Tugas Manajemen Biaya

Estimasi Biaya

DISUSUN OLEH :
Nama : Recky Imanuel Ginting.s
Nim : 172101013

PROGRAM STUDI DIPLOMA KEUANGAN

FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS SUMATERA UTARA
2019/2020
 BAB 8
ESTIMASI BIAYA

Estimasi biaya adalah pengembangan hubungan yang baik antara objek biaya dengan
penggerak biayanya untuk tujuan memprediksi biaya.

Estimasi biaya memfasilitasi manajemen strategi dengan 2 cara yaitu:

1. Estimasi biaya membantu memprediksi biaya di masa yang akan datang dengan
menggunakan penggerak biaya berdasarkan aktivitas, volume, struktur, atau pelaksanaan
yang diidentfkasi sebelumnya.
2. Estimasi biaya membantu mengidentifikasi penggerak biaya utama untuk suatu objek biaya
dan penggerak biaya tersebut yang paling berguna dalam memprediksi biaya.

Menggunakan Estimasi Biaya untuk Memprediksi Biaya di Masa yang

Akan Datang
1. Memfasilitasi pengembangan dan implementasi strategi
Estimasi biaya terutama penting bagi perusahaan yang berkompetisi berdasarkan
kepemimpinan biaya. Estimasi biaya mengarahkan pihak manajemen dalam
menentukan teknik-teknik manajemen seperti intelijen bisnis, perhitungan biaya
berdasarkan target, atau manajemen kualitas total, yang seharusnya digunakan oleh
perusahaan agar berhasil dalam strategi yang dipilihnya.
2. Memfasilitasi analisis rantai nilai
Estimasi biaya membantu perusahaan mengidentifikasi potensi peluang pengurangan
biaya dengan cara membentuk ulang rantai nilai. Contohnya, estimasi biaya berguna
dalam menentukan apakah seluruh biaya dan nilai produk dapat diperbaiki dengan
cara memproduksi salah satu komponen perusahaan atau membeli komponen tersebut
dari pemasok.
3. Memfasilitasi perhitungan biaya berdasarkan target dan penentuan harga
Estimasi biaya merupakan bagian integral dari perhitungan biaya berdasarkan target
dan penentu harga. Pihak manajemen menggunakan estimasi biaya dari berbagai
desain produk sebagai bagian dari proses pemilihan desain tertentu yang memberikan
nilai terbaik bagi pelanggan sementara mengurangi biaya produksi dan biaya lainnya.
4. Memfasilitasi pengukuran, evaluasi, dan kompensasi kinerja yang efektif
Estimasi biaya memainkan peran penting dalam menentukan biaya pada unit-unit
bisnis, yang memengaruhi kinerja keuangan, peluang promosi, dan kompensasi
manajer divisi serta kemampuan untuk menarik modal bagi divisi mereka.
Estimasi Biaya untuk Berbagai Jenis Penggerak Biaya
Penggerak biaya berdasarkan struktur meliputi rencana dan keputusan yang memiliki dampak
jangka Panjang serta strategis bagi perusahaan. Keputusan tersebut mencakup pengalaman
produksi, skala produk, teknologi produk atau produksi, dan kompleksitas produk atau
produksi. Sebagai penggerak biaya, pengalaman menyebabkan penurunan biaya per unit yang
disebabkan karena pembelajaran. Pengaruh dari pengalaman terhadap total biaya adalah
bersifat nonlinier yaitu biaya menurun sejalan dengan meningkatnya pengalaman produksi.
Hubungan antara penggerak biaya berdsasarkan struktur, skala, dan total biaya bersifat
nonlinier. Skala merupakan istilah yang digunakan untuk mendeskripsikan proses produksi
dari produk-produk serupa yang berbeda ukurannya.

Penggunaan Estimasi Biaya untuk Mengidentifikasi Penggerak Biaya

Cara yang sering kali paling praktis untuk mengidentifikasi penggerak biaya adalah
mengandalkan pertimbangan dari perancang produk, teknisi, dan karyawan produksi.
Estimasi biaya kadang kala memainkan peran untuk mengungkapkan dan memainkan peran
kolaboratif untuk memvalidasi serta mengonfirmasikan pertimbangan dari perancang produk
dan teknisi.

Enam Tahap Estimasi Biaya

Tahap 1: Mendefinisikan Objek Biaya yang akan Diestimasikan
Meskipun tampaknya merupakan hal yang mendasar, mendefenisikan biaya tertentu yang
akan diestimasikan seharusnya dilakukan secara hati-hati. Contohnya, jika tujuannya adalah
untuk mengestimasikan biaya produk dalam rangka memperbaiki penentuan harga produk,
objek biaya yang relevan adalah produk yang di produksi pada pabrik.

