METODE UNTUK MEMISAHKAN BIAYA CAMPURAN MENJADI KOMPONEN TETAP

DAN VARIABEL

Sementara beberapa biaya dapat secara mudah diklasifikasi sebagai biaya variable, tetap, atau
tetap bertahap, beberapa biaya lainnya masuk dalam kategori biaya campuran. Biaya – biaya
yang termasuk kategori biaya campuran perlu dipisahkan dalam komponen – komponen tetap
dan variable.

Ada 3 metode yang digunakan secara luas untuk memisahkan biaya campuran menjadi
komponen tetap dan variable, yaitu: metode tinggi – rendah, scatterplot, dan metode kuadrat
terkecil. Setiap metode menggunakan asumsi hubungan biaya linear. Oleh sebab itu, konsep
linearitas perlu ditinjau kembali sebelum metode – metode tersebut dibahas secara lebih
mendalam.

ASUMSI LINEARITAS

Definisi biaya variable mengasumsikan hubungan linear antara biaya aktivitas dan penggerak
aktivitas terkait.

Berikut persamaan untuk garis lurus

Jumlah biaya = biaya tetap + (Biaya variable per unit x Keluaran)

Persamaan tersebut adalah rumus biaya. Jumlah biaya adalah variable terikat (dependent
variable) yang merupakan biaya yang akan diperkirakan. Dalam persamaan tersebut, jumlah
biaya hanya bergantungan pada satu variable, yaitu Keluaran adalah ukuran aktivitas, keluaran
adalah variable bebas (independent variable). “Biaya tetap” adalah parameter perpotongan
(interceptparameter) dan bagian biaya tetap dari jumlah biaya. Akhirnya Biaya variable per unit
adalah biaya tiap unit aktivitas yang juga disebut parameter kemiringan (slope parameter).

Variable terikat adalah variable yang nilainya tergantung pada nilai dari variable lain. Variable
bebas adalah variable yang mengukur keluaran dan menjelaskan perubahan dalam biaya.

 Metode Tinggi – rendah

Dari geometri dasar diketahui bahwa dua titik diperlukan untuk membuat sesuatu garis. Dua titik
dalam suatu garis, maka kita dapat menentukan persamaannya. Dengan dua titik, perpotongan
( biaya tetap ) dan kemiringan dapat ditentukan. Metode tinggi rendah adalah suatu metode untuk
menentukan persamaan suatu garis lurus dengan terlebih dahulu memilih dua titik yang akan
digunakan untuk menghitung parameter perpotongan dan kemiringan. Titik tinggi rendah
didefinisikan sebagai titik dengan tingkat pengeluaran atau aktivitas terendah

Biaya Variabel per unit = Perubahan biaya / perubahan keluar

Biaya Variabel per unit = ( biaya tinggi – biaya rendah ) / ( keluaran tinggi – keluaran rendah )
Dan

Biaya tetap = Jumlah biaya titik tinggi – biaya variable per unit x keluaran tinggi

Atau

Biaya tetap = jumlah biaya titik tinggi – biaya variable per unit x keluaran tinggi

Inti rumus biaya tetap yang ditentukan diatas adalah rumus itulah yang digunakan untuk
memprediksi biaya penyetelan berdasarkan jumlah waktu penyetelan. Metode tinggi rendah
memiliki keunggulan objektivitas. Metode tinggi rendah biasanya tidak seakurat metode metode
lain. Mengapa? Pertama , titik tinggi dan rendah mungkin merupakan outlier. Outlier
menunjukakan hubungan biaya aktivitas yang tidak umum terjadi.

 Metode Scatterplot

Metode scatterplot adalah suatu metode penentuan persamaan suatu garis dengan
mengggambarkan data dalam suatu grafik. Langkah pertama dalam menerapkan metode
scatterlop adalah menggambar titik – titik data sehingga hubungan antara biaya penyetelan dan
tingkat aktivitas dapat terlihat. Plot ini disebut grafik scatter. Grafik scatter dapat membantu
memberikan pengetahuan tentang hubungan antara biaya dan penggunaan aktivitas. Bahkan
grafik scatter memungkinkan seseorang untuk menyesuaikan suatu garis secara visual dengan
titik – titik dalam grafik scatter.

Keunggulan signifikan dari metode scatterlop adalah memungkinkan kita untuk melihat data
secara visual. Kelemahan metode scatterlop adalah tidak ada kriteria objektif untuk memilih
garis terbaik. Kualitas rumus biaya bergantung pada kualitas penilaian subjektif dari analis.
Metode tinggi – rendah menghilangkan subjektifitas dalam pemilihan garis. Siapaun yang
menggunakan metode tersebut, garis yang sama akan dihasilkan.

