Estimasi Biaya
DISUSUN OLEH :
Nama : Recky Imanuel Ginting.s
Nim : 172101013
Estimasi biaya adalah pengembangan hubungan yang baik antara objek biaya dengan
penggerak biayanya untuk tujuan memprediksi biaya.
e = kesalahan estimasi
keunggulan analisis regresi yaitu bahwa metode tersebut merupakan estimasi unik yang
menghasilkan kesalahan estimasi terkecil bagi data. Di sisi lain, karena kesalahan tsb
dikuadratkan untuk mendapatkan garis terbaik, analisis regresi dapat sangat dipengaruhi oleh
titik-titik data yang tidak umum (pancilan data-outliers), sehingga garis estimasi tidak
mewakili sebagian besar data.
Multikolinieritas, adalah ketika terdapat 2 atau lebih dari 2 variabel bebas yang saling
berkorelasi kuat satu dengan lainnya.
Nilai –p yaitu nilai yang mengukur resiko dimana variabel bebas tertentu hanya memiliki
hubungan secara kebetulan dengan variabel terikat.
Analisis kurva pembalajaran yaitu metode sistematis untuk mengestimasikan biaya ketika
pembelajaran berlangsung. Tingakat pembelajarannya yaitu persentase dimana rata-rata
waktu atau total waktu turun dari tngkat sebelumnya ketika outpunya 2x lipat. Pentingnya
praktis kurva pembelajaran adalah sebagai referensi umum untuk biaya awal pada laporan
tahunan dan keuangan perusahaan. Prisnsip bisni s yang diterima umum adalah produk dan
proses produksi baru memiliki periode produktivitas rendah dengan diikuti peningakatan
produktivitas yang setelah melalui tingkatan perbaikan akan mencapai titik keseimbangan
yang relatif stabil sampai terjadi perubahan pada lini produk, dsb.
Terdapat 3 keterbatasan dan masalah yang melekat berkaitan dengan penggunanaan metode
ini, yaitu :
1. Pendekatan tersebut paling sesuai dalam konteks padat karya yang melibatkan tugas
berulang yang dilakukan untuk produksi jangka panjang dimana percobaan berulang dapat
meningkatkan kinerja dan pembelajaran.
2. Tingkat pembelajaran diasumsikan konstan sehingga rata-rata waktu pekerja menurun pada
tingkat yang tetap seiring dengan kenaikan output sebanyak 2x lipat).
3. Estimasi kurva pembelajaran mungkin tidak dapat diandalkan karena perubahan
produktivitas yang diamati dalam data yang digunakan untuk menyesuaikan model
sebenarnya berkaitan dengan faktor-faktor lain selain pembelajaran.
Ukuran Statistik
Ukuran statistik dari keandalan dan ketepatan regresi diturunkan dari analisis varians
terhadap variabel terikat. Varians adalah ukuran derajat dimana nilai variabel terikat
bervariasi di sekitar rata-ratanya. Kemampuan regresi untuk memprediksi perubahan secara
tepat pada variabel terikat merupakan ukuran utama dari keandalannya dan diukur melalui
proporsi varians yang dapat dijelaskan dari varians yang tidak dapat dijelaskan.
Ketepatan Regresi
Ketepatan dan keakuratan meningkat jika varians yang tidak dapat dijelaskan berkurang dan
ketika jumlah titik data meningkat akibat jumlah derajat kebebasan meningkat.
R-kuadrat, adalah angka antara 0-1 serta sering kali dideskripsikan sebagai ukuran
kemampuan penjelasan regresi yaitu tingkat dimana perubahan pada variabel terikat dapat
diprediksi degan perubahan pada variabel bebas.
R-kuadrat dapat dikalkulasikan sbb.
Kemampuan penjelasan regresi meningkat ketika jumlah kudrat dari varians yang dapat
dijelaskan relatif meningkat jika dibandingkan dengan total jumlah kuadrat. Nilai yang
mendekati 1 mencerminkan regresi yang sesuai dan memiliki penjelasan yang kuat.
Keandalan Statistik (F-statistik)
F-statistik merupakan ukuran keandalan statistik regresi yang bermanfaat untuk mengetahui
hubungan antar variabel dalam regresi benar ada atau kebetulan antardata ada.
F yang lebih besar, memiliki kemungkinan lebih kecil bahwa regresi secara statistik tidak
dapat diandalkan. F-statistik dapat diperoleh dari tabel anlisis sbb.
Nilai-t, adalah ukuran keandalan dari setiap variabel bebas, yaitu tingkat dimana variabel
bebas memiliki hubungan yang absah, stabil, dan bersifat jangka panjang dengan variabel
terikat.
Varians yang tidak konstan terjadi ketika kondisi varians yang tidak dapat dijelaskan manjadi
tidak konstan dalam rentang varibel bebas. Untuk memperbaiki masalah varians yang tidak
konstan, akuntan manajemen seharusnya mentransformasikan variabel terikat dengan log atau
akaur kuadrat . jika hal tersebut tidak membantu, makan akuntan manajemen harus lebih
berhati-hati dalam mepertimbangkan nilai SE.
Regresi deret berkala (time series regression) adalah aplikasi analisis regresi untuk
memprediksi jumlah di masa yang akan datang, dengan menggunakan data pada periode
sebelumnya.
Sebaliknya, regresi lintas bagian (cross-sectional regression) adalah pengestimasian biaya
untuk objek biaya tertentu berdasarkan informasi mengenai objek dan variabel biaya yang lai,
dimana informasi untuk seluruh variabel diambil dari periode waktu yang sama.