ESTIMASI BIAYA

Disusun untuk memenuhi tugas mata kuliah Manajemen Biaya

Dosen pengampu Farida Setyaningrum, M.Pd

Disusun oleh:

1. Riska Nurul Cahyani (1902106017) / 5A

2. Meilinda Ike Wulandari (1902106019) / 5A
3. Kristina Ela Cempakasari (1902106020) / 5A

PENDIDIKAN AKUNTANSI

FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN

UNIVERSITAS PGRI MADIUN

2021
 KATA PENGANTAR

Puji syukur penyusunpanjatkan kepada Allah SWT yang telah melimpahkan rahmat
dan hidayah-Nya sehingga penyusun dapat menyelesaikan makalah yang berjudul “Estimasi
Biaya” ini.

Makalah ini dibuat sebagai tugas mata kuliah Manajemen Biaya yang diampu oleh
Farida Setyaningrum, M.Pd. Tanpa bantuan dari berbagai pihak, makalah ini tidak akan
selesai dengan baik dan tepat waktu. Oleh karena itu, penyusun mengucapkan terima kasih
kepada semua pihak yang telah membantu, baik dukungan moril maupun materiil.

Semoga makalah ini dapat bermanfaat bagi penyusun khususnya dan semua pembaca
makalah ini pada umumnya. Penyusun menyadari sepenuhnya bahwa makalah ini masih
banyak kekurangan. Untuk itu saran dan kritik yang membangun sangat penyusun harapkan
untuk kesempurnaan makalah berikutnya.

Madiun, Desember 2021

Penyusun

ii
 DAFTAR ISI

HALAMAN JUDUL .................................................................................................................i

KATA PENGANTAR........................................................................................................... ii

DAFTAR ISI ....................................................................................................................... iii

BAB I PENDAHULUAN ..................................................................................................... 1

A. Latar Belakang ........................................................................................................... 1

B. Rumusan Masalah ...................................................................................................... 1

C. Tujuan ........................................................................................................................ 1

BAB II PEMBAHASAN....................................................................................................... 2

BAB III PENUTUP .............................................................................................................. 6

A. Kesimpulan .............................................................................................................. 26

DAFTAR PUSTAKA ......................................................................................................... 26

iii
 BAB I
PENDAHULUAN

A. Latar Belakang

Informasi manajemen biaya sangat penting dalam merencanakan biaya dan mengambil
keputusan akan tetapi, kebutuhan dasar dari perencanaan biaya yang efektif adalah untuk
menggunakan estimasi biaya yang akurat dalam proses perencanaan. Makalah ini
menunjukkan metode-metode untuk mengembangkan estimasi yang akurat. Estimasi biaya
khusunya penting untuk industry konstruksi proyek konstruksi besar sering kali diperoleh
berdasarkan penawaran yang bersaing kontraktor yang melakukan penawaran pada proyek ini
harus memiliki metode estimasi biaya yang akurat untuk memenangkan bagian mereka dalam
penawaran dan akan menguntungkan metode estimasi biaya mengembangkan analisis
terperinci atas biaya bahan baku dan tenaga yang secara langsung dapat ditelusuri ke proyek,
juga proyeksi biasa tidak langsung, bagi kontraktor, lebih dipilih dengan menggunakan
analisis aktivitas. Estimasi biaya bagi kontraktor konstruksi adalah aspek terpenting bagi
keberhasilan perusahaan sehingga jumlah konsultan dan pengembang peranti lunak membuat
perangkat dan teknik untuk membantu kontraktor dalam estimasi biaya.

B. Rumusan Masalah

1. Bagaimana peran strategis estimasi biaya?

2. Bagaimana tahap tahap estimasi biaya?
3. Apa saja metode dalam estimasi biaya?

C. Tujuan

Tujuan dari disusunnya makalah ini adalah:

1. Untuk mengetahui tentang peran strategis estimasi biaya
2. Untuk mengetahui tentang tahap tahap estimasi biaya
3. Untuk mengetahui tentang metode dalam estimasi biaya

1
 BAB II
PEMBAHASAN

A. Pengertian dan Peran Strategis Estimasi Biaya

Estimasi biaya merupakan salah satu aktivitas paling penting yang dilakukan oleh
akuntan manajemen dalam mendukung strategi perusahaan. Estimasi biaya merupakan
pengembangan hubungan yang baik antara objek biaya dengan penggerak biayanya untuk
tujuan memprediksi biaya. Estimasi biaya memiliki peran penting dalam mengembangkan
posisi bersaing strategis, juga dalam menggunakan analisis rantai nilai, perhitungan biaya
berdasakan target, serta dalam konteks perencanaan dan evaluasi lainnya pada manajemen
biaya.

Beberapa penggunaan atau peran estimasi biaya, diantaranya :

 Menggunakan Estimasi Biaya untuk Memprediksi Biaya di Masa yang akan datang
Manajemen strategis membutuhkan estimasi biaya yang akurat untuk banyak
aplikasi termasuk :

1. Memfasilitasi Pengembangan Dan Implementasi Strategi

Estimasi biaya terutama penting bagi perusahaan yang berkompetisi
berdasarkan kepemimpinan biaya. Estimasi biaya mengarahkan pihak
manajemen dalam menentukan tekniik-teknik manajemen seperti intelligent
bisnis, perhitungan biaya berdasarkan target, atau manajemen kualitas total
yang seharusnya digunakan oleh perusahaan agar berhasil dalam strategi yang
dipilihnya.
2. Memfasilitasi Analisis Rantai Nilai
Estimasi biaya membantu perusahaan mengidentifikasi petensi peluang
pengurangan biaya dengan cara membentuk ulang rantai nilai.
3. Memfasilitasi Perhitungan Biaya Berdasarkan Target dan Penentuan Harga
Estimasi biaya merupakan bagian integral dari perhitungan biaya
berdasarkan target dan penentuan harga. Pihak manajemen menggunakan
estimasi biaya dari berbagai desain produk sebagai bagian dari proses
pemilihan desain tertentu yang memberikan nilai terbaik bagi pelanggan
sementara mengurangi biaya produksi dan biaya lainnya.

