MAKALAH

ESTIMASI DAN PERAMALAN BIAYA

DOSEN PENGAMPU:
Indah Lestari Anwar, S.E., M.S.M

DISUSUN OLEH:
Kelompok 4
Mufti Musaddat (200903501041)
Tri Reskita Putri (200903502045)
Raisah Amrisah (200903502046)
Junaedi (200903502047)
Fira Anugrah (200903502048)
Muhammad Najib Mubarak (200903502049)

KELAS C

PROGRAM STUDI MANAJEMEN

FAKULTAS EKONOMI
UNIVERSITAS NEGERI MAKASSAR
TAHUN 2022
 KATA PENGANTAR

Puji syukur penulis panjatkan kehadirat Allah SWT yang telah

melimpahkan Rahmat, Hidayah, dan Inayah kepada penulis sehingga dapat
disusun dan diselesaikannya makalah ini yang berjudul “Estimasi dan Peramalan
Biaya”

Dalam penyusunan, kami mendapatkan banyak masukan, pengarahan dan

bantuan dari semua pihak yang turut serta membantu dalam pembuatan makalah
ini.

Kami menyadari bahwa penyusunan makalah ini jauh dari sempurna,

maka dengan segala kerendahan hati penulis mengharapakan kritik dan saran
yang sifatnya membangun demi kesempurnaan makalah ini. Oleh karena itu
demi kesempurnaan, kami mengharapkan adanya saran dan kritik dari semua
pihak.

Makassar, 18 November 2022

Kelompok 4

i
 DAFTAR ISI

KATA PENGANTAR ......................................................................................... i

DAFTAR ISI ...................................................................................................... ii

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

A. Latar Belakang........................................................................................ 1
B. Rumusan Masalah................................................................................... 2
C. Tujuan Makalah ...................................................................................... 3

BAB II PEMBAHASAN .................................................................................... 4

A. Pengertian Penaksiran dan Peramalan Biaya ........................................... 4
B. Penaksiran Biaya Jangka Pendek ............................................................ 5
C. Penaksiran Biaya Jangka Panjang ......................................................... 14
D. Peramalan Biaya ................................................................................... 18

BAB III PENUTUP.......................................................................................... 26

A. Kesimpulan .......................................................................................... 26
B. Saran .................................................................................................... 26

DAFTAR PUSTAKA....................................................................................... 27

ii
 BAB I

PENDAHULUAN

A. Latar Belakang
Penaksiran dan peramalan biaya sangat berguna bagi manajer
perusahaan untuk menemukan dan menentukan bentuk dan kurva biaya
suatu perusahaan. Penaksiran biaya dapat dilakukan oleh perusahaan untuk
keperluan perusahaan dalam waktu jangka pendek maupun untuk waktu
jangka panjang. Pemahaman fungsi biaya untuk waktu jangka pendek
akan membantu pengambil keputusan untuk menilai optimalisasi tingkat output
perusahaan. Untuk waktu jangka panjang, fungsi biaya akan bermanfaat bagi
pengambil keputusan dalam mempertimbangkan untuk melakukan ekspansi.

Penaksiran dan peramalan biaya untuk pengambilan keputusan merupakan

usaha untuk menemukan bentuk dan posisi kurva – kurva biaya dari suatu
perusahaan. Pemahaman terhadap fungsi biaya jangka pendek akan membantu
para pembuat keputusan untuk menilai optimalitas tingkat output sekarang dan
memecahkan masalah pengambilan keputusan dengan menggunakan analisis
kontribusi.

Biaya inkremental selain mencakup biaya variabel, juga mencakup setia

perubahan biaya tetap (fixed cost). Dalam jangka pendek, beberapa pos biaya
tetap dapat mengalami kenaikan, karena sering kali fasilitas – fasilitas produksi (
input – input tetap) yang ada menghadapi kendala untuk mencapai kapasitas
produksinya secara penuh sehingga fasilitas –fasilitas tersebut perlu ditambah.
Analisis biaya inkremental ini berkaitan dengan variabilitas dari semua komponen
biaya dan karenanya memerlukan suatu apresiasi terhadap tingkat kapasitas yang
menganggur dari kategori biaya tetap yang ada.

Apabila kategori biaya tetap diperkirakan akan menghadapi kendala untuk

mencapai kapasitas sepenuhnya, sehingga perlu dilakukan kerja lembur atau
penambahan tambahan, maka pembuat keputusan harus memperhitungkan biaya

1
untuk kerja lembur dan penambahan fasilitas tersebut sebagaimana halnya kita
menghitung biaya – biaya variabel ketika kita menaksir biaya inkremental yang
timbul karena adanya keputusan tertentu.

Informasi fungsi biaya jangka panjang diperlukan apabila kita akan

melakukan ekspansi atau kontraksi ukuran pabrik dan untuk meyakinkan bahwa
ukuran pabrik yang ada sudah optimal untuk tingkat output yang diproduksi. Ingat
bahwa fungsi biaya jangka panjang ini menunnjukkan alternatif ukuran pabrik
saat ini.

