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
Kelompok 4
i
DAFTAR ISI
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.
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.
B. Rumusan Masalah
2
C. Tujuan Makalah
3
BAB II
PEMBAHASAN
Proses penaksiran dan peramalan biaya terdiri dari tiga bagian pokok, yakni :
1. Penaksiran biaya jangka pendek
2. Penaksiran biaya jangka panjang
3. Peramalan biaya
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:
Pembahasan:
5
𝐵𝑖𝑎𝑦𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑒𝑙 𝑡𝑜𝑡𝑎𝑙
Biaya variabel per unit = 𝐽𝑢𝑚𝑙𝑎ℎ 𝑜𝑢𝑡𝑝𝑢𝑡𝑛𝑦𝑎
42.000.000
Biaya variabel per unit = 7.000
= 6000
= 7.500 – 7.000
= 500 unit
= 3.000.000
= 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).
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
Contoh :
Diketahui:
Minggu Jumlah Biaya variabel
output total
Minggu 1 7.000 42.000.000
Minggu 2 7.500 45.000.000
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.
∆ 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.
9
KURVA BIAYA PENAKSIR DENGAN 2 OBSERVASI BIAYA /
OUTPUT
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.
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
12
Contoh:
Diketahui:
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.
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:
16
Pembahasan:
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
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.
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.
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.
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:
Pembahasan:
= -7.841,6 + 64.592
= 56.750,4
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
Untuk menunjukkan SRAC dan niai output kumulatif yang diteliti dalam
bentuk lograitma, kita rumuskan dengan cara sebagai berikut:
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.
= 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
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
= 1,7418
24
Dan untuk 400 unit:
SRAC = 55,18(400-0,3267) = 6,281
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
B. Saran
26
DAFTAR PUSTAKA
Sarnowo, Henry dan Danang Sunyoto. 2011. Pengantar Ilmu Ekonomi Mikro.
CAPS Suki
27