2
 4. Memfasilitasi Pengukuran. Evaluasi, dan Kompensassi Kinerja yang Efektif
Estimasi biaya memainkan peran penting dalam menentukan biaya
pada unit-unit bisnis yang memengaruhi kinerja keuangan, peluang promosi,
dan kompensasi manajer divisi serta kemampuan untuk menarik investasi
modal bagi divisi mereka.

 Estimasi Biaya untuk Berbagai Jenis Penggerak Biaya

Hubungan antara biaya dengan penggerak hiaya berdasarkan aktivitas atau volume sering
kali paling sesuai dengan metode estimasi biaya linier yang dijelaskan pada makalah ini
karena hubungan ini mendekati linier pada rentang yang relevan dari koperasi perusahaan.

Penggerak biaya didasarkan struktur meliputi rencana dan keputusan yang memiliki
dampak jangka panjang serta strategis pada perusahaan. Keputusan tersebut mencangkup
pengalaman produksi, skala produk, teknologi produk atau produksi, dan kompleksitas
produk atau produksi. Isu teknologi dan kompleksitas sering kali mengarahkan tiap
manajemen untuk menggunakan perhitungan biaya berdasarkan aktivitas dan metode.
estimasi linier. Sebaliknya, pengalaman dan skala sering kali membutuhkan metode non
linier.

 Penggunaan Estimasi Biaya untuk Mengidentifikasi Penggerak Biaya

Cara yang seringkali 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 memfalidasi serta mengkorfirmasi pertimbangan dari perancang produk dan
teknisi.

B. Tahap Tahap Estimasi Biaya

Tahap 1: Mendefinisikan Objek Biaya yang akan Diestimasikan.

Meskipun tampaknya merupakan hal yang mendasar, mendefinisikan biaya tertentu

yang akan diestimasikan seharusnya dilakukan secara hati-hati. Contohnya, jika tujuannya
adalah untuk mengestimasikan biaya produk dalam rangka memperbaiki penentuan harga
produk, objek biaya yang relevan adalah produk yang diproduksi pada pabrik. Sebaliknya,

3
jika tujuannya adalah untuk memberikan pernghargaan kepada manajer untuk mengurangi
biaya, objek biaya yangt paling tepat adalah setiap departemen produksi pada pabrik karena
sebagian besar biaya dapat dikendalikan secara langsung oleh manajer departemen.

Tahap 2: Menentukan Penggerak Biaya

Mengiddentifikasi penggerak hiaya adalah tahap terpenting dalam mengembangkan
estimasi biaya. Mungkin terdapat sejumlah penggerak biaya yang relevan, tetapi beberapa
penggerak biaya tidak tampak jelas. Contohnya, biaya bahan bakar untuk truk yang besar.
mungkin terutama adalah fungsi dari jumlah mil yang ditempuh, tetapi juga dipengaruhi oleh
rata-rata beban yang dikirimkan, jumlah jam operasi, dan sifat pengiriman barang,

Tahap 3: Mengumpulkan Data yang Konsisten dan Akurat

Konsisten berarti setiap periode data yang dikalkulasikan menggunakan dasar akuntansi
yang sama dan seluruh transaksi dicatat dengan tepat berdasarkan periode terjadinya. Periode
yang digunakan dalam mengestimasikan biaya dapat bervariasi dari harian. mingguan, atau
tahunan. Jika periode yang digunakan terlalu singkat, maka kemungkinan munculnya
ketidaksesuaian antar variabel akan meningkat karena waktu pencatatan yang terlambat.
Disisi lain, jika periode yang digunakan terlalu lama, maka hubungan jangka panjang yang
penting pada data mungkin menjadi berimbang, dan estimasinya akan menjadi tidak akurat.
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. Sumber data eksternal, mencangkup sumber dari
pemerintah, publikasi perdagangan dan industri, universitas, dan sumber lainnya memiliki
tingkat keakuratan.

Tahap 4: Membuat Grafik Data

Tujuan pembuatan grafik adalah untuk mengidentifikasi pola yang tidak umum.
Adanya pergeseran atau ketidak linearan data harus diberikan perhatian khusus dalam
mengembangkan estimasi.

Tahap 5: Memilih dan Menggunakan Metode Estimasi yang Tepat

Dalam metode estimasi yang disajikan pada bagian berikutnya berbeda kemampuannya
dalam meberikan estimasi biaya yang paling akurat jika dibandingkan dengan biaya keahlian

4
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 paling penting dalam estimasi biaya adalah mempertimbangkan
potensi kesalahan estimasi yang dibuat. Ini meliputi mempertimbangkan kelengkapan dan
ketepatan pengge biaya yang dipil pada tahap 2, konsistensi dan keakuratan data yang dipilih
pada tahap tiga, kajian grafik pada tahap 4, serta ketepatan metode yang dipilih pada tahap 5.

C. Metode Dalam Estimasi Biaya

 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 tijauan penting bagi Garcia, yaitu :
1) Metode tersebut berdasarkan pada garis biaya yang unik, bukan estimasi kasar
berdasarkan pada pengamataan terhadap garafik
2) Metode tersebut memungkinkan Garcia untuk menambahkan informasi yang dapat
berguna dalam memprediksi biaya pemeliharaan.

Etimasi titik tinggi rendah ditampilkan sebagai berikut:

Y = a + (b x X)

Dimana:
Y= nilai estimasi biaya pemeliharaan
X = penggerak biaya yaitu jumlah jam operasi ditambah dari operasional pabrik.

 Analisis Regresi

Analisis regresi (regression analysis) merupakan metode statistic 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 kaudrat terkecil (least squares regression).

5
 Analisis regresi memiliki dua jenis variabel. Variabel terikat (dependent variable)
merupakan biaya yang akan diestimasikan. 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 statistic yang tepat dan obyektif untuk
mengistemasikan beban perlengkapan. Keunggulan utama metode analisis regresi adalah
bahwa metode tersebut merupakan estimasi unik yag monghasilkan kesalahan estimasi
terkecil dari data. Disisi lain, karena kesalahan tersebut dikuadratkan untuk mendapatkan,
garis terbaik, analisis regresi dapat dipengaruhi oleh titik-titik data yang tidak umum yang
disebut dengan pencilan data ( outliers).

