent variable) merupakan
penggerak biaya yang digunakan untuk mengestimasi nilai variabel terikat. Apabila hanya satu
penggerak biaya yang digunakan, maka analisisnya disebut dengan regresi sederhana. Apabila
dua atau lebih penggerak biaya yang digunakan, maka analisisnya disebut dengan regresi
berganda.
Persamaan regresi yaitu :
Y=a+bX+e
Keterangan : Y : Jumlah variabel terikat a : kuantitas tetap
X : nilai dari variabel bebas b : Biaya variabel perunit
e : kesalahan regresi
Keuntungan utama análisis regresi adalah metode estimasi yang menghasilkan kesalahan
estimasi terendah dari data yang ada. Jika kesalahan dikuadratkan, maka analisis regresi dapat
dipengaruhi dengan kuat oleh data outliers yang menghasilkan estimasi yang tidak dapat
mewakili sebagian besar data.
Memilih Variabel Terikat
Variabel terikat disajikan pada tingkat yang luas, seperti total biaya pemeliharaan untuk
seluruh perusahaan, atau tingkat lebih rinci, seperti biaya pemeliharaan untuk setiap pabrik atau
departemen. Pemilihan tingkat agregat tergantung pada tujuan dari estimasi biaya, ketersediaan
dan keandalan data, serta pertimbangan biaya dan manfaat.
Memilih Variabel Bebas
Untuk menentukan variabel bebas, akuntan manajemen mempertimbangkan data
keuangan, operasi, dan ekonomi lainnya yang relevan untuk menentukan variabel bebas.
Tujuannya memilih 1) yang paling relevan, yaitu yang berubah ketika variabel terikat berubah,
dan 2) bukan merupakan duplikasi variabel bebas lainnya.

Mengevaluasi Analisis Regresi


Selain untuk mengestemasi biaya, analisis regresi juga menyediakan ukuran kuantitatif dari
ketepatan dan keandalannya. Ketepatan mengacu pada keakuratan sedangkan keandalan
menunjukkan apakah regresi mencerminkan hubungan aktual antar variabel. Ukuran-ukuran
berikut dapat membantu dalam menilai kegunaan regresi:
1) R-kuadrat merupakan angka diantara 0 dan 1 serta seringkali dideskripsikan sebagai ukuran
kemampuan penjelasan regresi, yaitu tingkat dimana perubahan pada variabel terikat dapat
diprediksi dengan perubahan variabel bebas.
2) Nilai-t (T-value) merupakan ukuran keandalan dari setiap variabel bebas yaitu tingkat
dimana variabel bebas memiliki hubungan yang valid, stabil, dan bersifat jangka panjang
dengan variabel terikat.
3) Kesalahan standar estimasi merupakan ukuran keakuratan estimasi regresi.
4) Nilai-p (p-value) mengukur resiko dimana variabel bebas tertentu hanya memiliki hubungan
secara kebetulan dengan variabl terikat.