Biaya jangka panjang tersebut tidak boleh diinterpretasikan sebagai

perkiraan biaya dari berbagai ukuran pabrik untuk masa yang akan datang, karena
baik teknologi maupun harga faktor produksi relatif cenderung berubah, sehingga
dapat menyebabkan fungsi biaya jangka panjang tersebut menjasi tidak akurat
lagi. Untuk menaksir biaya masa datang tersebut, kita perlu meramalkan
perubahan teknoligi dan perubahan rasio harga faktor produksi serta
mengisolasinya dari pengaruh inflasi pada waktu yang akan datang.

B. Rumusan Masalah

1. Apa yang dimaksud dengan estimasi dan peramalan biaya?

2. Bagaimana cara menaksikran biaya jangka pendek?
3. Apa saja metode-metode yang digunakan dalam penaksiran biaya jangka
pendek?
4. Bagaiamana cara menaksirkan biaya jangka panjang?
5. Apa saja metode-metode yang digunakan dalam penaksiran jangka
panjang ?
6. Apa yang dimaksud dengan peramalan biaya?

2
C. Tujuan Makalah

1. Untuk mengetahui pengertian estimasi dan peramalan biaya.

2. Untuk mengetahui bagaimana cara menaksikran biaya jangka pendek.
3. Untuk mengetahui metode-metode yang digunakan dalam penaksiran
biaya jangka pendek.
4. Untuk mengetahui bagaimana cara menaksirkan biaya jangka panjang.
5. Untuk mengetahui metode-metode yang digunakan dalam penaksiran
biaya jangka panjang.
6. Untuk mengetahui pengertian peramalan biaya.

3
 BAB II

PEMBAHASAN

A. Pengertian Estimasi dan Peramalan Biaya

Estimasi atau (penafsiran) adalah fungsi biaya merupakan proses untuk

menentukan nilai koefisien suatu fungsi biaya suatu produk. Pada sisi yang lain,
prakiraan (peramalan) fungsi biaya bertujuan untuk meramalkan biaya di masa
yang akan datang.

Penaksiran dan peramalan biaya untuk pengambilan keputusan merupakan

usaha untuk menemukan bentuk dan posisi kurva – kurva biaya dari suatu
perusahaan. Penaksiran dan prakiraan fungsi biaya memiliki tujuan yang berbeda-
beda. Tujuan utama penaksiran fungsi biaya adalah untuk mengevaluasi
penentuan biaya produk, yaitu apakah penentuan biaya produk oleh perusahaan
telah optimal. Prakiraan fungsi biaya dimaksudkan untuk sebagai sumber
informasi di dalam merencanakan biaya produksi produk jika perusahaan akan
menambah kapasitas produksinya.

Proses penaksiran dan peramalan biaya terdiri dari tiga bagian pokok, yakni :
1. Penaksiran biaya jangka pendek
2. Penaksiran biaya jangka panjang
3. Peramalan biaya

Dalam pembahasan peramalan biaya, kita akan mengamati fenomena

kurva learning (learning curve). Kurva ini menun-jukkan penurunan biaya per unit
jika volume produksi kumulatif meningkat terus yang disebabkan oleh perbaikan
produktivitas input variabel karena manajemen telah "mempelajari" proses
produksi dengan lebih baik.

4
B. Penaksiran Biaya Jangka Pendek

Dalam jangka pendek kita dihadapkan, terutama sekali pada perilaku biaya
variabel. Namun demikian, kita juga harus memperhatikan biaya inkremental
lainnya, seperti misalnya perubahan pada pos-pos biaya tetap yang diperlukan
untuk mengimplementasikan suatu keputusan tertentu. Penaksiran biaya jangka
pendek ini dapat dilakukan dengan 4 metode yaitu :

1. Ekstrapolasi sederhana
Ekstrapolasi berarti menghubungkan nilai nilai dengan titik-titik di luar
kisaran yang ditunjukkan oleh data dasar yang kita miliki, dengan cara
memproyeksikannya berdasarkan pola hubungan yang tampak dalam data dasar
tersebut.
Ekstrapolasi sederhana merupakan metode untuk menentukan fungsi
biaya dengan cara mengekstrapolasi tingkat biaya marginal atau biaya
variabel rata - rata saat ini (ke belakang atau ke depan) pada tingkat-tingkat
output lainnya (Arsyad, 2011). Untuk memperjelas konsep ekstrapolasi
sederhana, dapat dijelaskan dengan contoh sebagai berikut:

Contoh :

Diketahui:

Minggu JumlahBiaya variabel total

output
Minggu 1 7.000 42.000.000
Minggu 2 7.500 ?

