10 CPTR

Machine Translated by Google
Menentukan Bagaimana Biaya

10 Berperilaku baik
TUJUAN PEMBELAJARAN Apa gunanya melihat masa lalu?

Mungkin untuk mengingat kenangan indah dari keluarga dan teman-teman atau membantu Anda memahami peristiwa-peristiwa torisnya.
1 Jelaskan fungsi biaya linier dan tiga
cara umum di mana mereka Sebuah organisasi melihat masa lalu untuk menganalisis kinerjanya dan membuat keputusan yang tepat untuk meningkatkan kinerjanya
berperilaku di masa depan. Misalnya, manajer mengumpulkan informasi tentang biaya dan memastikan bagaimana mereka berperilaku untuk
memprediksi apa yang akan mereka "di jalan." Mereka juga menggunakan data masa lalu untuk memahami tindakan, seperti pemeliharaan
2 Jelaskan pentingnya kausalitas dalam
preventif atau perencanaan inventaris, yang membantu mengurangi biaya, dan investasi biaya, seperti membangun merek, iklan, dan
memperkirakan fungsi biaya
promosi, yang membantu meningkatkan pendapatan dan keuntungan, Memahami pemicu biaya dan pendapatan adalah keterampilan teknis
3 Memahami berbagai metode berharga yang kepentingannya telah berkembang dalam beberapa tahun terakhir dengan meningkatnya ketersediaan kumpulan data baru
perkiraan biaya
yang besar dan daya komputasi yang murah untuk menganalisisnya. Pengetahuan yang diperoleh dalam proses ini dapat memotivasi
organisasi untuk mengatur ulang operasinya dengan cara yang inovatif dan mengatasi tantangan penting. Kami mengembangkan
4 Buat garis besar enam langkah dalam
memperkirakan fungsi biaya menggunakan keterampilan berpikir analitik data dalam bab ini dan bab baru berikutnya.
analisis kuantitatif
5 Jelaskan tiga kriteria yang digunakan untuk

mengevaluasi dan memilih pemicu biaya
6 Jelaskan fungsi biaya nonlinier,

khususnya yang timbul dari efek
kurva belajar
SELATAN MENGGUNAKAN "ANALISIS DATA BESAR" UNTUK
7 Waspadai masalah data MENGURANGI KONSUMSI BAHAN BAKAR DAN BIAYA1
dihadapi dalam memperkirakan fungsi
biaya
Southwest Airlines mengoperasikan armada 700 pesawat, menerbangkan sekitar 4.000 penerbangan per
hari ke lebih dari 100 tujuan nasional dan internasional. Maskapai penerbangan Southwest'
pengeluaran terbesar kedua adalah bahan bakar. Tergantung pada harga pasar, perusahaan menghabiskan
antara $ 4 miliar dan $ 6 miliar untuk bahan bakar setiap tahun. Setiap
peningkatan persentase kecil dalam biaya bahan bakar mewakili besar
tabungan.
Southwest Airlines menggunakan analitik data besar untuk menelusuri
pada variabel yang tak terhitung jumlahnya — seperti beban bahan bakar dan udara luar
kelembaban—pada lebih dari satu juta penerbangan setiap tahunnya ke
lihat bagaimana setiap variabel mengubah penggunaan bahan bakar dan profitabilitas. Untuk
contoh, jika analitik Southwest menunjukkan bahwa pesawat di a
rute tertentu secara konsisten membawa terlalu banyak bahan bakar, itu akan mengurangi
beban bahan bakar di masa depan untuk memotong biaya.
Berkat daya komputasi yang tersedia, anal yang begitu kompleks
ysis dilakukan dalam hitungan menit dan menghasilkan penghematan biaya yang signifikan untuk
perusahaan. Pada tahun pertama sendiri, analitik data besar membantu Southwest menghemat
biaya bahan bakar sebesar $105 juta.
Markus Mainka/Shutterstock
1
Sumber: Jessica Davis, “How Southwest Airlines Chooses Big Impact Analytics Projects,” Information Week, 9
April 2018 (https://www.informationweek.com/big-data/software-platforms/how-southwest-airlines-chooses- big
impact-analytics-projects/d/d-id/1331469); Mark Egan, “How Big Data and the Industrial Internet Can Help
Southwest Hemat $100 Juta untuk Bahan Bakar,” GE Reports, 5 Oktober 2015 (https://www.ge.com/reports/big-
data-industrial internet-can- help-southwest-save-100-million-fuel/).
384
Seperti yang diilustrasikan oleh contoh Southwest, manajer harus memahami bagaimana biaya berperilaku
keputusan strategis dan operasional yang berdampak positif. Bab ini akan fokus pada bagaimana manusia
Manajer menentukan pola perilaku biaya—yaitu, bagaimana biaya berubah dalam kaitannya dengan perubahan aktivitas
tingkat, dalam jumlah produk yang dihasilkan, dan sebagainya. Kami mulai dengan konsep paling dasar dan membangun
model analitik data yang lebih modern di Bab 11.
Asumsi Dasar dan Contoh Fungsi Biaya
Manajer memahami perilaku biaya melalui fungsi biaya, yang merupakan blok bangunan dasar untuk memperkirakan
biaya. Fungsi biaya adalah deskripsi matematis tentang bagaimana biaya berubah dengan perubahan tingkat
aktivitas yang berkaitan dengan biaya tersebut. Fungsi biaya dapat diplot pada grafik dengan mengukur tingkat
SEDANG BELAJAR
OBJEKTIF 1
Jelaskan fungsi biaya
aktivitas, seperti jumlah batch yang diproduksi atau jumlah jam mesin yang digunakan, pada sumbu horizontal linier
(disebut sumbu x). Jumlah total biaya yang terkait dengan—atau bergantung pada—tingkat aktivitas tersebut diukur
... grafik fungsi biaya adalah
pada sumbu vertikal (disebut sumbu y).
garis lurus
dan tiga cara umum di mana

mereka berperilaku
Asumsi dasar ... variabel, tetap, dan
Manajer sering memperkirakan fungsi biaya berdasarkan dua asumsi: campuran
1. Variasi dalam tingkat aktivitas tunggal (penggerak biaya) menjelaskan variasi dalam aktivitas terkait
biaya total.
2. Perilaku biaya didekati dengan fungsi biaya linier dalam kisaran yang relevan. Ingat dari Bab 2 bahwa rentang
yang relevan adalah rentang aktivitas di mana ada hubungan antara biaya total dan tingkat aktivitas. Untuk
fungsi biaya linier, biaya total versus tingkat aktivitas tunggal yang terkait dengan biaya itu adalah garis lurus
dalam kisaran yang relevan.
Kami menggunakan asumsi ini di sebagian besar, tetapi tidak semua, dari bab ini. Tidak semua fungsi biaya bersifat
linier dan dapat dijelaskan oleh satu aktivitas. Bagian selanjutnya akan membahas fungsi biaya yang tidak bergantung
pada asumsi ini.
Fungsi Biaya Linier

Untuk memahami tiga tipe dasar fungsi biaya linier dan untuk melihat peran fungsi biaya dalam keputusan bisnis,
pertimbangkan negosiasi antara StoreBox, sebuah startup teknologi, dan Forest Web Services (FWS), yang
menyediakan StoreBox dengan komputasi awan dan data kelas perusahaan. layanan analitik.
Alternatif 1: StoreBox membayar $0,50 per jam CPU yang digunakan. Total biaya untuk StoreBox berubah secara
proporsional dengan jumlah jam CPU yang digunakan. Jumlah jam CPU yang digunakan adalah satu-satunya
faktor yang perubahannya menyebabkan perubahan total biaya.
Panel A pada Tampilan 10-1 menyajikan biaya variabel ini untuk StoreBox. Di bawah alternatif 1, ada
tidak ada biaya tetap untuk layanan cloud. Kami menulis fungsi biaya di Panel A dari Exhibit 10-1 sebagai
y = $0,50X
di mana X mengukur jumlah jam CPU yang digunakan (pada sumbu x) dan y mengukur total biaya jam CPU
yang digunakan (pada sumbu y), dihitung menggunakan fungsi biaya. Panel A mengilustrasikan koefisien
kemiringan $0,50, jumlah perubahan total biaya ketika terjadi perubahan 1 jam dalam penggunaan CPU.
Sepanjang bab, huruf besar, seperti X, mengacu pada pengamatan yang sebenarnya, dan huruf kecil, seperti
y, mewakili perkiraan atau perhitungan yang dibuat menggunakan fungsi biaya.
Alternatif 2: StoreBox membayar jumlah tetap sebesar $1.000 per bulan. Total biaya ditetapkan sebesar $1.000
per bulan, terlepas dari jumlah jam CPU yang digunakan. (Kami menggunakan ukuran aktivitas yang sama,
jumlah jam CPU yang digunakan, untuk membandingkan pola perilaku biaya di bawah tiga alternatif.)
385
386 BAB 10 Menentukan Bagaimana Biaya Berperilaku
PAMERAN 10-1 Contoh Fungsi Biaya Linier
PANEL A: PANEL B: PANEL C:

Harga bervariasi Biaya tetap Biaya Campuran
$2.000 $2.000 $2.000

Lereng
koefisien
5 variabel
Koefisien kemiringan 5
Biaya
Total
(Y)
$1.000 Biaya
Total
(Y)
$1.000 Biaya
Total
(Y)
$1.000 biaya $0,20 per

biaya variabel $0,50
Konstan atau jam digunakan
per jam digunakan
intersep $1.000 Konstan atau
$300
intersep $300
4,000 8,000 4,000 8,000 4,000 8,000
Jam CPU yang Digunakan (X) Jam CPU yang Digunakan (X) Jam CPU yang Digunakan (X)
Panel B pada Tampilan 10-1 menunjukkan alternatif biaya tetap untuk StoreBox. Kami menulis fungsi biaya
di Panel B sebagai
y = $1.000
Biaya tetap sebesar $1.000 disebut konstan; itu adalah komponen dari total biaya yang tidak berubah dengan
perubahan tingkat aktivitas. Secara grafis, nilai konstanta adalah titik potongnya dengan sumbu y. Oleh karena itu,
konstanta disebut juga intersep.
Dalam contoh ini, akun konstan untuk semua biaya karena tidak ada biaya variabel.
Secara grafis, koefisien kemiringan fungsi biaya adalah nol.
Alternatif 3: StoreBox membayar jumlah tetap sebesar $300 per bulan ditambah $0,20 per jam CPU yang digunakan.
Ini adalah contoh dari biaya campuran. Biaya campuran —juga disebut biaya semivariabel—adalah biaya yang
memiliki elemen tetap dan variabel.
Panel C pada Tampilan 10-1 memplot fungsi biaya campuran untuk StoreBox. Kami menulis biayanya
berfungsi di Panel C dari Tampilan 10-1 sebagai
y = $300 + $0,20X
Berbeda dengan grafik untuk alternatif 1 dan 2, Panel C memiliki nilai konstan $300 dan koefisien kemiringan $0,20.
Total biaya dalam kisaran yang relevan meningkat seiring dengan meningkatnya jumlah jam CPU yang digunakan.
Namun, total biaya tidak bervariasi secara ketat sebanding dengan jumlah jam CPU yang digunakan dalam kisaran
yang relevan. Misalnya, ketika 4.000 jam digunakan, total biaya sama dengan $1.100 [$300 + (0.20 per jam * 4.000
jam)], dan bila 8.000 jam digunakan, total biaya sama dengan $1.900 [$300 + ($0.20 per jam * 8.000 jam) ]. Meskipun
penggunaan dalam hal jam telah berlipat ganda, total biaya meningkat hanya sekitar 73% [($1.900 - $1.100) , $1.100]
karena beberapa biaya adalah biaya tetap, yang tidak meningkat dengan jumlah jam CPU.
Manajer StoreBox harus memahami pola perilaku biaya dalam tiga alternatif untuk memilih kesepakatan terbaik.
Misalkan StoreBox mengharapkan untuk menggunakan setidaknya 4.000 jam waktu CPU setiap bulan. Biayanya untuk
4.000 jam di bawah tiga alternatif adalah
Alternatif 1: $2,000 ($0,50 per jam * 4,000 jam )

Alternatif 2: $1.000
Alternatif 3: $1.100 [$300 + ($0,20 per jam * 4.000 jam) ]
Alternatif 2 adalah yang paling murah. Selain itu, jika StoreBox mengharapkan untuk menggunakan lebih dari 4.000
jam, alternatif 1 dan 3 akan lebih mahal. Manajer StoreBox, oleh karena itu, harus memilih alternatif 2.
Perhatikan bahwa grafik pada Tampilan 10-1 adalah linier (garis lurus). Kita hanya perlu mengetahui jumlah
konstanta, atau intersep, (biasanya disebut a) dan koefisien kemiringan (biasanya disebut b) untuk menggambarkan
dan secara grafis memplot semua nilai dalam kisaran yang relevan. Bentuk umum dari fungsi biaya linier ini adalah
y = a + bX
Di bawah alternatif 1, a = $0 dan b = $0,50 per jam CPU yang digunakan; di bawah alternatif 2, a = $1.000
dan b = $0 per jam yang digunakan; dan di bawah alternatif 3, a = $300 dan b = $0,20 per jam yang digunakan.
Asumsi Dasar dan Contoh Fungsi Biaya 387
Tulis persamaan fungsi biaya linier untuk setiap kondisi berikut. Gunakan y untuk perkiraan biaya dan X untuk
aktivitas pemicu biaya.
10-1 COBALAH!
sebuah. Biaya bahan langsung adalah $1,40 per pon.
b. Total biaya tetap pada $7.000 per bulan terlepas dari jumlah unit yang diproduksi.
c. Penyewaan mobil memiliki biaya tetap sebesar $70 per hari ditambah $0,50 per mil perjalanan.
d. Biaya pengoperasian alat berat termasuk $1.600 pemeliharaan per bulan dan $17 keren
biaya penggunaan semut untuk setiap hari mesin beroperasi.
Tinjauan Klasifikasi Biaya

Sebelum kita membahas masalah yang berkaitan dengan memperkirakan fungsi biaya, kami meninjau secara singkat
tiga kriteria yang diuraikan dalam Bab 2 untuk mengklasifikasikan biaya ke dalam komponen variabel dan tetapnya.
Pilihan Objek Biaya
Item biaya tertentu dapat menjadi variabel untuk satu objek biaya dan tetap untuk objek biaya lainnya.
Pertimbangkan Super Shuttle, sebuah perusahaan transportasi bandara. Jika armada van yang dimilikinya adalah objek
biaya, maka biaya registrasi dan lisensi van tahunan akan menjadi biaya variabel untuk jumlah van yang dimiliki. Tetapi
jika van tertentu adalah objek biaya, maka biaya pendaftaran dan lisensi untuk van itu adalah biaya tetap untuk jarak
tempuh selama setahun.
Cakrawala Waktu
Apakah biaya itu variabel atau tetap untuk aktivitas tertentu tergantung pada cakrawala waktu yang dipertimbangkan
manajer ketika membuat keputusan. Semakin lama cakrawala waktu, semua hal lain dianggap sama, semakin besar
kemungkinan biaya akan berubah-ubah. Misalnya, biaya inspeksi di Perusahaan Boeing biasanya tetap dalam jangka
pendek karena inspektur memperoleh gaji tetap pada tahun tertentu terlepas dari jumlah jam inspeksi pekerjaan yang
dilakukan. Namun, dalam jangka panjang, total biaya inspeksi Boeing akan bervariasi sesuai dengan jam inspeksi yang
dibutuhkan. Lebih banyak inspektur akan dipekerjakan jika lebih banyak jam inspeksi diperlukan, dan beberapa inspektur
akan dipindahkan ke tugas lain atau diberhentikan jika diperlukan lebih sedikit jam inspeksi.
Rentang yang relevan
Pola perilaku biaya variabel dan tetap berlaku untuk fungsi biaya linier hanya dalam rentang relevan tertentu. Di luar
rentang yang relevan, pola perilaku biaya variabel dan tetap berubah, menyebabkan biaya menjadi nonlinier (nonlinier
artinya plot hubungan pada grafik tidak berupa garis lurus). Misalnya, Tampilan 10-2 memplot hubungan (selama
beberapa tahun) antara total biaya tenaga kerja manufaktur langsung dan jumlah papan luncur salju yang diproduksi
KEPUTUSAN
setiap tahun oleh Otoritas Olahraga Musim Dingin di pabriknya di Vermont. Dalam kasus ini, ketidaklinieran di luar
TITIK
kisaran yang relevan terjadi karena tenaga kerja dan inefisiensi lainnya (pertama karena pekerja sedang belajar
Apa yang dimaksud
memproduksi papan salju dan kemudian karena batas kapasitas sedang diregangkan). Mengetahui kisaran yang relevan
dengan fungsi biaya linier, dan
sangat penting untuk mengklasifikasikan biaya dengan benar. jenis perilaku biaya apa yang
dapat diwakilinya?
PAMERAN 10-2
$350
(Y) Rentang yang relevan
$300 Linearitas Dalam
$250 Rentang yang Relevan
$200 untuk Otoritas Olahraga Musim
$150 Dingin, Inc.
$100
ribuan) Total
Tenaga
(dalam
Biaya
Kerja Manufaktur
Langsung
$50
2.000 4,000 6.000 8,000
Snowboards Diproduksi (X)

Mengidentifikasi Penggerak Biaya
2
SEDANG BELAJAR Dalam contoh StoreBox, kita membahas fungsi biaya variabel, biaya tetap, dan biaya campuran menggunakan informasi tentang
OBJEKTIF struktur biaya masa depan yang dipertimbangkan StoreBox. Seringkali, bagaimanapun, manajer menggunakan estimasi biaya
untuk mengukur hubungan berdasarkan data dari biaya masa lalu dan tingkat aktivitas yang terkait. Manajer tertarik dalam
Jelaskan pentingnya
memperkirakan fungsi biaya masa lalu terutama karena mereka dapat membantu mereka membuat prediksi biaya yang lebih
kausalitas dalam memperkirakan
fungsi biaya akurat, atau perkiraan, biaya masa depan. Misalnya, untuk memilih fitur desain untuk model TV barunya, manajer LG
menggunakan fungsi biaya masa lalu untuk mengevaluasi biaya desain alternatif dan membandingkannya dengan apa yang
... hanya hubungan sebab-akibat
bersedia dibayar oleh pelanggan. Demikian pula, manajer pemasaran di Audi mengidentifikasi pemicu biaya dari biaya layanan
yang membangun hubungan
yang masuk akal secara ekonomi pelanggan (misalnya, jumlah model mobil baru yang diperkenalkan atau jumlah total mobil yang terjual) dan komponen tetap dan
antara suatu aktivitas dan variabel dari biaya ini. Mereka menggunakan informasi ini untuk menyiapkan anggaran layanan pelanggan.
biayanya
Kriteria Sebab-Akibat
Faktor terpenting dalam memperkirakan fungsi biaya adalah mengidentifikasi pemicu biaya—variabel seperti tingkat aktivitas
yang secara kausal mempengaruhi biaya. Tanpa hubungan sebab-akibat, manajer kurang yakin tentang kemampuan mereka
untuk memperkirakan, memprediksi, atau mengelola biaya. Kami menggunakan istilah tingkat aktivitas dan tingkat pemicu biaya
secara bergantian ketika memperkirakan fungsi biaya. Hubungan sebab-akibat mungkin timbul sebagai akibat dari hal-hal berikut:
Hubungan fisik antara tingkat aktivitas dan biaya. Biaya bahan langsung dan produksi adalah contohnya. Memproduksi
lebih banyak papan salju membutuhkan lebih banyak plastik, yang menghasilkan total biaya bahan langsung yang lebih
tinggi.
Pengaturan kontrak. Pertimbangkan kontrak antara StoreBox dan FWS. Kontrak menentukan jumlah jam CPU yang
digunakan sebagai tingkat aktivitas yang memengaruhi biaya layanan cloud. Akibatnya, ada sebab dan akibat langsung
antara keduanya.
Pengetahuan tentang operasi. Berdasarkan pemahaman mereka tentang operasi, manajer mungkin menggunakan jumlah
suku cadang sebagai penggerak biaya biaya pemesanan. Komputer Lenovo dengan banyak suku cadang akan dikenakan
biaya pemesanan yang lebih tinggi daripada model yang lebih baru dengan suku cadang yang lebih sedikit.
Manajer harus berhati-hati untuk tidak menafsirkan korelasi tinggi antara dua variabel yang berarti bahwa salah satu variabel
menyebabkan yang lain. Pertimbangkan Winston Furniture, yang membuat dua jenis meja (sebaliknya identik), satu dengan
permukaan granit dan yang lainnya dengan permukaan kayu. Meja granit memiliki biaya bahan langsung yang lebih tinggi tetapi
tersedia dalam blok precut sehingga memiliki biaya tenaga kerja manufaktur langsung yang lebih rendah. Winston saat ini
menjual 10.000 meja granit dan 30.000 meja kayu.
Jika Winston menjual 20% lebih banyak dari setiap jenis meja (12.000 meja granit dan 36.000 meja kayu), maka total biaya
bahan langsung dan total biaya tenaga kerja manufaktur langsung masing-masing akan meningkat sebesar 20%. Dua kategori
biaya sangat berkorelasi dalam kasus ini, tetapi keduanya bukan merupakan pemicu biaya yang lain. Menggunakan satu biaya
untuk memprediksi yang lain bermasalah.
Untuk mengetahui alasannya, misalkan lagi bahwa Winston menjual 20% lebih banyak meja (atau total 48.000 meja), tetapi
sekarang 18.000 meja granit dan 30.000 meja kayu. Total biaya tenaga kerja manufaktur langsung akan meningkat kurang dari
20% karena meja granit membutuhkan lebih sedikit tenaga kerja. Total biaya bahan langsung akan meningkat lebih dari 20%
karena granit lebih mahal daripada kayu.
Total biaya tenaga kerja manufaktur langsung akan menjadi prediktor yang buruk dari total biaya bahan langsung. Prediktor
terbaik dari total biaya bahan langsung adalah penggerak biayanya, jumlah setiap jenis meja yang diproduksi.
Hanya hubungan sebab-akibat—bukan sekadar korelasi—menetapkan hubungan yang masuk akal secara ekonomis
antara tingkat aktivitas dan biayanya. Masuk akal ekonomi memberikan analis dan manajer keyakinan bahwa hubungan yang
diperkirakan akan muncul berulang kali di set data lainnya. Mengidentifikasi pemicu biaya juga memberi manajer wawasan
tentang cara-cara untuk mengurangi biaya.
Penggerak Biaya dan Proses Pengambilan Keputusan

Manajer harus selalu menggunakan cakrawala waktu yang lama untuk mengidentifikasi pemicu biaya. Mengapa? Karena biaya
mungkin tetap dalam jangka pendek (selama waktu tersebut tidak memiliki pemicu biaya), tetapi biaya tersebut biasanya variabel
dan memiliki pemicu biaya dalam jangka panjang. Berfokus pada jangka pendek dapat secara tidak sengaja menyebabkan
manajer percaya bahwa biaya tidak memiliki penggerak biaya.
Metode Estimasi Biaya 389
Pertimbangkan Elegant Rugs, yang menggunakan mesin tenun otomatis tercanggih untuk
memproduksi karpet untuk rumah dan kantor. Manajer ingin memperkenalkan karpet gaya baru dan
mengelola biaya. Mereka mengikuti proses pengambilan keputusan lima langkah yang diuraikan dalam Bab
1 untuk memperkirakan biaya dan gaya karpet apa yang harus mereka perkenalkan.
1. Identifikasi masalah dan ketidakpastian. Manajer Elegant Rugs yakin dengan bahan langsung dan
biaya tenaga kerja produksi langsung dari karpet gaya baru. Mereka kurang yakin tentang dampak
gaya yang berbeda pada biaya tenaga kerja manufaktur tidak langsung seperti biaya pengawasan,
pemeliharaan, dan pengendalian kualitas. Manajer ingin memahami pendorong biaya tenaga kerja
manufaktur tidak langsung dan menggunakan pengetahuan ini untuk menentukan gaya karpet yang
akan diproduksi serta cara terbaik untuk mengelola biaya.
2. Mendapatkan informasi. Manajer mengumpulkan informasi tentang pemicu biaya potensial dari biaya
tenaga kerja manufaktur langsung seperti jam mesin atau jam tenaga kerja manufaktur langsung.
Mereka juga mulai mengeksplorasi teknik yang berbeda (dibahas di bagian berikutnya) untuk
memperkirakan fungsi biaya. Tujuan mereka adalah untuk mengidentifikasi penggerak biaya tunggal yang terbaik.
3. Membuat prediksi tentang masa depan. Manajer menggunakan data masa lalu untuk memperkirakan hubungan
antara pemicu biaya dan biaya dan menggunakan hubungan ini untuk memprediksi biaya masa depan.
4. Membuat keputusan dengan memilih di antara alternatif-alternatif. Seperti yang akan kita lihat (halaman 396–
399), manajer memilih jam mesin sebagai penggerak biaya. Dengan menggunakan analisis regresi, mereka
memperkirakan biaya tenaga kerja manufaktur tidak langsung per jam mesin baik untuk mengelola biaya maupun
untuk memilih gaya karpet alternatif untuk memaksimalkan keuntungan. KEPUTUSAN
5. Melaksanakan keputusan, mengevaluasi kinerja, dan belajar. Setahun kemudian manajer

TITIK
Apa masalah
mengevaluasi hasil keputusan mereka. Membandingkan perkiraan biaya aktual membantu mereka
terpenting dalam
menentukan seberapa akurat perkiraan itu, menetapkan target untuk peningkatan berkelanjutan, dan memperkirakan fungsi
mencari cara untuk meningkatkan efisiensi dan efektivitas Karpet Elegan. biaya?
Metode Estimasi Biaya

Empat metode estimasi biaya adalah (1) metode teknik industri, (2) metode konferensi, (3) metode analisis SEDANG BELAJAR
akun, dan (4) metode analisis kuantitatif (yang bentuknya berbeda-beda). Metode-metode ini berbeda TUJUAN 3
dalam hal seberapa mahal penerapannya, asumsi yang mereka buat, dan informasi tentang keakuratan
Memahami berbagai
fungsi biaya yang diestimasi. Metode tidak saling eksklusif, sehingga banyak organisasi menggunakan metode estimasi biaya
kombinasi metode.
... misalnya, metode

Metode Teknik Industri analisis regresi
menentukan garis yang
Deskripsi Metode
paling sesuai dengan
data masa lalu
Metode teknik industri, juga disebut metode pengukuran kerja, memperkirakan fungsi biaya dengan
menganalisis hubungan antara input dan output dalam bentuk fisik.
Elegant Rugs menggunakan input kapas, wol, pewarna, tenaga kerja langsung, waktu mesin, dan tenaga.
Output produksi adalah meter persegi karpet. Studi waktu dan gerak menganalisis waktu yang diperlukan
untuk melakukan berbagai operasi. Misalkan memproduksi 10 kaki persegi karpet membutuhkan 1 jam
tenaga kerja manufaktur langsung. Standar dan anggaran mengubah ukuran input fisik ini menjadi biaya.
Hasilnya adalah fungsi biaya yang diestimasi yang menghubungkan biaya tenaga kerja manufaktur langsung
dengan pemicu biaya, meter persegi karpet yang diproduksi.
Keuntungan dan Tantangan
Metode teknik industri adalah cara yang teliti dan rinci untuk memperkirakan fungsi biaya ketika ada
hubungan fisik antara input dan output. Beberapa kontrak pemerintah mengamanatkan penggunaannya.
Banyak organisasi, seperti Bose dan Nokia, menggunakannya untuk memperkirakan biaya produksi
langsung, tetapi merasa terlalu mahal atau tidak praktis untuk menganalisis seluruh struktur biaya mereka.
Misalnya, hubungan fisik antara input dan output sulit ditentukan untuk item-item seperti biaya produksi
tidak langsung, biaya penelitian dan pengembangan, dan biaya iklan.
Metode Konferensi
Deskripsi Metode
Metode konferensi memperkirakan fungsi biaya berdasarkan analisis dan pendapat tentang biaya
dan penggeraknya yang dikumpulkan dari berbagai departemen perusahaan (pembelian, rekayasa
proses, manufaktur, hubungan karyawan, dan sebagainya). Beberapa bank, misalnya,
mengembangkan fungsi biaya untuk produk perbankan ritel mereka (seperti rekening giro, kartu
kredit, dan hipotek) berdasarkan perkiraan konsensus yang diperoleh dari berbagai departemen.
Biaya proyek pengembangan perangkat lunak seringkali didasarkan pada penilaian kolektif para ahli.
Di Elegant Rugs, akuntan manajemen mengumpulkan pendapat dari supervisor dan insinyur produksi
tentang bagaimana biaya tenaga kerja manufaktur tidak langsung bervariasi dengan jam mesin dan
jam kerja manufaktur langsung.