 Memilih Variabel terikat

Variabel terikta mungkin disajikan pada tingkat yang luas, seperti total biaya
pemelharaan untuk seluruh perusahaan, atau tingkat terperinci, seperti biaya pemeliharaan
untuk setiap pabrik atau departemen.

 Memilih Variable Bebas.

Untuk mengidentifikasi variabel bebas, akuntan manajemen memeprtimbangkan

seluruh data keuangan, operasi, dan ekonomi lainnya yang mungkin relevan untuk
mengistemasi variabel terikat. Tujuannya adalah untuk memilih variabel yang
1.Relevan; yaitu variabel yang berubah ketika variabel terikat berubah, dan
2.Bukan merupakan salinan dari variabel bebas lainnya.

 Mengevaluasi Analisis Regresi

Selain untuk mengistemasi biaya, analisis regresi juga menyediakan ukruan kuantitatif
dari ketepatan dan keandalannya. Ketepatan mengacu pada keakuratan dan keandalan
menunjukkan apakah regresi mencerminkan hubungan actual antar variabel yaitu: apakah

6
model regresi mugkinkah 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 seringkali dideskripsikan sebagai
ukuran kemampuan penjelasan regresi, yaitu tingkat dimana 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
dimana 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 resiko dimana variabel bebas tertentu hanya memiliki
hubungan secara kebetulan dengan variabl terikat.
Ketika terdapat dua atau lebih variabel bebas, keberadaan nilai t yang rendah dari satu
atau lebih dari satu variabel bebas merupakan suatu pertanda kemungkinan terdaatnya
multikolinieritas.

Menggunakan Peranti Lunak Program Komputer Akuntansi untuk Analisis Regresi

Andaikan WinDoor Inc sedang mengembangkan persamaaan regresi untuk biaya

tidak langsung pada pabrikaya. WinDoor memproduks jendela dan pintu yang digunakan
pada bangunan rumah kedua produk tersebut dibuat dalan ukuran standar dan sesuai pesanan.
Kadang kala, pesanan dalam jumlah sangat besar meningkatkan biaya langsung dan tidak
langsung pada bulan tertentu. Biaya tidak langsung terutama terdiri dari biaya perlengkapan,
pengendalian dan pengujian kualitas, upah lembur, dan biaya tenaga kerja tidak langsung
lainnya. Regresi digunakan untuk membuat anggaran biaya tidak langsung di tahun
mendatang terutama untuk tujuan manajemen kas, Akuntan manajemen, Charlotte Williams,
mengetahui dari tahun-tahun sebelumnya bahwa jumlah jam tenaga kerja langsung maupun
jumlah jam mesin di pabrik merupakan variabel bebas yang baik untuk mengestimasikan
biaya tidak langsung.

Lima Tahapan Pengambilan Keputusan Strategis

1. Menentukan isu strategis di sekitar masalah.

2. Mengidentifikasi alternatif tindakan
3. Memperoleh informasi dan melakukan analisis terhadap alternatif

7
 4. Didasarkan strategi dan analisis, pilih dan implementasikan alternati yang
diinginkan
5. Menyediakan evaluasi terus-menerus mengenal efektifitas implementas pada
tahap 4

Masalah Implementasi: Ketidaklinieran

Regresi linier mengasumsiakan hubungan linier antarvariabel, dan estimati regresi

tidak dapat diandalkan ketika hubungan data bersifat nonlinier. Ketidaklinieran paling sering
terjadi karena pola deret berkala terhadap data seperti tren dan/atau musiman, pencilan data,
dan peralihan data.

1. Tren Atau Musiman

Karekteristik umum dari data akuntansi adalah ten signifikan yang dihasilkan
dari perubahan harga dan/atau musiman. Jika terdapat tren atau musiman, regresi
linler tidak sesuai lagi dengan datanya, dan akuntan manajemen.

Metode yang paling lazim digunakan untuk dapat menghilangkan variabel musiman
atau tren adalah sebagai berikut

1. Penggunaan indeks peradaban harga untuk menyesuaikan nilai setiap variabel

dengan beberapa periode waktu yang lazim.
2. Penggunaan variabel tren, Variabel tren (rund variable) memiliki nilai 1, 2, 3 ...
untuk setiap periode scara berurutan
3. penggantian nilai asli dari setiap variabel dengan selisih pertama. Selisih pertama
untuk setiap variabel ialah selisih antara setiap nilai dengan nilai berikutnya pada
deret berkala. Tren yang terjadi di hampir seluruh data keuangan deret berkala
digunakan dalam akuntansi manajemen karena inflasi dan pertumbuhan ekonomi.
Dengan demikian, hal ini merupakan isu yang dapat menjalar dalam
perkembangan regresi yang tepat.

2. Pencilan data
Seperti yang disebutkan sebelumnya ketika terdapat kes sa kondial bisnis yang
tidak lazim atau jarang terjadi memengaruhi operators pads periode tertenta, hasilnya
mungkin berupa titik data yang terletak jauh dari sak data lainnya, yaitu pencilan data.

8
 Karena pencilan data dapat menurunkan kep dan keandalan estimat secara signifikan,
pencilan data seharusnya dikorekat sta disesuaikan (contohnya, menggunakan variabel
rekayasa) jika jelas bahwa pencilan data tersebut tidak laaim atau tidak berulang.

3. Peralihan data.

Berbeda dengan pencilan data, jika kondisi bisnis yang tidak lazim
berlangsung lama, seperti pengenalan teknologi produkst hans 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 artial terjadinya peralihan.

Analisis Kurva Pembelajaran

Salah satu contoh yang menonjol dari perilaku biaya nonlinier adalah biaya
dipengaruhi oleh pembelajaran. Jika aktivitas memiliki komponen tenaga kerja dan
pengulangan aktivitas atau operasi yang sama, tenaga kerja akan menjadi lebih yang sama
atau lebih tinggi.