Hitung: biaya variabel total untuk minggu kedua

Pembahasan:

 Untuk menghitung biaya pada minggu kedua, kita dapat

menghitung terlebih dahulu biaya variabel per unitnya, yaitu:

5
 𝐵𝑖𝑎𝑦𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑒𝑙 𝑡𝑜𝑡𝑎𝑙
Biaya variabel per unit = 𝐽𝑢𝑚𝑙𝑎ℎ 𝑜𝑢𝑡𝑝𝑢𝑡𝑛𝑦𝑎

42.000.000
Biaya variabel per unit = 7.000

= 6000

 Langkah berikutnya adalah menghitung tambahan biaya variabel yang

disebabkan adanya pertambahan jumlah output yang diproduksi.
Menghitung tambahan biaya variabel, adalah sebagai berikut:

Tambahan jumlah output = Output minggu 2- Output minggu 1

= 7.500 – 7.000

= 500 unit

Tambahan biaya variabelnya adalah = 500 unit x 6.000

= 3.000.000

 Setelah tambahan biaya variabelnya diketahui, maka selanjutnya dapat

diketahui kebutuhan biaya pada minggu kedua yaitu:

Biaya variabel minggu kedua =VC minggu pertama+tambahanVC

= Rp.42.000.000 + Rp.3.000.000

= Rp. 45.000.000

Jika tidak ada prubahan biaya lainnya sebagai akibat adanya keputusan
untuk memenuhi pesanan toko itu, kita dapat memperkirakan bahwa biaya
inkremental adalah sebesar Rp 3 juta untuk memproduksi 500 lusin pakaian
dalam tambahan tersebut dan penerimaan inkremental menjadi Rp 3,5 juta. Jadi

6
dari keputusan ini diharapkan positif sebesar Rp 500 ribu dan manajer produksi
tersebut akan memenuhi pesanan ini.

Jika kenaikan TVC tidak konstan, misalnya dengan tingkat yang semakin
besar kenaikan TVC tersebut sebelum keputusan dibatalkan? Jawabannya adalah
Rp 3,5 juta, pada titik dimana tidak ada kontribusi dari keputusan ini, sehingga
pesanan tersebut tidak perlu dipenuhi. Kenaikan TVC sebesar Rp 3,5 juta
tersebut, akan meningkatkan TVC menjadi Rp 45,5 juta dan ini berarti AVC pun
akan meningkat menjadi Rp 6,067 ribu atau sedikit lebih tinggi daripada AVC
pada tingkat output sebelumnya. Jadi keputusan ini sangat sensitif terhadap
asusmsi biaya marginal yang konstan tersebut. Oleh karena itu PT GITA
PRATIWI sebaiknya tidak memenuhi pesanan tambahan itu, jika perusahaan itu
tidak yakin bahwa TVC meningkat dengan tingkat konstan (atau menurun).

KURVA EKSTRAPOLASI BERDASARKAN MC YANG KONSTAN

2. Analisis Gradien
Analisis gradien merupakan analisis yang bertujuan untuk
mengetahui tingkat perubahan biaya total pada interval output

7
tertentu(Arsyad, 2011). Tujuan analisis ini adalah untuk mengetahu
biaya marjinal karena adanya pertambahan output. Gradien berarti slope dan
gradien dari TC ini dapat dihitung dengan cara membagi perubahan TC
dengan perubahan tingkat output. Secara matematis, analisis gradien dapat
dirumuskan sebagai berikut :

∆ 𝑇𝐶
Gradien = ∆𝑄

Gradien TC atau TVC tidak sama persis dengan MC, karena MC

menunjukkan perubahan TC yang hanya diakibatkan oleh perubahan satu unit
output. Padahal dalam praktek, output cenderung berubah dengan loncatan yang
tidak teratur sehingga kita harus menghitung gradien tersebut dengan interval-
interval yang lebih besar dari satu unit. Gradien ini menghasilkan penaksir MC
pada suatu kisaran tingkat output tertentu.

Contoh :
Diketahui:
Minggu Jumlah Biaya variabel
output total
Minggu 1 7.000 42.000.000
Minggu 2 7.500 45.000.000

Hitung: biaya marginal

Pembahasan :
∆ 𝑇𝐶
Gradien = ∆𝑄

45.000.000−42.000.000
Gradien = 7.500−7.000

3.000.000
Gradien = 500

Gradien = 6.000

8
 Berdasarkan pada perhitungan di atas dapat diketahui pada interval
ouput 7.000 unit sampai 7.500 unit, biaya marginalnya sebesar 6.000. ini adalah
MC pada kisaran output tersebut.

Misalkan PT GITA PRATIWI menerima pesanan untuk memproduksi 500

lusin tambahan , TVC untuk memproduksi 7.500 lusin adalah Rp 48.750.000.
Dengan demikian, gradien TVC dapat dihitung dengan cara berikut:

∆ 𝑇𝐶
Gradien =
∆𝑄

48.750.000−42.000.000
= 7.500−7.000

6.750.000
=
500

= 13.500

Jadi perubahan TVC pada interval output 7.000 – 7.500 lusin adalah
Rp 13.500 ribu per unit. Ini adalah nilai MC pada kisaran output tersebut.