Metode konferensi mendorong kerja sama antardepartemen. Penyatuan pengetahuan ahli dari fungsi
bisnis yang berbeda dari rantai nilai memberikan kredibilitas metode konferensi. Fungsi biaya dan
perkiraan biaya dapat dikembangkan dengan cepat karena metode konferensi menggunakan
pendapat dan tidak memerlukan analisis data yang detail. Akibatnya, keakuratan perkiraan biaya
tergantung pada kehati-hatian dan keterampilan orang yang memberikan masukan.
Metode Analisis Akun

Deskripsi Metode
Metode analisis akun memperkirakan fungsi biaya dengan mengklasifikasikan berbagai akun biaya
sebagai variabel, tetap, atau campuran sehubungan dengan tingkat aktivitas yang diidentifikasi.
Biasanya, manajer menggunakan analisis kualitatif daripada kuantitatif untuk membuat keputusan
klasifikasi biaya ini.
Pertimbangkan biaya tenaga kerja manufaktur tidak langsung untuk area produksi (atau sel) di Elegant
Rugs. Ini termasuk upah yang dibayarkan untuk pengawasan, pemeliharaan, kontrol kualitas, dan pengaturan.
Selama periode 12 minggu terakhir, Elegant Rugs menjalankan mesin di dalam sel selama total 862 jam
dan mengeluarkan total biaya tenaga kerja manufaktur tidak langsung sebesar $12.501. Dengan
menggunakan analisis kualitatif, manajer dan akuntan manajemen menentukan bahwa biaya tenaga kerja
manufaktur tidak langsung adalah biaya campuran dengan hanya satu pemicu biaya—jam mesin. Karena
jam mesin bervariasi, satu komponen biaya (seperti biaya pengawasan) adalah tetap, sedangkan
komponen lain (seperti biaya pemeliharaan) adalah variabel. Untuk memperkirakan fungsi biaya linier
untuk biaya tenaga kerja manufaktur tidak langsung sel menggunakan jumlah jam mesin sebagai penggerak
biaya, mereka membedakan antara komponen biaya variabel dan biaya tetap. Dengan menggunakan
pengalaman dan penilaian, mereka membagi total biaya tenaga kerja manufaktur tidak langsung ($12.501)
menjadi biaya tetap ($2.157) dan biaya variabel ($10.344) berdasarkan jumlah jam mesin yang digunakan.
Biaya variabel per jam mesin adalah $10.344 , 862 mesin@jam = $12 per mesin@jam. Oleh karena itu,
tion, kamu persamaan biaya linier = a + bX, adalah
Biaya tenaga kerja manufaktur tidak langsung = $2,157 +

($12 per mesin@jam * Jumlah mesin@jam)
Manajer Elegant Rugs dapat menggunakan fungsi biaya untuk memperkirakan biaya tenaga kerja manufaktur
tidak langsung dengan menggunakan, katakanlah, 1.000 jam mesin untuk memproduksi karpet gaya baru dalam
periode 12 minggu ke depan. Perkiraan biaya sama dengan $2,157 + (1.000 mesin@jam * $12 per mesin@jam) =
$14.157. Biaya tenaga kerja manufaktur tidak langsung per jam mesin pada 862 jam mesin adalah
$12.501, 862 mesin@jam = $14.50 per mesin@jam. Pada 1.000 jam mesin, turun menjadi $14.157,
1.000 mesin@jam = $14,16 per mesin@jam karena biaya tetap $2,157 tersebar pada jumlah jam
mesin yang lebih besar.

Metode analisis akun banyak digunakan karena cukup akurat, hemat biaya, dan mudah digunakan.
Untuk mendapatkan perkiraan yang andal dari komponen biaya tetap dan variabel,
Metode Estimasi Biaya 391
PAMERAN 10-3
Mingguan Tidak Langsung

SEBUAH B C Tenaga Kerja Manufaktur
tidak langsung Biaya dan Mesin
Penggerak Biaya: Manufaktur Jam untuk Karpet Elegan
1 Pekan Jam Mesin Biaya tenaga kerja
2 (X ) (Y)
3 1 68 $ 1.190
4 2 88 1.211
5 3 62 1.004
6 4 72 917
7 5 60 770
8 6 96 1.456
9 7 78 1.180
10 8 46 710
11 9 82 1.316
12 10 94 1.032
13 11 68 752
12 48 963
14
Total 862 $ 12.501
15
16
organisasi harus memastikan bahwa individu dengan pengetahuan menyeluruh tentang

operasi membuat keputusan klasifikasi biaya. Melengkapi metode analisis akun dengan
metode konferensi meningkatkan kredibilitas. Keakuratan metode analisis akun
tergantung pada keakuratan penilaian kualitatif tentang biaya mana yang tetap dan
mana yang variabel.
Metode Analisis Kuantitatif

Deskripsi Metode
Analisis kuantitatif menggunakan metode matematika formal untuk menyesuaikan fungsi biaya
dengan pengamatan data masa lalu. Kolom B dan C pada Tampilan 10-3 menunjukkan perincian
total jam mesin Elegant Rugs (862) dan total biaya tenaga kerja manufaktur tidak langsung
($12.501) ke dalam data mingguan untuk periode 12 minggu terakhir. Perhatikan bahwa data
dipasangkan; untuk setiap minggu, ada data untuk jumlah jam mesin dan biaya tenaga kerja
manufaktur tidak langsung yang sesuai. Misalnya, minggu ke-12 menunjukkan 48 jam mesin dan
biaya tenaga kerja manufaktur tidak langsung sebesar $963. Bagian berikutnya menggunakan data
pada Tampilan 10-3 untuk mengilustrasikan bagaimana mengestimasi fungsi biaya menggunakan
analisis kuantitatif. Kami memeriksa dua teknik: metode tinggi-rendah yang relatif sederhana serta
alat kuantitatif yang lebih umum, analisis regresi.

Analisis kuantitatif, khususnya analisis regresi, adalah pendekatan yang ketat untuk memperkirakan
biaya. Analisis regresi memerlukan informasi rinci tentang biaya, pemicu biaya, dan fungsi biaya dan
oleh karena itu lebih banyak memakan waktu untuk diterapkan. Namun, ada lebih banyak data yang
tersedia saat ini daripada sebelumnya dan dengan penurunan biaya penyimpanan dan analisis, jauh
KEPUTUSAN
lebih mudah untuk melakukan analisis regresi dan mendapatkan wawasan penting daripada di masa
TITIK
lalu. Teknik analisis data yang lebih baru, yang membutuhkan daya komputasi yang besar, terus dikembangkan.
Apa saja metode berbeda
Teknik-teknik ini berfokus pada prediksi dan memperkenalkan cara berpikir baru yang dapat digunakan
tentang analisis kuantitatif. Kami mengembangkan ide dan teknik ini nanti di bab ini dan untuk mengestimasi fungsi
di bab berikutnya. biaya?
Memperkirakan Fungsi Biaya Menggunakan

Analisis kuantitatif
Ada enam langkah dalam memperkirakan fungsi biaya menggunakan analisis kuantitatif dari data masa lalu. Kami
SEDANG BELAJAR
OBJEKTIF 4 mengilustrasikan langkah-langkahnya menggunakan contoh Elegant Rugs.
Buat garis besar enam Langkah 1: Pilih variabel dependen. Variabel dependen mana (biaya yang akan diprediksi dan dikelola) yang dipilih
langkah dalam memperkirakan manajer akan bergantung pada fungsi biaya spesifik yang diestimasi. Dalam contoh Elegant Rugs, variabel dependennya
fungsi biaya menggunakan analisis kuantitatif adalah biaya tenaga kerja manufaktur tidak langsung.
... hasil akhirnya (Langkah 6)
Langkah 2: Identifikasi variabel independen, atau pemicu biaya. Variabel independen (tingkat aktivitas atau cost
adalah mengevaluasi pemicu
biaya dari fungsi biaya yang driver) adalah faktor yang digunakan untuk memprediksi variabel dependen (biaya). Ketika biaya adalah biaya tidak
diestimasi langsung, variabel independen juga disebut dasar alokasi biaya. Sering kali, akuntan manajemen, bekerja dengan tim
manajemen, akan menggilir enam langkah beberapa kali, mencoba penggerak biaya alternatif yang masuk akal secara
ekonomi untuk mengidentifikasi salah satu yang paling sesuai dengan data.
Ingatlah bahwa pemicu biaya harus dapat diukur dan memiliki hubungan yang masuk akal secara ekonomi dengan
variabel dependen. Masuk akal ekonomi berarti bahwa hubungan (menggambarkan bagaimana perubahan pemicu biaya
menyebabkan perubahan dalam biaya yang dipertimbangkan) didasarkan pada hubungan fisik, kontrak, atau pengetahuan
operasi dan masuk akal secara ekonomi bagi manajer operasi dan akuntan manajemen. . Seperti yang Anda pelajari di
Bab 5, semua item biaya individual yang termasuk dalam variabel dependen harus memiliki pemicu biaya yang sama;
yaitu, kumpulan biaya harus homogen. Jika hal ini tidak terjadi, akuntan manajemen harus menyelidiki kemungkinan
menciptakan kumpulan biaya yang homogen dan memperkirakan lebih dari satu fungsi biaya, satu untuk setiap pasangan
kumpulan biaya/penggerak biaya.
Sebagai contoh, pertimbangkan beberapa jenis tunjangan yang dibayarkan kepada karyawan dan pemicu biaya dari
tunjangan tersebut:
Tunjangan Penggerak Biaya
Keuntungan sehat Jumlah Karyawan

Makanan kafetaria Jumlah Karyawan
Manfaat pensiun Gaji karyawan
Asuransi jiwa Gaji karyawan
Biaya tunjangan kesehatan dan makanan kafetaria dapat digabungkan menjadi satu kumpulan biaya yang homogen karena
memiliki pemicu biaya yang sama—jumlah karyawan. Tunjangan pensiun dan biaya asuransi jiwa memiliki pemicu biaya
yang berbeda—gaji karyawan—dan, oleh karena itu, tidak boleh digabungkan dengan tunjangan kesehatan dan makan di
kafetaria. Sebaliknya, mereka harus digabungkan ke dalam kumpulan biaya homogen yang terpisah, yang dapat
diperkirakan dengan menggunakan gaji karyawan yang menerima manfaat ini sebagai pemicu biaya.
Langkah 3: Kumpulkan data tentang variabel dependen dan pemicu biaya. Ini biasanya merupakan langkah yang
paling sulit dalam analisis biaya. Akuntan manajemen memperoleh data dari dokumen perusahaan, dari wawancara
dengan manajer, dan melalui studi khusus. Data ini dapat berupa data deret waktu atau data cross-sectional.
Data deret waktu berkaitan dengan entitas yang sama (seperti organisasi, pabrik, atau aktivitas) selama periode
masa lalu yang berurutan. Pengamatan mingguan biaya tenaga kerja manufaktur tidak langsung Elegant Rugs dan jumlah
jam mesin adalah contoh data deret waktu. Basis data deret waktu yang ideal akan berisi banyak pengamatan untuk
perusahaan yang operasinya tidak terpengaruh oleh perubahan ekonomi atau teknologi. Ekonomi yang stabil dan teknologi
yang stabil memastikan bahwa data yang dikumpulkan selama periode estimasi mewakili hubungan mendasar yang sama
antara pemicu biaya dan variabel dependen.
Data cross-sectional berkaitan dengan entitas yang berbeda selama periode yang sama. Misalnya, studi pinjaman
yang diproses dan biaya personel terkait di 50 cabang bank individu, namun serupa, selama Maret 2020 akan menghasilkan
data cross-sectional untuk bulan itu. Data cross sectional harus diambil dari entitas yang, dalam setiap entitas, memiliki
hubungan yang sama antara pemicu biaya dan biaya. Kemudian dalam bab ini, kami menjelaskan masalah yang muncul
dalam pengumpulan data.
Memperkirakan Fungsi Biaya Menggunakan Analisis Kuantitatif 393
$1.600 PAMERAN 10-4

6
1.400 9
1 Plot Mingguan Tidak Langsung
1.200 Tenaga Kerja Manufaktur
2
3 7 Biaya dan Mesin
1.000
10
12 4 Jam untuk Karpet Elegan
800
5
Manufaktur
Langsung
Tenaga
Tidak
Biaya
Kerja
(Y)
11
600 8
400
200
20 40 60 80 100
Penggerak Biaya: Jam Mesin (X)
Langkah 4: Plot datanya. Hubungan umum antara pemicu biaya dan biaya dapat dengan mudah dilihat dengan membuat
grafik plot data. Plot memberikan wawasan ke dalam rentang yang relevan dari fungsi biaya dan mengungkapkan apakah
hubungan antara pemicu dan biaya mendekati linier. Selain itu, plot menyoroti pengamatan ekstrem (pengamatan di luar pola
umum) yang harus diperiksa oleh analis. Apakah ada kesalahan dalam pencatatan data atau kejadian yang tidak biasa, seperti
penghentian pekerjaan, yang membuat pengamatan ini tidak mewakili hubungan normal antara pemicu biaya dan biaya?
Tampilan 10-4 adalah plot data mingguan dari kolom B dan C pada Tampilan 10-3. Grafik ini memberikan bukti visual
yang kuat tentang hubungan linier positif antara jumlah jam mesin Elegant Rugs dan biaya tenaga kerja manufaktur tidak
langsung (ketika jam mesin naik, demikian juga biaya tenaga kerja manufaktur tidak langsung). Tidak ada pengamatan ekstrim
pada Tampilan 10-4.
Rentang yang relevan adalah dari 46 hingga 96 jam mesin per minggu (masing-masing minggu ke-8 dan ke-6).
Langkah 5: Perkirakan fungsi biaya. Dua bentuk analisis kuantitatif yang paling umum adalah metode tinggi-rendah dan
analisis regresi. Kami menyajikan metode ini setelah Langkah 6.
Langkah 6: Evaluasi cost driver dari estimasi fungsi biaya. Pada langkah ini, manajer dan akuntan manajemen mengajukan
pertanyaan seperti, apakah hubungan sebab-akibat antara pemicu biaya dan biaya masuk akal? Seberapa kuat hubungannya?
Kami selanjutnya menjelaskan metode tinggi rendah.
Metode Tinggi-Rendah
Bentuk paling sederhana dari analisis kuantitatif untuk “menyesuaikan” garis dengan titik-titik data adalah metode tinggi-rendah.
Ini hanya menggunakan nilai pemicu biaya tertinggi dan terendah yang diamati dalam kisaran yang relevan dan biayanya
masing-masing untuk memperkirakan koefisien kemiringan dan konstanta fungsi biaya. Ini memberikan pandangan pertama
yang cepat tentang hubungan antara pemicu biaya dan biaya. Kami mengilustrasikan metode tinggi-rendah menggunakan data
dari Tampilan 10-3.
Penggerak Biaya: Manufaktur Tidak Langsung

Jam Mesin (X) Biaya Tenaga Kerja (Y)
Pengamatan cost driver tertinggi (minggu 6) 96 $1,456

Pengamatan cost driver terendah (minggu 8) 46 710
Perbedaan 50 $ 746
Koefisien kemiringan, b, dihitung sebagai berikut:
Selisih antara biaya yang terkait dengan yang tertinggi

dan pengamatan terendah dari pemicu biaya
Koefisien kemiringan =
Perbedaan antara tertinggi dan terendah
pengamatan pemicu biaya
= $746 , 50 mesin@jam = $14,92 per mesin@jam

Untuk menghitung konstanta, kita dapat menggunakan pengamatan pemicu biaya tertinggi atau terendah.
Kedua perhitungan menghasilkan jawaban yang sama karena metode ini menyelesaikan dua persamaan
linier dengan dua yang tidak diketahui, koefisien kemiringan dan konstanta. Persamaan garis diberikan oleh
kamu= a + bX, jadi a = y - bX.
Pada pengamatan pemicu biaya tertinggi, konstanta, a, adalah
Konstanta = $1,456 - $14,92 per mesin@jam * 96 mesin@jam2 = $23,68
Pada pengamatan pemicu biaya terendah, a adalah
Konstanta = $710 - $14,92 per mesin@jam * 46 mesin@jam2 = $23,68
Jadi, estimasi tinggi-rendah dari fungsi biaya, y = a + bX adalah:
y = $ 2 3 .6 8 + 1$ 1 4 .9 2 p er m ach in e@h ou r * Jumlah m ach in e@h ou rs 2
Garis biru pada Tampilan 10-5 menunjukkan fungsi biaya yang diperkirakan dengan menggunakan
metode tinggi-rendah, dibentuk dengan menggabungkan pengamatan dengan nilai pemicu biaya tertinggi dan
terendah (jumlah jam mesin). Garis tinggi-rendah sederhana ini berada "di antara" titik-titik data; ada tiga
pengamatan pada garis, empat di atasnya dan lima di bawahnya. Intersep (a = $23,68), titik di mana
perpanjangan putus-putus dari garis biru bertemu dengan sumbu y, adalah komponen konstan dari persamaan
yang memberikan pendekatan linier terbaik tentang bagaimana biaya berperilaku dalam kisaran yang relevan
dari 46–96 jam mesin. Manajer tidak boleh menafsirkan intersep sebagai perkiraan biaya tetap jika tidak ada
mesin yang dijalankan. Mengapa? Karena tidak menjalankan mesin—yaitu, menggunakan nol jam mesin—
berada di luar rentang yang relevan.
Misalkan biaya tenaga kerja manufaktur tidak langsung Elegant Rugs di minggu ke-6 adalah $1.280,
bukan $1.456. Dalam kasus ini, pengamatan tertinggi dari pemicu biaya (96 jam mesin dalam minggu ke-6)
tidak akan bertepatan dengan pengamatan biaya tertinggi yang baru ($1,316 dalam minggu ke-9). Bagaimana
perubahan ini akan mempengaruhi perhitungan tinggi-rendah kami? Karena hubungan sebab-akibat berjalan dari
cost driver to cost, metode high-low masih menggunakan pengamatan cost driver tertinggi dan terendah dan
mengestimasi fungsi biaya baru menggunakan data dari minggu ke 6 (tinggi) dan 8 (rendah).
Metode tinggi-rendah sederhana untuk dihitung dan mudah dipahami. Ini memberi manajer Elegant Rugs
wawasan awal yang cepat tentang bagaimana pemicu biaya—jumlah jam mesin—
mempengaruhi biaya tenaga kerja manufaktur tidak langsung perusahaan. Namun, terkadang menyesatkan
bagi manajer untuk hanya mengandalkan dua pengamatan untuk memperkirakan fungsi biaya. Misalkan
kontrak tenaga kerja menjamin pembayaran minimum di minggu 8. Biaya tenaga kerja manufaktur tidak
langsung di minggu 8 adalah $1.000, bukan $710, ketika 46 jam mesin digunakan. Garis hijau pada Tampilan
10-5 menunjukkan fungsi biaya yang diperkirakan dengan metode tinggi-rendah menggunakan biaya yang
direvisi ini. Perhatikan bahwa semua titik data terletak pada atau di bawah garis! Dalam hal ini, memilih
pengamatan tertinggi dan terendah untuk jam mesin menghasilkan estimasi fungsi biaya yang kurang
menggambarkan hubungan biaya linier yang mendasari antara jumlah jam mesin dan biaya tenaga kerja
manufaktur tidak langsung. Dalam situasi seperti itu, manajer memodifikasi metode tinggi-rendah sehingga
dua pengamatan yang dipilih untuk memperkirakan fungsi biaya adalah perwakilan tinggi dan perwakilan rendah.
PAMERAN 10-5 Rentang yang relevan

$1.600
6
Metode Tinggi-Rendah
1.400 Garis tinggi-rendah 9
untuk Mingguan Tidak Langsung 1
menggunakan direvisi
1.200
Tenaga Kerja Manufaktur biaya untuk minggu 8 2
3 7
Biaya dan Mesin 1.000
10
12 4
Jam untuk Karpet Elegan Manufaktur
Langsung
Tenaga
Tidak
Biaya
Kerja
(Y)
800
5 11
600 8
Garis tinggi-rendah
400
menggunakan data dalam
200 Pameran 10-3
20 40 60 80 100

Memperkirakan Fungsi Biaya Menggunakan Analisis Kuantitatif 395
Penyesuaian ini menghindari pengamatan ekstrim yang timbul dari peristiwa abnormal yang mempengaruhi perkiraan
waktu fungsi biaya. Fungsi biaya yang dimodifikasi lebih mewakili hubungan antara pemicu biaya dan biaya dan, oleh
karena itu, lebih berguna untuk membuat keputusan. Selanjutnya, kami menjelaskan metode analisis regresi. Bukan hanya
nilai tinggi dan rendah, ia menggunakan semua data yang tersedia untuk memperkirakan fungsi biaya.
Perusahaan Rexburg telah mengumpulkan data berikut yang berkaitan dengan biaya tertentu yang tidak dapat
dengan mudah diidentifikasi sebagai biaya tetap atau variabel. Rexburg telah mendengar tentang metode
10-2 COBALAH!
pengukuran fungsi biaya yang disebut metode tinggi-rendah dan telah memutuskan untuk menggunakannya
dalam situasi ini.
Bulan Biaya Jam
Januari $37.100 3.500
Februari 35.600 2.900

Berbaris 33.380 3.200
April 35.100 3.400
Mungkin 67.100 6,050

Juni 42.100 4.150
sebuah. Berapakah koefisien kemiringannya?

b. Berapakah konstanta untuk persamaan estimasi biaya?
c. Berapa estimasi fungsi biaya untuk data di atas?
d. Berapa perkiraan total biaya pada tingkat operasi 3.200 jam?
Metode Analisis Regresi

Analisis regresi adalah metode statistik yang mengukur jumlah rata-rata perubahan variabel dependen yang terkait
dengan perubahan unit dalam satu atau lebih variabel independen. Metode ini banyak digunakan karena membantu
manajer "mendapatkan di belakang angka" sehingga mereka memahami mengapa biaya berperilaku seperti yang mereka
lakukan dan apa yang dapat dilakukan manajer untuk memengaruhi mereka. Misalnya, di Analog Devices, pembuat sirkuit
terpadu digital dan analog, manajer menggunakan analisis regresi untuk mengevaluasi bagaimana dan mengapa tingkat
kerusakan dan kualitas produk berubah dari waktu ke waktu. Manajer yang memahami hubungan ini memperoleh
wawasan yang lebih luas dan membuat keputusan yang lebih baik.
Analisis regresi sederhana memperkirakan hubungan antara variabel dependen dan satu variabel independen.
Dalam contoh Elegant Rugs, variabel dependennya adalah total biaya tenaga kerja manufaktur tidak langsung; variabel
independen tunggal, atau pemicu biaya, adalah jumlah jam mesin. Analisis regresi berganda memperkirakan hubungan
antara variabel dependen dan dua atau lebih variabel independen. Analisis regresi berganda untuk Elegant Rugs mungkin
menggunakan jumlah jam mesin dan jumlah batch sebagai variabel independen.
Lampiran bab mengeksplorasi regresi sederhana dan regresi berganda secara lebih rinci.
Tampilan 10-6 menunjukkan garis regresi yang paling sesuai dengan data pada kolom B dan C pada Tampilan 10-3.
Fungsi biaya adalah
y = $300,98 + $10,31X
Garis regresi pada Tampilan 10-6 adalah garis yang meminimalkan jumlah kuadrat jarak vertikal dari titik data
(berbagai titik dalam grafik) ke garis. Jarak vertikal, yang disebut istilah residual, mengukur perbedaan antara biaya
aktual dan perkiraan biaya untuk setiap pengamatan pemicu biaya. Tampilan 10-6 menunjukkan suku sisa untuk minggu
1. Garis dari pengamatan ke garis regresi ditarik tegak lurus terhadap sumbu horizontal, atau sumbu x. Semakin kecil suku
sisa, semakin baik kesesuaian antara pengamatan biaya aktual dan perkiraan biaya. Goodness of fit menunjukkan
kekuatan hubungan antara cost driver dan biaya. Garis regresi pada Tampilan 10-6 naik dari kiri ke kanan. Kemiringan
positif dari garis ini dan suku sisa yang kecil menunjukkan bahwa, rata-rata, biaya tenaga kerja manufaktur tidak langsung
meningkat seiring dengan meningkatnya jumlah jam mesin. Garis putus-putus vertikal pada Tampilan 10-6 menunjukkan
rentang yang relevan, rentang di mana fungsi biaya berlaku.
$1.600
Model Regresi Sisa 6
1.400 9
Mingguan Tidak Langsung ketentuan
1 2
Tenaga Kerja Manufaktur 1.200 7
Biaya dan Mesin 12 3
1.000
10
Jam untuk Karpet Elegan 4
Manufaktur
Langsung
Tenaga
Tidak
Biaya
Kerja
(Y)
800
5 11
600 8
400 Garis regresi

200 y 5 $300,98 1 $10,31X
20 40 60 80 100 110
Instruktur dan siswa yang ingin mendalami detail teknis estimasi garis regresi kuadrat terkecil dapat membuka
lampiran, halaman 411–416, dan kembali ke poin ini tanpa kehilangan kontinuitas.
Perkiraan koefisien kemiringan, b, menunjukkan bahwa, rata-rata, biaya tenaga kerja manufaktur tidak langsung
meningkat sebesar $10,31 untuk setiap jam mesin yang digunakan dalam kisaran yang relevan.
Manajer dapat menggunakan persamaan regresi untuk menetapkan anggaran. Misalnya, jika Elegant Rugs
memperkirakan akan menggunakan 90 jam mesin di minggu mendatang, ini akan memprediksi biaya tenaga kerja
manufaktur tidak langsung menjadi
y = $300,98 + 1$10,31 per mesin@jam * 90 mesin@jam2 = $1,228,88
Metode regresi lebih akurat daripada metode tinggi-rendah karena menggunakan semua pengamatan untuk
memperkirakan fungsi biaya sedangkan persamaan tinggi-rendah hanya menggunakan dua pengamatan.
Ketidakakuratan metode tinggi-rendah dapat menyesatkan manajer. Pertimbangkan persamaan metode tinggi-rendah
di bagian sebelumnya, y = $23,68 + ($14,92 per mesin@jam * Jumlah
mesin@jam). Untuk 90 jam mesin, perkiraan biaya mingguan menggunakan persamaan metode tinggi-rendah
adalah $23,68 + ($14,92 per mesin@jam * 90 mesin@jam) = $1,366,48. Misalkan selama periode 12 minggu
berikutnya, Elegant Rugs menjalankan mesinnya selama 90 jam setiap minggu.
Asumsikan biaya tenaga kerja manufaktur tidak langsung rata-rata untuk 12 minggu tersebut adalah $1.300.
Berdasarkan prediksi metode tinggi-rendah sebesar $1,366.48, Elegant Rugs akan menyimpulkan bahwa kinerjanya
baik karena biaya aktual lebih rendah daripada biaya yang diprediksi. Tetapi membandingkan kinerja $1.300 dengan
prediksi model regresi $1,228.88 yang lebih akurat menceritakan kisah yang berbeda dan akan mendorong Elegant
Rugs untuk mencari cara untuk meningkatkan kinerja biayanya.
Manajer di Elegant Rugs tertarik untuk mengevaluasi apakah perubahan dalam proses produksi (yang
menghasilkan data pada Tampilan 10-3) telah mengurangi biaya tenaga kerja manufaktur tidak langsung seperti
biaya pengawasan, pemeliharaan, dan kontrol kualitas. Menggunakan data jumlah jam mesin yang digunakan dan
biaya tenaga kerja manufaktur tidak langsung dari proses sebelumnya (tidak ditampilkan di sini), manajer
memperkirakan persamaan regresi sebelumnya menjadi
KEPUTUSAN
TITIK y = $546,26 + 1$15,86 per mesin@jam * Jumlah mesin@jam2
Apa langkah-langkah untuk

