C.

    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.