Biaya dipengaruhi oleh pembelajaran dalam berbagai konteks secara luas, khususnya
dalam persiapan produksi berskala besar. Analisis kurva pembelajaran (learning curve
analysis) merupakan metode sistematis untuk mengetimasikan biaya ketika proses
pembelajaran berlangsung. Salah satu aplikau kurva pembelajaran yang tendokomentasi
dengan baik pertama terjadi pada industri pesawat terbang di masa Perang Dunia II. Tingkat
pembelajaran (learning rate) merupakan presentase di mana rata-rata waktu (atau total
waktu) turun dari tingkat sebelumnya ketika outputnya dua kali lipat.

Bukti tambahan kepentingan praktis kurva pembelajaran adalah referens umum untuk
biaya awal pada laporan tahunan dan keuangan perusahaan. Prinup bunis yang diterima
umum adalah produk dan proses produksi baru memula periode produktivitas rendah diikuti
dengan peningkatan produktivitas Setelah itu, tingkat perbaikan pada produktivitas cenderung
turun dari waktu ke walu sampai mencapai tingkat keseimbangun di mana tingkat perbalkan
tersebut tetap relatif stabil sampai terjadi perubahan lini produk atau proses produksi lainnya..

9
Keputusan Yang Dipengaruhi Oleh Pembelajaran

Karena produktivitas tenaga kerja merupakan aspek penting dari setiap proses
produksi, analisis kurva pembelajaran dapat menjadi cara yang penting untuk meningkatkan
kualitas berbagai keputusan secara luas. Contohnya, jika harga produk sebagian ditetapkan
berdasarkan biaya, kurva pembelajaran dapat digunakan untuk menentukan rencana sikdlus
hidup bagi penetapan harga produk baru. Selanjutnya. kurva pembelajaran akan bermanfaat
dalam bidang berikut:

1. Analisis biaya-volume-laba . Penentuan titik impas kemungkinan secara signifikan

dipengaruhi oleh adanya pembelajaran." Gagal untuk mempertimbangkan
pembelajaran menyebabkan pernyataan kebutuhan jumlah unit aktual yang terlalu
berlebih-lebihan untuk titik impas.
2. Penganggaran tingkat produksi dan kebutuhan tenaga kerja (bab 10). Aplikasi kurva
pembelajaran lainnya yang bermanfaut adalah pengembangan rencana produksi
tahunan atau triwulanan dan anggaran penalun tenaga kerja yang terkait Jika aktivitas
stan operasi dipengaruhi oleh pembelajaran, anggaran produksi dan tenaga kerja harus
disesuaikan
3. Keputusan membuat atau membeli (Bab 11), lika biaya untuk membuat ruku cadang
dipengaruhi oleh pembelajaran, analisis dapat digunakan agar lebih akurat
mencerminkan total biaya dari waktu ke waktu atas pilihan yang dibuat
4. Penganggaran modal (Bab 12), Kurva pembelajaran menangkap perilaku biaya yang
lebih akurat di sepanjang usia investat modal dengan memasukkan peningkatan
produktivitas tenaga kerja yang diharapkan yang disebabkan karena proses
pembelajaran
5. Persiapan penawaran untuk kontrak produksi perhitungan biaya berdasarkan target
dan perhitungan biaya siklus hidup (Bab 13). Kurva pembelajaran memainkan peran
penting dalam memastikan bahwa estimasi biaya kontrak akurat di sepanjang usia
kontrak.
6. Pengembangan biaya produk standar (Bab 14 dan 15). Jika proses pembelajaran
terjadi, biaya standar berubah dari waktu ke waktu, dan biaya tenaga kerja yang tepat
harus disesuaikan secara tepat waktu
7. Pengendalian manajemen (Bab 18 dan 19). Penggunaan kurva pembelajaran penting
dalam mengevaluasi manajer secara tepat jika biaya dipengaruhi oleh pembelajaran.

10
 Evaluasi seharusnya mengenal pola biaya yang relatif lebih tinggi pada tahap awal
siklus hidup produk

Keterbatassan Analisis Kurva Pembelajaran

Meskipun analiais kurva pembelajaran dapat meningkatkan kemampuan untuk

memprediksi biaya secara signifikan ketika terjadi proses pembelajaran, ada keterbatasan dan
masalah yang melekat berkaitan dengan penggunaan metode tersebut

Keterbatasan pertama dan terutama dalam penggunaan kurva pembelajaran adalah

bahwa pendekatan tersebut paling sesuai dalam konteks padat karya yang melibatkan tugas
berulang yang dilakukan untuk produksi jangka panjang mana percobaan berulang
meningkatkan kinerja atau pembelajaran. Ketika proses produksi didesain untuk
memaksimalkan fleksibilitas dan waktu yang sangat cepat dalam persiapan mesin produlai
menggunakan robot dan kendali komputer seperti yang banyak dilakukan oleh produsen
sekarang, persiapan produksi membutuhkan aktivitas tenaga kerja berulang yang relatif
sedikit dan sebagai akibatnya memberikan peluang yung relatif kecil terhadap proses
pembelajaran.

Keterbatasan kedua adalah bahwa tingkat pembelajaran diasumsikan konstan (rata-

rata waktu tenaga kerja menurun pada tingkat yang tetap seiring dengan kenaikoin output
sebanyak dua kali lipat). Dalam aplikasi aktual, penurunan wakta tenaga kerja mungkin tidak
konatan. Contohnya, tingkat pembelajaran dapat menjadi sebesar 80 persen untuk 20,000 unit
pertama, 90 persen untuk 35.000 unit berikutnya dan 95 persen untuk unit berikutnya.
Perbedaan ini mengindikasikan kebutuhan untuk memperbaharui proyeksi berdasarkan
kemajuan proses pembeajaran yang diobservasi.

Keterbatasan ketiga adalah estimasi kurva pembelajaran mungkin tidak dapat diandalkan
karena perubahan produktivitas yang diamati dalam data yang digunakan untuk
menyesuaikan model sebenarnya berkaitan dengan faktor lain selain pembelajaran.
Contohnya adalah peningkatan produktivitas karena perubahan bauran tenaga kerja,
perubahan bauran produk, atau kombinasi faktor lainnya. Model pembelajaran tidak dapat
diandalkan dan menghasilkan estimasi yang tidak akurat untuk waktu dan biaya tenaga kerja.