Konstanta ($300,98 versus $545,26) dan koefisien kemiringan ($10,31 versus $15,86) keduanya lebih kecil untuk
proses baru relatif terhadap proses lama yang menunjukkan bahwa biaya tenaga kerja manufaktur tidak langsung
menggunakan analisis
telah menurun.
kuantitatif?
Mengevaluasi dan Memilih Penggerak Biaya

Mengidentifikasi pemicu biaya dan memperkirakan fungsi biaya memerlukan pemahaman yang baik tentang operasi.
Pertimbangkan biaya perawatan dan perbaikan mesin pemotong logam di Helix Corporation, produsen treadmill.
Helix menjadwalkan perbaikan dan pemeliharaan selama periode produksi rendah untuk menghindari keharusan
mengeluarkan alat berat saat paling dibutuhkan. Analisis data bulanan kemudian akan menunjukkan biaya perbaikan
yang tinggi pada bulan-bulan dengan produksi rendah
Mengevaluasi dan Memilih Penggerak Biaya 397
dan biaya perbaikan rendah dalam beberapa bulan produksi tinggi. Seseorang yang tidak terbiasa dengan SEDANG BELAJAR
operasi mungkin menyimpulkan bahwa ada hubungan terbalik antara biaya produksi dan perbaikan. Namun, TUJUAN 5
hubungan teknik antara unit yang diproduksi dan biaya perbaikan biasanya jelas. Seiring waktu, ada
Jelaskan tiga kriteria yang
hubungan sebab-akibat: semakin tinggi tingkat produksi, semakin tinggi biaya perbaikan. Untuk memperkirakan
digunakan untuk mengevaluasi
hubungan dengan benar, manajer operasi dan analis harus menyadari bahwa biaya perbaikan cenderung dan memilih pemicu biaya
tertinggal di belakang periode produksi tinggi dan karenanya harus menggunakan produksi periode
... hubungan yang masuk akal
sebelumnya sebagai pemicu biaya.
secara ekonomi, kesesuaian,
Dalam kasus lain, memilih pemicu biaya lebih halus dan sulit. Pertimbangkan lagi biaya tenaga kerja dan pengaruh signifikan pemicu
manufaktur tidak langsung di Elegant Rugs. Jumlah jam mesin dan jumlah jam tenaga kerja manufaktur biaya terhadap biaya
langsung merupakan pemicu biaya yang masuk akal dari biaya tenaga kerja manufaktur tidak langsung.
Manajer tidak yakin mana pemicu biaya yang lebih baik. Tampilan 10-7 menyajikan data mingguan biaya
tenaga kerja manufaktur tidak langsung dan jumlah jam mesin untuk periode 12 minggu terbaru dari Tampilan
10-3, bersama dengan data jumlah jam kerja manufaktur langsung untuk periode yang sama.
Panduan apa yang diberikan oleh metode estimasi biaya yang berbeda untuk memilih di antara pemicu
biaya? Metode rekayasa industri bergantung pada analisis hubungan fisik antara pemicu biaya dan biaya,
yang sulit untuk ditentukan dalam kasus ini. Metode konferensi dan metode analisis akun mengharuskan
manajer untuk menggunakan penilaian subjektif terbaik mereka untuk memilih pemicu biaya dan untuk
memperkirakan komponen tetap dan variabel dari fungsi biaya. Manajer tidak dapat menggunakan metode
ini untuk mengeksplorasi dan menguji pemicu biaya alternatif. Keuntungan utama metode kuantitatif, seperti
analisis regresi, adalah bahwa metode tersebut objektif, sehingga manajer dapat menggunakannya untuk
mengevaluasi berbagai pemicu biaya.
Analis biaya pertama-tama memperkirakan persamaan regresi berikut untuk biaya tenaga kerja
manufaktur tidak langsung perusahaan menggunakan jumlah jam kerja manufaktur langsung sebagai variabel
independen:
y = $744,67 + $7,72X
Tampilan 10-8 menunjukkan plot titik data untuk jumlah jam kerja manufaktur langsung dan biaya tenaga
kerja manufaktur tidak langsung dan garis regresi yang paling sesuai dengan data. Ingat bahwa Tampilan
10-6 menunjukkan grafik yang sesuai ketika jumlah jam mesin adalah pemicu biaya.
Untuk memutuskan mana dari dua penggerak biaya yang harus dipilih Elegant Rugs, analis membandingkan:
PAMERAN 10-7

SEBUAH B C D Tenaga Kerja Manufaktur
Penggerak Biaya Alternatif: tidak langsung
Biaya, Mesin
Jam, dan Langsung
Asli Manufaktur Langsung Manufaktur
Tenaga Kerja Manufaktur
Penggerak Biaya: Jam Kerja Biaya tenaga kerja
Jam untuk Karpet Elegan
1 Pekan Jam Mesin (X) (Y)
2 1 68 30 $ 1.190
3 2 88 35 1.211
4 3 62 36 1.004
5 4 72 20 917
6 5 60 47 770
7 6 96 45 1.456
8 7 78 44 1.180
9 8 46 38 710
10 9 82 70 1.316
11 10 94 30 1.032
12 11 68 29 752
12 48 38 963
13
14 Total 862 462 $ 12.501
15
$1.600
Model Regresi 6
1.400 9
Mingguan Tidak Langsung 1 2
Tenaga Kerja Manufaktur 1.200 7
Biaya dan Langsung 4 10
1.000
3
Tenaga Kerja Manufaktur 12
Manufaktur
Langsung
Tenaga
Tidak
Biaya
Kerja
(Y)
800
Jam untuk Karpet Elegan 5
11 8
600
400 Garis regresi

200 y 5 $744,67 1 $7,72X
10 20 30 40 50 60 70 80
Penggerak Biaya: Jam Kerja Manufaktur Langsung (X)
persamaan regresi jam mesin dan persamaan regresi jam tenaga kerja manufaktur langsung dan
menggunakan tiga kriteria untuk membuat evaluasi ini.
1. Masuk akal secara ekonomi. Kedua pemicu biaya tersebut masuk akal secara ekonomi. Namun,
dalam lingkungan produksi yang canggih dan sangat otomatis di Elegant Rugs, para manajer yang
akrab dengan operasi percaya bahwa biaya tenaga kerja manufaktur tidak langsung seperti biaya
perawatan mesin cenderung lebih erat kaitannya dengan jumlah mesin- jam yang digunakan
daripada jumlah jam tenaga kerja manufaktur langsung yang digunakan.
2. Kesesuaian. Bandingkan Pameran 10-6 dan 10-8. Perbedaan vertikal antara biaya aktual dan biaya
yang diperkirakan jauh lebih kecil untuk regresi jam mesin daripada regresi jam tenaga kerja
manufaktur langsung. Jumlah jam mesin yang digunakan memiliki hubungan yang lebih kuat—
atau kecocokan—dengan biaya tenaga kerja manufaktur tidak langsung.
3. Signifikansi variabel independen. Sekali lagi bandingkan Pameran 10-6 dan 10-8 (keduanya telah
ditarik ke skala yang kira-kira sama). Garis regresi jam mesin memiliki kemiringan yang curam
relatif terhadap kemiringan garis regresi jam tenaga kerja manufaktur langsung.
Untuk sebaran pengamatan yang sama (atau lebih) tentang garis (kesesuaian), garis regresi yang
datar atau sedikit miring menunjukkan hubungan yang lemah antara pemicu biaya dan biaya.
Dalam contoh kita, perubahan jam kerja manufaktur langsung tampaknya memiliki efek kecil pada
biaya tenaga kerja manufaktur tidak langsung.
Berdasarkan evaluasi ini, manajer di Elegant Rugs memilih jumlah jam mesin sebagai penggerak biaya
dan menggunakan fungsi biaya y = $300,98 + ($10,31 per mesin@jam *
Jumlah mesin@jam) untuk memprediksi biaya tenaga kerja manufaktur tidak langsung di masa mendatang.
Instruktur dan siswa yang ingin mengeksplorasi bagaimana teknik analisis regresi dapat digunakan
untuk memilih di antara pemicu biaya yang berbeda dapat membuka lampiran, halaman 416–420, dan
kembali ke titik ini tanpa kehilangan kontinuitas.
Mengapa memilih pemicu biaya yang tepat untuk memperkirakan biaya tenaga kerja manufaktur
tidak langsung penting? Karena mengidentifikasi pemicu biaya yang salah atau salah memperkirakan
fungsi biaya dapat menyebabkan keputusan yang salah (dan mahal). Simak keputusan strategis berikut
di Elegant Rugs. Perusahaan sedang mengevaluasi gaya baru karpet yang mirip dengan karpet yang
telah diproduksi di masa lalu. Ia mengharapkan untuk menjual 650 kaki persegi karpet ini setiap minggu,
membutuhkan 72 jam mesin dan 21 jam tenaga kerja manufaktur langsung. Berdasarkan persamaan
regresi jam mesin, Elegant Rugs akan memprediksi biaya tenaga kerja manufaktur tidak langsung
sebesar y =tenaga
$300,98 + ($10,31
kerja per mesin@jam
manufaktur * 72 mesin@jam)
langsung sebagai = $1,043,30.
penggerak biaya, Menggunakan
akan salah jambiaya
memprediksi
$744,67 + ($7,72 per tenaga kerja@jam * 21 tenaga kerja@jam) = $906,79. Jika pemicu biaya lain
yang salah juga meremehkan biaya tidak langsung lainnya, manajer akan menyimpulkan bahwa biaya
pembuatan karpet gaya baru rendah. Tetapi biaya tidak langsung aktual didorong oleh angka
Mengevaluasi dan Memilih Penggerak Biaya 399
jam mesin yang digunakan dan pemicu biaya lain yang benar akan lebih tinggi. Gagal mengidentifikasi pemicu
biaya yang tepat membuat manajer percaya bahwa karpet gaya baru lebih menguntungkan daripada yang
sebenarnya. Jika manajer telah memperkirakan biaya dan profitabilitas dengan benar, mereka mungkin memutuskan
untuk tidak memperkenalkannya.
Salah memperkirakan fungsi biaya juga mempengaruhi manajemen biaya dan pengendalian biaya.
Misalkan jumlah jam tenaga kerja manufaktur langsung digunakan sebagai penggerak biaya, dan biaya tenaga
kerja manufaktur tidak langsung aktual untuk karpet baru adalah $990, lebih tinggi dari perkiraan biaya $906,79.
Manajer kemudian akan merasa terdorong untuk memotong biaya. Faktanya, berdasarkan pemicu biaya jam mesin
yang tepat, biaya aktual lebih rendah dari perkiraan biaya $1,043,30—kinerja yang harus diupayakan manajemen
untuk ditiru, bukan diubah!
Penggerak Biaya dan Penetapan Biaya Berbasis Aktivitas

Sistem penetapan biaya berdasarkan aktivitas (ABC) fokus pada aktivitas individu, seperti desain produk,
pengaturan mesin, penanganan bahan, distribusi, dan layanan pelanggan, sebagai objek biaya mendasar. Manajer
mengidentifikasi pemicu biaya untuk setiap aktivitas. Pertimbangkan biaya penanganan material di Westronics,
produsen produk elektronik. Manajer harus memutuskan apakah jumlah muatan yang dipindahkan atau berat
muatan yang dipindahkan merupakan pemicu biaya dari biaya ini. Untuk melakukannya, mereka menerapkan
metode yang dijelaskan sebelumnya dalam bab ini tentang data yang dikumpulkan selama periode yang cukup
lama ketika hubungan sebab-akibat antara pemicu biaya dan biaya tidak ditutupi oleh biaya yang diperbaiki dalam
jangka pendek.
Manajer menerapkan semua metode yang dijelaskan sebelumnya untuk memperkirakan hubungan biaya
dalam sistem ABC. Kepolisian Kota London menggunakan hubungan input-output (metode rekayasa industri) untuk
mengidentifikasi pemicu biaya dan biaya suatu aktivitas. Menggunakan survei waktu yang diperlukan, pejabat
menentukan biaya yang terkait dengan menanggapi perampokan rumah, menangani perampokan, dan mengisi
laporan polisi. Metode rekayasa industri juga digunakan oleh lembaga pemerintah AS, seperti Layanan Pos AS,
untuk menentukan biaya setiap transaksi kantor pos, dan Kantor Paten dan Merek Dagang AS, untuk
mengidentifikasi biaya setiap pemeriksaan paten. Caterpillar menggunakan metode teknik industri untuk menghitung
biaya normal setiap aktivitas dalam proses manufakturnya. Biaya aktivitas kemudian digulung ke tingkat produk.
Ketika memilih di antara metode untuk memperkirakan fungsi biaya, manajer menukar tingkat detail, akurasi,
kelayakan, dan biaya. Misalnya, untuk memperkirakan biaya pembukaan rekening bank atau melakukan
pembayaran transfer, Bankinter di Spanyol menggunakan metode pengukuran kerja, sedangkan Royal Bank of
Canada menggunakan teknik analisis lanjutan, termasuk regresi.
Semakin, manajer menggunakan analisis kuantitatif untuk menentukan pemicu biaya kegiatan. DHL Express,
perusahaan pelayaran internasional, baru-baru ini beralih dari metode konferensi ke melakukan analisis kuantitatif
mendalam pada sistem "data besar". Sistem ini memberi DHL kesempatan untuk melakukan analisis canggih pada
kumpulan data besar dengan biaya yang relatif rendah. Sistem penetapan biaya tunggal berbasis aktivitas di
seluruh dunia menunjukkan biaya dan profitabilitas untuk setiap pengiriman dalam jaringannya. Algoritma
mengoptimalkan cara yang paling menguntungkan untuk mengalokasikan pengiriman ke armada pesawatnya.
Ketika memperkirakan fungsi biaya untuk kumpulan biaya, manajer harus memperhatikan dengan cermat
hierarki biaya. Misalnya, jika biaya adalah biaya tingkat batch seperti biaya penyiapan, manajer hanya boleh
mempertimbangkan pemicu biaya tingkat batch seperti jumlah jam penyiapan. Dalam beberapa kasus, biaya dalam
kumpulan biaya mungkin memiliki lebih dari satu pemicu biaya dari berbagai tingkat hierarki biaya. Pemicu biaya
untuk biaya tenaga kerja tidak langsung dari Elegant Rugs dapat berupa jam mesin dan jumlah batch produksi
karpet yang diproduksi. Selanjutnya, mungkin sulit untuk membagi biaya tenaga kerja manufaktur tidak langsung KEPUTUSAN
menjadi dua kelompok biaya dan untuk mengukur biaya yang terkait dengan masing-masing pemicu biaya. Dalam TITIK
kasus seperti ini, perusahaan menggunakan regresi berganda, seperti yang kita bahas dalam lampiran bab, untuk
Bagaimana seharusnya
memperkirakan biaya berdasarkan lebih dari satu variabel independen. perusahaan mengevaluasi dan
memilih pemicu biaya?
Fungsi Biaya Nonlinier

SEDANG BELAJAR Fungsi biaya tidak selalu linier. Fungsi biaya nonlinier adalah fungsi biaya yang grafik biaya totalnya
TUJUAN 6 (berdasarkan tingkat aktivitas tunggal) tidak berbentuk garis lurus dalam rentang yang relevan. Untuk melihat
seperti apa fungsi biaya nonlinier, kembali ke Tampilan 10-2 (halaman 387).
Jelaskan fungsi biaya nonlinier
Rentang yang relevan saat ini ditetapkan pada 2.000 hingga 6.500 papan salju. Tetapi jika kita memperluas
jangkauan yang relevan untuk mencakup wilayah dari 0 hingga 8.000 papan salju yang diproduksi, terbukti
... grafik fungsi biaya tidak bahwa fungsi biaya pada rentang yang diperluas ini secara grafis tidak lurus.
berbentuk garis lurus, misalnya
Pertimbangkan contoh lain. Skala ekonomi memungkinkan biro iklan menghasilkan dua kali lipat jumlah
karena diskon kuantitas atau
iklan dengan biaya kurang dari dua kali lipat. Bahkan biaya bahan langsung tidak selalu linier. Seperti yang
biaya berubah secara bertahap
ditunjukkan oleh Panel A dari Tampilan 10-9, total biaya bahan langsung naik karena unit bahan langsung yang
dibeli meningkat. Tetapi, karena diskon kuantitas, biaya ini naik lebih lambat (seperti yang ditunjukkan oleh
khususnya, yang timbul dari efek
kurva belajar
koefisien kemiringan yang berubah) karena unit bahan langsung yang dibeli meningkat. Fungsi biaya ini memiliki
koefisien kemiringan b = $25 per unit untuk 1–1.000 unit yang dibeli, b = $15 per unit untuk 1.001–2.000 unit
... baik pembelajaran
yang dibeli, dan b = $10 per unit untuk 2.001–3.000 unit yang dibeli. Biaya bahan langsung per unit turun dengan
waktu rata-rata kumulatif,
di mana waktu rata-rata
setiap pemotongan harga. Fungsi biaya nonlinier pada rentang yang relevan dari 1 hingga 3.000 unit. Pada
kumulatif per unit menurun rentang relevan yang lebih sempit (misalnya, dari 1 hingga 1.000 unit), fungsi biaya bersifat linier.
dengan persentase konstan,
karena unit yang diproduksi berlipat ganda Fungsi biaya bertahap juga merupakan fungsi biaya nonlinier. Fungsi biaya bertahap adalah fungsi biaya
... atau pembelajaran waktu di mana biaya tetap sama selama berbagai rentang tingkat aktivitas tetapi meningkat dengan jumlah yang
unit tambahan, di mana berbeda-yaitu, meningkat dalam langkah-saat tingkat aktivitas meningkat dari satu rentang ke rentang berikutnya.
waktu tambahan untuk
Panel B pada Tampilan 10-9 menunjukkan fungsi biaya variabel bertahap, fungsi biaya bertahap di mana biaya
menghasilkan unit terakhir
tetap sama pada rentang sempit tingkat aktivitas di setiap rentang yang relevan.
menurun dengan persentase
konstan, karena unit yang
Panel B menunjukkan hubungan antara unit produksi dan biaya setup. Polanya adalah fungsi biaya bertahap
diproduksi berlipat ganda karena biaya penyetelan meningkat dengan setiap batch produksi dimulai dan kemudian tetap sama saat setiap
unit diproduksi. Dalam rentang yang relevan dari 0 hingga 6.000 unit produksi, fungsi biaya adalah nonlinier.
Namun, seperti yang ditunjukkan oleh garis hijau di Panel B, manajer sering kali memperkirakan biaya variabel
bertahap dengan fungsi biaya variabel kontinu. Jenis pola biaya bertahap ini juga terjadi ketika input produksi
seperti tenaga kerja penanganan bahan, pengawasan, dan tenaga kerja rekayasa proses diperoleh dalam jumlah
diskrit tetapi digunakan dalam jumlah pecahan.
Panel C pada Tampilan 10-9 menunjukkan fungsi biaya tetap bertahap untuk Crofton Steel, sebuah
perusahaan yang mengoperasikan tungku perlakuan panas besar untuk mengeraskan bagian baja.
Membandingkan Panel B dan C, perbedaan utama antara fungsi biaya variabel bertahap dan fungsi biaya tetap
bertahap adalah bahwa pada panel terakhir biaya tetap sama pada rentang aktivitas yang luas di setiap rentang
yang relevan. Kisaran menunjukkan jumlah tungku yang digunakan (biaya operasi setiap tungku adalah
$300.000). Biaya meningkat dari satu kisaran ke kisaran yang lebih tinggi berikutnya ketika tungku lain
ditambahkan. Dalam kisaran yang relevan dari 7.500–15.000 jam waktu tungku, perusahaan mengharapkan untuk beroperasi dengan
PAMERAN 10-9 Contoh Fungsi Biaya Nonlinier
PANEL A:
Efek Kuantitas
Diskon di Lereng PANEL B: PANEL C:
Koefisien Langsung Langkah Variabel-Biaya Langkah Biaya Tetap
Fungsi Biaya Bahan Fungsi Fungsi
$50,000 $7.500
koefisien kemiringan Sebenarnya
b 5 $10 per unit Harga asli biaya

$40,000 perilaku perilaku
Penyiapan
Biaya
(Y)
$5,000
$900
$30.000 koefisien kemiringan
Langsung
Bahan
Biaya
Total
(Y)
b 5 $15
$20,000 per unit $600
$2.500 Linier Tungku
ribuan)
(dalam
Biaya
(Y)
Linier
koefisien kemiringan perkiraan $300 perkiraan
$10.000
b 5 $25 per unit perilaku biaya perilaku biaya
1.000 2.000 3.000 2.000 4,000 6.000 7.500 15.000 22.500
Unit Bahan Langsung yang Dibeli (X) Unit Produksi (X) Rentang yang relevan
Jam Waktu Tungku (X)

Fungsi Biaya Nonlinier 401
PANEL A: PAMERAN 10-10

Skor Kredit FICO dan Skor Default untuk Pinjaman
Linier dan Logistik

Meminjamkan 123456789 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 Regresi
Nomor
FICO 529 553 601 607 625 632 643 645 653 672 685 687 706 713 721 735 736 753 754 757 772 793 801 845
Kredit
Skor
Bawaan 1 111011 1 0 1 1 0000
01 1 1 0 000 0
Skor
PANEL B:
Plot dan Grafik Regresi Linier dan Logistik untuk
Skor Kredit FICO dan Skor Default Pinjaman
1.2
1.0
Pinjaman 18
0.8
Standar
Skor
0.6
0.4
Pinjaman 5
0.2
0,0
550 600 650 700 750 800 850
Skor Kredit FICO
tungku dengan biaya tetap $600.000. Namun, dalam rentang yang relevan dari 0 hingga 22.500 jam, fungsi
biaya adalah nonlinier: Grafik di Panel C bukan satu garis lurus; itu adalah tiga garis putus-putus.
Teknik regresi linier dapat diadaptasi untuk memperkirakan hubungan non-linier yang dijelaskan dalam
bagian ini. Misalnya, regresi linier sepotong-sepotong dapat digunakan untuk memperkirakan segmen linier
yang berbeda dalam Tampilan 10-9, Panel A. Bentuk fungsional non-linier yang berbeda seperti hubungan
kuadrat dapat digunakan untuk menyesuaikan kurva dengan data. Salah satu alat yang paling umum
digunakan untuk membangun model di dunia "data besar" adalah regresi logistik. Teknik ini digunakan ketika
variabel dependen mengambil serangkaian nilai terbatas, misalnya, variabel biner, seperti apakah pelanggan
akan meninggalkan perusahaan telekomunikasi dalam 3 bulan ke depan atau tidak atau apakah peminjam
akan gagal bayar atau tidak. pinjaman.
Pertimbangkan bank yang mengevaluasi bagaimana mungkin menggunakan luka FICO yang tersedia
untuk umum yang berkisar antara 300 hingga 850 berdasarkan riwayat kredit masa lalu pemohon untuk
mengevaluasi risiko gagal bayar pinjaman. Tampilan 10-10, Panel A, menunjukkan data pinjaman masa lalu
di mana variabel dependen dikodekan sebagai 1 jika pemohon gagal membayar pinjaman dan 0 jika pemohon
tidak. Variabel independen adalah skor FICO pemohon. Tampilan 10-10, Panel B, menunjukkan plot data. Ini
juga menunjukkan garis regresi jika regresi linier dipasang pada data. Meskipun secara teknis dimungkinkan
untuk memasukkan garis ke data, hubungan antara variabel independen (skor FICO) dan variabel independen
(a 0 atau a 1) tidak linier. Memasang regresi linier pada data ini tampaknya tidak tepat. Sebaliknya, seperti
pada Panel B, regresi logistik menyesuaikan kurva S dengan data menggunakan teknik yang disebut estimasi
kemungkinan maksimum (MLE). Meskipun detail matematis berada di luar cakupan teks ini, pikirkan perkiraan
MLE (yang berkisar dari 0 hingga 1) sebagai probabilitas. Teknik estimasi cocok dengan kurva S dengan
tujuan menetapkan probabilitas tinggi (mendekati 1) untuk pinjaman yang gagal bayar dan probabilitas rendah
(mendekati 0) untuk pinjaman yang dilunasi. Tentu saja, hal ini tidak dapat dicapai dengan sempurna karena
ada pinjaman (seperti Pinjaman 5) yang memiliki nilai FICO rendah (mirip dengan pinjaman yang biasanya
gagal bayar) tetapi sebenarnya dilunasi dan pinjaman lain (seperti Pinjaman 18) yang memiliki nilai FICO
tinggi (mirip dengan pinjaman yang biasanya dilunasi) tetapi sebenarnya wanprestasi. Seperti yang akan kita
lihat di bab berikutnya, akuntan manajemen akan bekerja dengan manajemen untuk menentukan nilai pisah
batas yang memperdagangkan bunga yang akan diperoleh bank dari melakukan pinjaman terhadap kerugian
yang akan timbul jika pinjaman gagal bayar. Semua peminjam dengan nilai yang dihitung di bawah nilai batas
(yang sesuai dengan nilai FICO yang relatif tinggi) akan diberikan pinjaman sementara semua peminjam
dengan nilai yang dihitung di atas nilai batas (yang sesuai dengan nilai FICO yang relatif rendah) tidak akan
diberikan pinjaman. Kami selanjutnya mengalihkan perhatian kami ke bentuk lain dari estimasi non-linier—kurva pembelajaran.
Kurva Pembelajaran
Fungsi biaya nonlinier juga dihasilkan dari kurva pembelajaran, sebuah fenomena yang pertama kali
didokumentasikan dalam perakitan pesawat terbang. Kurva pembelajaran adalah fungsi yang mengukur
bagaimana jam kerja per unit menurun seiring dengan peningkatan unit produksi karena pekerja belajar dan
menjadi lebih baik dalam pekerjaan mereka. Sebagai pekerja menjadi lebih akrab dengan tugas-tugas mereka,
efisiensi mereka meningkat. Manajer belajar bagaimana menjadwalkan pekerjaan dan mengoperasikan pabrik
dengan lebih efisien. Biaya unit menurun dengan meningkatnya produktivitas, dan fungsi biaya unit berperilaku
nonlinier. Nonlinier ini harus dipertimbangkan ketika memperkirakan dan memprediksi biaya per unit.
Istilah kurva pengalaman menggambarkan aplikasi yang lebih luas dari kurva pembelajaran—kurva yang
meluas ke fungsi bisnis lain dalam rantai nilai, seperti pemasaran, distribusi, dan layanan pelanggan. Kurva
pengalaman mengukur penurunan biaya per unit dari berbagai fungsi bisnis ini ketika jumlah aktivitas ini
meningkat. Untuk perusahaan seperti Dell Computer, Walmart, dan McDonald's, kurva pembelajaran dan kurva
pengalaman merupakan elemen kunci dari strategi mereka untuk mengurangi biaya dan meningkatkan kepuasan
pelanggan, pangsa pasar, dan profitabilitas.
Kami sekarang menjelaskan dua model kurva pembelajaran: model pembelajaran waktu rata-rata kumulatif
dan model pembelajaran satuan waktu inkremental.
Model Pembelajaran Waktu Rata-Rata Kumulatif

Dalam model pembelajaran waktu rata-rata kumulatif, waktu rata- rata kumulatif per unit menurun dengan
persentase konstan setiap kali kuantitas kumulatif unit yang diproduksi berlipat ganda.
Pertimbangkan Rayburn Corporation, produsen sistem radar. Rayburn memiliki kurva belajar 80%. Ini berarti
bahwa ketika Rayburn menggandakan jumlah unit yang diproduksi, dari X menjadi 2X, waktu rata-rata kumulatif
per unit untuk 2X unit adalah 80% dari waktu rata-rata kumulatif per unit untuk X unit. Dengan kata lain, waktu
rata-rata per unit turun 20% (100% - 80%).
Tampilan 10-11 menunjukkan perhitungan untuk model pembelajaran waktu rata-rata kumulatif untuk
PAMERAN 10-11 Model Pembelajaran Waktu Rata-Rata Kumulatif untuk Rayburn Corporation
SEBUAH B C D E F G H Saya
1 Model Pembelajaran Waktu Rata-Rata Kumulatif untuk Rayburn Corporation

2
3 Kurva Pembelajaran 80%
4
5 Kumulatif Kumulatif Kumulatif Satuan Perorangan
6 Nomor Waktu rata-rata Total Waktu: Waktu untuk X ini
7 Satuan (X ) per Unit (y )*: Jam Kerja Jam Kerja Satuan: Jam Kerja
8
9 D = Kol A 3 Kol B
10 E135 D13 ] D12
5 210.63 ] 160.00
11 1 100.00 100.00 100.00
12 2 80.00 5 (1003 0.8) 70.21 160.00 60.00
13 3 210.63 50.63
14 4 64.00 5 (80 3 0.8) 256.00 45.37 *Hubungan matematis yang mendasari waktu rata-rata kumulatif
model pembelajarannya adalah sebagai
15 5 59.56 297,82 41.82
berikut: y 5 aXb
16 6 56.17 337.01 39.19
di mana y 5 Waktu rata-rata kumulatif (jam tenaga kerja) per unit
17 7 53.45 374.14 37.13 X 5 Kumulatif jumlah unit yang diproduksi
18 8 409.60 35.46 a 5 Waktu (jam kerja) yang dibutuhkan untuk memproduksi unit pertama
51,20 5 (643 0,8) 49,29
b 5 Faktor yang digunakan untuk menghitung waktu rata-rata kumulatif untuk
19 9 443.65 34.05 menghasilkan unit
20 10 47.65 476.51 32.86 Nilai b dihitung sebagai
21 11 46.21 508.32 31.81 ln (% kurva belajar dalam bentuk desimal)

ln2
22 12 44.93 539.22 30.89
Untuk kurva belajar 80%, b 5 ln 0.8/ln 2 5 ]0.2231/0.6931 5 ]0.3219 Misalnya, ketika X
23 13 43.79 569,29 30.07 5 3, a 5 100, b 5 ]0.3219, ]0.3219 y 5 100 3 3
24 14 42,76 598.63 29.34 5 70,21 jam kerja
25 15 41.82 627.30 28.67 Total waktu kumulatif ketika X 5 3 adalah 70,21 3 3 5 210,63 jam kerja.
Angka dalam tabel mungkin tidak tepat karena pembulatan.