3. Analisis Gradien dengan Beberapa Observasi

Jika kita memiliki data observasi yang lebih banyak, maka hasil
penaksiran kurva TVC, AVC dan MC akan menjadi lebih tepat. Jadi dengan
observasi beberapa pasang data biaya output yang lebih banyak akan
memungkinkan kita untuk memperoleh kurva AVC dan MC penaksir yang jauh
lebih sempurna. Tiap titik data tambahan akan memperjelas bentuk TVC,
sehingga perhitungan AVC dan MC yang lebih bisa dipercaya dapat diperoleh.

9
 KURVA BIAYA PENAKSIR DENGAN 2 OBSERVASI BIAYA /
OUTPUT

4. Analisis Regresi dengan Data Runtut –Waktu (Time-Series)

Metode ini digunakan jika perusahaan memiliki catatan (data) biaya
produksi perusahaan dari waktu-waktu. Untuk menaksir data biaya produksi
perusahaan dengan jumlah yang relatif banyak, kita dapat menggunakan analisis
regresi dengan menggunakan bantuan software statistik.

Jika kita memiliki jumlah observasi data biaya-output yang lebih banyak,
maka kita dapat menggunakan analisis regresi untuk menaksir hubungan anatara
biaya dengan suatu tingkat output tertentu, sehingga diperoleh suatu penaksir MC.
Jika kita menaksir fungsi biaya dari suatu perusahaaan tertentu, maka kita harus
menggunakan data runtut waktu dari perusahaan yang bersangkutan.

Analisis regresi dengan data runtut waktu sangat peka terhadap masalah kesalahan
pengukuran (measurement error). Data biaya harus mencakup semua biaya yang

10
timbul dalam memproduksi suatu tingkat output tertentu, apakah telah dibayar atau
belum.

Jika kita membuat spesifikasi TVC sebagai suatu fungsi linier dari output,
misalnya TVC = a+bQ, maka penaksir MC yang dihasilkan oleh analisis regresi
tersebut akan merupakan parameter b, karena MC ekuivalen dengan turunan dari
fungsi TVC pada output.

KURVA FUNGI BIAYA VARIABEL LINEAR

Alternatif lain untuk observasi data yang sama misalnya spesifikasi fungsi
pangkat dua (kudratik). Jika TVC = a + bQ +cQ2 , makaMC tidak akan konstan
tetapi menarik jika fungsi output konstan

11
 KURVA FUNGSI BIAYA KUADRATIK

Jika kita menganggap bahwa hubungan fungsional tersebutadalah fungsi

pangkat tiga (kubik), misalnya TVC = a + bQ +cQ2 + dQ3 , maka penaksir MC
yang dihasilkan oleh analisis regresi bersifat kurvilinier dan akan mengikat secara
kuadratik sesuai dengan tingkat output.

KURVA FUNGSI BIAYA VARIABEL PANGKAT TIGA (KUBIK)

Untuk memperjelas konsep analisis regresi dengan data runtut-waktu, dapat

dijelaskan dengan contoh sebagai berikut:

12
Contoh:

Diketahui:

Hitung: fungsi biaya produksi

Pembahasan:

13
Berdasarkan pada perhitungan di atas, maka dapat diketahui fungsi permintaannya
adalah Y = -7.841,6 + 5,872 X atau Biaya = -7.841,6 + 5,872Q.

C. Penaksiran Biaya Jangka Panjang

Pada bagian ini kita membahas metoda – metoda untuk memperoleh kurva
biaya jangka panjang atau alternative – alternative kurva biaya jangka pendek
pada suatu waktu. Metoda penaksiran biaya jangka panjang tersebut dengan
menggunakan metoda analisis regresi dengan data seksi silang (cross-section).

1. Analisis regresi dengan menggunakan data seksi silang (cross-section)

Observasi dari berbagai pabrik pada suatu periode tertentu (data seksi
silang) dapat dianalisis dengan menggunakan teknik analisis regresi. Oleh karena
itu, kita perlu mengumpulkan pasangan-pasangan observasi data yang
menghubungkan tingkat output dengan biaya total untuk mendapatkan tingkat
output tersebut untuk setiap pabrik, pada suatu periode waktu tertentu.
Jika kita ingin mengetahui ada tidaknya keadaan economies, costant, atau
diseconomies of plant size, maka kita harus membuat spesifikasi hubungan
fungsional pangkat tiga (kubik), karena hubungan ini merupakan bentuk
fungsional yang paling konsisten untuk melihat adanya ketiga kemungkinan
kadaan tersebut. Jika terjadi increasing returns to plant size dan kemudian terjadi
descreasing return to plant size, maka koefisien – koefisien dari output (Q)
pangkat dua dan pangkat tiganya akan merupakan determinan yang signifikan
bagi tingkat biaya total, dengan tanda negative untuk koefisien pangkat dua dan