11
Analisis Regresi

Pada lampiran ini menggunakan contoh untuk menjelaskan pengembangan estimasi

regresi dan ukuran statistik yang terkait. Lalu selanjutnya kita menafsirkan ukuran statistik
untuk menilai ketepatan dan kenandalan regresi.

ESTIMASI REGRESI

Dalam mengilustrasikan cara estimasi regresi didapatkan , kita menggunakan data

tampilan 8.3. Analisis regresi menemukan garis melalui data yang memimalkan jumlah
kuadrat kesalahan diukur sebagai perbedaan antara nilai yang diprediksikan melalui regresi
dengan nilai aktual untuk variabel terikat. Dalam contoh tersebut, variabel terikat yaitu beban
perlengkapan (Y), diestimasikan dengan satu variabel bebas, dalam hal ini tingkat produksi
(X). Regresi untuk ketiga titik data adalah

Istilah titik singgung, yang diberi label a, dan koefisien variabel bebas,yang diberi label b,
diperoleh dari perhitungan program komputer akuntansi dan program lain yang
dideskripsikan dalam buku teks dasar mengenai probabilittas dan statistik. Kalkulasi sendiri
berada diluar cakupan teks ini. Kita fokus pada turunan dan interpretasi ukuran statisik yang
menjadi masukan akuntan manajemn mengenai kendala dan ketepatan regresi.

UKURAN STATISTIK

Ukuran statistik dari keandalan dan ketepatan regresi diturnkan dari analisis varians
terhadap variabel terikat. Varians adalah ukuran derajat nilai variabel terikat bervariasi di
sekitar rata-ratanya. Analisis varians digunakan karena analisis regresi didasarkan pada
pemisahan total varians dari variabel terikat dari terikat menjadi komponen yang tidak dapat
dijelaskan dan komponen yang dapat dijelaskan. Kosep dasar adalah memprediksi setiap nilai
variabel terikat, regresi menjelaskan perubahan (yaitu, varians) pada variabel terikat yang
berkaitan dengan perubahan variabel bebas. Varians variabel terikat yang tidak dapat
dijelaskan dapat disebut juga dengan residu, atau varians kesalahan. Kemampuan regresi
untuk memprediksi perubahan tepat pada variabel terikat merupakan ukuran utama dari
keandalannya dan diukur dari proporsi varians yang dijelaskan dari varians yang tidak dapat
dijelaskan. Dua kolom pada tampilan 8B.1 menunjunkan data varibel bebas (X) dan variabel

12
terikat (Y). Kolom (3) menunjukkan rata-rata variabel terikat (YM), dan kolom (4)
merupakan prediksi regresi (YE) untuk setiap titik. Tiga kolom terakhir mengindikasikan
ketiga ukuran varians. Kolom (5) menunjukkan total varians, atau varians dari variabel
terikat, sebagai perbedaan antar setiap titik data dengan rata-rata variabel terikat (Y-YM).
Kolom (6) varians yang dijelaskan melalui regresi (YE-YM), dan kolom (7) menunjukkan
varians yang tidak dapat dijelaskan melalui regresi, (Y-YE). Ukuran pada ketiga kolom
dikuadratkan dan dijumlahkan untuk mendapatkan nilai total varians yang diharapkan, yaitu
variabe yang dapat dijelaskan dan variabel yang tidak dapat dijelaskan secara berturut-turut.
Penjumlahan istilah varians yang tidak dapat dijelskan dengan varians dapat dijelaskan sama
dengan total varians. Ketiga istilah merupakan elemen dasar dari analisis statistik regresi.
Tabel analisis varians (analysis of varians table) memisahkan total varians dari variabel
terikat kedalam komponen yang tidak dapat dijelaskan dengan komponen yang dapat
dijelaskan. Dua kolom pertama menunjukkan jenis dan jumlah varians. Kolom ketiga
menunjukkan derajat kebebasan (degree of freedom) untuk setiap komponen, mewakili
jumlah pilihan bebas yang dibuat untuk komponen tersebut. Jumlah derajat kebebasan dalam
setiap komponen varians dijelaskan sama dengan jumlah variabel bebas, dan total deajat
kebebasan sama dengan jumlah titik data dikurangi 1. Derajat kebebasan tidak dapat
dijelaskan sama dengan total derajat kebebasan dikurangi dengan derajat kebebasan yang
daapat dijelaskan.

Kolom
keempat, rata-rata varians kuadrat (mean squard varains) adalah rasio jumlah varians
komponen (pada kolom kedua) dengan jumlah derajat kebebasan (pada kolom ketiga).

Tabel analisis varians berfungsi sebagai dasar untuk membahas ukuran statistik utama
dari regresi. Dari enam ukuran uatama pada tampilan 8B.4, salah satu ukuran mengacu pada
etepatan regresi dan lima ukuran mengacu pada keandalan regresi. Ketepatan mengacu pada

13
kemampuan regresi menyediakan estimasi akurat-seberapa dekat estimasi regresi dengan
nilai sebenarnay yang tidak diketahui. Keandalan mengacu pada tingkat keyakinan yang
dimiliki pengguna bahwa hasil regresinya absah, yaitu seberapa jauh regresi memberikan
prediksi akurat dari waktu ke waktu, pada berbagai tingkat variabel bebas.

Ketepatan Regresi

Kesalahan standar estimasi (standart error of estimate - SE) merupakan ukuran

keakuratan estimasi regresi yang bermanfaat. Kesalahan diinterpretasikan sebagai rentang
nilai sekitar estimasi regresi sehingga seseorang memiliki tingkat keyakinan bahwa sekitar 67
persen nilai aktualnya berada pada rentang tersebut.

Hubungan terbalik, karean itu merupakan hubungan pertukaran, berada antara tingkat
keyakinan dengan lebar dari interval tersebut. Nilai SE regersi didapatkan secara langsung
dari tabel analisis varians sebagai berikut

14
Ketepatan dan keakuratan regresi meningkat ketika varians tidak dapat dijelaskan berkurang
dan ketika jumlah titik data meningkat karena jumlah derajat kebebasan meiningkat.