26 16 40.96 5 (51,2 3 0.8) 655.36 28.06
27
Rayburn Corporation. Perhatikan bahwa karena jumlah unit yang diproduksi berlipat ganda dari 1 menjadi 2
di kolom A, waktu rata-rata kumulatif per unit menurun dari 100 jam menjadi 80% dari 100 jam (0,80 * 100
jam = 80 jam) di kolom B. Karena jumlah unit berlipat ganda dari 2 menjadi 4, waktu rata-rata kumulatif per
unit menurun menjadi 80% dari 80 jam = 64 jam, dan seterusnya. Untuk mendapatkan waktu total kumulatif
di kolom D, kalikan waktu rata-rata kumulatif per unit dengan jumlah kumulatif unit yang diproduksi. Misalnya,
untuk memproduksi 4 unit kumulatif akan membutuhkan 256 jam kerja (4 unit * 64 kumulatif rata -rata
tenaga kerja@jam per unit).
Model Pembelajaran Satuan-Waktu Inkremental

Dalam model pembelajaran satuan waktu tambahan, waktu tambahan yang dibutuhkan untuk
menghasilkan unit terakhir menurun dengan persentase konstan setiap kali jumlah kumulatif unit yang
diproduksi berlipat ganda. Sekali lagi, pertimbangkan Rayburn Corporation dan kurva pembelajaran 80%.
Dengan model ini, 80% berarti bahwa ketika kuantitas unit yang diproduksi digandakan dari X menjadi 2X,
waktu yang dibutuhkan untuk memproduksi unit yang sesuai dengan 2X adalah 80% dari waktu yang
dibutuhkan untuk memproduksi unit ke-X. Tampilan 10-12 menunjukkan perhitungan untuk model
pembelajaran satuan waktu inkremental. Perhatikan bagaimana ketika unit yang diproduksi berlipat ganda
dari 2 menjadi 4 di kolom A, waktu untuk memproduksi unit 4 (unit terakhir ketika 4 unit diproduksi) adalah
64 jam di kolom B, yaitu 80% dari 80 jam yang dibutuhkan untuk memproduksi unit 2 (unit terakhir ketika 2 unit diproduksi).
Kami memperoleh total waktu kumulatif di kolom D dengan menjumlahkan unit kali individu di kolom B.
Misalnya, untuk memproduksi 4 unit kumulatif akan membutuhkan 314,21 jam kerja (100.00 + 80,00 + 70,21
+ 64,00).
Tampilan 10-13 menunjukkan model pembelajaran waktu rata-rata kumulatif (menggunakan data dari
Tampilan 10-11) dan model pembelajaran penambahan waktu unit (menggunakan data dari Tampilan
10-12). Panel A memplot waktu rata-rata kumulatif per unit sebagai fungsi dari unit kumulatif yang diproduksi untuk
PAMERAN 10-12 Model Pembelajaran Satuan Waktu Inkremental untuk Rayburn Corporation
SEBUAH B C D E F G H Saya
1 Model Pembelajaran Satuan Waktu Inkremental untuk Rayburn Corporation

2
3 Kurva Pembelajaran 80%
4
5 Kumulatif Waktu Satuan Individu Kumulatif Kumulatif
6 Nomor untuk Satuan X (y )*: Total Waktu: Waktu rata-rata

7 Satuan (X ) Jam Kerja Jam Kerja per unit:
8 Jam Kerja
9
10 E = Kol D 4 Kol A
11
12 1 100.00 100.00 100.00 D145D13 1 B14
2 80.00 180.00 90.00 5 180.00170.21
13 5(100 30,8)
14 3 70.21 250.21 83.40
*Hubungan matematis yang mendasari unit-waktu tambahan
15 4 64.00 5 (80 30,8) 314.21 78.55 model pembelajarannya adalah sebagai
5 59.56 373,77 74,75 berikut: y 5 aXb

16
di mana y 5 Waktu (jam kerja) yang dibutuhkan untuk memproduksi satu unit terakhir
17 6 56.17 429.94 71,66
X 5 Kumulatif jumlah unit yang diproduksi
18 7 53.45 483.39 69,06 a 5 Waktu (jam kerja) yang dibutuhkan untuk memproduksi unit pertama
b 5 Faktor yang digunakan untuk menghitung waktu unit tambahan untuk menghasilkan unit
19 8 51.20 5(643 0.8) 49.29 534.59 66.82
5
ln (% kurva belajar dalam bentuk desimal)
20 9 583,89 64.88 ln2
21 10 47.65 631,54 63.15 Untuk kurva belajar 80%, b 5 ln 0.8 4 ln 2 5 ]0.22314 0.6931 5]0.3219
Misalnya, ketika X 5 3, a 5 100, b 5 ]0,3219,
22 11 46.21 677.75 61.61 ]0,3219
y 5 100 3 3 5 70,21 jam kerja
23 12 44.93 722,68 60.22 Total waktu kumulatif ketika X 5 3 adalah 100 1 801 70,21 5 250,21 jam kerja.
24 13 43.79 766.47 58,96 Angka dalam tabel mungkin tidak tepat karena pembulatan.
25 14 42,76 809.23 57.80
26 15 41.82 851.05 56,74
27 16 40.96 5(51,2 30,8) 892.01 55,75
28
PAMERAN 10-13 Plot untuk Model Pembelajaran Waktu Rata-Rata Kumulatif dan Pembelajaran Satuan Waktu Inkremental
Model untuk Rayburn Corporation
SEBUAH B C D E F G H Saya J K L M N HAI P

1
2
3 Panel B: Jumlah Jam Kerja Kumulatif
Panel A: Waktu Rata-rata Kumulatif per Unit
4
(Kurva Pembelajaran 80%; Unit Pertama Membutuhkan 100 Jam Kerja) (Kurva Pembelajaran 80%; Unit Pertama Membutuhkan 100 Jam Kerja)
5
6
120 5000
7 (Y) Waktu Rata-Rata Kumulatif
100 Waktu Satuan Inkremental 4000
8 Waktu Satuan Inkremental Model pembelajaran
Model pembelajaran
9 80 3000 Model pembelajaran
Waktu Rata-Rata Kumulatif
10 Kerja)
(Jam
Unit
(Y)
60 Model pembelajaran 2000
11 Kumulatif
Waktu
Rata-
Rata
per
Kumulatif
Kerja
Total
Jam
12 40 1000
13 20 0
14 0 16 32 48 64 80 96 112 128
0
15 Jumlah Kumulatif Unit
0 16 32 48 64 80 96 112 128
16
Jumlah Kumulatif Unit (X)
17
(X)
18
(1) model pembelajaran waktu rata-rata kumulatif menggunakan data dari Tampilan 10-11, kolom B, dan (2)
model pembelajaran inkremental unit-waktu menggunakan data dari Tampilan 10-12, kolom E. Panel B
memplot total kumulatif tenaga kerja -jam lagi sebagai fungsi dari unit kumulatif yang dihasilkan untuk (1)
model pembelajaran waktu rata-rata kumulatif menggunakan data dari Tampilan 10-11, kolom D dan (2) model
pembelajaran unit-waktu tambahan menggunakan data dari Tampilan 10-12, kolom D
Dengan asumsi tingkat pembelajaran sama untuk kedua model, model pembelajaran rata-rata kumulatif
mewakili kecepatan pembelajaran yang lebih cepat. Misalnya, pada Tampilan 10-13, Panel B, grafik total jam
kerja kumulatif untuk model pembelajaran waktu-satuan inkremental 80% terletak di atas grafik untuk model
pembelajaran waktu rata-rata kumulatif 80%. Untuk menghasilkan 4 unit kumulatif, model pembelajaran
inkremental unit-waktu 80% memprediksi 314,21 jam kerja, sedangkan model pembelajaran rata-rata kumulatif
80% memprediksi 256,00 jam kerja. Itu karena di bawah model pembelajaran waktu rata-rata kumulatif, jam
kerja rata-rata yang dibutuhkan untuk memproduksi semua 4 unit adalah 64 jam; jumlah jam kerja yang
dibutuhkan untuk memproduksi unit 4 jauh lebih sedikit dari 64 jam—yaitu 45,37 jam (lihat Tampilan 10-11). Di
bawah model pembelajaran satuan waktu inkremental, jumlah jam kerja yang dibutuhkan untuk memproduksi
unit 4 adalah 64 jam, dan jam kerja yang dibutuhkan untuk memproduksi masing-masing dari 3 unit pertama
lebih dari 64 jam, jadi waktu rata-rata yang dibutuhkan untuk memproduksi semua 4 unit lebih dari 64 jam.
Bagaimana manajer memilih model mana dan berapa persen kurva pembelajaran yang akan digunakan?
Mereka melakukannya berdasarkan kasus per kasus. Misalnya, mereka menggunakan model pembelajaran
waktu rata-rata kumulatif kurva pembelajaran 80% jika perilaku penggunaan jam kerja manufaktur saat tingkat
produksi meningkat mengikuti pola yang diprediksi oleh model ini. Insinyur, manajer pabrik, dan pekerja adalah
sumber informasi yang baik tentang jumlah dan jenis pembelajaran yang benar-benar terjadi seiring dengan
peningkatan produksi. Merencanakan informasi ini dan memperkirakan model yang paling sesuai dengan data
sangat membantu ketika memilih model yang sesuai
Memasukkan Efek Kurva Pembelajaran Ke dalam Harga

dan Standar
Bagaimana perusahaan menggunakan kurva belajar? Perhatikan data pada Tampilan 10-11 untuk model
pembelajaran waktu rata-rata kumulatif di Rayburn Corporation. Misalkan biaya variabel yang dipengaruhi
oleh efek pembelajaran adalah tenaga kerja manufaktur langsung, pada $20 per jam, dan overhead terkait,
pada $30 per jam tenaga kerja manufaktur langsung, dengan total $50 per jam tenaga kerja manufaktur
langsung. Manajer harus memprediksi biaya yang ditunjukkan pada Tampilan 10-14.
2
Untuk detailnya, lihat Charles Bailey, “Estimasi Kurva Pembelajaran dari Biaya Produksi dan Jam Kerja Menggunakan Add-in Excel Gratis,”
Manajemen Akuntansi Triwulanan (Musim Panas 2000): 25-31. Perangkat lunak gratis untuk memperkirakan kurva belajar tersedia di Situs
Web Dr. Bailey, www.profbailey.com.
PAMERAN 10-14
Memprediksi Biaya Menggunakan

SEBUAH B C D E F Belajar Kurva di
Kumulatif
Rayburn Corporation
Waktu Rata-Rata Kumulatif Jumlah Kumulatif Biaya Kumulatif Tambahan untuk
Rata-rata
per Unit: Total Waktu: Jam100.00
100.00 Kerja-Jam Kerja dengan harga $50 per Kumulatif Biaya per
b
1 Unit 1 Jam Kerja Biaya Satuan
2 $ 5.000 $ 5.000 $ 5.000
3 2 80.00 160.00 8,000 3.000 4,000

4 4 64.00 256.00 12.800 4.800 3.200
5 8 51.20 409.60 20.480 7.680 2.560
6 16 40.96 655.36 32,768 12.288 2.048
7
sebuah
8 Berdasarkan model pembelajaran rata-rata kumulatif. Lihat Pameran 10-11 untuk

perhitungan jumlah ini
b
9 Kumulatif Jam Kerja di Kolom C 3$50 per Jam Kerja
Data ini menunjukkan bahwa efek kurva pembelajaran dapat berdampak besar pada keputusan yang dibuat oleh manajer
Rayburn Corporation. Misalnya, manajer mungkin memberi harga sistem radar perusahaan lebih rendah daripada biaya untuk
memproduksi beberapa unit pertama untuk menghasilkan permintaan yang tinggi.
Ketika produksi sistem meningkat untuk memenuhi permintaan yang meningkat, biaya per unit turun (lihat kolom F), dan Rayburn
“mengendalikan produk ke kurva pembelajaran” karena memperoleh pangsa pasar.
Meskipun mungkin memperoleh sedikit pendapatan operasional pada unit pertama yang dijual—mungkin sebenarnya telah kehilangan
uang untuk unit tersebut—Rayburn memperoleh lebih banyak pendapatan operasional per unit seiring dengan peningkatan output.
Atau, tergantung pada faktor hukum dan faktor lainnya, manajer Rayburn mungkin menetapkan harga rendah hanya untuk 8
unit terakhir. Total biaya tenaga kerja dan overhead terkait untuk 8 unit ini diperkirakan hanya $12.288 (lihat kolom E) dan biaya
tambahan $1.536 per unit ($12.288 , 8 unit)
jauh lebih rendah daripada biaya $ 5.000 dari unit pertama yang diproduksi.
Banyak perusahaan, seperti Pizza Hut dan Home Depot, menggunakan kurva pembelajaran untuk mengevaluasi tingkat kinerja.
Nissan Motor Company menetapkan standar efisiensi tenaga kerja perakitan dan mengevaluasi kinerja untuk model mobil baru
setelah mempertimbangkan pembelajaran yang akan terjadi saat lebih banyak unit diproduksi. Departemen Pertahanan AS
memasukkan kurva pembelajaran ke dalam perkiraan biayanya untuk program senjata militer. Konsep dalam Tindakan: Kurva
Pembelajaran dan Turunnya Harga Energi Terbarukan menunjukkan bagaimana kurva pembelajaran telah membantu mengurangi
harga energi terbarukan.
Model kurva-belajar yang diperiksa dalam Tampilan 10-11 hingga 10-14 mengasumsikan bahwa pembelajaran didorong oleh
KEPUTUSAN
satu variabel (output produksi). Model pembelajaran lain telah dikembangkan (oleh perusahaan seperti Perangkat Analog dan Hewlett-
TITIK
Packard) yang berfokus pada bagaimana kualitas—
Apa yang dimaksud dengan
daripada jam kerja manufaktur—akan berubah dari waktu ke waktu, terlepas dari apakah lebih banyak unit yang diproduksi. Studi
fungsi biaya nonlinier, dan dengan
menunjukkan bahwa faktor selain output produksi, seperti rotasi pekerjaan dan pengorganisasian pekerja ke dalam tim, berkontribusi cara apa kurva pembelajaran
pada pembelajaran yang meningkatkan kualitas. menimbulkan biaya nonlinier?
Maude Designs memproduksi berbagai bingkai foto. Setiap karyawan baru membutuhkan waktu 6 jam untuk membuat
bingkai foto pertama dan 4,8 jam untuk membuat bingkai foto kedua. Biaya overhead pabrik pria per jam adalah $25.
10-3 COBALAH!
sebuah. Berapa persentase kurva belajar, dengan asumsi metode rata-rata kumulatif?
b. Berapa waktu yang dibutuhkan untuk membuat 8 bingkai foto oleh seorang karyawan baru dengan menggunakan
metode waktu rata-rata kumulatif? Anda dapat menggunakan indeks -0,1520.
c. Berapa banyak overhead manufaktur yang akan dibebankan ke 8 bingkai foto di bawah pendekatan waktu rata-rata
kumulatif?
d. Berapa persentase kurva belajar, dengan asumsi metode satuan waktu tambahan?
e. Berapa waktu yang diperlukan untuk menghasilkan bingkai ke-16 oleh seorang karyawan baru dengan menggunakan
metode satuan waktu tambahan? Anda dapat menggunakan indeks -0,3219.
KONSEP Kurva Belajar dan Turunnya Harga

Energi Terbarukan3
BERAKSI
Seiring waktu, penyedia energi terbarukan telah "meningkatkan kurva
pembelajaran" dan mengurangi biaya produksi dan penerapan. Seiring
bertambahnya jumlah instalasi di seluruh dunia, learning by doing telah
meningkatkan operasi manufaktur dan distribusi, prosedur instalasi, serta proses
penjualan dan pembiayaan. Biaya tetap telah menyebar ke volume produksi yang
lebih besar. Biaya juga menurun dengan adopsi teknologi yang lebih baru dan efek
limpahan inovasi dari industri lain
Efek bersihnya adalah penurunan dramatis dalam harga energi terbarukan.

Dari 2009 hingga 2017, harga instalasi surya secara global turun 81%, sementara biaya
untuk memproduksi satu kilowatt hour (kWh) energi surya turun 73% dari $0,36 menjadi
Elena Elisseeva/Shutterstock $0,10. Penurunan harga serupa juga terjadi di pembangkit listrik tenaga air, angin lepas
pantai, dan pasar angin darat.
Diperkirakan bahwa dalam waktu dekat semua teknologi pembangkit listrik terbarukan yang sekarang digunakan secara komersial akan
menghasilkan listrik pada atau di bawah harga kWh untuk bahan bakar fosil seperti batu bara dan minyak. Berkat kurva pembelajaran, energi
terbarukan menjadi cara yang semakin kompetitif untuk memenuhi kebutuhan pembangkit energi baru di seluruh dunia.
3
Sumber: Alan AtKisson, “The 'Dorongan Besar' Mengubah Sistem Energi Dunia,” Bintang Utara (blog), GreenBiz, 23 Januari 2018 (https://www.
greenbiz.com/article/big-push-transforming-worlds-energy-systems); Akademi Sains, Teknik, dan Kedokteran Nasional, Kekuatan Perubahan: Inovasi untuk
Pengembangan dan Penerapan Teknologi Tenaga Listrik yang Semakin Bersih, Washington, DC: The National Academies Press, 2016 (https://www.nap.edu/
catalog/ 21712/kekuatan-perubahan-inovasi-untuk-pengembangan-dan-penyebaran); International Renewable Energy Agency, Renewable Power Generation
Costs in 2017, Abu Dhabi: International Renewable Energy Agency, 2018 (https://www.irena.org/-/
media/Files/IRENA/Agency/Publication/2018/Jan/IRENA_2017_Power_Costs_2018.pdf).
Masalah Pengumpulan dan Penyesuaian Data

Basis data yang ideal untuk memperkirakan fungsi biaya secara kuantitatif memiliki dua karakteristik:
SEDANG BELAJAR
OBJEKTIF 7 1. Basis data harus berisi banyak pengamatan terukur yang andal dari pemicu biaya (variabel independen)
Waspadai masalah dan biaya terkait (variabel dependen). Kesalahan dalam mengukur biaya dan pemicu biaya sangat serius.
data yang dihadapi dalam Mereka menghasilkan perkiraan yang tidak akurat tentang pengaruh pemicu biaya terhadap biaya.
... misalnya, data 2. Basis data harus mempertimbangkan banyak nilai yang mencakup rentang yang luas untuk penggerak biaya.
yang tidak dapat diandalkan
Menggunakan hanya beberapa nilai pemicu biaya yang dikelompokkan bersama-sama menyebabkan manajer
dan pencatatan yang buruk,
mempertimbangkan segmen yang terlalu kecil dari kisaran yang relevan dan mengurangi keakuratan estimasi
pengamatan yang ekstrim,
yang diperoleh.
memperlakukan biaya tetap
seolah-olah mereka variabel,
Sayangnya, akuntan manajemen biasanya tidak bekerja dengan database yang memiliki kedua karakteristik
dan hubungan yang berubah
antara pemicu biaya dan biaya tersebut. Bagian ini menguraikan beberapa masalah data yang sering ditemui dan langkah-langkah untuk mengatasi
masalah tersebut. Manajer harus bertanya tentang masalah ini dan menilai bagaimana mereka telah diselesaikan
sebelum mereka mengandalkan perkiraan biaya yang dihasilkan dari data.
Periode waktu untuk mengukur variabel dependen tidak sesuai dengan periode untuk mengukur pemicu
biaya. Masalah ini sering muncul ketika perusahaan tidak menyimpan catatan akuntansi atas dasar akrual.
Pertimbangkan fungsi biaya untuk perusahaan transportasi dengan biaya pelumas mesin sebagai variabel
dependen dan jumlah jam truk sebagai penggerak biaya. Asumsikan bahwa pelumas dibeli secara sporadis
dan disimpan untuk digunakan nanti. Catatan yang disimpan berdasarkan pelumas yang dibeli akan
menunjukkan:
Masalah Pengumpulan dan Penyesuaian Data 407
biaya pelumas kecil dalam beberapa bulan dan biaya pelumas besar dalam beberapa bulan. Catatan ini
menyajikan gambaran yang tidak akurat tentang hubungan antara pemicu biaya dan biaya.
Analis harus menggunakan akuntansi akrual untuk mengukur biaya pelumas yang dikonsumsi agar lebih
sesuai dengan biaya ini dengan penggerak biaya jam truk dalam contoh ini.
Biaya tetap dialokasikan seolah-olah biaya tersebut variabel. Misalnya, biaya seperti depresiasi, asuransi,
atau sewa dapat dialokasikan ke produk untuk menghitung biaya per unit output.
Bahaya bagi manajer adalah menganggap biaya ini sebagai variabel daripada tetap. Biaya tampak
berubah-ubah karena metode alokasi yang digunakan, bukan perilaku biaya yang sebenarnya. Untuk
menghindari masalah ini, analis harus hati-hati membedakan biaya tetap dari biaya variabel dan tidak
memperlakukan biaya tetap yang dialokasikan per unit sebagai biaya variabel.
Data tidak tersedia untuk semua pengamatan atau tidak dapat diandalkan secara seragam.
Observasi biaya yang hilang sering muncul karena data telah dimasukkan secara manual daripada
secara elektronik dan tidak dicatat atau diklasifikasikan dengan benar. Misalnya, biaya pemasaran
perusahaan mungkin dikecilkan karena biaya kunjungan penjualan ke pelanggan mungkin salah dicatat
sebagai biaya layanan pelanggan. Kesalahan juga muncul ketika data pemicu biaya berasal dari luar
sistem akuntansi internal. Misalnya, departemen akuntansi dapat memperoleh data tentang jam pengujian
untuk instrumen medis dari departemen manufaktur perusahaan dan jumlah barang yang dikirim dari
departemen distribusi. Salah satu atau kedua departemen ini mungkin tidak fokus pada penyimpanan
catatan yang akurat. Untuk meminimalkan masalah ini, analis biaya harus merancang laporan
pengumpulan data yang secara teratur dan rutin mendapatkan data yang diperlukan dan segera
menindaklanjuti setiap kali ada data yang hilang.
Nilai ekstrim dari pengamatan terjadi. Nilai-nilai ini muncul dari (1) kesalahan dalam pencatatan biaya
(misalnya, titik desimal yang salah tempat), (2) periode nonrepresentatif (misalnya, dari periode di mana
kerusakan mesin besar terjadi), atau (3) pengamatan di luar rentang yang relevan. Analis harus
menyesuaikan atau menghilangkan pengamatan yang tidak biasa sebelum memperkirakan hubungan
biaya.
Tidak ada hubungan yang homogen antara pemicu biaya dan item biaya individual dalam kelompok
biaya variabel dependen. Hubungan homogen terjadi ketika setiap aktivitas yang biayanya termasuk
dalam variabel dependen memiliki pemicu biaya yang sama.
Dalam hal ini, fungsi biaya tunggal dapat diperkirakan. Sebagaimana dibahas pada Langkah 2 untuk
mengestimasi fungsi biaya menggunakan analisis kuantitatif (halaman 392), ketika pemicu biaya untuk
setiap aktivitas berbeda, fungsi biaya yang terpisah (masing-masing dengan pemicu biayanya sendiri)
harus diestimasi untuk setiap aktivitas. Atau, seperti yang dibahas pada halaman 417-419, analis harus
memperkirakan fungsi biaya dengan lebih dari satu variabel independen menggunakan regresi berganda.
Hubungan antara pemicu biaya dan biaya tidak stasioner. Ini terjadi ketika proses yang mendasari yang
menghasilkan pengamatan tidak tetap stabil dari waktu ke waktu. Misalnya, hubungan antara jumlah jam
mesin dan biaya overhead pabrik tidak mungkin stasioner ketika data mencakup periode di mana
teknologi baru diperkenalkan. Dalam hal ini, analis harus membagi sampel menjadi dua bagian dan
memperkirakan hubungan biaya yang terpisah—satu untuk periode sebelum teknologi diperkenalkan dan
satu untuk periode setelah teknologi diperkenalkan. Jika ternyata koefisien yang diestimasi untuk dua
periode serupa, analis dapat mengumpulkan data untuk mengestimasi hubungan biaya tunggal. Jika
memungkinkan, pengumpulan data menyediakan kumpulan data yang lebih besar untuk estimasi, yang
meningkatkan kepercayaan pada prediksi biaya yang dibuat.
Inflasi telah mempengaruhi biaya, pemicu biaya, atau keduanya. Misalnya, inflasi dapat menyebabkan
biaya berubah bahkan ketika tidak ada perubahan pada tingkat pemicu biaya. Untuk mempelajari
hubungan sebab-akibat yang mendasari antara tingkat pemicu biaya dan biaya, analis harus
menghilangkan efek harga inflasi murni dari data dengan membagi setiap biaya dengan indeks harga
pada tanggal terjadinya biaya.
KEPUTUSAN
Dalam banyak kasus, seorang analis biaya harus mengeluarkan upaya yang cukup untuk mengurangi efek
TITIK
dari masalah ini sebelum memperkirakan fungsi biaya berdasarkan data masa lalu. Sebelum membuat
Apa masalah data umum
keputusan apa pun, seorang manajer harus dengan cermat meninjau data apa pun yang tampaknya
yang harus diperhatikan
mencurigakan dan bekerja sama dengan analis dan akuntan perusahaan untuk mendapatkan dan memproses perusahaan saat memperkirakan
informasi yang benar dan relevan. biaya?
MASALAH UNTUK BELAJAR MANDIRI