Tahap 2: Menentukan Penggerak Biaya

Penggerak biaya merupakan factor penyebab yang digunakan dalam estimasi biaya.
Mengidentifikasi penggerak biaya adalah tahap terpenting dalam mengembangkan estimasi
biaya. Terdapat sejumlah penggerak biaya yang relevan, tetapi beberapa penggerak biaya
tampak tidak jelas.

Tahap 3: Mengumpulkan Data yang Konsisten dan Akurat

Konsisten berarti setiap periode data yang dikalkulasikan menggunakan dasar akuntansi yang
sama dan seluruh transaksi dicatat dengan tepat berdasarkan proses terjadinya. Periode yang
digunakan dalam mengestimasikan biaya dapat bervariasi dari harian, mingguan, atau
tahunan. Jika periode yang digunakan terlalu singkat, maka kemungkinan munculnya
ketidaksesuaian antarvariabel akan meningkat karena waktu pencatatan yang terlambat.
Keakuratan data juga bergantung pada sumber data. Kadang kala, data yang dikembangkan
dalam perusahaan sangat handal, sebagai akibat dari kebijakan dan prosedur manajemen
untuk memastikan keakuratan tersebut.
 Tahap 4: Membuat Grafik Data
Tujuan pembuatan grafik data adalah untuk mengidentifikasi pola yang tidak umum. Adanya
pergeseran atau ketidaklinieran data harus diberikan perhatian khusus dalam
mengembangkan estimasi.

Tahap 5: Memilih dan Menggunakan Metode Estimasi

Dua metode estimasi yang disajikan pada bagian berikutnya berbeda kemampuannya dalam
memberikan estimasi biaya yang paling akurat jika dibandingkan dengan biaya keahlian dan
sumber daya yang digunakan.

Tahap 6: Menilai Keakuratan Estimasi Biaya

Tahap terakhir yang paling penting dalam estimasi biaya adalah mempertimbangkan potensi
kesalahan estimasi yang dibuat. Kesalahan-kesalahan tersebut dapat dievaluasi dengan
menggunakan presentase kesalahan mutlak rata-rata yang dikalkulasikan dengan mengambil
nilai mutlak setiap kesalahan dan kemudian merata-ratakan kesalahan-kesalahan serta
mengubah hasilnya ke dalam bentuk presentase nilai aktual dari biaya overhead.

Metode Estimasi Biaya

Terdapat dua metode estimasi, yaitu metode titik tinggi-rendah dan metode analisis regresi.
Terdapat 2 metode estimasi biaya yaitu :
1. Metode Tinggi-Rendah (high-low method) yaitu metode yang menggunakan aljabar untuk
menentukan garis estimasi yang unik antara titik-titik yang tinggi dan rendah dalam data.
Estimasi tinggi-rendah ditampilkan sbb :

Dimana: Y = nilai estimasi biaya pemeliharaan

X = penggerak biaya, yaitu jumlah jam operasi dari operasional pabrik
a = jumlah tetap yang tetap mewakili nilai Y ketika X = nol
b = kemiringan garis.
2. Metode analisis regresi (regression analysis) yaitu metode statistik untuk memperoleh
persamaan estimasi biaya unik yang paling sesuai bagi sekumpulan titik data.
Metode analisis regresi disebut juga regresi kuadrat terkecil, karena metode regresi
menyesuaikan data dengan cara memperkecil jumlah kuadrat dari kesalahan setimasi, yang
dipandang secara luas sebagai salah satu metode yang paling efektif untuk mengestimasikan
biaya. Jumlh kesalahan estimasi dpertimbangkan secara eksplisit pada estimasi regresi
sederhana, yaitu :

Dimana : Y = jumlah variabel terikat (biaya yang diestimasi)

a = jumlah tetap ; titik potong/konstanta, yang mewakili jumlah Y ketika X = 0
X = nilai variabel bebas (penggerak biaya yang diestimasi)
b = biaya variabel per unit atau koefisien variabel bebas

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.

5 Tahapan pengambilan Keputusan Strategis (Harrah: Bisnis Kasino Las

Vegas)

1. Menentukan isu strategis di sekitar masalah ; mengembangkan dan mempertahankan

loyalitas (strategi diferensiasi) dan profitabilitas pelanggan.
2. Mengidentifikasi alternatif tindakan ; bertanggungjawab untuk mempertahankan kepuasan
pelanggan dengan memastikan pelanggan tidak mencapai titik penderitaan.
3. Memperoleh informasi dan melakukan analisis terhadap alternatif
4. Didasarkan strategi dan analisis, pilih dan implementasikan alternatif yang diinginkan ;
Harrah mengimplementasikan sistem berdaasarkan regresi, sehingga ketika pelanggan
tertentu yg berjudi di kasino dapat dipantau agar tidak sampai pada titik penderitaan dengan
layanan Cuma-Cuma yang diberikan Harrah.
5. Menyediakan evaluasi terus-menerus mengenai efektifitas implementasi.

