DEASY CAKRADISURYA PERTANYAAN DISKUSI KELOMPOK 2

2015031097 P3-4 S/D P3-6

P3-4
Diskusikankeuntungandankerugianmenggunakanpenelitianmanajerialdalammemisahkanbiayatetapdengan
biaya variable.

Jawab :

Penilaianmanajerialsering kali mengklasifikasikanbiayatetapataubiaya variable

berdasarkanpengalamanpribadimanajemen, pendekataninicepatnamunmenghasilkanestimasibiaya yang
tidakdapatdiandalkan.Perilakudarijenisbiayatertentutidakselaluterlihatdaripengamatanbiasa.Manajerberus
ahamenyederhanakan proses denganmengklasifikasikansetiapbiayasebagaiseluruhnyatetapatauseluruhnya
variable, sehinggamengabaikanfaktabahwabeberapabiayabersifatsemivariabel. Tetapiapabilakondisi
abnormal atau yang tidakbiasanyaterjadidalamsatuataulebihperiode yang dicakupdalam data base
penilaianmanjerialsangatberperanpentingdalamanalisisperilakubiaya.

P3-5Apasajametodeperhitungan yang tersediauntukmemisahkankomponentetapdankomponen variable

daribiayasemivariabel ?

Jawab :

1. MetodeTinggi-Rendah (High and Low Points)

Dalammetodeinielementetapdanelemen variable
darisuatubiayadihitungmenggunakanduatitik.Titikdata(periode)yang dipilihdari data
historismerupakanperiodedenganaktivitastertinggidanterendah.
2. MetodeScattergraph
MetodeScattergraphdapatdigunakanuntukmenganalisisperilakubiaya.Dalammetodeini, biaya yang
dianalisisdisebutvariabeldependendandiplot di sepanjanggaris vertical atau yang
disebutdengansumbu y. aktivitasterkaitdisebutsebagaivariabelindependen.
3. MetodeKuadratTerkecil (Least Squares)
Metodekuadratterkecil, kadangdisebutanalisisregresi, menentukansecaramatematisgaris yang
paling sesuai, ataugarisregresi linear,
melaluisekelompoktitik.Garisregresimeminimalkanjumlahkuadratdeviasisetiaptitik actual yang
diplotdarititik di atasatau di bawahnyadalamgarisregresi.
P3-6 Apakeuntungandankerugianmasing-masingdariketigametode yang
berbedadalammemisahkankomponentetapdankomponen variable daribiaya?
Jawab :

MetodeTitikTertinggidanTerendah (High and Low Point Method)

KeunggulannyaadalahMetodeinisangatsederhanasehinggamudahdihitungdandipakai.SedangkanKelemaha
nnyaadalahKurangtelitidancermat, karenahanyadidasarkanpadaduatingkatankapasitas yang ekstrim,
yaitutertinggidanterendah, tingkatankapasitas yang lain tidakdipertimbangkan.
Perbedaanantarakeduatitiktersebutdisebabkankarenaadanyaperubahankapasitasdanbesarnyatarifbiayavaria
belsatuan, sehinggapersamaan Y = a + b (x) dapatditentukan.

Metodegrafikstatistikal (Statistical Scattergraph Method)

Keunggulanmetodeinidibandingmetodetitiktertinggidanterendahsertametodebiayabersiap,
metodegrafikstatistiklebihtelitikarenasemua n
ataubulantelahdiperhitungkan.SedangkankelemahanMetodegrafikstatistikadalahkurangilmiahkarenapenari
kangarisdapatberbedaantara orang tertentudibandingkan orang lain, atauoleh orang
tertentutetapiwaktunyaberbeda, meskipundenganmenggunakan data kapasitas clan biaya yang sarna,
jadisifatnyasubyektif.

MetodeKuadratTerkecil( Least Squares Method )

Dalampersamaangarisregresi : y = a + bx, dimana y merupakan variable tidakbebas (dependent variable),

yaituvariabel yang perubahannyaditentukanolehperubahanpadavariabel x yang merupakanvariabelbebas
(independent variable). Variabel y menunjukkanbiaya, sedangkanvariabel x menunjukkan volume
kegiatan.Contohbiaya semi variable adalahbiayalistrikdanbiayapemeliharaandll.
Metodeinijugamemilikikeunggulandankelemahan.Kelebihandari Least Square Method
adalahmetodeinidapatmenghasilkanpersamaanbiaya yang dapatdipertanggungjawabkansecarailmiah.Serta
tidakada data biaya yang
tidakdigunakan.SedangkankekurangandarimetodeiniadalahKesulitanapabiladalamperhitungannyadigunak
ansecara manual.Serta penggunaanawamcenderungtidakmaususah-susahmenghitungnya.
NAMA : VINIATY

NIM : 2015031303 kelompok 2

M.KULIAH : AKUNTANSI BIAYA

PERTANYAAN DISKUSI

P3-7 Jelaskan arti dari $200 dan $4 dalam persamaan regresi, yi= $200+$4x, dimana yi melambangkan
total biaya bulanan dari perlengkapan tidak langsung dan xi adalah jam mesin per bulan?

Jawab: $200 Adalah intersep dan $4 adalah koefisien korelasi/slop

P3-8 Definiskan dan jelaskan antara koefisien korelasi dengan koefisien determinasi?

