Metode untuk Memisahkan Biaya Campuran Menjadi Komponen Tetap dan Variabel
Biaya-biaya yang termasuk dalam biaya campuran perlu dipisahkan ke dalam
komponen-komponen tetap dan variabel. Ada tiga metode yang digunakan secara luas untuk memisahkan biaya campuran menjadi komponen tetap dan variabel, yaitu : metode tinggi rendah, metode scatterplot, dan metode kuadrat terkecil. Masing-masing metode menggunakan asumsi hubungan biaya linear. Asumsi Linearitas Definisi biaya variabel mengasumsikan hubungan linear antara biaya aktivitas dan penggerak aktivitas terkait. Validitas mengacu pada seberapa dekat fungsi biaya linear memperkirakan fungsi biaya yang mendasarinya. Berikut persamaan untuk garis lurus. Jumlah biaya = Biaya tetap + (Biaya variable perunit x Keluaran) Persamaan tersebut adalah rumus biaya. Jumlah biaya adalah variabel terikat yang merupakan biaya yang akan diperkirakan. Dalam persamaan tersebut, jumlah biaya hanya bergantung pada satu variabel yaitu keluaran. Keluaran adalah ukuran aktivitas, keluaran adalah variabel bebas. Biaya tetap adalah parameter perpotongan dan bagian biaya tetap dari jumlah biaya. Biaya variabel per unit adalah biaya tiap unit aktivitas yang juga disebut parameter kemiringan. Variabel terikat adalah variabel yang nilainya bergatung pada nilai dari variabel lain. Variabel bebas adalah variabel yang mengukur keluaran dan menjelaskan perubahan dalam biaya. Parameter perpotongan berhubungan dengan biaya tetap. Parameter kemiringan berhubungan dengan biaya variabel per unit aktivitas. Dengan memperkirakan biaya tetap dan biaya variabel per unit, komponen tetap dan variabel dapat diperkirakan. 1. Metode Tinggi-Rendah Metode tinggi rendah adalah suatu metode untuk menentukan persamaan suatu garis lurus dengan terlebih dahulu memilih dua titik (titik tinggi dan rendah) yang akan digunakan untuk menghitung parameter pemintas dan kemiringan. Titik tinggi di definisikan sebagai titik dengan tingkat keluaran atau aktivitas tertinggi. Titik rendah di definisikan sebagai titik dengan tingkat keluaran atau aktivitas terendah. Persamaan untuk penentuan biaya variabel per unit dan biaya tetap adalah sebagai berikut: Biaya variabel per unit = perubahan biaya / perubahan keluaran Biaya variabel per unit = (biaya tinggi – biaya rendah) (keluaran tinggi – keluaran rendah) Biaya tetap = jumlah biaya titik tinggi – (biaya variabel per unit x keluaran tinggi) Biaya tetap = jumlah biaya titik rendah – (Biaya variabel per unit x Keluaran rendah) Metode tinggi rendah memiliki keunggulan objektivitas. Metode tinggi-rendah memungkinkan manajer untuk mendapatkan ketetapan yang cepat mengenai hubungan biaya dengan hanya menggunakan dua titik. Namun metode tinggi-rendah biasanya tidak seakurat metode-metode lain. 2. Metode Scatterplot Metode scatterplot adalah suatu metode penentuan persamaan suatu garis dengan menggambarkan data dalam suatu grafik. Langkah pertama dalam menerapkan metode scatterplot adalah menggambarkan titik-titik data sehingga hubungan antara biaya penyetelan dan tingkat aktivitas dapat dilihat. Plot ini disebut dengan grafik scatter. Salah satu tujuan grafik scatter adalah melihat apakah asumsi hubungan linear wajar atau tidak. Grafik scatter dapat membantu memberikan pengetahuan tentang hubungan antara biaya dan penggunaan aktivitas. Grafik scatter memungkinkan seseorang untuk secara visual menyesuaikan suatu garis dengan titik-titik dalam grafik scatter. Dalam melakukan hal ini, garis yang dipilih seharusnya adalah garis yang paling sesuai dengan titik-titik tersebut. Keunggulan signifikan metode scatterplot adalah memungkinkan kita untuk melihat data secara visual. Sedangkan kelemahannya adalah tidak adanya kriteria objektif untuk memilih garis terbaik. 