14
positif bagi koefisien pangkat tiga. Seandainya koefisien pangkat tiga tersebut
merupakan determinan yang tidak signifikan, maka: jika tanda koefisien pangkat
dua tersebut positif berarti menunjukkan keadaan increasing returns to plant size,
atau decreasing returns to plant size.
Jika output pangkat da maupun pangkat tiga merupakan determinan yang
tidak signifikan bagi biaya – biaya, maka mungkin persamaan yang linier yang
lebih cocok dengan dta yang tersedia. Selanjutnya, titik perhatian kita arahkan
pada tanda kostanta pada persamaan linier tersebut. Jika tandanya positif, maka
kurva TC (jangka panjang) memiliki titik potong (intersep) yang positif; dan
Long-ru Average Cost (LRAC)-nya harus semakin menurun jika tingkat output
ditingkatkan. Oleh karena itu, data yang kita miliki itu menunjukkan adanya
economies of plant size pada kisaran observasi tersebut. Sebaliknya, jika kostanta
tersebut tandanya negative, mala LRAC pasti terus meningkat pada kisaran
observasi data yang kita miliki, dan ini mencerminkan terjadinya diseconomies
of plant size. Akhirnya, jika kostanta tersebut besarnya adalah nol, malka kita
dapat menyimpulkan bahwa terjadi keadaan costant returns to plant size pada
kisaran output yang diteliti.
Seandainya sebuah fngsi pangkat (power function), sepert TC= aQ b
merupakan bentuk paling cocok dengan data yang tersedia, maka besarnya
pangkat b akan menunjukkan apakah keadaan yang terjadi adalah increasing (jika
b < 1), descreasing (jika b> 1), atau constant returtns to plant size (jika b=1).
Ada dua masalah pokok dalam penggunaan data seksi silang ini bagi
penaksiran kurva biaya rata-rata jangka panjang. Masalah pertama adalah
masalah yang timbul karena observasi yang dikumpulkan sama sekali bukan
merupakan titik –titik pada kurva biaya rata-rata jangka panjang (LRAC).
Pada mulanya tampak terjadi economies of plant size dan terjadi
diseconomies of plant size pada pabrik ke empat dan ke lima yang terbesar. Hal
tersebut ditunjukkan oleh keadaan bahwa mula-mula average cost (AC) turun
tetapi kemudian naik ketika kita menghadapi pabrik yang lebih besar.
Masalah kedua yang ditimbulkan oleh data seksi silang ini adalah bahwa
banyak pabrik yang tidak dapat beropersi pada tingkat harga dan produktivitas

15
factor produksi yang sama. Jika pabrik-pabrik tersebut beroperasi di lingkungan
geografis, politis dan sosio-ekonomies yang berbeda, maka baik harga maupun
produktivitas factor produksi akan berbeda-beda di antar pabrik-pabrik tersebut.
Jika hal ini terjadi, maka analisis regresi akan menunjukan economies atau
diseconomies of plant to size dimana perbedaan-perbedaan biaya secara actual
ditentukan oleh perbedaan harga dan produktivitas factor produksi. Dapat pula
terjadi bahwa perbedaan-perbedaan dalam hal ini akan mengaburkan sama sekali
adanya economies dan diseconomies of plant size yang sama hanya akan dapat
dilihat jika pengaruh harga dan produktivitas factor produksi yang berbeda
dihilangkan dari data.

Contoh:

Diketahui:

Hitung: fungsi produksi

16
Pembahasan:

Data seksi silang perusahaan PT Koi dan PT Cupang

17
Berdasarkan pada perhitungan di atas, maka dapat diketahui fungsi permintaannya
adalah Y = 2.900,58 + 4,717 X atau P = 2.900,58 + 4,717 Q.

D. Peramalan Biaya

Peramalan biaya diperlukan apabila keputusan –keputusan yang akan kita

ambil mencakup tingkat biaya untuk periode –periode yang akan datang, seperti
misalnya dalam keputusan mengikat kontrak, keputusan untuk membeli atau
membuat sendiri, atau keputusan – keputusan lain yang mempunyai implikasi
biaya bukan hanya periode sekarang. Peramalan biaya untuk berbagai tingkat
output pada periode yang akan datang memerlukan penaksiran tentang perubahan
efisiensi proses produksi secara fisik, plus perubahan harga factor produksi yang
digunakan dalam proses produksi. Perubahan efisiensi factor – factor produksi ini
akan mengubah bentuk kurva total product (TP) yang berkaitan dengan proses
produksi tersebut. Jika harga factor produksi diperkirakan akan berubah, maka
hubungan antara kurva TP dengan kurva Toal variable cost (TVC)-nya akan
berubah. Karena itu perubahan dalam biaya masa yang akan datang akan
merupakan akibat dari pengaruh ini.

1. PERUBAHAN FAKTOR PRODUKTIVITAS FAKTOR PRODUKSI

Adanya perubahan produktivitas faktor produksi seperti peningkatan
kapasitas mesin produksi, akan dapat dijadikan dasar untuk meramalkan biaya
produksi perusahaan di masa yang akan datang.