 Metode Kuadrat Kecil

Jarak vertical mengukur kedekatan suatu titik ke garis, tetapi kita memerlukan ukuran kedekatan
dari semua titik ke garis. Salah satu kemungkinan adalah mengukur deviasi semua titik ke garis
dan menambahkan semua titik ke garis dan menambahkan semua ukuran tersebut untuk
mendapatkan ukuran keseluruhan. Akan tetapi, ukuran keseluruhan ini mungkin menyesatkan.
Sebagai contoh, penjumlahan deviasi positif yang kecil dapat menghasilkan ukuran keseluruhan
yang lebih besar dibandingkan penjumlahan deviasi positif yang besar dan deviasi negative yang
besar karena pengaruh yang membatalkan dari angka – angka positif dan negative. Untuk
mengatasi masalah ini , pertama, Metode Kuadrat Kecil (method of least squares)
menguadratkan setiap deviasi, dan menjumlahkan deviasi yang dikuadratkan tersebut sebagai
ukuran kedekatan keseluruhan. Penguadratan deviasi ini menghindari masalah yang disebabkan
oleh bauran angka positif dan negative. Karena ukuran kedekatan adalah jumlah deviasi kuadrat
titik – titik dari garis, semakin kecil ukurannya, kesesuaian garis ke semua titik semakin baik.
Pada dasarnya, perbandingan ukuran kedekatan dapat menghasilkan suatu pemeringatan semua
garis dari yang terbaik sampai yang memburuk. Garis yang lebih mendekati titik dibanding garis
lainnya disebut garis kesesuaian terbaik (best fitting line), yaitu garis dengan jumlah kuadrat
deviasi terkecil. Metode kuadrat kecil mengidentifikasikan garis yang paling sesuai.

 Penggunaan Program Regresi

Program regresi spreadsheet menyediakan lebih dari sekedar perkiraan koefisien. Program ini
juga menyediakan informasi yang dapat digunakan untuk melihat seberapa besarkah persamaan
biaya dapat dipercaya – suatu fungsi yang tidak tersedia pada metode scatterlop .

KEANDALAN RUMUS BIAYA

 R Kuadrat – Koefisien Determinan

Asumsi awal adalah suatu pemicu aktivitas menjelaskan perubahan (variabilitas)

Biaya aktivitas. Koefisien determinasi atau R kuadrat adalah presentase variabilitas variable
terikat yang dijelaskan oleh suatu variable bebas. Presentase ini merupakan ukuran goodness of
fit. Semakin tinggi presentase variabilitas biaya yang dijelaskan, semakin baik garisnya. Karena
koefisien determinasi tersebut merupakan presentase variabilitas yang dijelaskan, nilainya selalu
berkisar antara 0 dan 1,0.

 Koefisien Kolerasi

Ukuran alternatif untuk goodness of fit adalah koefisien kolerasi, yaitu akar dari koefisien
determinasi. Karena akar dapat bernilai negative, nilai koefisien kolerasinya dapat berkisar
antara -1 + 1. Jika koefisien positif, maka kedua variabelnya bergerak menuju arah yang sama
dan terdapat kolerasi positif. Kolerasi sempurna akan menghasilkan nilai 1 untuk koefisien
kolerasi. Jika koefisien kolerasinya negative, maka kedua variable bergerak menuju arah yang
dapat diprediksi, tetapi berlawanan arah. Kolerasi negative sempurna akan menghasilkan
koefisien kolerasi sebesar -1,00. Nilai koefisien kolerasi yang mendekati nol mengidentifikasikan
tidak adanya kolerasi, dengan kata lain, mengetahui pergerakan satu variable tidak memberikan
petunjuk pergerakan variable lainnya.

REGRESI BERGANDA

Dalam hal dua atau lebih variable penjelasann, persamaan linier diperluas untuk mencangkup
variable tambahan.

Jumlah biaya = b0+(b1 x X1) + (b2 x X2) +…

Dimana:

b0 = biaya tetap atau potongan

b1 = biaya variabwl per unit untuk variable bebas pertama

X1 = variable bebas pertama

b2 = biaya variable per unit untuk variable bebas kedua

X2 = variable bebas kedua

Jika terdapat dua atau lebih variabel bebas, metode tinggi – rendah dan scatterlop tidak dapat
digunakan. Untungnya, perluasan metode kuadrat terkecil dapat dilakukan secara langsung. Jika
kuadrat terkecil digunakan untuk membuat suatu persamaan yang melibatkan dua atau lebih
variabel penjelas, metodenya disebut sebagai regresu berganda (multiple regression). Karena
perhitunganyang diperlakukan untuk regresi berganda sangat rumit, penggunaan computer
dibutuhkan.

PENILAIAN MANAJERIAL

Penilaian manajerial merupakan hal yang sangat penting dalam menentukan perilaku biaya.
Sejauh ini, pertimbangan manajerial merupakan metode paling luas yang digunakan. Banyak
menajer yang menggunakan pengalaman dan observasi terhadap hubungan biaya pada masa
lampau untuk menentukan biaya tetap dan variabel.