Tingkat Kesesuaian (R-Kuadrat)

R-Kuadrat (disebut juga koefisien determinasi) merupakan ukuran langsung kemampuan

penjelasan regersi. R-Kuadrat mengukur persetanse varians variabel terikat yang dapat
dijelaskan oleh variabel bebas. R-Kuadrat dikalkulasikan sebagai berikut :

Kemampuan penjelasan regersi meningkat ketika jumlah kuadrat dari varians yang dapat
dijelaskan secara relatif meningkat jika dibandingkan dengan total jumlah kuadrat. Nilai yang
mendekati 1 mencerminkan regersi cukup sesuai dengan kampuan penjelasan yang kuat. R-
Kuadrat dan Se bergerak diarah yang berlawanan. Regersi R-Kuadrat tinggai akan memiliki
SE relatif kecil dan sebaliknya.

Keandalan Statitik (F-Statistik)

F-Statistik merupakan keandalan statitik regresi yang bermanfaat. Keandalan statistik

menanyakan apakah hubungan antarvariabel dalam regresi sebenarnya atau apakah korelasi
antarvariabel merupakan hubungan secara kebetulan antardata yang ada. Jika titik data
digunakan berjumlah sedikit, mungkin untuk memiliki R-Kuadrat yang relatif tinggi
keyakinan yang relatif kecil akan adanya hubungan statistik karena jumlah titik data yang
sedikit. F yang lebih besar, risikonya yang lebih kecil bahwa regresi secara statistik tidak
dapat diandalkan. Penentuan nilai F yang dapat diterima bergantung pada jumlah titik data,
tetapi nilai-F yang dipersayaratkan akan menurun ketika jumlah titik data meningkat.
Sebagian besar program peranti lunak regresi menunjukkan nilai F dan nilai P yang terkait.
Nilai P seharusnya lebih kecil dari sekitar 5 persen. F-statistik dapat diperoleh dari tabel
analisis varians sebagai berikut

15
Keandalan Statistik untuk Setiap Variabel Bebas (nilai-t)

Nilai-t merupakan ukuran keandalan dari setiap variabel bebas dan dengan demikian
memiliki interpretasi sangat mirip dengan F-statistik. Nilai-t sama dengan rasio koefisien
variabel bebas terhadap kesalahan standar dari koefisien variabel bebas tersebut. Kesalahan
standar koefisien tidak sama dengan kesalahan estimasi tetapi diinterpretasikan dengan cara
yang sama. Nilai kesalahan standar koefisien adalah 0,2598, dengan demikian, nilai-t adalah :

t = 0,75/0,2598 = 2,8868

Keandalan dari Ketepatan (Varians yang Tidak Konstan)

Untuk seperangkat data tertentu, kesalahan standar estimasi bervariasi dalam rentang dari
variabel bebas.Varians kesalahan tidak konstan dalam rentang variabel bebas. Hal ini terjadi,
contohnya, ketika hubungan antara variabel bebas dengan variabel terikat kurang stabil di
sepanjang waktu. Jenis perilaku ini diilustrasikan pada Tampilan 8B.5. Jika terdapat varians
yang tidak konstan, nilai SE dari regresi tidak selalu akurat dalam rentang variabel bebas.

Untuk memperbaiki masalah varians yang tidak konstan, akuntan manajemen seharusnya
mentransformasikan variabel terikat dengan log atau akar kuadrat. Jika hal tersebut tidak
akan memperbaiki kondisinya, akuntan manajemen seharusnya sangat berhati-hai dalam
menginterpretasikan nilai SE. Kesalahan standar koefisien dari variabel bebas dikalkulasikan
sëbagai berikut:

Kesalahan standar = Kesalahan standar/(standar deviasi variabel bebas)

Kesalahan Tidak Bebas (Statistik Durbin-Watson)

16
 Kesalahan tidak bebas terjadi ketika jumlah dan arah dari setiap batas kesalahan berkaitan
dengan kesalahan di sekitarnya. Contohnya, kesalahan tidak bebas yang diilustrasikan pada
Tampilan 8B.6-titik data seluruhnya berada di atas garis regresi untuk nilai-nilai yang kecil
dari variabel bebas dan kemudian di bawah garis regresi untuk nilai-nilai yang besar dari nilai
bebas. Kesalahan tidak bebas terjadi ketika terdapat ketidaklinieran pada data, seperti pada
ilustrasi untuk Tampilan 8B.6. Ketika kesalahan tidak bebas, ukuran statistik tidak dapat
diandalkan dan prediksi regresi menjadi berat sebelah.

Metode umum yang mendeteksi adanya kesalahan tidak bebas adalah menggunakan
statistik Durbin-Watson (DW). Statistik DW dikalkulasikan dari jumlah dan perubahan
kesalahan dalam rentang ariabel bebas. Nilai DW terletak antara 0 dan 4,0; jika titik datanya
20 atau lebih dari 20, nilai DW sekitar antara 1,0 dan 3,0 mengindikasikan kemungkinan
kecil adanya ketidaklinieran seperti dideskripsikan sebelumnya; nilai yang lebih kecil dari 1,0
atau lebih besar dari 3,0 seharusnya mengindikasikan kebutuhan untuk mengkaji data dan
memilih perbaikan yang tepat jika dibutuhkan.

Masalah kesalahan tidak bebas biasanya dapat diperbaiki dengan cara menghilangkan
pengaruh musiman pada data, dengan menggunakan variabel rekayasa untuk musiman, atau
menggunakan indeks untuk menghilangkan tren. Kemungkinan lainnya, apa yang dibutuhkan
adalah mengubah hubungan perkalian menjadi hubungan penjumlahan yang setara (yaitu,
linier) dengan menggunakan 1ogaritma variabel bebas dan terikat. Ukuran statistik,
indikatornya, dan cara untuk memperbaiki kondisi yang mendasarinya diringkas pada
Tampilan 8B.7.