Jika kita memperhatikan efisiensi dari proses produksi untuk periode-

periode yang akan datang, maka kita harus memperkirakan bahwa produktivitas
factor produksi tersebut akan berubah sepanjang waktu. Mesin dan peralatan lain
misalnya, diharapkan untuk lebih efisien jika diukur dari output per jam yang
hasilnya (atau berdasarkan kriteria yang lain)- karena penerapan kemajuan
teknologi pada mesin-mesin tersebut. Meningkatnya penggunaan mesin dan
peralatan yang dikendalikan dengan computer telah menyebabkan meningkaynya
produktivitas peralatan modal secara cukup besar pada waktu belakangan ini.

18
Seperti halnya produktivitas modal, produktivitas tenaga kerja juga diharapkan
meningkat dengan berjalannya waktu, karena tingkat pendidikan karyawan yang
lebih tingg dan semakin berpengalamannya para karyawan dengan proses
produksi mekanis. Sebaliknya, perubahan sikap terhadap pekerjaan atau factor
sosiologis lainnya mendorong kita untuk meramalkan bahwa produktivitas tenaga
kerja akan turun dimasa yang akan datang.

Jika trend prubahan produktivitas factor produksi tersebut tampak dengan

jelas, maka kita dapat menetapkan tren-trend tersebut sebagai suatu penaksiran
atas perubahan efisiensi proses produksi fisik dimasa yang akan datang.
Ekstrapolasi dari trend-trend produktivitas ini harus dimodifikasi sesuai dengan
setiap perubahan produktivitas factor produksi tersebut.

Produktivitas tenaga kerja bisanya dinyatakan sebagai unit output per unit
tenaga kerja, dan karena itu memberikan sumbangan pula bagi kenaikan
produktivitas factor-faktor modal seperti mesin dan peralatan. Dengan demikian
produktivitas tenaga kerja merupakan gabungan antara produktivitas modal dan
tenaga kerja, dan mungkin sangat sulit untuk memisahkan pengaruh dari masing-
masing factor produksi tersebut. Kurva learning menunjukkan peningkatan
produktivitas tenaga kerja yang bersamaan dengan seperangkat peralatan tertentu,
ceteris paribus. Jadi kurva AC untuk suatu parik tertentu akan menurun jika
produksi kumulatif meningkat. Dalam praktik perusahaan yang ada, sehingga
penaksiran kita akan “pengaruh belajar” (learning effect) akan mencakup baik
peningkatan produktivitas tenaga kerja maupun modal.

2. PERUBAHAN HARGA FAKTOR PRODUKSI

Adanya perubahan harga faktor (input) produksi seperti peningkatan harga

mesin produksi yang baru, juga dapat dijadikan dasar untuk meramalkan biaya
produksi perusahaan di masa yang akan datang.

Jika biaya dari semua input meningkat dengan proporsi yang sama, maka
kombinasi factor produksi yang optimal tidak akan berubah pada tingkat output

19
tertentu, meskipun akan menimbulkan biaya yang lebih besar. Jika semua harga
input meningkat dengan tingkat sama, maka harga-harga relative dari input
tersebut akan tetap sama dan tidak akan ada insentif untuk mensubstitusikan satu
input dengan input lainnya. Ini berarti bahwa proporsi input yang optimal (rasio
modal-tenaga kerja pada kasus yang paling sederhana) akan tetap sama. Dengan
demikian, biaya-biaya pada periode yang akan datang akan sama dengan periode
sekarang ditambah dengan presentase kenaikan biaya yang diperkirakan.

Jika kekuatan pasar di pasar factor-faktor produksi mengakibatkan harga

satu factor produksi akan naik dibandingkan dengan factor produksi lainnya, maka
perusahaan akan mensubstitusikannya dengan factor produksi yang lebih
murah sebagai akibat dari adanya kenaikan harga tersebut. Jadi biaya tenaga
kerja diperkirakan akan naik lebih cepat daripada biaya modal di masa yang akan
datang, maka perusahaan akan meminimalkan biaya pada tingkat-ingkat output
tertentu. Perkiraan tentang kejadian-kejadian yang cenderung akan mempengaruhi
perubahan harga seperti berkurangnya penawaran atau embargo ekspor harus juga
diperhitungkan dalam proyeksi biaya. Dengan distribusi probabilitas tertentu yang
dihubungkan dengan tingkat biaya yag akan datang, kita dapat menghitung hasil
atas dasar “nilai yang diharapkan” dari tingkat biaya pada periode-periode yang
akan datang dengan maksud untuk mendapatkan suatu peramalan tingkat biaya
masa yang akan datang untuk penetapan harga atau kebijaksanaan-kebijaksanaan
lainnya.

