Bab 10

Machine Translated by Google
Menentukan Berapa Biayanya

10 Berperilaku baik
Tujuan pembelajaran Apa gunanya melihat masa lalu?

Mungkin untuk mengingat kenangan indah keluarga dan teman atau membantu Anda memahami
1 Jelaskan fungsi biaya linier dan tiga cara
umum perilakunya peristiwa bersejarah. Mungkin mengingat masa lalu membantu Anda lebih memahami dan memprediksi
masa depan. Sebuah organisasi melihat masa lalu untuk menganalisis kinerjanya dan membuat keputusan
yang tepat untuk meningkatkan kinerjanya di masa depan. Aktivitas ini mengharuskan para manajer untuk
2 Jelaskan pentingnya kausalitas dalam
memperkirakan fungsi biaya mengumpulkan informasi tentang biaya dan memastikan bagaimana biaya tersebut berperilaku sehingga
para manajer dapat memperkirakan apa yang akan terjadi “di masa depan”. Memahami perilaku biaya
3 Memahami berbagai metode adalah keterampilan teknis berharga yang semakin penting dalam beberapa tahun terakhir dengan
perkiraan biaya
meningkatnya ketersediaan kumpulan data baru yang masif dan daya komputasi yang murah untuk
menganalisisnya. Pengetahuan yang diperoleh dalam proses ini dapat memotivasi organisasi untuk mengatur
4 Uraikan enam langkah dalam memperkirakan
fungsi biaya menggunakan analisis ulang operasinya dengan cara yang inovatif dan mengatasi tantangan-tantangan penting.
kuantitatif
5 Jelaskan tiga kriteria yang digunakan untuk UPS MENGGUNAKAN “Big Data” untuk Memahaminya
mengevaluasi dan memilih pemicu biaya
Biaya Sambil Membantu Lingkungan1
6 Menjelaskan fungsi biaya nonlinier,
khususnya yang timbul dari efek kurva Dapatkah pemahaman tentang perilaku biaya berkontribusi terhadap kelestarian lingkungan? Di UPS,
pembelajaran
raksasa pelayaran global, sistem “big data” yang dimilikinya menghasilkan pemahaman mendalam
7 Waspadai masalah data yang dihadapi mengenai biaya dan operasional pengiriman paket, sehingga menghasilkan biaya yang lebih rendah,
dalam memperkirakan fungsi biaya
sekaligus membantu lingkungan.
UPS mengirimkan lebih dari 15 juta paket setiap hari ke seluruh dunia. Dengan masing-masing
pengemudi perusahaan melakukan antara 120 dan 175 paket “drop” per hari, jumlah kemungkinan rute
yang dapat diambil oleh pengemudi pada hari tertentu hampir tidak terbatas. Untuk membantu UPS
menemukan rute paling efisien untuk 55.000 perjalanannya, UPS membangun sistem berbasis “data
besar” yang disebut Orion, kependekan dari On-Road Integrated Optimization and Navigation. Orion
menggunakan 1.000 halaman kode untuk menganalisis 200.000 kemungkinan
setiap rute pengiriman secara real time untuk mengirimkan rute optimal dalam tiga detik.
Pada akhir tahun 2014, Orion mengizinkan UPS untuk mengurangi jumlahnya
jarak tempuh yang ditempuh adalah 85 juta mil, yang menghilangkan 8 juta galon
bahan bakar dan 85.000 metrik ton karbon dioksida. Ketika diterapkan sepenuhnya
pada tahun 2017, hal ini akan memungkinkan perusahaan untuk mengurangi jumlah
mil yang ditempuh sebanyak 100 juta mil per tahun, menghemat 10 juta galon
bahan bakar dan menghilangkan 100.000 metrik ton karbon dioksida.
Sebagai hasil dari peningkatan efisiensi dan penurunan biaya bahan bakar,
UPS akan menghemat $300 hingga $400 juta per tahun berkat Orion.
Seperti yang diilustrasikan dalam contoh UPS, manajer harus memahami
bagaimana perilaku biaya untuk membuat keputusan strategis dan operasional
yang memiliki dampak positif terhadap lingkungan. Bab ini akan berfokus pada
bagaimana manajer menentukan pola perilaku biaya—yaitu, bagaimana biaya
berubah sehubungan dengan perubahan tingkat aktivitas, kuantitas produk
Foto Stok B Christopher/Alamy yang diproduksi, dan seterusnya.
1
Sumber: Katherine Noyes, “Jarak Terpendek antara Dua Titik? Di UPS, Ini Rumit,” Fortune, 25 Juli 2014; Alex
Woodie, “Mengapa Big Data Menjadi 'Bagaimana' di UPS, Bukan 'Apa'” Datanami, 26 Oktober 2015.
372
Asumsi Dasar dan Contoh Fungsi Biaya 373
Asumsi Dasar dan Contoh Fungsi Biaya
Sedang belajar
1
Manajer dapat memahami perilaku biaya melalui fungsi biaya, yang merupakan landasan dasar untuk memperkirakan
biaya. Fungsi biaya adalah deskripsi matematis tentang bagaimana suatu biaya berubah seiring dengan perubahan Objektif
tingkat aktivitas yang berkaitan dengan biaya tersebut. Fungsi biaya dapat diplot pada grafik dengan mengukur tingkat
Jelaskan biaya linier
suatu aktivitas, seperti jumlah batch yang diproduksi atau jumlah jam mesin yang digunakan, pada sumbu horizontal fungsi
(disebut sumbu x). Jumlah total biaya yang berkaitan dengan—atau bergantung pada—tingkat aktivitas diukur pada
. . . grafik fungsi biaya adalah garis
sumbu vertikal (disebut sumbu y).
lurus
dan tiga cara umum di mana

