CHAPTER 3

COST BEHAVIOR ANALYSIS

A. Classifying Cost
 Fixed Cost
Adalah biaya yang tidak berubah walaupun ada penurunan atau kenaikan aktivitas
dalam relevant range.
(gambar)

 Variable Cost
Adalah biaya yang berubah sejalan dengan perubahan aktivitas dalam relevant range.
(gambar)

 Semivariable Cost
Memiliki karakteristik fixed dan variable.
Penyebab:
 Adanya jumlah minimum yang dipertahankan (contoh: supplies).
 Pengklasifikasian akuntansi, contoh listrik untuk penerangan (tetap) digabung
dengan listrik untuk produksi (variable)
(gambar)

B. Separating Fixed and Variable Cost

Mengapa perlu menetapkan fixed dan varible cost?
Untuk merencanakan, mengontrol, mengukur atau mengevaluasi aktivitas pada berbagai
tingkat biaya (flexible budget) harus dipisahkan antara biaya fixed dan variable.

 Data yang digunakan: data histories

 Buang: data yang abnormal
 Koreksi: perbedaan kondisi antar periode (contoh: mesin baru, inflasi)

Baker Company
Data Biaya listrik dan Jam Kerja

Bulan Jam Kerja Biaya Listrik Ket

Januari 34.000 $ 640
Pebruari 30.000 620
Maret 34.000 620
April 39.000 590
Mei 42.000 500
Juni 32.000 530
Juli 26.000 500 Terendah
Agustus 26.000 500 Terendah
September 31.000 530
Oktober 35.000 550
Nopember 43.000 580
Desember 48.000 680 Tertinggi
Total 420.000 $6.840
Rata-rata 35.000 $ 570
 High and Low Points Method
 Menggunakan aktivitas tertinggi dan terendah.
 Tidak selalu cost yang tertinggi dan terendah.
 Asumsi: data lain terletak antara poin tertinggi dan terendah secara garis lurus.
 Hasil kurang akurat.

Cost Tingkat Kegiatan

High $680 48.000 jam
Low 500 26.000 jam
Selisih $180 22.000 jam

Tarif biaya variable: $180 / 22.000 jam = $0.00818 per jam kerja.

F + 48.000 V = $680
F + 26.000 V = 500
------------------------- -
2.000 V = $180
V = $180 / 22.000 = $0.00818 per jam kerja

High Low
Total cost $680 $500
Variable cost (48.000 x 0.00818)……393 (26.000 x 0.00818) … 213
Fixed cost $287 $287

 Scattergraph Method
 Cost yang dianalisa (dependent variable) ditempatkan pada sumbu vertical (sb y).
 Aktivitas yang terkait (independent variable) ditempatkan pada sb horizontal (sb x).
 Lebih baik daripada high and low point method karena menggunakan lebih banyak
data.
 Masih bisa bias karena penarikan garis untuk menetapkan fixed cost berdasarkan
interpretasi.
 Bisa mengetahui apakah ada hubungan linear antara biaya dan aktivitas.
 Bisa mendeteksi data yang abnormal
(gambar)

Rata-rata biaya – fixed elemet = rata-rata variable element

$570 - $440 = $130
Variable cost = rata-rata variable element / rata-rata jam kerja
$130 / 35.000 jam = $0,0037 per jam

 Method of Least Squares (metode kuadrat terkecil)

Didasarkan pada persamaan garis lurus y = a + bx

Simbol Mewakili Simbol Mewakili

Y Biaya b Variable cost per unit
A Fixed cost x Volume
 (1) (2) (3) (4) (5) (6) (7)
_ _ _ _ _ _
Bulan Biaya yi – y Jam xi – x (xi- x)2 (xi-x)(yi-y) (yi- y)2
(yi) (xi)

Januari 640 70 34.000 (1.000) 1.000.000 (70.000) 4.900

Pebruari 620 50 30.000 (5.000) 25.000.000 (250.000) 2.500
Maret 620 50 34.000 (1.000) 1.000.000 (50.000) 2.500
April 590 20 39.000 4.000 16.000.000 80.000 400
Mei 500 (70) 42.000 7.000 49.000.000 (490.000) 4.900
Juni 530 (40) 32.000 (3.000) 9.000.000 120.000 1.600
Juli 500 (70) 26.000 (9.000) 81.000.000 630.000 4.900
Agustus 500 (70) 26.000 (9.000) 81.000.000 630.000 4.900
September 530 (40) 31.000 (4.000) 16.000.000 160.000 1.600
Oktober 550 (20) 35.000 - - - 400
Nopember 580 10 43.000 8.000 64.000.000 80.000 100
Desember 680 110 48.000 13.000 169.000.000 1.430.000 12.100
Total 6.840 0 420.000 0 512.000.000 2.270.000 40.800
Rata-rata 570 35.000

_ _ _
b = (xi-x) (yi-y)/(xi-x)2
= Total kolom 6 / total kolom 5
= $2.270.000/512.000.000
= $0.0044 per jam kerja
_ _
y = a + bx
$570 = a + ($0,0044) (35.000)
a = $416

Menetapkan Korelasi
Dengan scattergraph apabila terdapat korelasi yang sempurna, maka semua titik menempel
pada garis.

Koefisien korelasi (correlation coefficien) = r

Mengukur hubungan antara dua variable, seberapa besar perubahan x mempengaruhi
perubahan y. Semakin mendekati 1/-1 hubungannya semakin kuat.