Dalam system sosio-ekonomis yang inflasinya merupakan gejala endemis

dan tingkat inflasi yang rendah diharapkan mempunyai pengaruh yang
menguntungkan bagi dunia bisnis, maka kita dapat memperkirakan terjadinya
kenaikan harga nominal factor-faktor produksi secara terus menerus pada periode-
periode yang akan datang. Jika perusahaan mampu untuk mentolerir kenaikan
harga karna inflasi tersebut dan mampu mempertahankan rasio harga-biayanya,
maka biaya riil dari sumberdaya yang digunakan perusahaan tidak akan berubah.
Jadi keputusan sekarang yang mencakup produksi dan biaya dimasa yang
mendatang akan dapat dibuat berdasarkan tingkat biaya periode sekarang yang

20
dimodifikasi hanya untuk setiap pengaruh inflasi yang tidak dapat
dikompensasikan kepada para pembeli. Jika harga harus ditetapkan sekarang,
padahal biaya baru dikeluarkan pada periode-periode yang akan datang, seperti
yang terjadi pada penawaran kontrak dan penetapan harga, maka tingkat harga
tersebut harus memasukkan besarnya tingkat nflasi yang diperkirakan akan terjadi
dengan tujuan mengamankan kontribusi margin riil dari perusahaan.

Berikut ini merupakan contoh yang dapat memperjelas konsep peramalan biaya,
yaitu sebagai berikut:

Contoh:

Diketahui: 1. Fungsi biaya produksi pada interval minggu 1 sampai dengan

minggu 10 adalah: -7.841,6 + 5,872Q

2. Produksi produk di di minggu 11 diperkirakan sebesar 11.000 unit

Hitung: Biaya produksi di minggu 11

Pembahasan:

Biaya produksi = -7.841,6 + 5,872Q

= -7.841,6 + 5,872 (11.000)

= -7.841,6 + 64.592

= 56.750,4

Berdasarkan pada perhitungan di atas, maka biaya produksi pada minggu ke 11

adalah diperkirakan sebesar 56.750,4.

3. PENAKSIRAN KURVA LEARNING

Kurva learning menghubungkan biaya perunit dengan volume produksi

kumulatf dari suatu produkk tertentu. Kita berharap bahwa produktivitas input
akan meningkat apabila input-input tersebut telah “mempelajari” proses produksi,

21
sehingga biaya pe unit turun jika volume produksi meningkat. Biaya per unit
(pada tingkat output tertentu per periode dalam pabrk tertentu) cenderung
menurun dengan presentase yang relative stabil setiap kali volume produksi
kumulatif digndakan. Tingkat learning ini adalah sekitar 20 persen. Dengan kata
lain, biaya unit turun kira-kira 20 persen setiap kali tingkat output kumulatif naik
dengan faktor 2,4,8,16,32,64,128 dan seterusnya. Perhatikan bahwa untuk suatu
tingkat output yang konstan setiap periode waktu, rangkaian angka tersebut
menunjukkan jumlah periose sebelum dicapai penurunan 20 persen lainnya dalam
biaya uni dicapai. Jadi perubahan biaya per unit antara dua periode produksi yang
ditimbulkan oleh efek learning, akan sangat jelas jika proses produksi baru
dilakukan dan dapat diabaikan ketika proses produksi telah mencapai kematangan.
Gambaran mengenai penggandaan output secara berturut-turut
menunjukkan bahwa kurva learning bukan merupakan garis lurus, tetapi biaya per
unit merupakan fungsi output lkumilatif yang menurun secara eksponensial.
Dengan kata lain, kuva learning dapat dinyatakan sebagai fungsi pangkat atau
fungsi eksponensial dengan bentuk sebagai berikut:

SRAC = aQb

dimana Q adalah tingkat volume kumulatif, a adalah biaya produksi

hipotesis dari unit pertama, danb (biasanya merupakan agka negatif) menunjukkan
tingkat dimana SRAC akan menurun jika output dinaikkan.

Untuk menunjukkan SRAC dan niai output kumulatif yang diteliti dalam
bentuk lograitma, kita rumuskan dengan cara sebagai berikut:

Log SRAC = log a (tambah) b logQ

Dan menggunakan analisis regresi untuk menaksir parameter a dan b tersebut.

22
Contoh:

Perusahaan LORENZO telah meneliti bahwa biaya per unit dari suatu produk
tertentu menurun jika output kumulatif meningkat. Logaritma dari SRAC dan Q
ditunjukkan pada dua kolom terakhir. Kita menyebutkan log SRAC sebagai
variable Y dan log Q sebagai variable X dan merumuskan bahwa Y = α + βX.
Perhatikan bahwa α = 1,7418 menunjukkan log a. Untuk menemukan parameter a,
harus membuat antilog dari 1,7418 yang hasilnya adalah 55,18. Jadi fungsi
pangkat yang menunjukkan kurva learning yang ditaksir sebagai berikut:

SRAC = 55,18Q-0,3627

Untuk meramalkan biaya per unit pada, misalnya 1000 unit volume
kumulatif, substitusikan Q = 1.000 dalam persamaan diatas.