Divisi Helikopter GLD, Inc., sedang memeriksa biaya perakitan helikopter di pabriknya di Indiana.
Ini telah menerima pesanan awal untuk delapan helikopter survei tanah baru. GLD dapat mengadopsi
metode padat karya atau metode padat mesin untuk merakit helikopter sesuai data yang ditunjukkan
pada tabel berikut:
SEBUAH B C D E
1 Metode Perakitan Padat Karya $ 40,000 Metode Perakitan Intensif Mesin
2 Biaya bahan langsung per helikopter 2,000
per jam
jam kerja 85% waktu rata-rata kumulatif* 30 $ 36.000
3 Waktu kerja perakitan langsung untuk helikopter pertama 800 jam kerja
4 Kurva pembelajaran untuk waktu kerja perakitan per helikopter 90% unit waktu tambahan**
5 Biaya tenaga kerja perakitan langsung $ $ 30 per jam

6 Biaya produksi tidak langsung terkait peralatan $ 12 per jam tenaga kerja perakitan langsung $ 45 per jam tenaga kerja perakitan langsung
7 Biaya produksi tidak langsung terkait penanganan material 50% dari biaya bahan langsung 50% dari biaya bahan langsung
8
9
di 0.85 ]0.162519
10 *Menggunakan rumus (halaman 402), untuk kurva belajar 85%, b 5 5 5 ]0.234465
di 2 0,693147
11
12
13
14
dalam 0,90 ]0.105361
15 **Menggunakan rumus (halaman 403), untuk kurva pembelajaran 90%, b5 5 5 ]0.152004
di 2 0,693147
16
17
Yg dibutuhkan 1. Berapa jam kerja perakitan langsung yang diperlukan untuk merakit delapan helikopter pertama
berdasarkan (a) metode padat karya dan (b) metode padat mesin?
2. Berapa total biaya perakitan delapan helikopter pertama di bawah (a) padat karya?
metode dan (b) metode mesin-intensif?
Larutan
1. a. Perhitungan berikut menunjukkan metode perakitan padat karya berdasarkan an
85% model pembelajaran waktu rata-rata kumulatif:
G H Saya J K
1 Kumulatif Kumulatif Kumulatif Individu
2 Nomor Waktu rata-rata Total Waktu: waktu untuk
3 dari Satuan per Satuan (y): Jam Kerja Satuan X:
4 (X) Jam Kerja Jam Kerja

5 Kol J 5 Kol G 3 Kol H
6 1 2.000 2.000 2.000

7 2 1.700 (2.000 3 0.85) 3.400 1.400
8 3 1.546 4.637 1,237
9 4 1.445 (1.700 3 0.85) 5.780 1.143
10 5 1.371 6.857 1.077
11 6 1.314 7.884 1.027
12 7 1.267 8.871 987
13 8 1.228,25 (1.445 3 0.85) 9.826 955
14
Soal untuk Belajar Mandiri 409
Waktu rata-rata kumulatif per unit untuk unit X di kolom H adalah calcu = aXb
terlambat sebagai y ; lihat Tampilan 10-11 (halaman 402). Misalnya, ketika X = 3, = 2.000 *
3-0.234465 = 1.546 tenaga kerja@jam. Dibutuhkan total 9.826 jam kerja perakitan langsung
kamu
untuk merakit 8 helikopter pertama.
b. Perhitungan berikut menunjukkan metode perakitan mesin-intensif berdasarkan:

model pembelajaran unit-waktu tambahan 90%:
G H Saya J K
1 Kumulatif Individu Kumulatif Kumulatif
2 Jumlah Satuan Waktu Total Waktu: Waktu rata-rata

3 unit untuk Satuan X (y): Jam Kerja Per unit:
4 (X) Jam Kerja Jam Kerja

5 Kol K 5 Kol J 4 Kol G
6 1 800 800 800
7 2 720 (800 3 0.9) 1.520 760
8 3 677 2.197 732
9 4 648 (720 3 0.9) 2.845 711
10 5 626 3.471 694
11 6 609 4.081 680
12 7 595 4.676 668
13 8 583 (648 3 0.9) 5.258 657
= aXb
Satuan waktu individu untuk satuan X di kolom H dihitung sebagai y ; lihat Tampilan 10-12 = 800 *
3-0.152004 = 677 tenaga
(halaman 403). Misalnya, ketika X = 3, y membutuhkan total 5.258 jam kerja kerja@jam.
perakitan Ini kembali
langsung
untuk merakit 8 helikopter pertama.
2. Total biaya perakitan delapan helikopter pertama adalah sebagai berikut:
HAI P Q
1 Padat karya Mesin-Intensif
2 Metode Perakitan Metode Perakitan

3 (menggunakan data dari bagian 1a) (menggunakan data dari bagian 1b)
4 Material langsung:
5 8 helikopter × $40.000; $36.000 per helikopter $320.000 $288,000
6 Tenaga kerja perakitan langsung:
7 9.826 jam.; 5.258 jam. × $30/jam. 294.780 157.740

8 Biaya produksi tidak langsung:
9 Peralatan terkait
10 9.826 jam. × $12/jam; 5.258 jam. × $45/jam. 117.912 236.610
11 Penanganan material terkait
12 0,50 × $320.000; $288,000 160.000 144,000
13 Total biaya perakitan $892.692 $826.350
Biaya perakitan metode padat karya adalah $66,342 lebih rendah daripada metode padat karya
($892,692 $826350).
POIN KEPUTUSAN
Format tanya jawab berikut merangkum tujuan pembelajaran bab ini. Setiap keputusan menyajikan pertanyaan kunci
yang terkait dengan tujuan pembelajaran. Pedoman adalah jawaban untuk pertanyaan itu.
Keputusan Pedoman
1. Apa yang dimaksud dengan fungsi biaya linier, dan Fungsi biaya linier adalah fungsi biaya di mana, dalam rentang yang relevan, grafik
jenis perilaku biaya apa yang dapat diwakilinya? biaya total berdasarkan tingkat aktivitas tunggal adalah garis lurus. Fungsi biaya linier
dapat dijelaskan dengan konstanta, a, yang mewakili perkiraan komponen biaya total
yang, dalam kisaran yang relevan, tidak bervariasi dengan perubahan tingkat aktivitas;
dan koefisien kemiringan, b, yang mewakili perkiraan jumlah perubahan biaya total
untuk setiap unit perubahan tingkat aktivitas dalam kisaran yang relevan. Tiga jenis
fungsi biaya linier adalah variabel, tetap, dan campuran (atau semivariabel).
2. Apa masalah terpenting dalam mengestimasi Isu yang paling penting dalam memperkirakan fungsi biaya adalah menentukan
fungsi biaya? apakah ada hubungan sebab-akibat antara tingkat aktivitas dan biaya yang terkait
dengannya. Hanya hubungan sebab-akibat—bukan sekadar korelasi—menetapkan
hubungan yang masuk akal secara ekonomis antara tingkat aktivitas dan biayanya.
3. Apa saja metode berbeda yang dapat digunakan untuk Empat metode untuk memperkirakan fungsi biaya adalah metode teknik industri,
mengestimasi fungsi biaya? metode konferensi, metode analisis akun, dan metode analisis kuantitatif (yang
mencakup metode tinggi-rendah dan metode analisis regresi). Jika memungkinkan,
analis biaya harus menggunakan lebih dari satu metode. Setiap metode adalah
pemeriksaan pada yang lain.
4. Apa langkah-langkah untuk memperkirakan fungsi biaya Ada enam langkah untuk mengestimasi fungsi biaya menggunakan analisis kuantitatif:
menggunakan analisis kuantitatif? (a) Memilih variabel dependen, (b) mengidentifikasi pemicu biaya, (c) mengumpulkan
data tentang variabel dependen dan pemicu biaya, (d) memplot data , (e)
memperkirakan fungsi biaya, dan (f) mengevaluasi pemicu biaya dari fungsi biaya
yang diestimasi. Dalam kebanyakan situasi, bekerja sama dengan manajer operasi,
analis biaya akan menggilir langkah-langkah ini beberapa kali sebelum mengidentifikasi
fungsi biaya yang dapat diterima.
5. Bagaimana seharusnya perusahaan mengevaluasi dan Tiga kriteria untuk mengevaluasi dan memilih pemicu biaya adalah (a) kelayakan
memilih pemicu biaya? ekonomi, (b) kecocokan, dan (c) signifikansi variabel independen.
6. Apa yang dimaksud dengan fungsi biaya nonlinier, Fungsi biaya nonlinier adalah fungsi di mana grafik biaya total berdasarkan
dan dengan cara apa kurva pembelajaran tingkat aktivitas tunggal tidak membentuk garis lurus dalam rentang yang relevan.
menimbulkan biaya nonlinier? Biaya nonlinier dapat timbul karena diskon kuantitas, fungsi biaya bertahap,
variabel dependen yang mengambil serangkaian nilai terbatas (misalnya, variabel
biner), dan efek kurva pembelajaran. Ketika efek pembelajaran hadir, jam kerja
per unit menurun karena unit produksi meningkat. Dengan model pembelajaran
waktu rata-rata kumulatif, waktu rata-rata kumulatif per unit menurun dengan
persentase konstan setiap kali kuantitas kumulatif unit yang diproduksi berlipat
ganda. Dengan model pembelajaran satuan waktu inkremental, waktu yang
dibutuhkan untuk menghasilkan unit terakhir menurun dengan persentase konstan
setiap kali jumlah kumulatif unit yang diproduksi berlipat ganda.
7. Apa masalah data yang umum? Tugas yang paling sulit dalam estimasi biaya adalah mengumpulkan data yang
perusahaan harus memperhatikan ketika memperkirakan berkualitas tinggi dan terukur secara andal tentang biaya dan pemicu biaya.
biaya? Masalah umum termasuk data yang hilang, nilai pengamatan yang ekstrim,
perubahan teknologi, dan distorsi akibat inflasi.
LAMPIRAN 411
LAMPIRAN
Analisis regresi
Lampiran ini menjelaskan estimasi persamaan regresi, beberapa statistik regresi yang umum digunakan,
dan bagaimana memilih di antara fungsi biaya yang telah diestimasi dengan analisis regresi. Kami
menggunakan data untuk Karpet Elegan yang disajikan dalam Tampilan 10-3 (halaman 391) dan
ditampilkan di sini lagi untuk referensi mudah.
Pekan Penggerak Biaya: Jam Mesin (X) 68 88 Biaya Tenaga Kerja Manufaktur Tidak Langsung (Y)
1 62 72 $1.190
2 1,211
3 1,004
4 917
5 60 770
6 96 1.456
7 78 1.180
8 46 710
9 82 1,316
10 94 1.032
11 68 752
12 48 963
Total 862 $12.501
Memperkirakan Garis Regresi

Teknik kuadrat terkecil untuk memperkirakan garis regresi meminimalkan jumlah kuadrat dari deviasi
vertikal dari titik data ke garis regresi yang diperkirakan (juga disebut istilah residual dalam Tampilan 10-6,
halaman 396). Tujuannya adalah untuk menemukan nilai a dan b dalam fungsi biaya linier y yang
dilambangkan
= a + bX, dengan Y. Kami
di mana inginnilai
y adalah menemukan
biaya yangnilai numerikyang
diprediksi a dan b yang meminimalkan
dibedakan dari nilai biaya(Y - y) diamati ,
yang
2
,
jumlah kuadrat deviasi vertikal antara Y dan y. Umumnya, perhitungan ini dilakukan dengan menggunakan
paket perangkat lunak seperti R. Untuk data dalam contoh kita,4 a = $300,98 dan b = $10,31, sehingga
persamaan garis regresinya adalah y = $300,98 + $10,31X.
Kebaikan
Goodness of fit mengukur seberapa baik nilai prediksi, y, berdasarkan cost driver, X, cocok dengan
pengamatan biaya aktual, Y. Metode analisis regresi menghitung ukuran goodness of fit, yang disebut
koefisien determinasi (r 2). Koefisien determinasi mengukur persentase variasi dalam Y yang dijelaskan
oleh X (variabel bebas). Lebih nyaman
4 Rumus untuk a dan b adalah sebagai berikut:
2
(ÿY )(ÿX ) - (ÿX )(ÿXY ) n(ÿXY ) - (ÿX)(ÿY )
a= dan b =
2
n(ÿX ) - (ÿX )(ÿX ) n(ÿX 2 ) - (ÿX)(ÿX)
dimana untuk data Elegant Rugs pada Exhibit 10-3,

n = jumlah titik data = 12
X = jumlah nilai X yang diberikan = 68 + 88 + g + 48 = 862
2 2
X = jumlah kuadrat dari nilai X = (68) + (88) 2 + g + (48) 2
= 4.624 + 7.744 + g + 2.304 = 64.900
Y = jumlah nilai Y yang diberikan = 1,190 + 1,211 + g + 963 = 12,501

XY = jumlah jumlah yang diperoleh dengan mengalikan setiap nilai X yang diberikan dengan nilai Y yang diamati terkait
= (68) (1.190) + (88) (1.211) + g + (48) (963)
= 80.920 + 106.568 + g + 46.224 = 928.716
(12.501) (64.900) - (862) (928.716)
a= = $300,98
12(64.900) - (862) (862)
12(928.716) - (862) (12.501)

b = = $10,31
12(64.900) - (862) (862)
untuk menyatakan koefisien determinasi sebagai 1 dikurangi proporsi varians total yang tidak
dijelaskan oleh variabel independen—yaitu, 1 dikurangi rasio variasi yang tidak dapat dijelaskan
terhadap variasi total. Varians yang tidak dapat dijelaskan muncul karena perbedaan antara nilai
aktual, Y, dan nilai prediksi, y. Dalam contoh Karpet Elegan, kesesuaian diberikan oleh5
2
Variasi yang tidak dapat dijelaskan 1Y - y2 290.824
2=1-r =1- =1- = 0,52
Variasi total 1Y - Y2 2
607.699
Perhitungan menunjukkan bahwa r2 meningkat ketika nilai prediksi, y, mendekati pengamatan aktual,
Y. Kisaran r2 adalah dari 0 (menyiratkan tidak ada daya penjelas) hingga 1 (menyiratkan daya penjelas
sempurna). Umumnya, r2 sebesar 0,30 atau lebih tinggi lolos uji kecocokan. Namun, jangan hanya
mengandalkan kebaikan kecocokan. Hal ini dapat menyebabkan masuknya variabel independen tanpa
pandang bulu yang meningkatkan r2 tetapi tidak memiliki kemungkinan ekonomi sebagai pemicu
biaya. Goodness of fit memiliki arti hanya jika hubungan antara pemicu biaya dan biaya masuk akal
secara ekonomi.
Cara alternatif dan terkait untuk mengevaluasi kebaikan kecocokan adalah dengan menghitung
kesalahan standar regresi. Kesalahan standar regresi adalah standar deviasi dari residu als. Ini sama
dengan
2 2
= $170,54
S = C 1Y - y2 kebebasan = C 1Y -ny2
Derajat -2 12 - 2
= A 290.824
Derajat kebebasan sama dengan jumlah pengamatan, 12, dikurangi jumlah koefisien yang diperkirakan
dalam regresi (dalam hal ini dua, a dan b). Kesalahan standar $170,54 adalah perkiraan variasi biaya
tenaga kerja manufaktur tidak langsung yang diamati terhadap garis regresi. Itu dalam unit pengukuran
yang sama (dolar) sebagai biaya tenaga kerja manufaktur tidak langsung, variabel dependen. Sebagai
perbandingan, perhatikan bahwa Y, nilai rata-rata Y, adalah $1,041,75. Semakin kecil kesalahan
standar regresi, semakin baik kecocokannya dan semakin baik prediksi untuk nilai X yang berbeda.
Signifikansi Variabel Independen

Tampilan 10-15 menunjukkan format yang sesuai untuk meringkas hasil regresi untuk jumlah jam
mesin dan biaya tenaga kerja manufaktur tidak langsung. Apakah perubahan variabel independen
yang masuk akal secara ekonomi menghasilkan perubahan signifikan pada variabel dependen? Atau,
secara alternatif dinyatakan, apakah koefisien kemiringan, b = $10,31, dari garis regresi signifikan
secara statistik (yaitu, berbeda dari $0)? Ingatlah bahwa dalam regresi jumlah jam mesin dan biaya
tenaga kerja manufaktur tidak langsung dalam ilustrasi Elegant Rugs, b diperkirakan dari sampel 12
pengamatan mingguan. Perkiraan, b, tunduk pada faktor acak, seperti semua statistik sampel. Artinya,
sampel yang berbeda dari 12 titik data akan memberikan perkiraan yang berbeda dari b.
Kesalahan standar dari koefisien yang diestimasi menunjukkan seberapa besar nilai yang
diestimasi, b, kemungkinan dipengaruhi oleh faktor acak.
Nilai t dari suatu koefisien mengukur seberapa besar nilai koefisien yang diestimasi relatif
terhadap kesalahan standarnya. Nilai -t (juga disebut t Stat) untuk koefisien kemiringan b adalah nilai
dari koefisien yang diestimasi, $10,31 , kesalahan standar dari koefisien yang diperkirakan, $3,12 =
3,30. Ini dibandingkan dengan nilai kritis atau cutoff untuk memastikan bahwa ada hubungan antara
variabel independen dan variabel dependen yang tidak dapat dikaitkan dengan peluang acak saja.
Nilai cutoff t untuk membuat inferensi adalah fungsi dari jumlah derajat kebebasan dan tingkat
signifikansi. Biasanya mencari tingkat signifikansi 5%, yang menunjukkan bahwa ada kemungkinan
kurang dari 5% bahwa faktor acak dapat mempengaruhi koefisien b. Nilai cutoff t pada taraf signifikansi
5% dan 10 derajat kebebasan adalah 2,228.
5
Dari catatan kaki 4, Y = 12.501 dan Y = 12.501 , 12 = 1.041.75
2 (Y - Y ) 2 = (1.190 - 1.041.75) 2 + (1.211 - 1.041.75) 2 + g + (963 - 1.041.75) = 607.699
Setiap nilai X menghasilkan nilai prediksi y. Misalnya, pada minggu 1, y = $300,98 + (10,31 * 68) = $1002,06; di minggu 2, = $300,98 +
($10,31 * 88) = $1,208,26; dan pada minggu ke-12, y = $300,98 + ($10,31 * 48) = $795,86. Membandingkan nilai prediksi dan aktual,
kamu
2
(Y - y) 2 = (1.190 - 1.002,06) 2 + (1.211 - 1208.26) 2 + g + (963 - 795,86) = 290.824.
LAMPIRAN 413
PAMERAN 10-15 Hasil Regresi Sederhana Dengan Biaya Tenaga Kerja Manufaktur Tidak Langsung sebagai
Variabel Dependen dan Jam Mesin sebagai Variabel Independen
(Pengemudi Biaya) untuk Karpet Elegan
SEBUAH B C D
1 Koefisien (1) Kesalahan Standar t Status
2 $300,98 (2) $ (3) 5 (1) 4 (2)

3 Mencegat 229,75 1.31
Variabel bebas:
4 Jam Mesin (X ) $ 10.31 $ 3.12 3.30
5
6 Statistik Regresi
7 R Square 0,52
8 Statistik Durbin-Watson 2.05
Karena nilai t untuk koefisien kemiringan b adalah 3,30, yang melebihi 2,228, kita dapat menyimpulkan
bahwa ada hubungan yang signifikan secara statistik antara jam mesin dan biaya tenaga kerja manufaktur
tidak langsung.6
Cara alternatif untuk menguji bahwa koefisien b berbeda secara signifikan dari nol adalah dalam
interval kepercayaan: Ada kemungkinan kurang dari 5% bahwa nilai sebenarnya dari koefisien jam mesin
berada di luar kisaran $10,31 { (2,228 * $3,12) , atau $10,31 { $6,95,
atau dari $3,36 hingga $17,26. Karena nol tidak muncul dalam selang kepercayaan, kita dapat
Restoran Yen's Palace telah terlibat dalam serangkaian kegiatan promosi selama beberapa
bulan terakhir dalam upaya untuk menarik minat pelanggan. Jenny Chu, manajer keuangan
10-4 COBALAH!
restoran, ingin mengetahui apakah aktivitas ini berdampak pada penjualan.
Dia memperoleh data berikut selama 10 bulan terakhir:
Bulan Biaya Promosi Pendapatan Penjualan
Berbaris $12,000 $500.000
April 18,000 700.000
Mungkin 9,000 550.000

Juni 21,000 650.000
Juli 6,000 550.000
Agustus 12,000 650.000
September 9,000 450.000

Oktober 24,000 800.000
November 15,000 550.000
Desember 17,000 600.000
sebuah. Plot hubungan antara biaya promosi dan pendapatan penjualan.

b. Perkirakan persamaan regresi yang menangkap hubungan antara biaya promosi dan
pendapatan penjualan.
c. Gambarkan garis regresi dan evaluasi dengan menggunakan kriteria masuk akal ekonomi,
kecocokan, dan kemiringan garis regresi.
d. Dalam rentang yang relevan, berapakah peningkatan pendapatan penjualan untuk setiap $1.000 yang dibelanjakan?
pada promosi?
6
Jika koefisien yang diestimasi negatif, maka nilai t yang lebih rendah dari -2.228 akan menunjukkan hubungan yang signifikan secara statistik.
Seperti yang diharapkan, nilai absolut dari pisah batas lebih rendah jika hubungan yang diestimasi didasarkan pada jumlah pengamatan yang
lebih banyak. Misalnya, dengan 60 derajat kebebasan, nilai cutoff t pada tingkat signifikansi 5% adalah 2,00.
menyimpulkan bahwa perubahan jumlah jam mesin mempengaruhi biaya tenaga kerja manufaktur tidak langsung.
Demikian pula, dengan menggunakan data dari Tampilan 10-15, nilai t untuk suku konstan a adalah $300,98 ,
$229,75 = 1,31, yang lebih kecil dari 2,228. Nilai t ini menunjukkan bahwa, dalam rentang yang relevan, suku
konstan tidak berbeda nyata dengan nol. Statistik Durbin-Watson pada Tampilan 10-15 akan dibahas pada bagian
berikut.
Analisis Spesifikasi Asumsi Estimasi

Spesifikasi analisis adalah pengujian asumsi analisis regresi. Jika asumsi (1) linearitas dalam rentang yang
relevan, (2) varians konstan dari residual, (3) independensi residual, dan (4) normalitas residual semuanya berlaku,
maka prosedur regresi sederhana memberikan perkiraan nilai koefisien yang andal. . Bagian ini memberikan
gambaran singkat tentang analisis spesifikasi. Ketika asumsi ini tidak terpenuhi, prosedur regresi yang lebih
kompleks diperlukan untuk mendapatkan estimasi terbaik
1. Linearitas dalam rentang yang relevan. Asumsi umum—dan yang tampaknya masuk akal dalam banyak
aplikasi bisnis—adalah bahwa ada hubungan linier antara variabel independen X dan variabel dependen Y
dalam rentang yang relevan. Jika hubungan linier diasumsikan ketika hubungan nonlinier, estimasi koefisien
yang diperoleh akan menjadi tidak akurat
Ketika hanya ada satu variabel bebas, cara termudah untuk memeriksa linearitas adalah dengan
mempelajari data yang diplot dalam diagram pencar, sebuah langkah yang sering dilewati dengan tidak
bijaksana. Tampilan 10-6 (halaman 396) menyajikan diagram pencar untuk variabel biaya tenaga kerja
manufaktur tidak langsung dan jam mesin dari Elegant Rugs. Diagram pencar mengungkapkan bahwa
linearitas tampaknya menjadi asumsi yang masuk akal untuk data ini.
Model kurva belajar yang dibahas dalam bab ini (halaman 401–405) adalah contoh fungsi biaya nonlinier.
Biaya meningkat ketika tingkat produksi meningkat, tetapi dengan jumlah yang lebih rendah daripada yang
terjadi dengan fungsi biaya linier. Dalam hal ini, analis harus memperkirakan fungsi biaya nonlinier yang
menggabungkan efek pembelajaran.
2. Varians residual yang konstan. Deviasi vertikal dari nilai pengamatan Y dari estimasi garis regresi y disebut
suku residual, suku gangguan, atau kesalahan = Y - y. Asumsi varians konstan menyiratkan bahwa suku
bahwa ada sisa
sebaran
, suku
yang
u tidak
seragam,
terpengaruh
atau dispersi,
oleh tingkat
dari titik-titik
pemicu data biaya.
tentang
Asumsigaris
tersebut
regresi
juga
seperti
menyiratkan
pada
Tampilan 10-16, Panel A. Asumsi ini kemungkinan besar akan dilanggar, misalnya, dalam estimasi biaya
potong lintang. dalam operasi dengan ukuran yang berbeda. Misalnya, Suppose Elegant Rugs memiliki area
produksi dengan berbagai ukuran. Perusahaan mengumpulkan data dari area produksi yang berbeda ini untuk
memperkirakan hubungan antara jam mesin dan biaya tenaga kerja manufaktur tidak langsung. Ada
kemungkinan bahwa suku sisa dalam regresi ini akan lebih besar untuk area produksi yang lebih besar yang
memiliki jam mesin lebih tinggi dan biaya tenaga kerja manufaktur tidak langsung yang lebih tinggi. Tidak
akan ada penyebaran titik data yang seragam tentang garis regresi (lihat Tampilan 10-15, Panel B). Varians
konstan juga dikenal sebagai homoskedastisitas. Pelanggaran asumsi ini disebut heteroskedastisitas.
Heteroskedastisitas tidak mempengaruhi keakuratan estimasi regresi a dan b. Namun, hal itu mengurangi
keandalan perkiraan kesalahan standar dan dengan demikian mempengaruhi ketepatan kesimpulan tentang
parameter populasi yang dapat ditarik dari perkiraan regresi.
3. Independensi residu. Asumsi independensi residual adalah bahwa suku residual untuk satu pengamatan
tidak terkait dengan suku residual untuk pengamatan lainnya.
7
Untuk detail lihat, misalnya, William H. Greene, Analisis Ekonometrika, edisi ke-8. (Sungai Saddle Atas, NJ: Prentice Hall, 2017).
8
Secara teknis, regresi linier dapat digunakan untuk memperkirakan hubungan non-linier. Misalnya, pendugaan persamaan = a + bX2
y dapat dilakukan dengan menggunakan model regresi linier karena koefisien a dan b berhubungan linier. Namun, dalam kebanyakan
model estimasi biaya, asumsinya adalah bahwa hubungan antara estimasi biaya y dan pemicu biaya X adalah linier (berdasarkan biaya
tetap dan biaya variabel per unit pemicu biaya), yaitu, y = a + bX. Kami mengasumsikan hubungan biaya linier ini di seluruh bab.
LAMPIRAN 415
PAMERAN 10-16 Varians Konstan dari Asumsi Residual
PANEL A: PANEL B:
Varians Konstan Varians Tidak Konstan
(Pencar Data yang Seragam (Keluaran Lebih Tinggi Memiliki
Titik Di Sekitar Garis Regresi) Residu yang Lebih Besar)
$4,000 $4,000
$3.000 $3.000
Tenaga
Biaya
Kerja
(Y) Tenaga
Biaya
Kerja
(Y)
Manufaktur
Langsung
Tidak $2.000 Manufaktur
Langsung
Tidak $2.000
$1.000 $1.000
50 100 150 200 250 50 100 150 200 250

