A.

Peran Strategis Manajemen Biaya

Pendekatan strategis memandang ke depan, dan oleh karena itu estimasi biaya merupakan unsur yang
penting untuk manajemen biaya. Estimasi biaya (cost estimation) merupakan pengembangan hubungan
yang baik antara objek biaya dengan penggerak biayanya untuk tujuan memprediksi biaya.
Estimasi biaya memfasilitasi manajemen strategi dengan dua cara yang penting Pertama, estimasi
biaya membantu memprediksi biaya di masa yang akan datang dengan menggunakan penggerak biaya
berdasarkan aktivitas, volume, struktur, atau pelaksanaan yang diidentifikasi sebelumnya. Kedua, estimasi
biaya membantu mengidentifikasi penggerak biaya utama untuk suatu objek biaya dan penggerak biaya
tersebut yang paling berguna dalam memprediksi biaya.
1. Menggunakan Estimasi Biaya untuk Memprediksi Biaya di Masa yang Akan Datang

Manajemen strategis membutuhkan estimasi biaya yang akurat untuk banyak aplikasi, termasuk:

a. Memfasilitasi pengembangan dan implementasi strategi.

b. Memfasilitasi analisis rantai nilai.
c. Memfasilitasi perhitungan biaya berdasarkan target dan penentuan harga
d. Memfasilitasi pengukuran, evaluasi, dan kompensasi kinerja yang efektif.

2. 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. Contohnya, Hewlett-Packard
menggunakan estimasi biaya untuk mengonfirmasikan kegunaan penggerak biaya yang dipilih oleh tim
teknisi dan karyawan produksi.

B. Enam Tahap Estimasi Biaya

Tahap 1: Mendefinisikan Objek Biaya yang akan Diestimasi
Meskipun tampaknya merupakan hal yang mendasar, mendefinisikan 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 penggerak 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. 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. 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 dipilih pada tahap lima.
Pendekatan umum untuk menilai keakuratan metode estimasi adalah membandingkan estimasi
dengan hasil aktual di sepanjang waktu tertentu.

C. 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 regresi adalah metode yang paling akurat dan paling mahal, membutuhkan lebih banyak waktu,
pengumpulan data dan keahlian. Dalam memilih metode estimasi terbaik, akuntan manajemen harus
mencari keseimbangan antara tingkat keakuratan yang dinginkan dengan keterbatasan apa pun mengenai
biaya, waktu, dan upaya.
1. 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.
a. Metode tersebut berdasarkan pada garis biaya yang unik, bukan estimasi kasar
berdasarkan pada pengamatan terhadap grafik.
b. Metode tersebut memungkinkan untuk menambahkan informasi yang dapat berguna
dalam memprediksi biaya pemeliharaan.
Estimasi titik tinggi rendah ditampilkan sebagai berikut:
        Y = a + (b x X)
Di mana:
Y = nilai estimasi biaya pemeliharaan
X = penggerak biaya yaitu jumlah jam operasi ditambah dari operasional pabrik.
2. Analisis Regresi
Analisis regresi (regression analysis) merupakan metode statistik 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 statistik yang tepat dan obyektif untuk mengestimasikan
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).
a. 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.

b. Memilih Variabel 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.

c. Mengevaluasi Analisis Regresi

Selain untuk mengestimasi biaya, analisis regresi juga menyediakan ukuran
kuantitatif dari ketepatan dan keandalannya. Ketepatan mengacu pada keakuratan
dan keandalan menunjukkan apakah regresi mencerminkan hubungan aktual 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 sering kali
dideskripsikan sebagai ukuran kemampuan penjelasan regresi, yaitu
tingkat di mana perubahan pada variabel terikat dapat diprediksi dengan
perubahan ada variabel bebas.
2. Nilai-t (T-value) merupakan ukuran keandalan dari setiap variabel bebas
yaitu tingkat di mana 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 risiko di mana variabel bebas tertentu hanya
memiliki hubungan secara kebetulan dengan variabel terikat.
 D. Ilustrasi Penggunaan Analisis Regresi pada Industri Perjudian
Lima tahapan Pengambilan Keputusan Strategis 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.

E. Masalah Implementasi: Ketidaklinieran

Regresi linier mengasumsikan hubungan linier antar variabel, dan estimasi regresi tidak dapat
diandalkan ketika hubungan data bersifat non linier.
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 variabel musiman atau tren tersebut. Metode yang paling lazim digunakan adalah:
a. Penggunaan indeks perubahan harga untuk menyesuaikan nilai setiap variabel dengan
beberapa periode waktu yang lazim.
b. Penggunaan variabel tren. Variabel tren memiliki nilai 1,2,3. untuk setiap periode
secara berurutan.
c. Penggantian nilai asli dari setiap variabel dengan selisih pertama. Selisih pertama
untuk setiap variabel adalah selisih antara setiap 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 titik 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 pergeseran 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.