Koefisien determinasi (coefficient of determination) = r2

Menunjukkan persentase perubahan variable dependent dipengaruhi oleh perubahan
variable independent.
_ _ _ _
r = (xi-x) (yi-y)/  (xi-x)^2 (yi-y)2
= Total kolom 6 /  (total kolom 5) (total kolom 7)
= 2.270.000/ (512.000.000)(40.800)
= 0,49666
R 2
= 0,24667

Jika r2 = 0,24 artinya 24% perubahan biaya listrik berhubungan dengan perubahan jam
mesin. Artinya terdapat faktor-faktor lain yang mempengaruhi besarnya biaya listrik.
Standard Error of the Estimate = s’
Merupakan ukuran seberapa jauh angka-angka biaya aktual menyimpang dari estimasi
biaya. Standar error kecil berarti baik. Apabila r 2 = 1 maka standard error = 0. Manajemen
dapat menggunakan konsep ini untuk menetapkan tingkat keyakinan untuk tingkat
penyimpangan biaya actual yang perlu mendapat tindak lanjut.

(1) (2) (3) (4) (5)

xi yi y’i
Bulan Jam Biaya Prediksi yi – y’i (yi – y’i)
Listrik Biaya Predictio
Aktual a+bxi n error
Januari 34.000 640 566 74 5.476
Pebruari 30.000 620 548 72 5.184
Maret 34.000 620 566 54 2.916
April 39.000 590 588 2 4
Mei 42.000 500 601 (101) 10.201
Juni 32.000 530 557 (27) 729
Juli 26.000 500 530 (30) 900
Agustus 26.000 500 530 (30) 900
September 31.000 530 552 (22) 484
Oktober 35.000 550 570 (20) 400
Nopember 43.000 580 605 (25) 625
Desember 48.000 680 627 53 2.809
Total 420.000 6.840 6.840 30.628
Rata-rata 35.000 570
y’i = Prediksi biaya = $416 + (jam mesin) x $.0044

s’=   (yi-y’i) 2 / n – 2
n = jumlah data

s’=   (y1-y’1)^2 / n – 2 =  Total kolom 5 / n - 2 =  $30.628 / 12 – 2 = $55.34

Kesalahan prediksi biasanya diasumsikan mengikuti distribusi normal. Untuk jumlah sample
sedikit lebih tepat menggunakan table nilai t.

Range biaya actual yang bisa ditolerir = s’ x tp

tp = nilai table t dengan tingkat keyakinan p% untuk degree of freedom (df) n – 2

Degree of freedom (df) = n – p
p = parameter yang tidak diketahui. Pada persamaan linear y = a + bx, parameter yang
tidak diketahui adalah a dan b (dua buah).  Pada persamaan linear  df = n – 2

Untuk jumlah sample kecil, hasilnya dikalikan dengan faktor koreksi:

_ _
 1 + 1/n + (xi – x) 2/  (xi – x) 2

Sehingga nilai biaya actual yang bisa ditolerir adalah:

_ _
y’i  tps’  1 + 1/n + (xi – x) /  (xi – x) 2
2
Contoh.
Jam kerja (xi) = 40.000
Prediksi biaya listrik (y’i) = $416 + ($.0044 x 40.000) = $592
Tingkat keyakinan 95%
df = 12 – 2 = 10,
t 95% = 2.228

y’i  t95%s’  1 + 1/n + (xi – x) 2/  (xi – x) 2

$592  (2.282) ($55.34)  1+1/12 +( 40.000 – 35.000) 2 / 512.000.000

$592  (2.282) ($55.34) (1.064)

$592  $131,19

$592 – 131,19 = 460,81; $592 + 131,19 = 723,19

Manajemen bisa mengharapkan biaya listrik antara $460,81 dan 723,19 untuk 95% dari
keseluruhan waktu.

Jika biaya listrik actual < $460,81 atau > $723,19  investigasi

Jika data sample-nya besar (n= , df = n – 2 =  - 2 = );

_ _
y’i  tps’  1 + 1/n + (xi – x) 2/  (xi – x) 2
y’i  tps’  1 + 1/ + (xi – x) 2
y’i  tps’  1 + 0 + 0
y’i  tps’

Data: jam kerja 40.000; tingkat keyakinan 95%; maka :

$592  (1.960)($55,34)
$592  $108,47

Table Distribusi t

Degree of Tingkat Keyakinan

freedom
90% 95% 99% 99.8%
1 6.314 12.706 63.657 318.310
5 2.015 2.571 4.032 5.893
10 1.812 2.228 3.169 4.144
20 1.725 2.086 2.845 3.552
60 1.671 2.000 2.660 3.232
120 1.658 1.980 2.617 3.160
 1.645 1.960 2.576 3.090
LATIHAN
P 3-5
Data Biaya listrik dan Hari tamu
Bulan Hari tamu Biaya Listrik
Januari 1.000 $ 400
Pebruari 1.500 500
Maret 2.500 500
April 3.000 700
Mei 2.500 600
Juni 4.500 800
Juli 6.500 1.000
Agustus 6.000 900
September 5.500 900
Oktober 3.000 700
Nopember 2.500 600
Desember 3.500 800

Diminta :
(1) Tentukan fixed cost dan variable cost dengan:
 Metode least square
 High and low points method
 Metode scattergraph
(2) Hitung coefficient of correlation, r, dan coefficient of dentermination, r 2.
(3) Hitung standar error of estimate.
(4) Hitung interval dengan tingkat keyakinan 90% untuk hari tamu 2.000.