Jam Mesin (X) Jam Mesin (X)
Masalah korelasi serial (juga disebut autokorelasi) dalam residual muncul ketika ada pola
sistematis dalam urutan residual sedemikian rupa sehingga residual dalam pengamatan n
menyampaikan informasi tentang residual dalam pengamatan n + 1, n + 2,
dan seterusnya. Pertimbangkan sel produksi lain di Elegant Rugs yang, selama periode
20 minggu, terlihat peningkatan produksi dan karenanya jam mesin. Tampilan 10-17, Panel
B, adalah diagram pencar jam mesin dan biaya tenaga kerja manufaktur tidak langsung.
Amati pola sistematis residu di Panel B—residu positif untuk jumlah jam mesin ekstrem
(tinggi dan rendah) dan residu negatif untuk jumlah jam mesin sedang. Salah satu alasan
untuk pola yang diamati ini pada nilai pemicu biaya yang rendah adalah “kelengketan”
biaya. Ketika jam mesin di bawah 50 jam, biaya tenaga kerja manufaktur tidak langsung
tidak menurun. Ketika jam mesin meningkat seiring waktu karena produksi ditingkatkan,
biaya tenaga kerja manufaktur tidak langsung meningkat lebih banyak karena para manajer
di Elegant Rugs berjuang untuk mengelola volume yang lebih tinggi. Bagaimana plot
residual terlihat jika tidak ada auto-korelasi? Seperti plot pada Tampilan 10-17, Panel A,
yang tidak menunjukkan pola pada residual.
PAMERAN 10-17 Asumsi Independensi Residu
PANEL B:
Korelasi Serial dalam Residual
(Pola Residual Positif untuk
PANEL A: Jam Mesin Ekstrim Digunakan;
Kemandirian Residu Residu Negatif untuk Sedang
(Tidak Ada Pola di Residual) Jam Mesin Digunakan)
$3.000 $3.000
$2.500 $2.500
$2.000 $2.000
Biaya
(Y) Biaya
(Y)
$1.500 $1.500
$1.000 $1.000
Manufaktur
Langsung
Tenaga
Tidak
Kerja Manufaktur
Langsung
Tenaga
Tidak
Kerja
$500 $500
50 100 150 200 250 50 100 150 200 250
Jam Mesin (X) Jam Mesin (X)

Seperti halnya varians residual yang tidak konstan, korelasi serial tidak mempengaruhi keakuratan
estimasi regresi a dan b. Namun, hal itu mempengaruhi kesalahan standar dari koefisien dan, oleh karena itu,
ketepatan kesimpulan tentang parameter populasi dapat ditarik dari perkiraan regresi.
Statistik Durbin-Watson adalah salah satu ukuran korelasi serial dalam perkiraan penduduk
ual. Untuk sampel 10 sampai 20 pengamatan, statistik Durbin-Watson dalam kisaran 1,10-2,90 menunjukkan
bahwa residu independen. Statistik Durbin-Watson untuk hasil regresi Elegant Rugs pada Exhibit 10-15 adalah
2.05. Oleh karena itu, asumsi independensi dalam estimasi residual masuk akal untuk model regresi ini.
4. Normalitas residu. Asumsi normalitas residual berarti bahwa residual terdistribusi secara normal di sekitar
garis regresi. Asumsi normalitas residual sering dipenuhi ketika menggunakan analisis regresi pada data biaya
riil. Bahkan ketika asumsi tidak berlaku, akuntan masih dapat menghasilkan estimasi yang akurat berdasarkan
persamaan regresi, tetapi interval kepercayaan yang dihasilkan di sekitar estimasi ini cenderung tidak akurat.
Menggunakan Output Regresi untuk Memilih Biaya

Penggerak Fungsi Biaya
Pertimbangkan dua pilihan pemicu biaya yang kami jelaskan sebelumnya dalam bab ini untuk biaya tenaga kerja
pabrik tidak langsung (y):
y = a + 1b * Jumlah mesin@jam2
y = a + 1b * Jumlah tenaga kerja manufaktur langsung @jam2
Tampilan 10-6 dan 10-8 menunjukkan plot data untuk kedua regresi. Tampilan 10-15 melaporkan hasil regresi
untuk fungsi biaya dengan menggunakan jumlah jam mesin sebagai variabel bebas. Tampilan 10-18 menyajikan
hasil regresi yang sebanding untuk fungsi biaya dengan menggunakan jumlah jam kerja manufaktur langsung
sebagai variabel independen.
Berdasarkan materi yang disajikan dalam lampiran ini, regresi mana yang lebih baik? Tampilan 10-19
membandingkan kedua fungsi biaya ini secara sistematis. Berdasarkan beberapa kriteria, fungsi biaya berdasarkan
jam mesin lebih disukai daripada fungsi biaya berdasarkan jam tenaga kerja manufaktur langsung. Kriteria masuk
akal ekonomi sangat penting.
Jangan berasumsi bahwa salah satu fungsi biaya akan memenuhi semua kriteria dengan sempurna pada Tampilan 10-19.
Seorang analis biaya harus sering membuat pilihan di antara fungsi biaya yang "tidak sempurna", dalam arti bahwa:
PAMERAN 10-18 Hasil Regresi Sederhana Dengan Biaya Tenaga Kerja Manufaktur Tidak
Langsung sebagai Variabel Dependen dan Jam Kerja Manufaktur Langsung sebagai
Variabel Independen (Penggerak Biaya) untuk Karpet Elegan
SEBUAH B C D
1 Koefisien Kesalahan Standar t Status
2 (1) (2) (3) 5 (1) 4 (2)
3 Mencegat $744.67 $ 217,61 3.42
Variabel bebas:
Manufaktur Langsung
4 Jam Kerja (X ) $ 7.72 $ 5.40 1.43
5
6 Statistik Regresi
7 R Square 0.17

LAMPIRAN 417
PAMERAN 10-19 Perbandingan Fungsi Biaya Alternatif untuk Tenaga Kerja Manufaktur Tidak Langsung
Perkiraan Biaya Dengan Regresi Sederhana untuk Karpet Elegan
Fungsi Biaya 2:
Fungsi Biaya 1: Manufaktur Langsung
Jam Mesin sebagai Jam Kerja sebagai
Kriteria Variabel bebas Variabel bebas
Masuk akal secara ekonomi Hubungan positif antara biaya Hubungan positif antara
tenaga kerja manufaktur tidak biaya tenaga kerja manufaktur tidak langsung
langsung (tenaga kerja pendukung dan jam kerja manufaktur langsung
teknis) dan jam mesin secara ekonomis secara ekonomis masuk akal,
masuk akal di Elegant Rugs. tetapi kurang dari jam mesin di
pabrik otomatis Pabrik Elegant Rugs yang sangat
otomatis setiap minggunya.
Kesesuaian r 2 5 0,52; kesalahan standar dari r 2 5 0,17; kesalahan standar dari

regresi 5 $170,54. regresi 5 $224,61.
Kesesuaian yang sangat baik. Kecocokan yang buruk.
Signifikansi dari Nilai t 3,30 signifikan Nilai t 1,43 tidak signifikan

mandiri pada tingkat 0,05. pada tingkat 0,05.
variabel
Analisis spesifikasi asumsi Plot data tersebut menunjukkan bahwa Plot data tersebut menunjukkan bahwa
estimasi asumsi linearitas, varians konstan, asumsi linearitas, konstan

independensi residual (statistik Durbin- varians, independensi
Watson 5 2.05), dan normalitas residual residu (Durbin-Watson
berlaku, tetapi kesimpulan yang diambil statistik 5 2.26), dan normalitas
dari hanya 12 pengamatan tidak dapat residual berlaku, tetapi inferensi
diandalkan. diambil dari hanya 12 pengamatan
tidak dapat diandalkan.
data dari setiap fungsi biaya tertentu tidak akan secara sempurna memenuhi satu atau lebih asumsi yang mendasari
analisis regresi. Misalnya, kedua fungsi biaya dalam Tampilan 10-18 tidak sempurna karena kesimpulan yang diambil dari
hanya 12 pengamatan umumnya tidak dapat diandalkan.
Regresi Berganda dan Hirarki Biaya

Dalam beberapa kasus, estimasi fungsi biaya yang memuaskan dapat didasarkan hanya pada satu variabel independen,
seperti jumlah jam mesin. Namun, dalam banyak kasus, mendasarkan estimasi pada lebih dari satu variabel independen
(yaitu, regresi berganda) lebih masuk akal secara ekonomi dan meningkatkan akurasi. Persamaan yang paling banyak
digunakan untuk menyatakan hubungan antara dua atau lebih variabel bebas dan variabel terikat berbentuk linear
y = a + b1X1 + b2X2 + g + u
di mana,
y = Biaya yang akan diprediksi
X1,X2, . . . = Variabel bebas yang menjadi dasar prediksi
a, b1, b2, . . . = Estimasi koefisien model regresi

u = Suku sisa yang mencakup efek bersih dari faktor lain yang tidak ada dalam model serta
kesalahan pengukuran pada variabel dependen dan independen
Contoh: Perhatikan data Elegant Rugs pada Exhibit 10-20. Analisis ABC perusahaan menunjukkan bahwa biaya tenaga
kerja manufaktur tidak langsung mencakup jumlah besar yang dikeluarkan untuk biaya penyiapan dan penggantian ketika
sejumlah karpet baru dimulai. Manajemen berkeyakinan bahwa selain jumlah jam mesin (penggerak biaya tingkat unit
keluaran), biaya tenaga kerja manufaktur tidak langsung juga dipengaruhi oleh jumlah batch karpet yang diproduksi selama
setiap
PAMERAN 10-20
Tenaga Kerja Manufaktur SEBUAH B C D E

Biaya, Jam Mesin, Jumlah tidak langsung
Manufaktur Langsung Mesin Produksi Langsung Manufaktur

Jam Kerja, dan Jam Batch Biaya tenaga kerja
Manufaktur
Jumlah Produksi
1 Pekan (X1) (X2) Jam Kerja (Y)
Batch untuk Elegan
2 1 68 12 30 $ 1.190
Karpet
3 2 88 15 35 1.211
4 3 62 13 36 1.004
5 4 72 11 20 917
6 5 60 10 47 770
7 6 96 12 45 1.456
8 7 78 17 44 1.180
9 8 46 7 38 710
10 9 82 14 70 1.316
11 10 94 12 30 1.032
12 11 68 7 29 752
12 48 14 38 963
13
14 Total 862 144 462 1 $2,501
15
minggu (driver tingkat batch). Elegant Rugs memperkirakan hubungan antara dua variabel independen
—jumlah jam mesin dan jumlah batch produksi pembuatan karpet selama seminggu—dan biaya
tenaga kerja manufaktur tidak langsung.
Tampilan 10-21 menyajikan hasil untuk model regresi berganda berikut, menggunakan data
pada kolom B, C, dan E dari Tampilan 10-20:
y = $42,58 + $7,60X1 + $37,77X2
dimana X1 adalah jumlah jam mesin dan X2 adalah jumlah batch produksi. Secara ekonomi masuk
akal bahwa jumlah jam mesin dan jumlah batch produksi akan membantu menjelaskan variasi biaya
tenaga kerja manufaktur tidak langsung di Elegant Rugs. R2 sebesar 0,52 untuk regresi sederhana
menggunakan jumlah jam mesin (Gambar 10-15) meningkat menjadi 0,72
PAMERAN 10-21 Hasil Regresi Berganda Dengan Biaya Tenaga Kerja Manufaktur Tidak Langsung
dan Dua Variabel Independen Penggerak Biaya (Jam Mesin dan
Batch Produksi) untuk Karpet Elegan
SEBUAH B C D
1 Kesalahan Standar Koefisien t Status
2 (1) (2) (3)5 (1) 4 (2)

3 saya mencegat $42,58 $ 213,91 0,20
Variabel Independen 1: Mesin

4 Jam (X1) $ 7.60 $ 2.77 2.75
Variabel Independen 2: Jumlah

5 Batch Produksi (X2) $ 37.77 $ 15.25 2.48
6
7 Statistik Regresi
8 R Square 0.72

LAMPIRAN 419
dengan regresi berganda pada Tampilan 10-21. Nilai -t menunjukkan bahwa koefisien variabel independen dari
jumlah jam mesin ($7,60) dan jumlah batch produksi ($37,77) berbeda secara signifikan dari nol (t = 2,74 adalah
nilai t untuk jumlah jam mesin, dan t = 2,48 adalah nilai t untuk jumlah batch produksi, dibandingkan dengan
nilai t cutoff 2,26). Model regresi berganda pada Tampilan 10-21 memenuhi kriteria ekonomi dan statistik yang
masuk akal, dan menjelaskan variasi yang jauh lebih besar (yaitu, r2 sebesar 0,72 versus r2 sebesar 0,52)
dalam biaya tenaga kerja manufaktur tidak langsung daripada model regresi sederhana yang hanya
menggunakan jumlah mesin -jam sebagai variabel bebas.9 Kesalahan standar persamaan regresi yang
memasukkan jumlah batch sebagai variabel bebas adalah
2
C 1Y - y2 = $138,62
n-3 9
= A 172.931
yang lebih rendah dari kesalahan standar regresi dengan hanya jam mesin sebagai variabel terikat, $170,54.
Artinya, meskipun menambahkan variabel mengurangi derajat kebebasan dalam penyebut, itu secara substansial
2
meningkatkan kecocokan sehingga pembilangnya, 1Y - y2 semakin berkurang. Jumlah jam mesin dan jumlah ,
batch produksi keduanya merupakan pemicu biaya penting dari biaya tenaga kerja manufaktur tidak langsung
di Elegant Rugs.
Dalam Tampilan 10-21, koefisien kemiringan—$7,60 untuk jumlah jam mesin dan $37,77 untuk jumlah
batch produksi—mengukur perubahan biaya tenaga kerja manufaktur tidak langsung yang terkait dengan
perubahan unit dalam variabel independen (dengan asumsi bahwa variabel independen lainnya adalah
dipertahankan konstan). Misalnya, biaya tenaga kerja manufaktur tidak langsung meningkat sebesar $37,77
ketika satu batch produksi ditambahkan, dengan asumsi bahwa jumlah jam mesin ditahan
konstan.
Pendekatan alternatif akan menciptakan dua kumpulan biaya terpisah untuk biaya tenaga kerja manufaktur
tidak langsung: satu untuk biaya yang terkait dengan jumlah jam mesin dan satu lagi untuk biaya yang terkait
dengan jumlah batch produksi. Elegant Rugs kemudian akan memperkirakan hubungan antara cost driver dan
biaya di setiap cost pool. Tugas yang sulit di bawah pendekatan ini adalah membagi dengan tepat biaya tenaga
kerja manufaktur tidak langsung ke dalam dua kelompok biaya.
Multikolinearitas
Perhatian utama yang muncul dengan regresi berganda adalah multikolinearitas. Multikolinearitas
ada ketika dua atau lebih variabel independen sangat berkorelasi satu sama lain. Umumnya, koefisien korelasi
antar variabel independen lebih besar dari 0,70 menunjukkan linieritas multikol. Multikolinearitas meningkatkan
kesalahan standar dari koefisien variabel individu. Artinya, variabel-variabel yang signifikan secara ekonomi dan
statistik akan tampak tidak berbeda nyata dari nol.
Matriks koefisien korelasi dari variabel yang berbeda dijelaskan dalam Tampilan 10-20
adalah sebagai berikut:
tidak langsung Jumlah Langsung
Manufaktur Produksi Manufaktur

Biaya Tenaga Kerja Jam Mesin Batch Jam Kerja
Biaya tenaga kerja manufaktur tidak langsung 1

Jam mesin 0,72 1
Jumlah batch produksi 0,69 0,4 1
Jam kerja manufaktur langsung 0,41 0,12 0.31 1
9
Menambahkan variabel lain selalu meningkatkan r2 . Pertanyaannya adalah apakah penambahan variabel lain cukup meningkatkan r2 . Salah satu cara untuk mendapatkan wawasan
tentang pertanyaan ini adalah dengan menghitung r2 yang disesuaikan sebagai berikut:
n-1
Penyesuaian r2 = 1 - 11 - r2 , di mana n adalah jumlah pengamatan dan p adalah jumlah koefisien yang diperkirakan,
2n-p-1
tidak termasuk istilah konstan. Dalam model dengan hanya jam mesin sebagai variabel independen, disesuaikan
12 - 1
r2 = 1 - 11 - 0,522 = 0,47. Dalam model dengan jam mesin dan jumlah batch sebagai variabel independen, 12 - 1 - 1 12 - 1
disesuaikan r2 = 1 - 11 - 0,722 = 0,65. R2 yang disesuaikan tidak memiliki interpretasi yang sama dengan r2 , tetapi peningkatan
12 - 2 - 1 r2
yang disesuaikan ketika jumlah batch ditambahkan sebagai variabel independen menunjukkan bahwa menambahkan variabel ini secara signifikan
meningkatkan kecocokan model dengan cara yang lebih dari mengkompensasi tingkat kebebasan yang hilang dengan memperkirakan koefisien lain.
Hasil ini menunjukkan bahwa regresi berganda dengan menggunakan pasangan variabel independen apa pun dalam
Tampilan 10-20 tidak mungkin mengalami masalah multikolinearitas.
Ketika terjadi multikolinieritas, cobalah untuk mendapatkan data baru yang tidak mengalami masalah multikolinieritas.
Jangan sampai ada variabel bebas (penggerak biaya) yang harus dimasukkan dalam model karena berkorelasi dengan
variabel bebas lainnya. Menghilangkan variabel tersebut akan menyebabkan koefisien estimasi dari variabel independen
yang dimasukkan dalam model menjadi bias jauh dari nilai sebenarnya.
SYARAT UNTUK BELAJAR
Bab ini dan Glosarium di akhir teks ini berisi definisi dari istilah-istilah penting berikut:
metode analisis akun (hal. 390) model pembelajaran inkremental unit-waktu analisis regresi (hal. 395)
koefisien determinasi (hal. 411) (hal. 403) istilah sisa (hal. 395)
metode konferensi (hal. 390) variabel bebas (hal. 392) biaya semivariabel (hal. 386)
konstan (hal. 386) metode teknik industri (hal. 389) regresi sederhana (hal. 395)
estimasi biaya (hal. 388) koefisien kemiringan (hal. 385)
fungsi biaya (hal. 385) mencegat (hal. 386) analisis spesifikasi (hal. 414)
prediksi biaya (hal. 388) kurva belajar (hal. 402) kesalahan standar dari perkiraan
model pembelajaran waktu rata-rata fungsi biaya linier (hal. 385) koefisien (hal. 412)
kumulatif (hal. 402) biaya campuran (hal. 386) kesalahan standar regresi (hal. 412)
variabel terikat (hal. 392) multikolinearitas (hal. 419)
kurva pengalaman (hal. 402) regresi berganda (hal. 395) fungsi biaya langkah (hal. 400)
metode tinggi-rendah (hal. 393) fungsi biaya nonlinier (hal. 400) metode pengukuran kerja (hal. 389)
BAHAN TUGAS
Pertanyaan
10-1 Jelaskan fungsi biaya linier dan berikan contohnya.
10-2 Mengapa fungsi biaya linier berguna?
10-3 Kriteria apa yang digunakan oleh manajer dalam mengklasifikasikan biaya menjadi variabel dan tetap?
komponen?
10-4 “Korelasi tinggi antara dua variabel berarti yang satu adalah sebab dan yang lainnya adalah akibat.”
Apa kamu setuju? Menjelaskan.
10-5 Sebutkan empat pendekatan untuk memperkirakan fungsi biaya.
10-6 Bedakan antara metode estimasi biaya teknik industri dan metode kuantitatif
metode.
10-7 Jelaskan metode analisis akun untuk memperkirakan fungsi biaya.
10-8 Sebutkan enam langkah dalam memperkirakan fungsi biaya berdasarkan analisis hubungan biaya masa lalu.
Langkah mana yang biasanya paling sulit bagi analis biaya?
10-9 Saat menggunakan metode tinggi-rendah, sebaiknya Anda mendasarkan pengamatan tinggi dan rendah pada:
variabel terikat atau pada pemicu biaya?
10-10 Jelaskan tiga kriteria untuk mengevaluasi fungsi biaya dan memilih pemicu biaya.
10-11 Mendefinisikan kurva belajar. Buat garis besar dua model yang dapat digunakan saat menggabungkan pembelajaran ke dalam
estimasi fungsi biaya.
10-12 Diskusikan empat masalah yang sering ditemui saat mengumpulkan data biaya pada variabel yang termasuk dalam
sebuah fungsi biaya.
10-13 Apa empat asumsi utama yang diperiksa dalam analisis spesifikasi dalam kasus sederhana?
regresi?
10-14 Semua variabel independen dalam fungsi biaya yang diestimasi dengan analisis regresi adalah pemicu biaya.”
Apa kamu setuju? Menjelaskan.
10-15 Multikolinearitas terjadi ketika variabel dependen dan variabel independen sangat berkorelasi.” Apa kamu setuju?
Menjelaskan.
Materi Tugas 421
Soal pilihan ganda

Dalam kemitraan dengan:
10-16 HL Co. menggunakan metode tinggi-rendah untuk mendapatkan formula biaya total. Menggunakan berbagai unit yang
diproduksi dari 1.500 hingga 7.500, dan kisaran total biaya dari $21.000 hingga $45.000, memproduksi 2.000 unit akan dikenakan
biaya HL:
sebuah. $8,000 b. $12.000 c. $23.000 d. $29,000
10-17 Sebuah perusahaan menggunakan regresi linier sederhana untuk meramalkan biaya untuk lini produk utamanya. Jika biaya tetap
sama dengan $235.000 dan biaya variabel adalah $10 per unit, berapa banyak unit yang dibutuhkan untuk dijual dengan harga $15 per unit
untuk menghasilkan laba $300.000?
sebuah. 21.400 b. 47.000 c. 60.000 d. 107.000
10-18 Paul Nellis memproduksi pemotong kuku dengan biaya tetap $200 dan 100 item seharga $1.000.
Manakah dari berikut ini yang merupakan fungsi biaya, dengan asumsi bahwa itu linier?
sebuah. 8 b. 4,5 c. 12 d. Bukan dari salah satu di atas
10-19 Persamaan regresi dibuat, di mana variabel terikat adalah biaya total dan variabel bebas adalah produksi. Koefisien
korelasi 0,70 menyiratkan bahwa
sebuah. Koefisien determinasinya negatif.

b. Tingkat produksi menjelaskan 49% dari variasi total biaya
c. Ada hubungan yang sedikit terbalik antara produksi dan biaya total.
d. Koefisien korelasi sebesar 1,30 akan menghasilkan garis regresi yang lebih sesuai dengan data.
10-20 Berapa nilai perkiraan koefisien korelasi antara periklanan dan penjualan di mana perusahaan beriklan secara agresif
sebagai alternatif untuk PHK pekerja sementara dan memotong iklan ketika pekerjaan yang masuk sedang dipesan?
sebuah. 1.0 b. 0 c. -1.0 d. -100
©2016 DeVry/Becker Educational Development Corp. Semua Hak Dilindungi Undang-Undang.
Latihan
10-21 Memperkirakan fungsi biaya menggunakan Pendekatan Analisis Akun. Khan Sunil Enterprises, sebuah
perusahaan rekayasa perangkat lunak, menggunakan pendekatan analisis akun untuk mengidentifikasi perilaku biaya dari
biaya produksi untuk perangkat lunak premiumnya. Berikut rincian kegiatan perseroan selama Juni 2019 yang memproduksi
350 unit.
Total Variabel Tetap
Bahan yang digunakan dalam produksi 270.000 270.000 10.000

Biaya tenaga kerja
134,000 130.000 4,000
Biaya fasilitas produksi 103.000 100.000 3.000
Total biaya produksi 507.000 500.000 17.000
1. Jelaskan biaya produksi dalam bentuk persamaan y = a + bX Yg dibutuhkan
2. Asumsikan perusahaan bermaksud memproduksi 400 unit bulan depan, hitunglah total biaya produksi untuk
bulan.
3. Mengomentari kegunaan estimasi bagi manajemen perusahaan.
10-22 Mengidentifikasi fungsi biaya variabel, biaya tetap, dan biaya campuran. The Rolling Boulders Corporation
mengoperasikan agen penyewaan mobil di lebih dari 20 bandara. Pelanggan dapat memilih salah satu dari tiga kontrak untuk
penyewaan mobil dalam satu hari atau kurang:
Kontrak 1: £50 untuk hari itu
Kontrak 2: £30 untuk hari itu ditambah £0,20 per mil perjalanan
Kontrak 3: £1 per mil perjalanan
1. Plot grafik terpisah untuk masing-masing dari tiga kontrak, dengan biaya pada sumbu vertikal dan mil yang ditempuh
Yg dibutuhkan
pada sumbu horizontal.
2. Nyatakan setiap kontrak sebagai fungsi biaya linier dalam bentuk y = a + bX.
3. Identifikasi setiap kontrak sebagai fungsi biaya variabel, biaya tetap, atau biaya campuran.
10-23 Berbagai pola perilaku biaya. (BPA, diadaptasi) Sumbu vertikal dari grafik di bawah ini mewakili total biaya, dan sumbu horizontal mewakili
unit yang diproduksi selama satu tahun kalender. Dalam setiap kasus, titik nol dolar dan produksi berada di persimpangan dua sumbu.
SEBUAH B C D
E F G H
Saya
J K L
Yg dibutuhkan Pilih grafik yang cocok dengan data biaya produksi bernomor (persyaratan 1–9). Tunjukkan dengan huruf grafik mana yang paling sesuai dengan
situasi atau item yang dijelaskan. Grafik dapat digunakan lebih dari sekali atau tidak sama sekali.
1. Penyusutan tahunan peralatan, dimana jumlah penyusutan yang dibebankan dihitung dengan metode jam mesin.
2. Tagihan listrik—beban tetap yang tetap, ditambah biaya variabel setelah sejumlah kilowatt-jam digunakan, di mana jumlah kilowatt-jam yang
digunakan bervariasi secara proporsional dengan jumlah unit yang diproduksi.
3. Tagihan air kota, yang dihitung sebagai berikut:
1.000.000 galon pertama atau kurang $1.000 biaya tetap
10.000 galon berikutnya $0,003 per galon yang digunakan

dan seterusnya dan seterusnya
Galon air yang digunakan bervariasi secara proporsional dengan jumlah output produksi.
4. Biaya bahan langsung, di mana biaya bahan langsung per unit yang diproduksi menurun dengan setiap pon bahan yang digunakan (misalnya, jika
1 pon digunakan, biayanya adalah $10; jika 2 pon digunakan, biayanya adalah $19,98; jika 3 pon digunakan, biayanya adalah $29,94), dengan
biaya minimum per unit $9,20.
5. Penyusutan tahunan peralatan, dimana jumlahnya dihitung dengan metode garis lurus. Ketika skedul penyusutan disiapkan, faktor keusangan
diantisipasi akan lebih besar daripada faktor keausan.
6. Sewa di pabrik yang disumbangkan oleh kota, di mana perjanjian mensyaratkan pembayaran biaya tetap
kecuali 200.000 jam kerja bekerja, dalam hal ini tidak ada sewa yang dibayarkan.
7. Gaji personel perbaikan, di mana satu orang dibutuhkan untuk setiap 1.000 jam mesin atau kurang (yaitu, 0 hingga 1.000 jam membutuhkan satu
orang, 1.001 hingga 2.000 jam membutuhkan dua orang, dan seterusnya).
8. Biaya bahan langsung yang digunakan (asumsikan tidak ada diskon kuantitas).
9. Sewa di pabrik manufaktur yang disumbangkan oleh daerah, di mana perjanjian meminta sewa sebesar $100.000 dikurangi $1 untuk setiap jam
kerja manufaktur langsung yang bekerja lebih dari 200.000 jam, tetapi biaya sewa minimum $20.000 harus dibayar.
Materi Tugas 423
10-24 Mencocokkan grafik dengan deskripsi perilaku biaya dan pendapatan. (D. Hijau, diadaptasi) Diberikan di sini adalah sejumlah grafik.
1 2 3 4
5 6 7 8
Beberapa yang lain
pola
9 10 11 12
Sumbu horizontal dari setiap grafik mewakili unit yang diproduksi sepanjang tahun, dan sumbu vertikal mewakili total biaya atau pendapatan.
Tunjukkan dengan nomor grafik mana yang paling sesuai dengan situasi atau item yang dijelaskan (a-h). Beberapa grafik mungkin Yg dibutuhkan
digunakan lebih dari sekali; beberapa mungkin tidak berlaku untuk situasi apa pun.
sebuah. Biaya bahan langsung

b. Gaji supervisor untuk satu shift dan dua shift
c. Grafik biaya–volume–laba
d. Biaya campuran—misalnya, biaya tetap ditambah tarif per unit yang diproduksi
e. Penyusutan pabrik, dihitung dengan dasar garis lurus
f. Data yang mendukung penggunaan tarif biaya variabel, seperti biaya tenaga kerja manufaktur sebesar $14 per unit
diproduksi
g. Rencana bonus insentif yang membayar manajer $0,10 untuk setiap unit yang diproduksi di atas beberapa tingkat produksi
h. Beban bunga atas $2 juta yang dipinjam dengan tingkat bunga tetap
10-25 Pendekatan biaya tinggi-rendah dari fungsi biaya. Karil Teeze Building Ltd adalah pengembang perumahan yang berbasis di Laos.
Biaya overhead perusahaan sangat berfluktuasi dari tahun ke tahun sesuai dengan jumlah jam tenaga kerja langsung yang bekerja di berbagai
lokasi pembangunan. Bisnis ini memiliki detail berikut untuk kuartal pertama tahun 2019:
Tingkat Aktivitas
Rendah Tinggi
Jam kerja langsung 60.000 80.000
Total biaya overhead 224.000 282.000
Biaya overhead terdiri dari bahan tidak langsung, sewa, dan instalasi listrik. Perusahaan telah menganalisis biaya 60.000 jam kerja langsung
tingkat aktivitas dan telah menentukan bahwa pada tingkat aktivitas ini, biaya ada dalam proporsi berikut:
Biaya Overhead Pabrik Sifat Jumlah Biaya (ÿ)
Bahan tidak langsung, Variabel 90.000

