RESUME

MANAJEMEN BIAYA

Dosen : Lita Yulita F., SE., MSI., Ak., CA.,

Disusun Oleh:

Adelia Prima Retina C 14218019

Syallomitha Tiara Kusuma 142180199

Dinda Karunia 142180208

PROGRAM STUDI AKUNTANSI

FAKULTAS EKONOMI DAN BISNIS

UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN” YOGYAKARTA

2020
 BAB 8
ESTIMASI BIAYA

Penggunaan Estimasi Biaya untuk Mengidentifikasi Penggerak Biaya

Cara yang sering kali praktis untuk mengidentifikasi penggerak biaya adalah
mengandalkan pertimbangan dari perancangan produk, tekhnisi dan karyawan produksi.
Mereka adalah orang-orang yang paling memahami produk dan proses serta memiliki
informasi yang paling berguna untuk menentukan penggerak biaya.

Enam Tahap Estimasi Biaya

Estimasi Biaya memiliki enam tahap sebagai berikut;
Tahap 1: Mendefinisikan Objek Biaya yang akan Diestimasi
Meskipun tampaknya merupakan hal yang mendasar, mendefenisikan biaya
tertentu yang akan diestimasikan seharusnya dilakukan secara hati-hati. Contohnya
estimasi biaya produksi dalam rangka memperbaiki penentuan harga produk, objek biaya
yang relevan adalah produk yang diproduksi pada pabrik. Sebaliknya jika untuk
memberikan penghargaan kepada manajer untuk mengurangi biaya, objek biaya yang
paling tepat adalah setiap departemen produksi karena besar biaya dapat dikendalikan
secara langsung oleh manajer departemen.

Tahap 2: Menentukan Penggerak Biaya

Penggerak biaya merupakan faktor penyebab yang digunakan dalam estimasi biaya.
Beberapa contoh biaya yang diestimasikan dan pengerak biayanya yang terkait adalah
sebagai berikut:
Biaya yang akan diestimasi Penggerak biaya
Biaya Bahan bakar untuk truk pengantar barang   Jumlah mil yang ditempuh
Biaya pemanas ruangan untuk bangunan    Suhu udara yang akan dipertahankan
dalam bangunan
Biaya pemeliharaan untuk bangunan pabrik    Jumlah jam mesin dan jumlah jam
tenaga kerja langsung
Biaya Desain produk    Jumlah elemen desain dan perubahan
desain

Tahap 3: Mengumpulkan Data yang Konsisten

Data harus konsisten dan akurat. Konsisten berarti setiap periode data yang
dikalkulasikan menggunakan dasar akuntansi yang sama dan seluruh transaksi dicatat
dengan tepat berdasarkan periode terjadinya. Keakuratan data juga bergantung pada
sumber data. Kadangkala 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.

Tahap5:  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. Akuntan manajemen memilih
metode yang memiliki tingkat ketepatan/pertukaran biaya terbaik terhadap Tujuan
estimasi.

Tahap 6: Menilai Keakuratan Estimasi Biaya

         Tahap terakhir yang penting dalam estimasi biaya adalah mempertimbangkan potensi
kesalahan estimasi yang dibuat. Ini meliputi mempertimbangkan kelengkapan dan
ketepatan penggerak biaya yang dipilih pada tahap dua, konsisten dan keakuratan data
yang dipilih pada tahap tiga, kajian grafik pada tahap empat, serta ketepatan metode yang
dipih pada tahap lima.
         Pendekatan umum untuk menilai keakuratan metode estimasi adalah membandingkan
estimasi dengan hasil aktual disepanjang waktu tertentu.

Metode Estimasi Biaya

Terdapat dua metode estimasi yaitu metode titik tinggi rendah dan metode analisis regresi.
Metode titik tinggi rendah adalah metode yang paling tidak akurat tetapi paling mudah
diaplikasikan serta metode analisis regrsi adalah metode yang paling akurat dan paling
mahal, membutuhkan lebih banyak waktu, pengumpulan data dan keahlian. Dalam memilh
metode estimasi terbaik, akuntan manajemen harus mencari keseimbangan antara tingkat
keakuratan yang dinginkan dengan keterbatasan apapun mengenai biaya, waktu, dan
upaya.

