AKUNTANSI BIAYA II

Pertemuan 13
Program Linier pada Akuntansi Biaya
(Linear Programming in Cost Accounting)

A. Konsep Dasar Linear Progamming

Konsep Linear Programming (LP) adalah metode untuk menentukan alokasi yang optimal
atas sumber daya langka yang melibatkan one objective dan multiple limiting factors.
Faktor restriksi dalam pencapaian suatu tujuan (objective) meliputi:
 The physical constraint yang berhubungan dengan ukuran dari fasilitas tertentu
 Ukuran dari pekerja (worker)
 Labor hours the worker is allowed to work
 Ketersediaan dana

B. Konsep Dasar Objective, Constraint, and its function

1. Objective (Tujuan)
Tujuan perusahaan dapat berupa maximize or minimize some measure of
performance, seperti memaksimalkan contribution margin atau meminimalkan
product cost.
2. Constraint (Batasan atau Restriksi)
Merupakan hambatan manajemen dalam pencapaian tujuan. Dapat berupa
Resource constraints (production capacity, availability of labor time, space, Raw
Material, etc) atau berupa Demand or marketing constraints (Quantity sold during a
time period).
3. Function or Formulatting an LP Problem
Terpenting sejak awal : Buat bentuk persamaan matematika dari data yg diberikan. Untuk
mengkonversi data informasi menjadi persamaan matematika, dibutuhkan
decision variable yaitu elemen seperti number of units yang digunakan untuk
menyelesaikan suatu masalah. Fungsi objektif dan constraint harus diidentifikasi.

Step 1 : Tentukan Persamaan Matematika dari Suatu Tujuan (Objective Function)

Basic Objective Function

Maximazation problems Max CM = CM1X1 + CM2X2

 AKUNTANSI BIAYA II

Minimazation Problems Min VC = VC1X1 + VC2X2

CM = Contributiom margin CM1 atau = CM per unit produk 1 atau 2
2
VC = Variable Cost VC1 atau = VC per unit produk 1 atau 2
2
X1 = First Product
X2 = Second Product

Step 2 : Tentukan Persamaan Matematika dari Suatu Batasan (Constraint)

Biasanya Batasan sumber daya dinyatakan secara inequalities (tidak =)

A1X1 + A2X2 ≤ Resource 1

Koefisien A1 dan A2 adalah koefisien input-output yang mengindikasikan setiap variabel

keputusan menggunakan atau menghabiskan sumber daya yang langka.

Step 3 : Membuat grafik constraint dan menentukan feasible region atau ruang grafik
yang terisi semua garis constraint

Step 4 : Tentukan titik kordinat tiap corner (vetex) dari feasible region

Step 5 : Hitung nilai objective Function semua titik kordinat lalu pilih optimal
solution (max or min problems)

C. Maximization and Minimization Concepts

1. Maximization
Contoh linear programing untuk memaksimalkan CM adalah sebagai berikut:
Diasumsikan kedai kopi membuat 2 model produk, yaitu model standar dan deluxe.
 Setiap unit model standar memerlukan waktu 2 jam untuk penggilingan dan 4 jam
untuk pemolesan.
 Setiap unit model deluxe memerlukan waktu 5 jam untuk penggilingan dan 2 jam
untuk pemolesan.
 Perusahaan memiliki 3 mesin penggilingan dan 2 mesin pemolesan
 Setiap 40 jam waktu kerja mingguan menyediakan 120 jam kapasitas
penggilingan dan dan 80 jam kapasitas pemolesan
 Model standar dijual dengan harga $9 dan model deluxe dijual dengan harga $12
 Variable costs untuk membuat dan menjual per satu unit model adalah $6 untuk
model standar dan $8 untuk model deluxe
 Akibatnya CM dari model standar adalah $3 dan model deluxe adalah $4
 AKUNTANSI BIAYA II

Informasi yang relevan adalaha sebagai berikut:

Waktu Waktu Variable CM

Harga jual
Penggilingan Pemolesan Cost
Standard $3
2 4 $9 $6
model
Deluxe 4
5 2 12 8
model
Plant
120 80
capacity
Pembahasan: Inget 5 Step!
1) Fungsi objektif  Maximize CM = 3x + 4y
2) Batasan  Waktu penggilingan = 2x + 5y ≤ 120
Waktu pemolesan = 4x + 2y ≤ 80
3) Buat grafik:

45 (1) 2x + 5y = 120
40 0; 40 x = 0 y=40
35 y = 0  x = 20
30 (2) 4x + 2y = 80
25 x = 0 y=24
0; 24
y = 0  x = 60
10;
20 20
15

10

0 20; 0 60; 0
0 10 20 30 40 50 60 70

A
4) Tentukan titik setiap kordinat
Dari persamaan batasan waktu penggilingan dan pemolesan, maka akan
diperoleh:
2x + 5y = 120 x2 4x + 10y = 120
4x + 2y = 80 x1 4x + 2y = 80
8y = 160
y = 160/8 = 20
x = 10
Titik kordinat (vetex) ada 3, yaitu (10,20) (0,24), dan (20,0)
5) Jika kita memasukan setiap titik pada grafik diatas pada fungsi objektif maka
diperoleh:
 AKUNTANSI BIAYA II

Fungsi objektif = 3x + 4y
A. (10,20) Maximize CM = 3(10) x 4(20) = 110  CM paling tinggi Simplex
B. (0,24) Maximize CM = 3(0) x 4(24) = 96 method*
C. (20,0) Maximize CM = 3(20) x 4(0) = 60
*Simplex method: mengevaluasi setiap sudut dari feasible region sampai titik optimal ditemukan.

2. Minimization
Contoh penggunaan linear programing untuk Meminimalisir Biaya adalah:
Diasumsikan terdapat perusahaan farmasi yang berencana untuk
memproduksi tepatnya 40 galon terdiri dari campuran 2 bahan yaitu bahan x dan y
yang memiliki biaya secara berurutan $8 dan $15 per galon. Tidak lebih dari 12
galon bahan x yang dapat digunakan, sedangkan untuk memastikan kualitas,
minimal 10 galon bahan y harus digunakan. Perusahaan ingin meminimalisir biaya
yang ditimbulkan.
Ingat 5 Step!
1) Fungsi objektif  Minimaze cost = 8x + 15y
2) Batasan  x + y =40
x ≤ 12
y ≥ 10
Karena biaya untuk bahan x lebih murah yaitu $8 dibandingkan bahan y
yaitu $15, maka perusahaan senantiasa akan menggunakan sebanyak-
banyaknya bahan x (yang lebih murah) sampai dengan batas yg telah
ditentukan yaitu tidak lebih dari 12 galon. Sehingga dari total 40 galon yg
dibutuhkan, 12 dari bahan x, dan sisanya yaitu 28 dari bahan y.
3) Buat grafik:
45

40 0;
40

35
FR
30
Titik dengan
0; 28 kombinasi
25
biaya terendah
20

15

10
0;
8
5

0 12; 40;
0 10 0 20 30 40 0 50

4) Tentukan titik kordinat : A. (0,40) dan B (12,28)

5) Objective Function Min Cost = 8x + 15y
 AKUNTANSI BIAYA II

A. (0,40)  Minimaze cost = 8(0) + 15(40) = 600

B. (12,28)  Minimaze cost = 8(12) + 15(28) = 516  cost paling rendah

Become the hardest

working person you know.