Jawab: Koefisien determinasi adalah ukuran yang digunakan untuk mengukur variavel independen
terhadap variasi variabel dependen, sedangkan koefisien korelasi sederhana merupakan akar dari
koefisien determinasi. Besarnya hubungan antara variabel yang satu dengan variabel yang lain dinyatakan
dengan koefisien korelasi yang disimbulkan dengan huruf “r”. besarnya koefisien korelasi akan berkisar
antara -1 (minus 1) sampai dengan +1 (plus 1).

P3-9 Apa yang dimaksud dengan kesalahan standar dari estimasi?

Jawab: kesalahan didalam laporan keuangan dapat menimbulkan catatan mengenai pengakuan,
pengukuran,penyajian yang salah, atau pengungkapan pos didalam laporan keuangan.dan apabila laporan
keuangan berisi kesalahan-kesalahan yang material, maka tidak dapat dianggap mematuhi IFRS.

entitas harus mengoreksi kesalahan material yang terkait dengan periode sebelumnya, berlaku surut
didalam perangkat laporan keuangan pertama yang diotorisasikan untuk diterbitkan setelah penemuannya
dengan :

- Menyatakan kembali jumlah komparatif untuk periode-periode yang disajikan bilamana

kesalahan itu terjadi, atau
- Apabila kesalahan yang terjadi sebelum periode sebelumnya yang terawal disajikan, makan
pernyataan kembali saldo awal asset,liabilitas, dan ekuitas untuk periode sebelumnya terawal
disajikan.
Nama : Lisa 2015031140 Jurusan : Akuntansi S1

Matkul : Akuntansi Biaya Kelompok II

Pertanyaan Diskusi Hal 88

P3-10 Dalam hubungannya dengan metode kuadrat terkecil, apa yang dimaksud dengan istilah
heteroskedastisitas,dan masalah apa yang kemungkinan muncul jika hal tersebut terjadi?

Jawab : Heteroskedastisitas adalahapabila kesalahan atau residual yang diamati tidak

memiliki varian yang konstan. Residual adalah faktor-faktor lain yang terlibat
akantetapi tidak termuat dalam model. karena residual ini merupakan variabel
yang tidak diketahui, maka diasumsikan bahwa nilai residual bersifat acak.untuk
mengetahui adanya penyimpangan dari syarat-syarat asumsi klasik pada regresi
linear, di mana dalam model regresi harus dipenuhi syarat tidak adanya
heteroskedastisitas.

P3-11 Definisikan dan jelaskan pentingnya istilah korelasi serial.

Jawab : Korelasi adalah salah satu analisis dalam statistik yang dipakai untuk mencari

hubungan antara dua variabel yang bersifat kuantitatif. Analisis korelasi
merupakan studi pembahasan mengenai derajat hubungan atau derajat asosiasi
antara dua variabel, misalnya variabel X dan variabel Y. Adapun pengertian
korelasi yang lebih spesifik, yaitu mengisyaratkan hubungan yang bersifat
substantif numerik (angka/bilangan). Dari definisi ini, sekaligus memperlihatkan
bahwa tujuan dari analisis korelasi adalah untuk melihat/menentukan seberapa
erat hubungan antara dua variabel.Misalnya, dalam suatu penelitian, seorang
peneliti berusaha mengungkapkan hubungan antara beberapa besaran (variabel).
Variabel X dan Y dinyatakan memiliki korelasi jika X dan Y memiliki perubahan
variasi yang satu sama lain berhubungan, artinya jika variabel X berubah, variabel
Y pun berubah. Jika variabel X merupakan sebuah variabel yang bersifat
menerangkan tingkah laku variabel Y, variabel X disebut variabel
 bebas (independent variable). Jika tingkah laku variabel Y diterangkan variabel
X, variabel Y disebut variabel tidak bebas (dependet variable). Variabel bebas
disebut juga penyebab, sedangkan variabel tidak bebas disebut akibat.

P3-12 Apa yang dimaksud dengan istilah multikolinearitas dalam penerapan analisis regresi
berganda?

Jawab : Multikolinearitas atau Kolinearitas Ganda adalah adanya hubungan linear antara

perubah bebas X dalam Model Regresi Ganda.Jika hubungan linear antar peubah
bebas X dalam Model Regresi Ganda adalah korelasi sempurna maka peubah-
peubah tersebut berkolinearitas ganda sempurna Sebagai ilustrasi, misalnya dalam
menduga faktor-faktor yang memengaruhi konsumsi per tahun dari suatu rumah
tangga, dengan model regresi ganda sebagai berikut :

Y=ß0+ß1X1+ß2X2+E
dimana :
X1 : pendapatan per tahun dari rumah tangga
X2 : pendapatan per bulan dari rumah tangga

Perubah X1 dan X2 berkolinearitas sempurna karena X1 = 12X2. Jika kedua

perubah ini dimasukkan ke dalam model regresi, akan timbul masalah
Kolinearitas Sempurna, yang tidak mungkin diperoleh pendugaan koefisien
parameter regresinya. Jika tujuan pemodelan hanya untuk peramalan nilai Y
(peubah respon) dan tidak mengkaji hubungan atau pengaruh antara peubah bebas
(X) dengan peubah respon (Y) maka masalah multikolinearitas bukan masalah
yang serius.Seperti jika menggunakan Model ARIMA dalam peramalan,karena
korelasi antara dua parameter selalu tinggi, meskipun melibatkan data sampel
dengan jumlah yang besar.Masalah multikolinearitas menjadi serius apabila
digunakan unruk mengkaji hubungan antara peubah bebas (X) dengan peubah
respon (Y) karena simpangan baku koefisiennya regresinya tidak siginifikan
sehingga sulit memisahkan pengaruh dari masing-masing peubah bebas.