3. Metode Kuadrat Terkecil Kedekatan setiap titik pada garis dapat diukur dengan jarak vertikal titik dari garis. Jarak vertikal ini adalah perbedaan antara biaya aktual dengan biaya yang diprediksi oleh garis. Untuk titik 5, biaya yang diprediksi adalah 5*, dan deviasinya adalah jarak antara titik 5 dan 5* (jarak dari titik ke garis). Jarak vertikal mengukur kedekatan suatu titik ke garis, tetapi kita memerlukan ukuran kedekatan dari semua titik ke garis. Metode kuadrat terkecil pertama-tama mengkuadratkan setiap deviasi dan kemudian menjumlahkan deviasi yang dikuadratkan tersebut sebagai ukuran kedekatan keseluruhan. Pengkuadratan deviasi ini menghindari masalah yang disebabkan oleh bauran angka positif dan negatif. Karena ukuran kedekatan adalah jumlah deviasi kuadrat titik-titik dari garis, maka semakin kecil ukurannya, semakin baik garisnya. Garis yang lebih mendekati titik disbanding garis lainnya disebut garis kesesuaian terbaik, yaitu garis dengan jumlah kuadrat deviasi terkecil. Penggunaan Program Regresi Langkah pertama dalam penggunaan computer untuk menghitung koefisien regresi adalah memasukkan data. Selanjutkan jalankan regresi, dalam Excel fungsi regresi terdapat dalam menu “tools”, kemudian pilih “add in” dan tambahkan “data analysis” klik dan pilih “regression”. Ketika layar regression muncul, kita dapat memberitahu letak variabel terikat dan bebas. Tempatkan kursor di awal kotak variabel bebas, kemudian blok nilai-nilai yang terdapat dikolom variabel bebas. Terakhir beri perintah pada computer di mana meletakkan keluaran. Blok kotak dengan ukuran yang memadai, selanjutnya klik OK. Keandalan Rumus Biaya
Kegunaan utama yaitu terletak pada kemampuannya menginformasikan seberapa
jauh rumus biaya yang diperkirakan dapat diandalkan. Fitur ini tidak disediakan, baik oleh metode scatterplot maupun metode tinggi-rendah. Kita akan menggunakan keluaran sebagai dasar untuk membahas penilaian statistik tentang keandalan rumus biaya : goodness of fit. R Kuadrat – Koefisien Determinasi Koefisien determinasi atau R kuadrat adalah persentase variabilitas variabel terikat yang dijelaskan oleh suatu variabel bebas. Persentase ini merupakan ukuran goodness of fit. Semakin tinggi persentase variabilitas biaya yang dijelaskan, semakin bak garisnya. Karena koefisien determinasi tersebut merupakan persentase variabilitas yang dijelaskan, nilainya berkisar antara 0-1. Tidak ada batasan yang jelas untuk koefisien determinasi yang baik dan buruk. Yang pasti, semakin dekat R kuadrat ke-1, semakin baik garisnya. Koefisien Korelasi Ukuran alternatif untuk goodness of fit adalah koefisien korelasi, yaitu akar dari koefisien determinasi. Karena akar dapat bernilai negatif, nilai koefisien korelasinya dapat berkisar antara -1 dan +1. Jika koefisien korelasinya positif, maka kedua variabelnya bergerak menuju arah yang sama dan terdapat korelasi positif. Korelasi positif sempurna akan menghasilkan nilai 1 untuk koefisien korelasi. Di lain pihak, jika koefisien korelasinya negatif, maka kedua variabel bergerak menuju arah yang dapat diprediksi, tetapi berlawanan arah. Korelasi negatif sempurna akan menghasilakan koefisien korelasi sebesar -1. Nilai koefisien yang mendekati nol mengidentifikasi tidak adanya korelasi. Koefisien korelasi yang sangat tinggi dan positif antara biaya penyetelan dan waktu penyetelan mengindikasikan bahwa waktu penyetelan adalah pilihan penggerak biaya yang tepat.