mereka berperilaku
Asumsi dasar
. . . variabel, tetap, dan campuran
Manajer sering memperkirakan fungsi biaya berdasarkan dua asumsi:
1. Variasi tingkat aktivitas tunggal (penggerak biaya) menjelaskan variasi dalam aktivitas tersebut
total biaya terkait.
2. Perilaku biaya didekati dengan fungsi biaya linier dalam rentang yang relevan. Ingat kembali Bab 2 bahwa rentang
relevan adalah rentang aktivitas yang di dalamnya terdapat hubungan antara total biaya dan tingkat aktivitas.
Untuk fungsi biaya linier, total biaya versus tingkat aktivitas tunggal yang berkaitan dengan biaya tersebut adalah
garis lurus dalam rentang yang relevan.
Kami menggunakan asumsi-asumsi ini di sebagian besar, namun tidak seluruhnya, 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 tersebut.
Fungsi Biaya Linier
Untuk memahami tiga tipe dasar fungsi biaya linier dan melihat peran fungsi biaya dalam keputusan bisnis, pertimbangkan
negosiasi antara StoreBox, sebuah startup teknologi, dan Forest Web Services (FWS) untuk layanan komputasi awan
kelas perusahaan.
ÿ Alternatif 1: $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 untuk StoreBox. Di bawah alternatif 1, ada
tidak ada biaya tetap untuk layanan cloud. Kami menulis fungsi biaya di Panel A pada Tampilan 10-1 sebagai
kamu = $0,50X
dimana 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 biaya total
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
$1.000 $1.000 $1.000 biaya $0,20 per
oiB
T(
oiB
T(
oiB
T(
tY
tY
y)taY
alay)a
y)a
ala
ala
biaya variabel sebesar $0,50