SRAC = 55,18 (1.000-0,3627)

= 55,18 (0,0816)

= 4,50

Jadi, kita bias berharap bahwa SRAC akan turun menjadi Rp 4,50 per unit
pada volume kumulatif mancapai 1.000

Table Observasi SRAC dan volume Ku

mulatif Serta Logaritmanya

Tanggal Biaya per unit Volume Log SRAC Log Q

Observasi (SRAC) kumulatif (Q) (Y) (X)
30 Sept. 9,00 150 0,9542 2,1761
15 Des. 7,20 275 0,8573 2,4393
1 Maret 6,50 350 0,8129 2,5411
15 Mei 5,85 500 0,7672 2,6990

23
Tabel Perhitungan untuk Parameter Regresi Bagi Kurva Learning

Y X XY X2
0,9542 2,1761 2,0764 4,7354
0,8573 2,4393 2,0912 5,9502
0,8129 2,5441 2,0681 6,4724
0,7672 2,699 2,0707 7,2846
3,3916 9,8585 8,3064 24,4426

∑Y 3,3916
Y= = = 0,8479
ƞ 4

∑X 9,8585
X= = = 2, 4646
ƞ 4

ƞ ∑XY - ∑X∑Y 4(8,3064) – (9,8585) (3,3916)

β = = = - 0,3627
ƞ ∑X – (∑X)
2 2
4(24,4426) – (9,8585) 2

α = Y – Βx = 0,8479 – (-0,3627) 2,4646

= 1,7418

Kurva Learning dinyatakan sebagai presentase penurunan AC untuk tiap

penduakalilipatan volume kumulatif. Untuk menemukan presentase tersebut
dalam contoh ini, kita memilih dua tingkat output (dimana yang satu besarnya 2
kali yang yang lain) dan menghintung presentase (SRAC) tersebut. Misalnya,
dengan pengestimasian SRAC pada output kumulatif 200 dan 400 unit dari kurva
learning tersebut, kita akan mendapatkan :

Untuk 200 unit;

SRAC = 55,18(200-0,3267) = 8,076

24
Dan untuk 400 unit:
SRAC = 55,18(400-0,3267) = 6,281

Jadi SRAC pada 400 unit adalah

6,281
X 100% = 77,77 %
8,076

Angka 77,77 persen tersebut menunjukkan bahwa SRAC untuk 400 unit
besarnya sama dengan 77,77 persen dari SRAC pada 200 unit output. Tambpak
bahwa sedikitnya ada penurunan AC sebesar 22 persen apabila volume kumulatif
diduakalilipatkan. Kita dapat memprediksi bahwa SRAC tersebut akan terus turun
kira-kira sebesar 22 persen untuk setiap penduakalilipatan tingkat output
kumulatif berikutnya

25
 BAB III

PENUTUP

A. Kesimpulan

Penaksiran biaya berkaitan dengan tingkat biaya pada tingkat output pabrik dari
peusahaan dengan biaya relatif dari ukuran pabrik lainnya yang tersedia bagi
perusahaan tersebut. Dalam situasi jangka pendek kita berhadapan dengan prilaku
AVC dan MC, plus biaya inkremental lainnya yang diperlukan karena
penggunaan beberapa faktor produksi tetap secara penuh (full utilization).
Penaksiran biaya jangka panjang mencakup tingkat biaya per unit dari berbagai
ukuran pabrik, berdasarkan harga faktor produksi sekarang dan bentuk teknologi
yang digunakan

Peramalan biaya mensyaratkan penaksiran tingkat biaya untuk periode-periode

yang akan datang, di mana produktivitas dan harga faktor-faktor produksi akan
berbeda dari tingkat yang sekarang. Trend-trend produktivitas yang tampak pada
tahun-tahun terakhir dapat digunakan untuk meramalkan perubahan biaya di
masa-masa yang akan datang.

B. Saran

Sebagai penyusun kami merasa masih ada kekurangan dalam pembuatan

makalah ini baik dalam segi penyusunan makalah, sumber informasi, dan
penataan bahasa yang tertuang dalam makalah. Beberapa hal diatas merupakan
hal-hal yang mempengaruhi isi dari makalah yang penulis susun. Maka, kritik
dan saran terbuka bagi pembaca kepada penulis atas isi makalah yang penulis
susun. Dengan ini penulis mengucap terima kasih atas atensi pembaca dalam
membaca makalah yang kami susun ini.

26
 DAFTAR PUSTAKA

Arsyad, Lincolin. 2011. Ekonomi Manajerial. BPFE

Latief, Wasis A. 2011.Pengantar Ekonomi Mikro. UM Press

Rahardja, Prathama dan MandalaManurung. 2002. Teori Ekonomi Mikro.

Lembaga Penerbit Fakultas Ekonomi Universitas Indonesia

Sarnowo, Henry dan Danang Sunyoto. 2011. Pengantar Ilmu Ekonomi Mikro.
CAPS Suki

Sukirno, Sardono. 1995. Pengantar Teori Mikro Ekonomi. Raja Grafindo

Persada

27