Metode Titik Tinggi-Rendah

Metode titik tinggi–rendah (high-low method) menggunakan aljabar untuk menentukan
garis estimasi yang unik antara titik-titik yang tinggi dan rendah dalam data. Metode titik
tinggi rendah memenuhi dua Tujuan penting bagi Garcia.
1. Metode tersebut berdasarkan pada garis biaya yang umik, bukan estimasi kasar
berdasarkan pada pengamataan terhadap garafi.
2. Metode tersebut memungkinkan Garcia untuk menambahkan informasi yang dapat
berguna dalam memprediksi biaya pemeliharaan.
Etimasi titik tinggi rendah ditampilkan sebagai berikut:
         Y = a + (b x X)
Dimana : Y = nilai estimasi biaya pemeliharaan
X = penggerak biaya yaitu jumlah jam operasi ditambah dari operasional pabrik.
Analisis Regresi
Analisis regresi (regression analysis) merupakan metode statistic 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. Karena regresi secara estimasi memperkecil kesalahan estimasi dengan cara ini,
metode ini disebut juga regresi kuadrat terkecil (least squares regression).
Analisis regresi memiliki dua jenis variabel. (1) Variabel terikat (dependent variable)
merupakan biaya yang akan diestimasikan. (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.
Analisis regresi memberikan metode statistic yang tepat dan obyektif untuk
mengistemasikan beban perlengkapan. Keunggulan utama metode analisis regresi adalah
bahwa metode tersebut merupakan estimasi unik yang menghasilkan kesalahan estimasi
terkecil dari data. Disisi lain, karena kesalahan tersebut dikuadratkan untuk mendapatkan
garis terbaik, analisis regresi dapat sangat dipengaruhi oleh titik-titik data yang tidak
umum yang disebut dengan pencilan data (outliers).

Memilih Variabel terikat

Variabel terikat mungkin disajikan pada tingkat yang luas, seperti total biaya pemeliharaan
untuk seluruh perusahaan, atau tingkat terperinci, seperti biaya pemeliharaan untuk setiap
pabrik atau departemen.

Memilih Variable Bebas

Untuk mengidentifikasi variabel bebas, akuntan manajemen mempertimbangkan seluruh
data keuangan, operasi, dan ekonomi lainnya yang mungkin relevan untuk mengestimasi
variabel terikat. Tujuannya adalah untuk memilih variabel yang relevan; yaitu variabel
yang berubah ketika variabel terikat berubah, dan bukan merupakan salinan dari variabel
bebas lainnya.

Mengevaluasi Analisis Regresi

Selain untuk mengistemasi biaya, analisis regresi juga menyediakan ukuran kuantitatif dari
ketepatan dan keandalannya. Ketepatan mengacu pada keakuratan dan keandalan
menunjukkan apakah regresi mencerminkan hubungan actual antar variabel yaitu: apakah
model regresi mungkin terus menerus memprediksi secara akurat? Ukuran ukuran ini dapat
membantu akuntan manajemen dalam menilai kegunaan regresi tersebut:
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 ada variabel bebas.
2. Nilai-t (T-value) merupaka ukuran keandalan dari setiap variabel bebas yaitu
tingkat dimana variabel bebas memiliki hubungan yang abash, 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 variabel terikat.

Ilustrasi Penggunaan Analisis Regresi pada Industri Perjudian

Lima tahapan Pengambilan Keputusan Strategs untuk Harrah
1.Menentukan isu strategis disekitar masalah
2.Mengidentifikasi alternatif tindakan
3.Memperoleh informasi dan melakukan analisis terhadap alternatif
4.Didasarkan strategi dan analisis, pilih dan implementasikan alternatif
5.Menyediakan evaluasi terus menerus mengenai efektifitas implementasi pada tahap
empat.

Masalah Implementasi: Ketidaklinearan

Regresi linier mengasumsikan hubungan linier antarvariable, dan estimasi regresi tidak
dapat diandalkan ketika hubungan data bersifat nonlinier.
1. Tren/atau musiman
Karakteristik umum dari data akuntansi adalah tren signifikan yang
dihasilkan dari perubahan harga dan/atau musiman. Jika terdapat tren atau
musiman, regresi linier tidak sesuai lagi dengan datanya, dan akuntan manajemen
harus menggunakan metode yang dapat menghilangkan variable musiman atau tren
tersebut. Metode yang paling lazim digunakan adalah:
- Penggunaan indeks perubahan harga untuk menyesuaikan nilai setiap variable
dengan beberapa periode waktu yang lazim.
- Penggunaan variable tren. Variable tren memiliki nilai 1,2,3.. untuk setiap
periode secara berurutan.
- Penggantian nilai asli dari setiap variable dengan selisih pertama. Selisih
pertama untuk setiap variable adalah selisih antara setuap nilai dengan nilai
berikutnya pada deret berkala.
2. Pencilan data
Ketika terdapat kesalahan atau kondisi bisnis yang tidak lazim atau jarang
terjadi memengaruhi operasinya pada periode tertentu, asilnya mungkin berupa titik
data yang terletak jauh dari titk data yang lainnya, yaitu pencilan data.
3. Peralihan data
Jika kondisi bisnis yang tidak lazim berlangsung lama , seperti pengenalan
teknologi produksi baru atau perubahan tetap lainnya, terdapat perbedaan
pergesaran dari arah rata-rata data yang harus dimasukkan ke dalam estimasi. Salah
satu cara untuk menangani hal tersebut adalah menggunakan variabel rekayasa
untuk menandai periode sebelum dan setelah terjadinya peralihan.