1.

Metode Biaya Berjaga (Standby Cost Method)

Metode ini mencoba menghitung  berapa biaya yang harus tetap dikeluarkan
andaikata perusahaan ditutup untuk sementara, jadi produknya sama dengan nol. Biaya
ini disebut biaya berjaga, dan biaya berjaga ini adalah bagian yang tetap. Perbedaan
antarabiaya yang dikeluarkan selama produksi berjalan dengan berjaga adalah biaya
variabel. Untuk menggambarkan penerapan metode ini misalnya digunakan data aktivitas
dan biaya reparasi dan pemeliharaan dalam tabel di atas. Misalnya pada tingkat reparasi
dan pemeliharaan 8.000 jam mesin per bulan biaya yang dikeluarkan sebesar Rp
1.000.000. Sedangkan menurut perhitungan, bila perusahaan tidak berproduksi, biaya
reparasi dan pemeliharaan yang tetap harus dikeluarkan sebesar Rp 400.000 per bulan.

Biaya yang dikeluarkan pada tingkat 8.000 jam mesin = Rp 1.000.000

Biaya tetap (biaya berjaga) = Rp 400.000
Selisih = Rp 600.000

Biaya variabel per jam:

= Rp 600.000 : 8.000
= Rp 75 per jam mesin

Dengan demikian fungsi biaya reparasi dan pemeliharaan tersebut dapat dinyatakan
secara matematis sebagai berikut:

Y = 400.000 + 75X

Simbol y adalah biaya reparasi dan pemeliharaan, dan x adalah volume aktivitas reparasi

dan pemeliharaan dalam satuan jam mesin.

Perhatikan contoh soal perilaku biaya berikut ini:

Misalnya di dalam tahun anggaran 2020 perusahaan merencanakan kenaikan

aktivitas produksi yang diperkirakan akan menaikkan volume aktivitas reparasi dan
pemeliharaan menjadi 90.000 jam mesin.

Maka biaya reparasi dan pemeliharaan dapat diperkirakan dengan menggunakan

persamaan linear tersebut sebagai berikut:

Y = 400.000 + 75 (90.000)
= 7.150.000

2. METODE KUADRAT KECIL ( LEAST SQUARE METHOD )

 Metode Least Square : Metode yang digunakan untuk analisis time series adalah
Metode Garis Linier Secara Bebas (Free Hand Method), Metode Setengah Rata-Rata
(Semi Average Method), Metode Rata-Rata Bergerak (Moving Average Method) dan
Metode Kuadrat Terkecil (Least Square Method). Dalam hal ini akan lebih dikhususkan
untuk membahas analisis time series dengan metode kuadrat terkecil yang dibagi dalam
dua kasus, yaitu kasus data genap dan kasus data ganjil. Secara umum persamaan garis
linier dari analisis time series adalah : Y = a + b X.
Keterangan :
Y adalah variabel yang dicari trendnya dan X adalah variabel waktu (tahun).
Sedangkan untuk mencari nilai konstanta (a) dan parameter (b) adalah :
 a =  ΣY / N   Dan b =(ΣYx)/ΣX2
Metode Least Square (kuadrat terkecil) Metode ini paling sering digunakan untuk
meramalkan y,karena perhitungannya lebih teliti. Rumus Mencari persamaan garis trend
Y’ = α+bx,  α = (∑У)/n  b =(∑Уx)/ ∑x^2
Untuk melakukan perhitungan diperlukan nilai variabel waktu (x), jumlah nilai variable
waktu adalah nol atau ∑x=0.
a. Untuk n ganjil maka n= 2k+1 X k+1=0
 Jarak antara 2 waktu diberi nilai satu satuan
 Diatas 0 diberi tanda negatif ( - )
 Dibawahnya diberi tanda positif ( + )
b.  Untuk n genap maka n =2k X1/2 [k+(k+1)]=0
 Jarak antara 2 waktu diberi nilai dua satuan
 Diatas 0 diberi tanda negatif ( - )
 Dibawahnya diberi tanda positif ( + )

Contoh Kasus Data Ganjil :

Tabel : Volume Penjualan Buku “X” (dalam 000 unit) Tahun 1995 sampai dengan 2003

Tahun Penjualan (Y) X XY X2

1995 200 -4 - 800 16
1996 245 -3 - 735 9
1997 240 -2 - 480 4
1998 275 -1 - 275 1
1999 285 0 0 0
2000 300 1 300 1
2001 290 2 580 4
2002 315 3 945 9
2003 310 4 1240 16
Jumla
2460 0 775 60
h

Untuk mencari nilai a dan b adalah sebagai berikut :

a = 2.460 / 9 = 273,33
b = 775 / 60 = 12,92
Persamaan garis liniernya adalah : Y = 273,33 + 12,92 X
Dengan menggunakan persamaan tersebut, dapat diramalkan penjualan pada tahun 2010
adalah :
Y = 273,33 + 12,92 (untuk tahun 2010 nilai X adalah 11),
sehingga : Y = 273,33 + 142,12 = 415,45
artinya penjualan barang “X” pada tahun 2010 diperkirakan sebesar 415.450 unit.