Konstan atau jam digunakan
per jam digunakan
intersepsi Konstan atau
sebesar $1.000 $300
intersepsi sebesar $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)
374 BAB 10 MENENTUKAN BAGAIMANA PERILAKU BIAYA
ketika terjadi perubahan satu unit pada tingkat aktivitas (satu jam penggunaan CPU pada contoh StoreBox).
Sepanjang bab ini, huruf besar, seperti X, mengacu pada observasi aktual, dan huruf kecil, seperti y, mewakili
perkiraan atau penghitungan yang dilakukan menggunakan fungsi biaya.
ÿ Alternatif 2: Total biaya akan ditetapkan sebesar $1.000 per bulan, berapa pun jumlah jam CPU yang digunakan.
(Kami menggunakan ukuran aktivitas yang sama, jumlah jam CPU yang digunakan, untuk membandingkan
pola perilaku biaya dalam tiga alternatif.)
Panel B pada Tampilan 10-1 menunjukkan alternatif biaya tetap untuk StoreBox. Kami menulis biayanya
berfungsi di Panel B sebagai
kamu = $1.000
Biaya tetap sebesar $1.000 disebut konstan; itu adalah komponen biaya total yang tidak berubah seiring
dengan perubahan tingkat aktivitas. Konstanta memperhitungkan seluruh biaya karena tidak ada biaya variabel.
Secara grafis, koefisien kemiringan fungsi biaya ini adalah nol; fungsi biaya ini memotong sumbu y pada nilai
konstan. Oleh karena itu, konstanta tersebut disebut juga intersep.
ÿ Alternatif 3: $300 per bulan ditambah $0,20 per jam CPU yang digunakan. Ini adalah contoh biaya campuran.
Biaya campuran —juga disebut biaya semivariabel—adalah biaya yang memiliki unsur tetap dan variabel.
Panel C pada Tampilan 10-1 menunjukkan alternatif biaya campuran untuk StoreBox. Kami menulis
fungsi biaya di Panel C pada Tampilan 10-1 sebagai
kamu = $300 + $0,20X
Berbeda dengan grafik untuk alternatif 1 dan 2, Panel C memiliki nilai konstanta, atau titik potong, sebesar $300 dan
koefisien kemiringan sebesar $0,20. Dalam kasus biaya campuran, total biaya dalam rentang yang relevan
meningkat seiring dengan meningkatnya jumlah jam CPU yang digunakan. Namun, total biaya tidak bervariasi
secara proporsional dengan jumlah jam CPU yang digunakan dalam rentang yang relevan. Misalnya, bila 4.000 jam
digunakan, total biayanya sama dengan $1.100 [$300 + (0,20 per jam * 4.000 jam)], dan bila 8.000 jam digunakan,
total biayanya sama dengan $1.900 [$300 + ($0,20 per jam * 8.000 jam) ].
Meskipun penggunaan dalam hal jam meningkat dua kali lipat, total biaya hanya meningkat sekitar 73% [($1,900 -
$1,100) , $1,100].
Manajer StoreBox harus memahami pola perilaku biaya dalam tiga alternatif untuk memilih kesepakatan
terbaik dengan FWS. Misalkan StoreBox mengharapkan untuk menggunakan setidaknya 4.000 jam waktu CPU
setiap bulannya. Biayanya untuk 4.000 jam berdasarkan tiga alternatif adalah sebagai berikut:
ÿ Alternatif 1: $2.000 ($0,50 per jam * 4.000 jam)

ÿ Alternatif 2: $1.000
ÿ Alternatif 3: $1.100 [$300 + ($0,20 per jam * 4.000 jam)]
Alternatif 2 adalah yang paling murah. Selain itu, jika StoreBox menggunakan lebih dari 4.000 jam, seperti yang
mungkin terjadi, alternatif 1 dan 3 akan lebih mahal. Oleh karena itu, manajer StoreBox harus memilih alternatif 2.
Perhatikan bahwa grafik pada Tampilan 10-1 adalah linier. Artinya, mereka tampak sebagai garis lurus.
Kita hanya perlu mengetahui jumlah konstanta, atau titik potong, (biasanya disebut a) dan koefisien kemiringan
(biasa disebut b). Untuk fungsi biaya linier apa pun yang didasarkan pada satu aktivitas (ingat dua asumsi yang kita
bahas di awal bagian ini), mengetahui a dan b sudah cukup untuk mendeskripsikan dan memplot semua nilai secara
grafis dalam rentang yang relevan. Bentuk umum dari fungsi biaya linier ini adalah
kamu = a + bX
Pada alternatif 1, a = $0 dan b = $0,50 per jam CPU yang digunakan; pada alternatif 2, a = $1.000
dan b = $0 per jam yang digunakan; dan pada alternatif 3, a = $300 dan b = $0,20 per jam yang digunakan.
Asumsi Dasar dan Contoh Fungsi Biaya 375
Tuliskan persamaan fungsi biaya linier untuk setiap kondisi berikut. Gunakan y untuk perkiraan biaya dan X
untuk aktivitas penggerak biaya.
10-1 Cobalah!
A. Biaya bahan langsung adalah $1,70 per pon.
B. Total biaya ditetapkan sebesar $8.000 per bulan berapa pun jumlah unit yang diproduksi.
C. Penyewaan mobil memiliki biaya tetap sebesar $80,00 per hari ditambah $2,00 per mil perjalanan.
D. Biaya pengoperasian mesin termasuk $1.000 pemeliharaan per bulan, dan $12,00
biaya penggunaan cairan pendingin untuk setiap hari mesin beroperasi.
Tinjauan Klasifikasi Biaya