Masalah Implementasi : Ketidaklinieran

Ketidaklinieran sering terjadi karena pola deret berkala terhadap data seperti tren dan atau
musiman, pencilan data, dan peralihan data.
1. Tren dan/atau musiman yaitu menjelaskan persyaratan data dan masalah implementasi dari
metode estimasi biaya.
2. Pencilan data yaitu kondisi tidak lazim atau jarang terjadi memengaruhi operasinya pad
periode tertentu, hasilnya mungkin mungkin berupa titik yang jauh dari titik data lainnya.
3. Peralihan data yaitu kondisi tidak lazim yang berlangsung lama sehingga mengakibatnkan
pergeseran arah rata-rata data yang harus dimasukkan dalam estimasi.
 Analisis Kurva Pembelajaran

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.

Manfaat Kurva Pembelajaran

Kurva pembelajaran bermanfaat dalam bidang-bidang berikut.

1. Analisis biaya-volume-laba ; penentuan titik impas. Gagal mempertimbangkan pembelajaran
menyebabkan pernyataan kebutuhan jumlah unit aktual yang terlalu berlebihan untuk titik
impas.
2. Penganggaran tingkat produksi dan kebutuhan tenaga kerja ; pengembangan rencana
produksi tahunan atau triwulan dan anggaran pensiun tenaga kerja terkait.
3. Keputusan membuat atau membeli ; analisis yang dilakukan berguna untuk keakuratan total
biaya dari waktu ke waktu atas pilihan yang dibuat.
4. Penganggaran modal ; keakuratan sepanjang usia investasi modal dengan memasukkan
peningkatan produktivitas tenaga kerja yang diharapkan.
5. Persiapan penawaran untuk kontrak produksi ; perhitungan biaya berdasarkan target dan
perhitungan biaya siklus hidup
6. Pengembangan biaya produk standar
7. Pengendalian manajemen

Bentuk Umum Model Pembelajaran

Bentuk paling umum dari model pembelajaran sbb .

Dimana : Y = akumulasi waktu per unit rata-rata ketika memproduksi unit X

a = waktu yang dibutuhkan untuk unit output pertama
X = akumulasi output
b = indeks pembelajaran
 Keterbatasan Analisis Kurva Pembelajaran

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

Kesalahan standar estimasi (standard error estimate-SE) merupakan ukuran keakuratan

estimasi regresi dimana nilai sebenarnya yang tidak diketahui diperkirakan kemungkinan
akan turun. Rentang tersebut disebut “interval keyakinan” (convidence interval). Nilai SE
dari regresi tertentu dapat diperoleh dari tabel analisis varians sbb.

Ketepatan dan keakuratan meningkat jika varians yang tidak dapat dijelaskan berkurang dan
ketika jumlah titik data meningkat akibat jumlah derajat kebebasan meningkat.

Tingkat Kesesuaian (R-kuadrat)

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.

Keandalan Statistik untuk Setiap Variabel Bebas (nilai-t)

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.

Keandalan dari Ketepatan (Varians yang Tidak Konstan)

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.

Kesalahan Tidak Bebas (Statistik Durbin-Watson)

Kesalahan tidak bebas terjadi jika terdapat hal-hal berikut.

1. Jumlah dan arah dari setiap batas kesalahan berkaitan dengan kesalahan di sekitarnya.
2. Terdapat ketidak linearan pada data, dan ketika itu ukuran statistik tidak dapat diandalkan
dan prediksi regresi menjadi berat sebelah.
Metode umum yang mendeteksi adanya kesalahan tidak bebas adalah menggunakan statistik
Durbin-Watson (DW). Statistik DW dikalkulasikan dari jumlah dan perubahan kesalahan
dalam rentang variabel bebas. Masalah kesalahan tidak bebas biasanya dapat diperbaiki
dengan cara berikut.
1. Menghilangkan pengruh musiman pada data, dengan menggunakan variabel rekayasa untuk
musiman, atau menggunakan indeks untuk menghilangkan tren.
2. Mengubah hubungan perkalian menjadi hubungan penjumlahan yang setara (linier) dengan
menggunakan logaritma variabel bebas dan terikat.
Regresi Deret Berkala dan Lintas Bagian

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.