Instalasi listrik, Campuran 54,000
Sewa, Tetap 100.000
Total biaya overhead pabrik 244,000
Untuk tujuan perencanaan, perusahaan ingin memecah biaya instalasi listrik menjadi elemen biaya tetap dan biaya variabel.
1. Tentukan berapa banyak dari 282.000 biaya overhead pada aktivitas tingkat tinggi terdiri dari listrik Yg dibutuhkan
biaya pemasangan.
2. Gunakan metode tinggi-rendah untuk menentukan elemen biaya tetap untuk biaya instalasi listrik.
3. Nyatakan dan selesaikan persamaan biaya linier.
4. Mengomentari pro dan kontra dari metode tinggi-rendah.
10-26 Metode analisis akun. Hamwey, Inc., produsen produk plastik, melaporkan biaya produksi dan klasifikasi analisis akun berikut untuk tahun
yang berakhir pada tanggal 31 Desember 2020.
Akun Klasifikasi Jumlah
Material langsung Semua variabel $337.500
Tenaga kerja manufaktur langsung Semua variabel 262.500

Kekuasaan Semua variabel 75.000
Tenaga supervisi 25% variabel 60.000
Tenaga kerja penanganan material 50% variabel 105.000

Tenaga kerja pemeliharaan 50% variabel 0% 45.000
Depresiasi variabel 0% 88,000
Sewa, pajak properti, dan administrasi variabel 110.000
Hamwey, Inc., memproduksi 75.000 unit produk pada tahun 2020. Manajemen Hamwey memperkirakan biaya untuk tahun 2021 berdasarkan angka
tahun 2020. Informasi tambahan berikut tersedia untuk tahun 2021.
sebuah. Harga bahan baku langsung pada tahun 2021 diperkirakan akan meningkat sebesar 8% dibandingkan dengan tahun 2020.
b. Berdasarkan ketentuan kontrak tenaga kerja, tingkat upah tenaga kerja manufaktur langsung diperkirakan akan meningkat sebesar 8%
pada tahun 2021 dibandingkan dengan tahun 2020.
c. Tarif daya dan tarif upah untuk pengawasan, penanganan material, dan pemeliharaan diperkirakan tidak akan berubah dari tahun 2020
hingga 2021.
d. Biaya penyusutan diharapkan meningkat sebesar 10%, dan sewa, pajak properti, dan administrasi
biaya diperkirakan akan meningkat sebesar 9%.
e. Hamwey mengharapkan untuk memproduksi dan menjual 82.500 unit pada tahun 2021.
Yg dibutuhkan 1. Siapkan jadwal biaya variabel, tetap, dan total produksi untuk setiap kategori akun pada tahun 2021.
Perkirakan total biaya produksi untuk tahun 2021.
2. Hitung total biaya produksi per unit Hamwey pada tahun 2020, dan perkirakan total biaya produksi
per unit pada tahun 2021.
3. Bagaimana Anda dapat memperoleh estimasi biaya tetap dan variabel yang lebih baik? Mengapa perkiraan yang lebih baik ini?
berguna untuk Hamwey?
10-27 Memperkirakan fungsi biaya, metode tinggi-rendah. FlyHigh Vacations menawarkan layanan helikopter dari kota pinggiran ke Bandara
Heathrow di Inggris. Masing-masing dari 10 helikopternya membuat antara 1.000 dan 2.000 perjalanan pulang pergi per tahun. Catatan menunjukkan
bahwa sebuah helikopter yang telah melakukan 1.000 perjalanan pulang pergi dalam satu tahun dikenakan biaya operasi rata-rata $350 per
perjalanan pulang pergi, dan helikopter yang telah melakukan 2.000 perjalanan pulang-pergi pada tahun tersebut dikenakan biaya operasi rata-rata
$300 per perjalanan pulang pergi. perjalanan.
Yg dibutuhkan 1. Dengan menggunakan metode tinggi-rendah, perkirakan hubungan linier y = a + bX, di mana y adalah total biaya operasional tahunan sebuah
helikopter dan X adalah jumlah perjalanan pulang pergi ke Bandara Heathrow selama tahun tersebut.
2. Berikan contoh biaya yang akan dimasukkan dalam a dan b.

3. Jika FlyHigh Vacations mengharapkan setiap helikopter melakukan, rata-rata, 1.200 perjalanan pulang pergi di tahun mendatang,
berapa perkiraan anggaran operasi untuk armada helikopter?
10-28 Memperkirakan fungsi biaya, metode tinggi-rendah. Lynda Donovan sedang memeriksa biaya layanan pelanggan di wilayah selatan
Clement Products. Clement Products memiliki lebih dari 200 produk listrik terpisah yang dijual dengan garansi perbaikan penuh atau penggantian
selama 6 bulan dengan produk baru. Ketika produk dikembalikan oleh pelanggan, laporan layanan disiapkan. Laporan layanan ini mencakup rincian
masalah serta waktu dan biaya untuk menyelesaikan masalah tersebut. Data mingguan untuk periode 8 minggu terakhir adalah sebagai berikut:
Pekan Biaya Departemen Layanan Pelanggan Jumlah Laporan Layanan

1 £13.400 210
2 20.200 300
3 11.300 130
4 18.900 385
5 14.700 285
6 22.500 450
7 16.300 330
8 21.600 310
Materi Tugas 425
1. Plot hubungan antara biaya layanan pelanggan dan jumlah laporan layanan. Apakah hubungan kapal secara ekonomi masuk
Yg dibutuhkan
akal?
2. Gunakan metode tinggi-rendah untuk menghitung fungsi biaya yang berkaitan dengan biaya layanan pelanggan dengan angka
dari laporan layanan.
3. Variabel apa, selain jumlah laporan layanan, yang mungkin menjadi pemicu biaya pelanggan mingguan?
biaya layanan untuk Produk Clement?
10-29 Perkiraan biaya linier. Terry Lawler, direktur pelaksana Little Rock Reviewers Company, sedang memeriksa bagaimana biaya
overhead berperilaku dengan perubahan jam kerja profesional bulanan yang ditagihkan kepada klien. Asumsikan data historis berikut:
Total Biaya Overhead Jam Kerja Profesional Ditagih kepada Klien

$330.000 3.000
395.000 4,000
425.000 5.000
467.000 6.000
521.000 7.500
577.000 8.500
1. Hitung fungsi biaya linier, yang menghubungkan biaya overhead total dengan jam kerja profesional, dengan menggunakan Yg dibutuhkan
observasi representatif dari 4.000 dan 7.500 jam. Gambarkan fungsi biaya linier. Apakah komponen konstan dari fungsi biaya
mewakili biaya overhead tetap dari Little Rock Reviewers Company? Mengapa?
2. Berapa perkiraan biaya overhead total untuk (a) 5.000 jam dan (b) 8.500 jam menggunakan fungsi biaya yang diperkirakan dalam
persyaratan 1? Plot perkiraan biaya dan biaya aktual untuk 5.000 dan 8.500 jam.
3. Lawler memiliki kesempatan untuk menerima pekerjaan khusus yang akan meningkatkan jam kerja profesional dari 4.000 menjadi
5.000 jam. Misalkan Lawler, dipandu oleh fungsi biaya linier, menolak pekerjaan ini karena akan membawa peningkatan total
margin kontribusi sebesar $31.000, sebelum dikurangi perkiraan kenaikan biaya overhead total, $36.000. Berapa total margin
kontribusi yang sebenarnya hilang?
10-30 Menggunakan pendekatan tinggi-rendah untuk memperkirakan pemicu biaya. Carney Cabinets Ltd adalah perusahaan
manufaktur furnitur dengan pabriknya yang berlokasi di enam kota di Inggris. Perusahaan baru-baru ini memperkenalkan sistem
otomatis, tetapi manajemen masih tidak yakin tentang cara terbaik untuk memperkirakan biaya overhead operasi untuk tujuan
anggaran. Rincian berikut berhubungan dengan 6 bulan pertama operasi:
kota Jam Kerja Jam Mesin Biaya Overhead (£)

Manchester 3.800 4.520.000 138,000
Birmingham 3.650 4.340.000 136.800
Milton Keynes 3.900 4.500.000 139.200
Leeds 3.300 4 290.000 136 800
York 3.250 4.200.000 126.000
Coventry 3.100 4.120.000 120.000
1. Gunakan metode tinggi-rendah untuk menentukan fungsi estimasi biaya dengan jam tenaga kerja sebagai pemicu biaya. Yg dibutuhkan
2. Gunakan metode tinggi-rendah untuk menentukan fungsi estimasi biaya dengan jam mesin sebagai biayanya
pengemudi.
3. Di pabrik yang berlokasi di Coventry, perusahaan menjalankan mesin selama 3.000 jam dan menggunakan daya 4.000.000 jam
mesin. Biaya overhead mencapai £114,000. Penggerak biaya mana yang merupakan prediksi terbaik untuk pabrik Coventry?
10-31 Analisis regresi, perusahaan jasa. (CMA, diadaptasi) Lucy Hall memiliki bisnis karakter profesional di area metropolitan yang
besar. Dia mempekerjakan mahasiswa lokal untuk memainkan karakter ini di pesta anak-anak dan acara lainnya. Linda menyediakan
balon, cupcakes, dan punch. Untuk pesta standar, biaya per orang adalah sebagai berikut:
Balon, kue mangkuk, dan pukulan €7
Buruh (0,25 jam * €20 per jam) 5
Overhead (0,25 jam * €40 per jam) 10
Total biaya per orang €22
Lucy cukup yakin tentang perkiraan bahan dan biaya tenaga kerja tetapi tidak nyaman dengan perkiraan biaya overhead. Estimasi
overhead didasarkan pada data aktual selama 9 bulan terakhir, yaitu:
disajikan di sini. Data ini menunjukkan bahwa biaya overhead bervariasi dengan jam tenaga kerja langsung yang digunakan. Estimasi €40
ditentukan dengan membagi total biaya overhead selama 9 bulan dengan total jam kerja.
Bulan Jam Kerja Biaya Overhead
April 1.400 € 65.000
Mungkin 1.800 71.000

Juni 2.100 73.000
Juli 2.200 76.000
Agustus 1.650 67.000
September 1.725 68,000

Oktober 1.500 66.500
November 1.200 60.000
Desember 1.900 72.500
Total 15.475 €619,000
Lucy baru-baru ini menyadari analisis regresi. Dia memperkirakan persamaan regresi berikut dengan biaya overhead sebagai variabel
dependen dan jam kerja sebagai variabel independen:
y = €43.563 + €14,66X
Yg dibutuhkan 1. Plot hubungan antara biaya overhead dan jam kerja. Gambarkan garis regresi dan evaluasi dengan menggunakan kriteria economic
plausibility, goodness of fit, dan slope dari garis regresi.
2. Menggunakan data dari analisis regresi, berapa biaya variabel per orang untuk pesta standar?
3. Lucy Hall telah diminta untuk menyiapkan tawaran pesta ulang tahun ke-20 anak yang akan diberikan bulan depan.
Tentukan harga penawaran minimum yang bersedia diajukan Lucy untuk menutup biaya variabel.
10-32 Tinggi-rendah, regresi. Mandy Knox adalah manajer baru gudang bahan untuk Timken Manufacturing. Mandy telah diminta untuk
memperkirakan biaya pembelian bulanan di masa mendatang untuk bagian #696, yang digunakan dalam dua produk Timken. Data biaya
dan kuantitas pembelian Mandy selama 9 bulan terakhir adalah sebagai berikut:
Bulan Biaya Pembelian Jumlah yang Dibeli
Januari $12.468 2.700 bagian
Februari 12.660 2.820

Berbaris 17.280 4.068
April 15.816 3.744
Mungkin 13.164 2.988

Juni 13.896 3.216
Juli 15.228 3.636
Agustus 10.272 2.316
September 14.940 3.552
Perkiraan pembelian bulanan untuk bagian ini berdasarkan permintaan yang diharapkan dari kedua produk untuk sisa tahun ini adalah
sebagai berikut:
Bulan Jumlah Pembelian yang Diharapkan

Oktober 3.360 bagian
November 3.720
Desember 3.000
Yg dibutuhkan 1. Komputer di kantor Mandy mati, dan Mandy telah diminta untuk segera memberikan persamaan untuk memperkirakan biaya pembelian
di masa mendatang untuk suku cadang #696. Mandy mengambil kalkulator dan menggunakan metode tinggi-rendah untuk
memperkirakan persamaan biaya. Persamaan apa yang dia dapatkan?
2. Dengan menggunakan persamaan dari persyaratan 1, hitung biaya pembelian yang diharapkan di masa depan untuk masing-masing
3 bulan terakhir dalam setahun.
3. Setelah beberapa jam komputer Mandy diperbaiki. Mandy menggunakan data 9 bulan pertama dan analisis regresi untuk memperkirakan
hubungan antara jumlah yang dibeli dan biaya pembelian suku cadang #696.
Garis regresi yang diperoleh Mandy adalah sebagai berikut:
y = $2,135,5 + 3,67X
Plot dan evaluasi garis regresi menggunakan kriteria economic plausibility, goodness of fit, dan signifikansi variabel independen.
Bandingkan persamaan regresi dengan persamaan berdasarkan metode tinggi rendah. Mana yang lebih cocok? Mengapa?
Materi Tugas 427
4. Gunakan hasil regresi untuk menghitung perkiraan biaya pembelian untuk bulan Oktober, November, dan Desember. Bandingkan
biaya pembelian yang diharapkan dengan biaya pembelian yang diharapkan yang dihitung menggunakan metode tinggi-rendah
dalam persyaratan 2. Komentari hasil Anda.
10-33 Kurva pembelajaran, model pembelajaran waktu rata-rata kumulatif. Global Defender memproduksi sistem radar. Ini baru
saja menyelesaikan pembuatan sistem pertama yang dirancang baru, RS-32. Data manufaktur untuk RS-32 berikut:
Biaya bahan langsung $82.000 per unit RS-32

Waktu tenaga kerja manufaktur langsung untuk unit pertama 3.600 jam tenaga kerja manufaktur langsung
Kurva pembelajaran untuk waktu kerja manufaktur per radar 85% waktu rata-rata kumulatif
sistem
Biaya tenaga kerja manufaktur langsung $20 per jam tenaga kerja manufaktur langsung
Biaya overhead pabrik variabel $ 17 per jam tenaga kerja manufaktur langsung
di 0.85 -0,162519
sebuah
= = -0,234465
Menggunakan rumus (halaman 402) untuk kurva belajar 85%, b =
di 2 0,693147
Hitung biaya variabel total untuk memproduksi 2, 4, dan 8 unit.
10-34 Estimasi biaya pada periode inflasi. Penyakit coronavirus (COVID-19) yang disebabkan oleh virus baru menyebabkan
penyakit pernapasan (seperti flu). Penyakit ini pertama kali diidentifikasi pada Desember 2019 dan sejak itu menyebar secara global,
mengakibatkan pandemi virus corona tahun 2020. Biaya perawatan kesehatan dalam situasi seperti itu sangat tinggi dan perusahaan
perlu memperhatikan perkiraan biaya. Humble Group Ltd memproduksi alat uji untuk infeksi Corona. Data produksi dan biaya awal
tahun 2020 yang tercatat selama dua bulan terakhir sebagai berikut:
Periode Januari Februari

Produksi (alat uji) 48,000 60.000
Total biaya ($) 1,800,000 2.000.000
Data resmi dari Kantor Statistik Nasional (ONS) menunjukkan telah terjadi inflasi biaya sebesar 6% antara Januari dan Februari 2020
(https://www.ons.gov.uk/economy/inflationandpriceindices/bulletins/
inflasi harga konsumen/februari2020).
1. Hitung biaya tetap dan variabel Yg dibutuhkan
2. Perkirakan total biaya untuk bulan Maret jika ONS memperkirakan tingkat inflasi turun menjadi 5% dan output produksi diperkirakan
meningkat menjadi 62.000 test kit.
3. Apa saja tindakan pencegahan yang harus diambil ketika memprediksi biaya?
10-35 Metode tinggi-rendah. Ken Howard, analis keuangan di KMW Corporation, sedang memeriksa perilaku biaya pemeliharaan
triwulanan untuk tujuan penganggaran. Howard mengumpulkan data berikut tentang jam kerja mesin dan biaya perawatan selama 12
kuartal terakhir:
Seperempat Jam Mesin Biaya Utilitas

1 100.000 $205.000
2 120.000 240.000
3 110.000 220.000
4 130.000 260.000
5 95.000 190.000
6 115.000 235.000
7 105.000 215.000
8 125.000 255.000
9 105.000 210.000
10 125.000 245.000
11 115.000 200.000
12 140.000 280.000
1. Perkirakan fungsi biaya untuk data triwulanan menggunakan metode tinggi-rendah. Yg dibutuhkan
2. Plot dan komentari fungsi biaya yang diestimasi.
3. Howard mengantisipasi bahwa KMW akan mengoperasikan mesin selama 100.000 jam pada kuartal 13. Hitung perkiraan biaya
perawatan pada kuartal 13 menggunakan fungsi biaya yang diperkirakan pada persyaratan 1.
Masalah
10-36 Metode tinggi-rendah dan analisis regresi. Farm Fresh, koperasi pertanian milik keluarga organik di luar New South Wales,
Australia, baru-baru ini memulai klub produk segar untuk memberikan dukungan kepada pertanian anggota grup dan untuk mempromosikan
manfaat makan makanan organik yang diproduksi secara lokal kepada komunitas pinggiran kota terdekat . Keluarga membayar biaya
keanggotaan musiman sebesar $75 dan melakukan pemesanan seminggu sebelumnya dengan harga $35 per pesanan. Pada gilirannya,
Farm Fresh mengirimkan produk lokal musiman yang baru dipetik ke beberapa titik distribusi lingkungan. Tujuh ratus keluarga bergabung
dengan klub untuk musim pertama, tetapi jumlah pesanan bervariasi dari minggu ke minggu.
Sam Baker telah menjalankan klub produksi untuk musim 10 minggu pertama. Sebelum menjadi petani, Sam pernah kuliah di
jurusan bisnis, dan dia ingat beberapa hal tentang analisis biaya. Dalam perencanaan tahun depan, dia ingin mengetahui berapa banyak
pesanan yang dibutuhkan setiap minggu agar klub mencapai titik impas, tetapi pertama-tama dia harus memperkirakan biaya tetap dan
variabel klub. Dia telah mengumpulkan data berikut selama 10 minggu pertama operasi klub:
Pekan Jumlah Pesanan per Minggu Biaya Total Mingguan

1 353 $19.005
2 390 22.605
3 414 22.850
4 450 22.500
5 422 21.950
6 491 24.750
7 449 23.650
8 472 23.005
9 529 25,275
10 508 24.350
Yg dibutuhkan 1. Plot hubungan antara jumlah pesanan per minggu dan total biaya mingguan.
2. Perkirakan persamaan biaya menggunakan metode tinggi-rendah dan gambar garis ini pada grafik Anda.
3. Harvey menggunakan komputernya untuk menghitung rumus regresi berikut:
Total biaya mingguan = $10.048 + ($28.91 * Jumlah pesanan mingguan)
Gambarlah garis regresi pada grafik Anda. Gunakan grafik Anda untuk mengevaluasi garis regresi menggunakan kriteria masuk
akal ekonomi, kecocokan, dan signifikansi variabel independen. Apakah fungsi biaya yang diestimasi menggunakan metode tinggi-
rendah merupakan perkiraan yang mendekati dari fungsi biaya yang diestimasi menggunakan metode regresi? Jelaskan secara
singkat.
4. Apakah Farm Fresh mencapai titik impas musim ini? Ingatlah bahwa setiap keluarga membayar anggota musiman
biaya pengiriman $75.
5. Asumsikan bahwa 850 keluarga bergabung dengan klub tahun depan dan harga serta biaya tidak berubah. Berapa banyak
pesanan, rata-rata, harus diterima Farm Fresh setiap minggu untuk mencapai titik impas?
10-37 Metode tinggi-rendah; analisis regresi. (CIMA, diadaptasi) Anna Schaub, manajer keuangan di restoran Mangiamo, sedang
memeriksa apakah ada hubungan antara iklan surat kabar dan pendapatan penjualan di restoran tersebut. Dia memperoleh data berikut
selama 10 bulan terakhir:
Bulan Pendapatan Tiket $ Biaya Promosi

Berbaris 51.000 72.000 $1.500
April 56.000 3.500
Mungkin 64.000 56.000 1.000

Juni 64.000 43.000 4,000
Juli 83.000 56.000 500
Agustus 61.000 1.500
September 1.000
Oktober 4.500
November 2.000
Desember 2.000
Dia memperkirakan persamaan regresi berikut:
Pendapatan penjualan = $46.443 + ($6.584 * Biaya iklan)

Materi Tugas 429
1. Gambarkan hubungan antara biaya iklan dan pendapatan. Gambarkan juga garis regresi tersebut dan evaluasilah dengan menggunakan
Yg dibutuhkan
kriteria economic plausibility, goodness of fit, dan slope dari garis regresi tersebut.
2. Gunakan metode tinggi-rendah untuk menghitung fungsi yang berkaitan dengan biaya dan pendapatan iklan.
3. Dengan menggunakan (a) persamaan regresi dan (b) persamaan tinggi-rendah, berapakah peningkatan pendapatan untuk setiap $1.000
yang dihabiskan untuk iklan dalam kisaran yang relevan? Metode mana yang harus digunakan Schaub untuk memprediksi pengaruh
biaya iklan terhadap pendapatan? Jelaskan secara singkat.
10-38 Regresi, penetapan biaya berdasarkan aktivitas, memilih pemicu biaya. Parker Manufacturing telah menggunakan perhitungan
biaya berdasarkan aktivitas untuk menentukan harga pokok produk X-678. Salah satu kegiatan, “Inspeksi”, terjadi tepat sebelum produk jadi.
Fitzgerald memeriksa setiap unit ke-10 dan telah menggunakan "jumlah unit yang diperiksa" sebagai pemicu biaya untuk biaya inspeksi.
Komponen biaya inspeksi yang signifikan adalah biaya test kit yang digunakan dalam setiap inspeksi.
Sharon MacPhen, manajer lini, bertanya-tanya apakah jam kerja inspeksi mungkin menjadi pemicu biaya yang lebih baik untuk biaya
inspeksi. Sharon mengumpulkan informasi untuk biaya inspeksi mingguan, unit yang diperiksa, dan jam kerja inspeksi sebagai berikut:
Pekan Unit Diperiksa 1.800 Biaya Inspeksi Jam Kerja Inspeksi

800 2.100 210 $3.600
1 2.800 2.500 90 1.700
2 1.100 1.300 250 4.400
3 260 5,700
4 230 5.200
5 110 2.300
67 130 2.800
Sharon menjalankan regresi pada masing-masing pemicu biaya yang mungkin dan memperkirakan fungsi biaya ini:
Biaya Inspeksi = $98,79 + ($2,02 Jumlah unit yang diperiksa)
Biaya Inspeksi = $3,89 + ($20,06 Jam kerja inspeksi)
1. Jelaskan mengapa jumlah unit yang diinspeksi dan jam kerja inspeksi merupakan pemicu biaya yang masuk akal untuk inspeksi? Yg dibutuhkan
biaya.
2. Plot data dan garis regresi untuk unit yang diperiksa dan biaya inspeksi. Plot data dan garis regresi untuk jam kerja inspeksi dan biaya
inspeksi. Pemicu biaya biaya inspeksi mana yang akan Anda pilih? Menjelaskan.
3. Sharon mengharapkan para inspektur bekerja 160 jam pada periode berikutnya dan memeriksa 1.500 unit. Dengan menggunakan pemicu
biaya yang Anda pilih dalam persyaratan 2, berapa jumlah biaya inspeksi yang harus dianggarkan oleh Sharon? Jelaskan implikasi
Sharon memilih cost driver yang tidak Anda pilih dalam persyaratan 2 untuk dianggarkan.
10-39 Menafsirkan hasil regresi. Unicorn Freightways adalah pemimpin dalam pengangkutan produk pertanian di provinsi barat Italia. Rita
Bonnie, seorang analis keuangan di Unicorn Freightways, sedang mempelajari perilaku biaya transportasi untuk tujuan penganggaran. Biaya
transportasi di Unicorn ada dua jenis: (1) biaya operasi (seperti tenaga kerja dan bahan bakar) dan (2) biaya perawatan (terutama perbaikan
kendaraan).
Bonnie mengumpulkan data bulanan untuk setiap jenis biaya, serta total jarak tempuh pengiriman yang ditempuh oleh Unicorn
kendaraan di setiap bulannya. Data yang dikumpulkan ditunjukkan di bawah ini (semua dalam ribuan):
Bulan Biaya Operasional Biaya perawatan Mil Pengangkutan
Januari € 942 1.008 € 974 1.710
Februari 1.218 1.380 776 2,655

Berbaris 1.484 1.548 686 2,705
April 1.568 1.972 694 4.220
Mungkin 1.190 1.302 588 4,660

Juni 962 772 422 4,455
Juli 352 4,435
Agustus 420 4,990
September 564 2.990

Oktober 788 2,610
November 762 2.240
Desember 1.028 1,490
1. Melakukan regresi dengan menggunakan data bulanan biaya operasional mil angkutan. Anda harus mendapatkan Yg dibutuhkan
hasil berikut:
Regresi: Biaya operasional = a + (b * Jumlah mil angkutan)
Variabel Koefisien Kesalahan Standar nilai-t