REGRESI DERET BERKALA DAN LINTAS BAGIAN

Regresi data berkala (time-series regression) merupakan aplikasi analisis regresi

untuk memprediksi jumlah di masa yang akan datang, dengan menggunakan data pada
periode sebelumnya. Sebaliknya, regresi lintas bagian (cross-sectional regression)
mengestimasikan biaya untuk objek biaya tertentu berdasarkan informasi mengenai objek dan
variabel biaya.

Regresi lintas bagian yang lain, di mana informasi untuk seluruh variabel diambil dari
periode waktu yang sama. Untuk contoh regresi lintas bagian, andaikan pengembang tempat
kediaman menggunakan regresi untuk mengestimasikan biaya konstruksi rumah baru dan
pengembang mengetahui penggerak biaya utama untuk biaya bangunan adalah ukuran

17
ruznah, yaitu luas ruangan dalam kaki persegi. Pengembang mengembangkan model regresi
dengan menggunakan biaya atas rumah yang dibangun pada tahun sebelumnya sebagai
variabel terikat dan ukuran dalam kaki persegi dari rumah ini sebagai variabel bebas.
Persamaan regresi yang dikembangkan oleh pengembang lalu dikembangkan untuk
memprediksi biaya rumah yang akan dibangun, didasarkan

18
pada ukuran rumah baru dalam kaki persegi yang diharapkan. Seluruh ukuran statistik
tentang keandalan dan ketepatan yang dijelaskan di atas sama-sama diaplikasikan untuk

19
kedua jenis regresi,kecuali untuk isu, kesalahan tidak bebas, yang hanya diaplikasikan pada
regresi deret berkala.

Menggunakan Regresi untuk Mengestimasikan Nilai Real Estat Komersial

Mengestimasikan Nilai Real Estat untuk Bangunan Apartemen dan Kantor Seperti yang
diharapkan, penilai real estat menjalankan analisis regresi untuk melakukan penilaian atas
nilai bangunan apartemen atau kantor yang digunakan sebagai variabel bebas yang dominan
berupa pendapatan operasi bersih (net operating income-NOI) dari properti di masa lalu, saat
ini, dan yang dinarapkan di masa yang akan datang. Artinya, penentu utama dari nilal
properti adalah kemampuannya untuk menghasilkan arus kas dan laba. Variabel lain yang
berkaitan dengan properti mencakup ukurannya (yang diukur dengan jumlah unit, luas lantai
jumlah apartemen dengan 2 dan 1 kamar tidur, dan sebagainya), usianya, dan tingkat hunian
yang relevan pada properti dan wilayah sub pasar di mana properti tersebut berada. Karena
analsis regresi biasanya dibuat berdasarkan jumlah penjualan aktual selama periode waktu
tertentu, penilai tersebut juga menggunakan variabel tren untuk menghubungkan harga jual
dengan tahun di mana properti tersebut dijual.

Mengestimasikan Nilai Real Estat untuk Gudang dan Pabrik Manufaktur.

Demikian pula penilai real estate telah mengembangkan analisis regresi untuk gudang
dan pabrik manufaktur dengan menggunakan ukuran, usia, dan lokasi. Variabel NOI biasanya
tidak relevan. Mereka juga menggunakan variabel tren untuk memisahkan penjualan properti
pada tahun yangn berbeda-beda. Contohnya, analisis nilai penjualan (per luas lantai dalam
kaki persegi) dari properti industri di wilayah Los Angeles pada awal tahun 1990 an
menunjukkan variabel tren yang signifikan (-$2,83 per luas lantai dalam kaki persegi per
tahun); koefisien variabel tren bernilai negatif karena harganya turun selama periode tersebut.
Variabel ukuran yang signifikan (-$2,43 per kaki persegi per 100.000 luas lantai dalam kaki
persegi) mengindikasikan bahwa bangunan yang lebih besar rata-rata memiliki harga jual
luas lantai per kaki persegi yang lebih rendah. Usia juga merupakan salah satu laktor,
koefisiennya adalah sebesar -$0,41 per luas lantai dalam kaki persegi pgr usia tahun. Variabel
lokasi juga signifikan, menunjukkan bahwa properti pada lokasi tertentu di wilayah Los
Angeles (Orange Country, San Bernardino, dan sebagainya) diprediksikan memiliki selisih
sebesar $2,32 dalam nilai per kaki persegi.

20
1. Menggunakan Metode Titik Tinggi-Rendah

Hector's Delivery Service menggunakan empat mobil gerbong dan enam truk pikap untuk
mengirimkan paket kecil di daerah-daerah kota besar Charlotte dan North Carolina. Hector
mengeluarkan sejumlah uang yang besar untuk gas, minyak, dan pemeliharaan kendaraannya
secara teratur, yang dilakukan pada berbagai pompa bensin dan bengkel. Untuk membuat
anggaran atas beban kendaraannya di tahun yang akan datang, dia mengumpulkan data
mengenai beban dan jumlah pengiriman setiap bulan di tahun ini.

Diminta: Menggunakan metode estimasi titik tinggi-rendah untuk menentukan hubungan

antara jumlah pengiriman dengan biaya penmeliharaan kendaraan.

2. Menggunakan Analisis Regresi

Geoge Harder adalah manajer dari salah satu pabrik pemrosesan Imperial Foods
Company. George khawatir mengenai adanya peningkatan biaya Overhead pabrik pada
bulan-bulan terakhir. Dia telah mengumpulkan data mengenai biaya overhead selama 24
bulan terakhir dan memutuskan untuk menggunakan regresi dalam mengkaji faktor-taktor
yang memengaruhi biaya tersebut. Dia juga telah mengumpulkan data mengenai biaya bahan
baku, jumlah jam tenaga kerja langsung, dan jumlah jam mesin sebagai variabel bebas yang
potensial untuk digunakan dalam memprediksi biaya overhead.

George menjalankan dua analisis regresi mengeiai data ini, dengan hasil sebagai

21
Diminta: Manakah dari dua regresi yang merupakan regresi yang lebih baik dan mengapa?

3. Menggunakan Metode Titik Tinggi-Rendah dan Regresi

John Meeks Company adalah perusahaan manufaktur berukuran sedang dengan pabrik di
tiga kota kecil di Atlantik. Perusahaan membuat suku cadang plastik untuk mobil dan truk,
terutama panel pintu, hiasan luar, dan produk lain yang berkaitan. Suku cadang memiliki
biaya rata-rata $5 sampai $20. Perusahaan memiliki permintaan yang tetap atas produknya
dari produsen mobil dalam negeri maupun luar negeri, dan telah mengalami pertumbuhan
penjualan rata-rata antara 10 sampai 20 persen selama 8 hingga 10 tahun terakhir.