Variabel €445,76 €112,97 3.95
Independen Konstan: Jumlah mil pengiriman € 0,26 € 0,03 7.83
2r = 0,86; Statistik Durbin@Watson = 2.18
2. Plot data dan garis regresi untuk estimasi di atas. Evaluasi regresi menggunakan kriteria
kelayakan ekonomi, kecocokan, dan kemiringan garis regresi.
3. Bonnie mengharapkan Unicorn untuk menghasilkan, rata-rata, 3.600 mil pengiriman setiap bulan tahun depan. Berapa harganya
dalam biaya operasi haruskah Brown menganggarkan untuk tahun depan?
4. Sebutkan tiga variabel, selain jarak pengiriman, yang mungkin diharapkan Bonnie sebagai pemicu biaya penting untuk biaya
operasional Unicorn.
5. Bonnie selanjutnya melakukan regresi dengan menggunakan data bulanan biaya perawatan pada miles pengiriman.
Verifikasi bahwa dia memperoleh hasil berikut:
Regresi: Biaya perawatan = a + (b * Jumlah mil angkutan)

Variabel €1,170,57 €91,07 12.85
Independen Konstan: Jumlah mil pengiriman € -0,15 € 0,03 -5.83
r 2 = 0,77; Statistik Durbin@Watson = 1,94
6. Memberikan penjelasan yang masuk akal untuk tanda yang diamati pada variabel pemicu biaya dalam regresi biaya
pemeliharaan. Data alternatif atau spesifikasi regresi alternatif apa yang ingin Anda gunakan untuk menangkap hubungan di
atas dengan lebih baik?
10-40 Estimasi biaya, kurva pembelajaran rata-rata kumulatif. The Blue Seas Company, yang berada di bawah kontrak dengan
Angkatan Laut, merakit kapal penempatan pasukan. Sebagai bagian dari program penelitiannya, ia menyelesaikan perakitan kapal
penggelaran model pertama (PT109) yang pertama. Angkatan Laut terkesan dengan PT109. Ia meminta Blue Seas mengajukan
proposal tentang biaya produksi enam PT109 lainnya.
Blue Seas melaporkan informasi biaya berikut untuk PT109 pertama yang dirakit dan menggunakan model pembelajaran
waktu rata-rata kumulatif 90% sebagai dasar untuk memperkirakan jam tenaga kerja manufaktur langsung untuk enam PT109
berikutnya. (Kurva belajar 90% berarti b = -0,152004.)
SEBUAH B C
1 Mengerikan bahan ct $ 201.000
2 Waktu tenaga kerja manufaktur langsung untuk kapal pertama 15.700 jam kerja
3 Tingkat tenaga kerja manufaktur langsung $ 43 per jam tenaga kerja manufaktur langsung
4 Biaya overhead pabrik variabel $ 24 per jam tenaga kerja manufaktur langsung
5 Overhead manufaktur lainnya 15% dari biaya tenaga kerja manufaktur langsung
sebuah
6 Biaya perkakas $281.000
7 Kurva pembelajaran untuk waktu kerja manufaktur per kapal 90% waktu rata-rata kumulatifb
8
sebuah
9 Perkakas dapat digunakan kembali tanpa biaya tambahan karena semua biayanya telah dibebankan ke kapal penempatan pertama.
10
b
ln0,90 -0,105361
11 = = -0,152004
Menggunakan rumus (halaman 411) untuk kurva belajar 90%, b =
di 2 0,693147
1. Hitung perkiraan total biaya produksi enam PT109 untuk Angkatan Laut. (Blue Seas akan membuat kapal penyebaran pertama
Yg dibutuhkan
tetap dirakit, dengan biaya $1.533.900, sebagai model demonstrasi untuk pelanggan potensial.)
2. Berapa jumlah dolar dari perbedaan antara (a) perkiraan biaya total untuk memproduksi enam PT109 dalam persyaratan 1 dan
(b) perkiraan biaya total untuk memproduksi enam PT109, dengan asumsi bahwa tidak ada kurva pembelajaran untuk
manufaktur langsung tenaga kerja? Yaitu, untuk (b) mengasumsikan fungsi linier untuk unit yang diproduksi dan jam kerja
manufaktur langsung.
10-41 Estimasi biaya, model pembelajaran satuan waktu tambahan. Asumsikan informasi yang sama untuk Perusahaan Kapal
WLJ seperti pada Soal 10-40 dengan satu pengecualian. Pengecualian ini adalah bahwa WLJ Boat menggunakan model
pembelajaran unit-waktu inkremental 90% sebagai dasar untuk memprediksi jam kerja manufaktur langsung dalam operasi
perakitannya. (Kurva belajar 90% berarti b = -0,152004.)
Materi Tugas 431
1. Siapkan prediksi total biaya produksi enam PT109 untuk TNI AL.
2. Jika Anda menyelesaikan persyaratan 1 dari Soal 10-40, bandingkan prediksi biaya Anda di sana dengan yang Anda buat di
sini. Mengapa prediksinya berbeda? Bagaimana seharusnya WLJ Boat memutuskan model mana yang harus digunakan?
10-42 Regresi; memilih di antara model. Rumah Sakit Apollo mengkhususkan diri dalam operasi rawat jalan untuk prosedur
yang relatif kecil. Apollo adalah lembaga nirlaba dan sangat menekankan pada pengendalian biaya untuk memberikan layanan
kepada masyarakat secara efisien.
CFO Apollo, Julie Chen, akhir-akhir ini mengkhawatirkan konsumsi pasokan medis rumah sakit. Untuk lebih memahami
perilaku biaya ini, Julie berkonsultasi dengan Rhett Bratt, orang yang bertanggung jawab atas sistem biaya Apollo. Setelah
beberapa diskusi, Julie dan Rhett menyimpulkan bahwa ada dua pemicu biaya potensial untuk biaya persediaan medis rumah sakit.
Driver pertama adalah jumlah total prosedur per dibentuk. Yang kedua adalah jumlah jam pasien yang dihasilkan oleh Apollo. Julie
dan Rhett melihat yang terakhir sebagai pemicu biaya yang berpotensi lebih baik karena rumah sakit melakukan berbagai prosedur,
beberapa lebih kompleks daripada yang lain.
Rhett memberikan data berikut yang berkaitan dengan tahun lalu kepada Julie.
Bulan Biaya Perlengkapan Medis Jumlah Prosedur Jumlah Pasien-Jam
Januari $106.000 230.000 320 2.000

Februari 84.000 238.000 500 3.900
Berbaris 240 Yg dibutuhkan
193.000 180.000 1.900
April 210.000 92.000 520 4.100
Mungkin 222.000 78.000 240 3.400
Juni 127.000 225.000 340 3.700
Juli 420 3.100
Agustus 360 1.200
September 320 3.000
Oktober 180 1.300
November 440 2.800
Desember 380 3.800
1. Perkirakan persamaan regresi untuk (a) biaya perbekalan kesehatan dan jumlah prosedur dan (b) biaya perbekalan kesehatan
dan jumlah jam pasien. Anda harus mendapatkan hasil berikut:
Regresi 1 : Biaya perbekalan kesehatan = a + (b * Jumlah prosedur)
Variabel Koefisien Kesalahan nilai-t

Konstan $36.939.77 Standar 0,65
Variabel independen: Jumlah prosedur $361.91 $56.404,86 $152,93 2.37
Regresi 2 : Biaya perbekalan kesehatan = a + (b * Jumlah pasien@jam)

Variabel $3,654,86 $23.569,51 0.16
Independen Konstan: Jumlah jam pasien $56,76 $7.82 7.25
2r = 0,84; Statistik Durbin@Watson = 1,91
2. Pada grafik yang berbeda plot data dan garis regresi untuk masing-masing fungsi biaya berikut:
sebuah. Biaya perbekalan kesehatan = a + (b * Jumlah prosedur)
b. Biaya perbekalan kesehatan = a + (b * Jumlah pasien@jam)
3. Evaluasi model regresi untuk “Jumlah prosedur” dan “Jumlah jam pasien” sebagai
cost driver menurut format Exhibit 10-19 (halaman 417).
4. Berdasarkan analisis Anda, cost driver mana yang harus diadopsi Julie Chen untuk Rumah Sakit Apollo? Menjelaskan.
10-43 Regresi berganda (lanjutan dari 10-42). Setelah diskusi lebih lanjut, Julie dan Rhett bertanya-tanya apakah mereka harus
melihat jumlah prosedur dan jumlah jam pasien sebagai penggerak biaya dalam estimasi regresi berganda untuk memahami biaya
persediaan medis Apollo dengan baik.
1. Lakukan regresi berganda untuk memperkirakan persamaan regresi untuk biaya perbekalan kesehatan dengan menggunakan Yg dibutuhkan
jumlah prosedur dan jumlah jam pasien sebagai variabel independen. Anda harus mendapatkan hasil berikut:
Regresi 3 : Biaya perbekalan kesehatan = a + (b1 * Jumlah prosedur) + (b2 * Jumlah pasien@jam)
Variabel Kesalahan Standar Koefisien nilai-t

Konstan -$3,103,76 $30.406.54 -0,10
Variabel bebas 1: Jumlah prosedur Variabel bebas $38,24 $ 100.76 0.38
2: Jumlah jam pasien = 0,84; Statistik Durbin@Watson $54,37 $10.33 5.26
2r = 1,96
2. Mengevaluasi keluaran regresi berganda dengan menggunakan kriteria kecocokan ekonomi yang masuk akal,
signifikansi variabel independen, dan spesifikasi asumsi estimasi.
3. Masalah potensial apa yang dapat muncul dalam analisis regresi berganda yang tidak ada dalam model regresi sederhana?
Apakah ada bukti kesulitan seperti itu dalam regresi berganda dalam masalah ini? Menjelaskan.
4. Model regresi mana dari Soal 10-42 dan 10-43 yang akan Anda rekomendasikan untuk digunakan Julie? Menjelaskan.
10-44 Estimasi biaya. Hankuk Electronics memulai produksi pada ponsel pintar baru yang canggih yang menjalankan sistem
operasi Android pada Januari 2020. Mengingat margin yang sangat tipis dalam industri elektronik konsumen, kesuksesan Hankuk
sangat bergantung pada kemampuan memproduksi ponsel seekonomis mungkin.
Pada akhir tahun pertama produksi, pengontrol Hankuk, Inbee Kim, mengumpulkan data tentang tingkat output bulanannya,
serta konsumsi bulanan jam kerja langsung (DLH). Inbee memandang jam kerja sebagai pendorong utama biaya langsung dan
overhead Hankuk. Informasi yang dikumpulkan oleh Inbee disediakan di bawah ini:
Bulan Keluaran (Unit) Jam Kerja Langsung
Januari 684 492 1.400

Yg dibutuhkan
Februari 660 504 820
Berbaris 612 636 875
April 648 600 670
Mungkin 648 696 760

Juni 672 675 765
Juli 735
Agustus 660
September 695
Oktober 710
November 690
Desember 700
1. Inbee ingin meneliti hubungan antara konsumsi tenaga kerja langsung dan tingkat output. Dia memutuskan untuk memperkirakan
hubungan ini menggunakan regresi linier sederhana berdasarkan data bulanan. Verifikasi bahwa berikut ini adalah hasil yang
diperoleh Inbee:
Regresi 1: Tenaga kerja langsung@jam = a + (b * Unit keluaran)

Konstan 345,24 589,07 0,59
Variabel independen: Unit keluaran 0,71 0,93 0,76
r 2 = 0,054; Statistik Durbin@Watson = 0,50
3. Inbee memperkirakan bahwa Hankuk memiliki biaya variabel sebesar $17,50 per jam tenaga kerja langsung. Dia berharap
Hankuk akan memproduksi 650 unit di bulan depan, Januari 2021. Berapa yang harus dia anggaran sebagai biaya variabel
yang diharapkan? Seberapa yakin dia dengan perkiraannya?
10-45 Estimasi biaya, kurva pembelajaran (lanjutan dari 10-44). Inbee khawatir bahwa dia masih belum memahami hubungan
antara output dan konsumsi tenaga kerja. Dia berkonsultasi dengan Jim Park, kepala teknik, dan membagikan hasil estimasi
regresinya. Jim menunjukkan bahwa produksi model ponsel cerdas baru menunjukkan efek pembelajaran yang signifikan—karena
Hankuk memperoleh pengalaman dengan produksi, Hankuk dapat menghasilkan unit tambahan dengan menggunakan lebih sedikit
waktu. Dia menyarankan bahwa lebih tepat untuk menentukan hubungan berikut:
Materi Tugas 433
y = axb
di mana x adalah produksi kumulatif dalam unit, y adalah kumulatif rata-rata jam kerja langsung per unit (yaitu, DLH kumulatif dibagi
dengan produksi kumulatif), dan a dan b adalah parameter efek pembelajaran.
Untuk memperkirakan ini, Inbee dan Jim menggunakan data asli untuk menghitung output kumulatif dan jam kerja rata-rata kumulatif
per unit untuk setiap bulan. Mereka kemudian mengambil logaritma natural dari variabel-variabel ini untuk dapat memperkirakan persamaan
regresi. Berikut adalah data yang diubah:
Rata-rata Kumulatif
Kumulatif Kumulatif Jam Kerja Langsung
Keluaran Langsung Per unit
Bulan (x) Jam Kerja (y) Ln (y) Ln (x)
Januari 684 1.400 2.047 0,716 6.528
Februari 1.176 2.220 1.888 0,635 7.070

Berbaris 1.836 3.095 1.686 0,522 7.515
April 2.340 3.765 1.609 0,476 7.758
Mungkin 2.952 4.525 1.533 0,427 7.990

Juni 3.588 5.290 1,474 0,388 8.185
Juli 4.236 6.025 1,422 0.352 8.351
Agustus 4.836 6.685 1,382 0,324 8.484
September 5.484 7.380 1,346 0.297 8.610

Oktober 6.180 8.090 1.309 0.269 8.729
November 6.852 8.780 1.281 0.248 8.832
Desember 7.527 9.480 1.259 0,231 8.926
1. Perkirakan hubungan antara jam kerja langsung rata-rata kumulatif per unit dan output kumulatif (keduanya dalam logaritma). Verifikasi Yg dibutuhkan
bahwa berikut ini adalah hasil yang diperoleh Inbee dan Jim:
Regresi 1: Ln (Rata-rata Kumulatif DLH per unit) = a + [b * Ln (Keluaran Kumulatif)]
Konstan 2.087 0,024 85.44
Variabel independen: Ln (Cum Output) -0,208 0,003 -69.046
3. Pastikan bahwa koefisien kemiringan yang diperkirakan sesuai dengan rata-rata waktu belajar kumulatif 86,6%
melengkung.
4. Berdasarkan estimasi baru ini, bagaimana Inbee merevisi anggaran biaya variabel Hankuk untuk output yang diharapkan sebesar
650 unit pada Januari 2021? Seberapa yakin dia dengan perkiraan biaya baru ini?
10-46 Menafsirkan hasil regresi, mencocokkan periode waktu. Nandita Summers bekerja di Modus, sebuah toko yang menyediakan
fashion untuk dewasa muda. Nandita bertanggung jawab atas anggaran iklan dan promosi toko online. Selama setahun terakhir, dia telah
mempelajari optimisasi mesin pencari dan telah membeli kata kunci dan menampilkan iklan di Google, Facebook, dan Twitter. Untuk
menganalisis keefektifan usahanya dan memutuskan apakah akan melanjutkan iklan online atau memindahkan uang iklannya kembali ke
media cetak tradisional, Nandita mengumpulkan data berikut:
On line Penjualan
Bulan Biaya Iklan Pendapatan
September $5.125 $44.875

Oktober 5.472 42.480
November 3.942 53.106
Desember 1.440 64.560
Januari 4.919 34.517
Februari 4.142 59,438

Berbaris 1.290 51,840
April 5.722 36.720
Mungkin 5.730 62.564

Juni 2.214 59.568
Juli 1.716 35.450
Agustus 1.875 36.211

1. Nandita melakukan analisis regresi, membandingkan biaya iklan online setiap bulan dengan itu
Yg dibutuhkan
pendapatan bulan. Verifikasi bahwa dia memperoleh hasil berikut:
Pendapatan penjualan = $51.999,64 - 10,98 * Beban iklan online2

Konstan $51,999,64 7.988.68 6.51
Variabel independen: Biaya iklan online -0,98 1.99 -0,49
2. Plot data sebelumnya pada grafik dan gambar garis regresi. Apa yang ditunjukkan oleh rumus biaya tentang hubungan antara
biaya iklan online bulanan dan pendapatan penjualan bulanan? Apakah hubungan tersebut masuk akal secara ekonomi?
3. Setelah berpikir lebih jauh, Nandita menyadari mungkin ada kekurangan dalam pendekatannya. Secara khusus, mungkin ada
jeda antara waktu pelanggan mengklik ke situs web Modus dan membaca konten media sosialnya (yaitu ketika biaya iklan
online dikeluarkan) dan waktu mereka benar-benar berbelanja di toko fisik. Nandita memodifikasi analisisnya dengan
membandingkan pendapatan penjualan setiap bulan dengan biaya iklan di bulan sebelumnya. Setelah membuang
pendapatan penjualan bulan September dan biaya iklan bulan Agustus, tunjukkan bahwa regresi yang dimodifikasi
menghasilkan sebagai berikut:
Pendapatan penjualan = $28.361,37 + 15,38 * Beban iklan online2

Konstan $28,361,37 5.428,69 5.22
Variabel independen: Biaya iklan online bulan sebelumnya r 5,38 1,31 4.12
2
= 0,65; Statistik Durbin@Watson = 1,71
4. Apa yang ditunjukkan oleh rumus yang direvisi? Plot data yang direvisi pada grafik. Apakah hubungan ini ekonomis?
masuk akal?
5. Dapatkah Nandita menyimpulkan bahwa ada hubungan sebab-akibat antara biaya iklan online dan pendapatan penjualan?
Mengapa atau mengapa tidak?
10-47 Pemicu biaya departemen pembelian, penetapan biaya berdasarkan aktivitas, analisis regresi sederhana.
Designer Wear mengoperasikan jaringan 10 department store ritel. Setiap department store membuat keputusan pembeliannya
sendiri. Barry Lee, asisten presiden Designer Wear, tertarik untuk lebih memahami pendorong biaya departemen pembelian.
Selama bertahun-tahun, Designer Wear telah mengalokasikan biaya departemen pembelian ke produk berdasarkan nilai dolar
barang dagangan yang dibeli.
Item $ 100 dialokasikan 10 kali lebih banyak biaya overhead yang terkait dengan departemen pembelian sebagai item $ 10.
Lee baru-baru ini menghadiri seminar berjudul “Penggerak Biaya di Industri Ritel.” Dalam presentasi di seminar, Couture
Fabrics, pesaing terkemuka yang telah menerapkan penetapan biaya berdasarkan aktivitas, melaporkan jumlah pesanan pembelian
dan jumlah pemasok sebagai dua pemicu biaya terpenting dari biaya departemen pembelian. Nilai dolar barang dagangan yang
dibeli dalam setiap pesanan pembelian tidak ditemukan sebagai pemicu biaya yang signifikan. Lee mewawancarai beberapa
anggota departemen pembelian di toko Designer Wear di Miami. Mereka percaya bahwa kesimpulan Couture Fabrics juga berlaku
untuk departemen pembelian mereka.
Lee mengumpulkan data berikut untuk tahun terakhir untuk 10 department store ritel Designer Wear:
SEBUAH B C D E
Pembelian Nilai Dolar dari Jumlah
Departemen Barang dagangan Pembelian Jumlah
Biaya Dibeli Pesanan Pemasok
1 Toko serba ada (PDC) (MP$) (Jumlah PO) (Jumlah Ss)
2 Baltimore $1,525,000 $68.325.000 4.350 130
3 Chicago 1.120.000 33.450.000 2.555 225
4 Los Angeles 535.000 121,100,000 1,438 12
5 Miami 2.042.000 119.550.000 5.940 193
6 New York 1.050.000 33.520.000 2,795 20
7 Phoenix 522.000 29.847.000 1,315 39
8 Seattle 1.533.000 102.886.000 7,592 112
9 St Louis 1.748.000 38.665.000 3,610 124
10 Toronto 1.618.000 139.315.000 1.710 215
11 Vancouver 1.251.000 130.940.000 4.725 208
Materi Tugas 435
Lee memutuskan untuk menggunakan analisis regresi sederhana untuk memeriksa apakah satu atau lebih dari tiga variabel (tiga kolom
terakhir dalam tabel) merupakan pemicu biaya dari biaya departemen pembelian. Hasil ringkasan untuk regresi ini adalah sebagai
berikut:
Regresi 1 : PDC = a + (b * MP$)
Variabel Koefisien Kesalahan nilai-t
Konstan $1.040.594 Standar $344.830 3.02
Variabel bebas 1: MP$ = 0,08; 0,0031 0,0037 0.83

2r Statistik Durbin-Watson = 2,42
Regresi 2 : PDC = a + (b * Jumlah PO)
Konstan $731.687 $267.395 2.74
Variabel Independen 1: Jumlah POs $156,18 $ 65.19 2.40

r 2 = 0,42; Statistik Durbin-Watson = 1,99
Regresi 3 : PDC = a + (b * Jumlah Ss)
Konstanta $802.629 $248.566 3.23
Variabel Independen 1: Jumlah Ss $3.848 $1.660 2.32

2r = 0,40; Statistik Durbin-Watson = 2.00
1. Bandingkan dan evaluasi tiga model regresi sederhana yang diestimasi oleh Lee. Grafik masing-masing. Juga, Yg dibutuhkan
gunakan format yang digunakan dalam Tampilan 10-18 (halaman 416) untuk mengevaluasi informasi.
2. Apakah hasil regresi mendukung presentasi Couture Fabrics tentang cost driver departemen pembelian? Manakah dari pemicu
biaya ini yang akan Anda rekomendasikan dalam merancang sistem ABC?
3. Bagaimana Lee dapat memperoleh bukti tambahan tentang pendorong biaya departemen pembelian di masing-masing Perancang?
Toko pakaian?
10-48 Pemicu biaya departemen pembelian, analisis regresi berganda (lanjutan 10-47). Barry Lee memutuskan bahwa analisis
regresi sederhana yang digunakan dalam Soal 10-47 dapat diperluas menjadi analisis regresi berganda. Dia menemukan hasil berikut
untuk dua analisis regresi berganda:
Regresi 4: PDC = a + (b1 * Jumlah PO) + (b2 * Jumlah Ss)
Konstanta $481.186 $ $ 259.020 1.86
Variabel Independen 1: Jumlah POs $2.941 121,37 $ $ 1.45858.04 2.09
Variabel Independen 2: Jumlah Ss 2.02

2r= 0,63; Statistik Durbin-Watson = 1,91
Regresi 5: PDC = a + (b1 * Jumlah PO) + (b2 * Jumlah Ss) + (b3 * MP$)
Konstanta $496.544 $311,137 1.60
Variabel Independen 1: Jumlah POs $122.73 $63,79 $1,646 1.92
Variabel Independen 2: Jumlah Ss Variabel $2.996 0.00033 0,0030 1.82
Independen 3: MP$ 0.11

2r= 0,63; Statistik Durbin-Watson = 1,92
Koefisien korelasi antara kombinasi pasangan variabel adalah sebagai berikut:
PDC MP$ Jumlah PO
MP$ 0,28
Jumlah POs 0,65 0.27
Jumlah Ss 0,63 0.35 0,30
Yg dibutuhkan 1. Evaluasi regresi 4 menggunakan kriteria economic plausibility, goodness of fit, signifikansi variabel dependen, dan
analisis spesifikasi. Bandingkan regresi 4 dengan regresi 2 dan 3 pada Soal 10-47. Manakah dari model ini yang akan
Anda rekomendasikan untuk digunakan Lee? Mengapa?
2. Bandingkan regresi 5 dengan regresi 4. Manakah dari model ini yang akan Anda rekomendasikan untuk Lee?
menggunakan? Mengapa?
3. Lee memperkirakan data berikut untuk toko Baltimore untuk tahun depan: nilai dolar barang dagangan yang dibeli,
$77,000,000; jumlah pesanan pembelian, 4.200; jumlah pemasok, 120. Berapa yang harus dianggarkan Lee untuk
biaya departemen pembelian untuk toko Baltimore untuk tahun depan?
4. Kesulitan apa yang tidak muncul dalam analisis regresi sederhana yang mungkin timbul dalam analisis regresi berganda?
Apakah ada bukti kesulitan seperti itu di salah satu dari regresi berganda yang disajikan dalam masalah ini?
Menjelaskan.
5. Berikan dua contoh keputusan di mana hasil regresi dilaporkan di sini (dan dalam Soal 10-47)
bisa informatif.

10 CPTR

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

10 CPTR

Diunggah oleh

Hak Cipta:

Format Tersedia

Machine Translated by Google

Menentukan Bagaimana Biaya

TUJUAN PEMBELAJARAN Apa gunanya melihat masa lalu?

5 Jelaskan tiga kriteria yang digunakan untuk

6 Jelaskan fungsi biaya nonlinier,

peningkatan persentase kecil dalam biaya bahan bakar mewakili besar

Southwest Airlines menggunakan analitik data besar untuk menelusuri

kelembaban—pada lebih dari satu juta penerbangan setiap tahunnya ke

contoh, jika analitik Southwest menunjukkan bahwa pesawat di a

beban bahan bakar di masa depan untuk memotong biaya.

Berkat daya komputasi yang tersedia, anal yang begitu kompleks

biaya bahan bakar sebesar $105 juta.

model analitik data yang lebih modern di Bab 11.

Asumsi Dasar dan Contoh Fungsi Biaya

dan tiga cara umum di mana

Fungsi Biaya Linier

386 BAB 10 Menentukan Bagaimana Biaya Berperilaku

PAMERAN 10-1 Contoh Fungsi Biaya Linier

PANEL A: PANEL B: PANEL C:

$2.000 $2.000 $2.000

$1.000 biaya $0,20 per

4,000 8,000 4,000 8,000 4,000 8,000

Alternatif 1: $2,000 ($0,50 per jam * 4,000 jam )

Alternatif 3: $1.100 [$300 + ($0,20 per jam * 4.000 jam) ]

Asumsi Dasar dan Contoh Fungsi Biaya 387

Tinjauan Klasifikasi Biaya

Pilihan Objek Biaya

Rentang yang relevan

2.000 4,000 6.000 8,000

Snowboards Diproduksi (X)

388 BAB 10 Menentukan Bagaimana Biaya Berperilaku

Mengidentifikasi Penggerak Biaya

Penggerak Biaya dan Proses Pengambilan Keputusan

Metode Estimasi Biaya 389

5. Melaksanakan keputusan, mengevaluasi kinerja, dan belajar. Setahun kemudian manajer

Metode Estimasi Biaya

... misalnya, metode

Keuntungan dan Tantangan

390 BAB 10 Menentukan Bagaimana Biaya Berperilaku

Keuntungan dan Tantangan

Metode Analisis Akun

Biaya tenaga kerja manufaktur tidak langsung = $2,157 +

Keuntungan dan Tantangan

Metode Estimasi Biaya 391

Mingguan Tidak Langsung

organisasi harus memastikan bahwa individu dengan pengetahuan menyeluruh tentang

Metode Analisis Kuantitatif

Keuntungan dan Tantangan

392 BAB 10 Menentukan Bagaimana Biaya Berperilaku

Memperkirakan Fungsi Biaya Menggunakan

Tunjangan Penggerak Biaya

Keuntungan sehat Jumlah Karyawan

Memperkirakan Fungsi Biaya Menggunakan Analisis Kuantitatif 393

$1.600 PAMERAN 10-4

Penggerak Biaya: Jam Mesin (X)

Penggerak Biaya: Manufaktur Tidak Langsung

Pengamatan cost driver tertinggi (minggu 6) 96 $1,456

Koefisien kemiringan, b, dihitung sebagai berikut:

Selisih antara biaya yang terkait dengan yang tertinggi

= $746 , 50 mesin@jam = $14,92 per mesin@jam

394 BAB 10 Menentukan Bagaimana Biaya Berperilaku

Pada pengamatan pemicu biaya tertinggi, konstanta, a, adalah

Konstanta = $1,456 - $14,92 per mesin@jam * 96 mesin@jam2 = $23,68