Saat ini, pihak manajemen sedang meninjau ulang terjadinya produk rusak dan limbah
pada proses produksi di salah satu pabriknya. Meeks mendefinisikan produk rusak dan
limbah sebagai setiar unit produk cacat yang ditolak karena tidak memenuhi aspek fungsi
atau kualitas lainnya. Pabrik memiliki sejumlah titik inspeksi yang berbeda-beda dan
kegagalan atau penolakan dapat terjadi pada setiap titik inspeksi. Jumlah unit produk cacat
didaftarkan pada tabel berikut ini; pihak manajemen mengestimasikan biaya limbah ini dalam
tenaga kerja dan bahan baku kira-kira sebesar $10 per unit.

Tren yang tidak menguntungkan tampaknya ada kaitannya dengan produk cacat, dan
pihak manajemen meminta Anda untuk menginvestigasikan dan mengestimasikan jumlah
untuk produk cacat di bulan-bulan yang akan datang. Tahap pertama dari investigasi Anda
adalah mengidentihkasi penggerak biaya dari suku cadang produk cacat, memahami
penyebabnya dan menyediakan dasar untyk mengestimasikan produk cacat di masa yang
akan datang. Untuk tujuan ini, Anda mendapatkan data terharu mengenai jumlah unit yang
diproduksi, jumlan yang dikirimkan, dan biaya penjualan karena jumlah tersebut mudah
diperoleh serta relatif handal pada setiap bulannya:

22
Diminta: Menggunakan metode titik tinggi-rendah dan analisis regresi untuk
mengestimasikan unit produk cacat di bulan-bulan yang akan datang dan menentukan metode
mana yang paling tepat untuk tujuan ini.

4. Regresi Nonlinier dan Kurva Pembelajaran

Soal uji mandiri yang mengilustrasikan bagaimana regresi nonlinier dapat digunakan
untuk mengestimasikan tingkat kurva pembelajaran, memberikan informasi mengenai tingkat
Output dan rata-rata waktu pemrosesan. Untuk mengilustrasikannya, kami memasukkan
jumlah akumulasi output (X) dan rata-rata waktu per unit (Y) untuk ilustrasi SofTech Inc.
pada Tampilan 8A.2 (halaman 291). Dengan menggunakan analisis regresi, hasilnya sekarang
menunjukkan bahwa data kurva pembelajaran ini konsisten dengan model pembelajaran
umum bentuk umum dari model pembelajaran adalah Y= ax" di mana a = waktu yang
dibutuhkan untuk jumlah unit pertama dan b = indeks pembelajaran. Dengan imenggunakan
transformasi 108 untuk Y, model pembelajaran umum dapat ditunjukkan pada bentuk

23
persamaan log-linier (lihat catatan kaki 13 pada Lampiran A): log (Y) = log(a) + b X log(X).
Transformasi log tersedia pada Excel dalam "Insert Function" berdasarkan tab Formula.

Tampilan di bawah ini menunjukkan bahwa nilai X dan Y telah ditransformasikan

(dengan menggunakan log. basis 10), serta hasil regresi pada log X dan log Y ditunjukkan
pada dua kolom di kiri. Perlu dingat bahwa R-kuadrat regresi adaiah sebesar 10 karena data
benar-benar tepat dengan kurva pembelajaran sebesar 80 persen; nilai Y dikalkulasi dengan
menggunakan tingkat 80 persen. Selain itu, pe?iu dingat bahwa indeks pembelajaran b = -
0,321928 merupakan indeks pembelajaran untuk model dengan tingkat pembelajaran 80
persen, seperti ditunjukkan pada catatan kaki 13 (halaman 292). Saat ini, nilai Y dapat
diteatukan untuk setiap nilai X dengan menggunakan model umum. Pertama, kita
menentukan nilai titik potong. yaitu u. Karena log (a) = 2,8688743, a ditentukan sebagai
berikut: a = . Nilai dari ditentukan dengan menggunakan fungsi Power
di Excel yang ditempatkan pada Insert Function'" berdasarkan tab Formula. Jadi, contohnya,
nilai dari Y untuk X = 1.500 ditentukan sebagai berikut:

24
Diminta: Andaikan Virilli, Inc., produsen mebel kelas atas, memiliki data untuk salah dari
produk-produknya, di mana X adalah akumulasi output, dan Y adalah rata-rata waktu per
unit.

1. Dengan menggunakan regresi log-linier, menentukan model linier umum untuk Virilli.
Secara spesifik, menentukan nilai a dan b pada model Y = aX'

2. Dengan menggunakan model yang telah Anda kembangkan pada bagian 1, proyeksikan
nilai Y jika output (X) meningkat menjadi 133.

25
 BAB III
PENUTUP

A. Kesimpulan
Estimasi biaya merupakan salah satu aktivitas paling penting yang dilakukan oleh
akuntan manajemen dan mendukung strategi perusahaan. Estimasi biaya memiliki peran
penting dalam mengembangkan posisi bersaing strategis, juga dalam menggunakan analisis
rantai nilai,hitungan biaya berdasarkan target, serta dalam konteks perencanaan dan evaluasi
lainya dalam manajemen biaya. Dalam makalah ini menyajikan dua metode estimasi. Metode
titik tinggi rendah mengembangkan suatu persamaan estimasi yang unik dengan
menggunakan aljabar serta titik tertinggi dan terendah yang mewakili seluruh data. Analisis
regresi merupakan metode statistic yang memperoleh satu garis unik tertentu yang paling
sesuai dengan data.

26
 DAFTAR PUSTAKA

B Clocher, Edward dan Stout, David dan Cokins Gary. 2010. Cost Management: A Strategic
Emphasis. JAKARTA: Penerbit Salemba Empat

27