Sebelum kita membahas isu-isu yang terkait dengan estimasi fungsi biaya, kita meninjau secara singkat tiga kriteria
yang diuraikan dalam Bab 2 untuk mengklasifikasikan biaya ke dalam komponen variabel dan tetap.
Pilihan Objek Biaya
Item biaya tertentu dapat bersifat variabel untuk satu objek biaya dan tetap untuk objek biaya lainnya.
Pertimbangkan Super Shuttle, sebuah perusahaan transportasi bandara. Jika armada van yang dimilikinya merupakan
objek biaya, maka biaya registrasi dan perizinan van tahunan akan menjadi biaya variabel untuk jumlah van yang
dimiliki. Namun jika sebuah mobil van tertentu menjadi objek biayanya, maka biaya pendaftaran dan perizinan untuk
mobil van tersebut merupakan biaya tetap untuk jarak tempuh yang ditempuh selama setahun.
Cakrawala Waktu
Apakah suatu biaya bersifat variabel atau tetap untuk aktivitas tertentu bergantung pada jangka waktu yang
dipertimbangkan manajer ketika mengambil keputusan. Semakin panjang jangka waktunya, dan semua hal lain
dianggap sama, semakin besar kemungkinan biayanya bersifat variabel. Misalnya, biaya inspeksi di Perusahaan
Boeing biasanya bersifat tetap dalam jangka pendek karena para inspektur memperoleh gaji tetap pada tahun tertentu,
berapa pun jumlah jam kerja inspeksi yang dilakukan. Namun, dalam jangka panjang, total biaya inspeksi Boeing akan
bervariasi sesuai dengan jam inspeksi yang diperlukan. Lebih banyak inspektur akan dipekerjakan jika diperlukan lebih
banyak jam inspeksi, dan beberapa inspektur akan ditugaskan kembali 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
kisaran yang relevan, pola perilaku biaya variabel dan biaya tetap berubah, menyebabkan biaya menjadi nonlinier
(nonlinier berarti plot hubungan pada grafik tidak berupa garis lurus). Misalnya, Gambar 10-2 menggambarkan
hubungan (selama beberapa tahun) antara total biaya tenaga kerja produksi langsung dan jumlah papan seluncur
Keputusan
salju yang diproduksi setiap tahun oleh Winter Sports Authority di pabriknya di Vermont. Dalam kasus ini, ketidaklinieran
Titik
di luar kisaran yang relevan terjadi karena tenaga kerja dan inefisiensi lainnya (pertama karena pekerja sedang belajar
Apa yang dimaksud
membuat papan seluncur salju dan kemudian karena batas kapasitas yang dilampaui).
dengan fungsi biaya linier, dan
jenis perilaku biaya apa
Mengetahui kisaran yang relevan sangat penting untuk mengklasifikasikan biaya dengan benar. yang dapat diwakilinya?
pameran 10-2
$350
Rentang yang Relevan
(kamu)
$300 Linearitas Dalam Rentang
$250 yang Relevan untuk Winter
$200 Sports Authority, Inc.
$150
$100
iK
B
T
ir(
aMT
L
lraebd
nntao
naaayjnu
la
ufsug
a)m
g
ka
rugtn
$50
2.000 4.000 6.000 8.000
Papan Seluncur Salju Diproduksi (X)

Mengidentifikasi Penggerak Biaya

Sedang belajar Dalam contoh StoreBox, kita membahas fungsi biaya variabel, tetap, dan campuran menggunakan informasi tentang struktur
Objektif 2 biaya masa depan yang dipertimbangkan StoreBox. Namun seringkali fungsi biaya diperkirakan dari data biaya masa lalu .
Manajer menggunakan estimasi biaya untuk mengukur hubungan berdasarkan data dari biaya masa lalu dan tingkat aktivitas
Jelaskan pentingnya yang terkait. Manajer tertarik untuk memperkirakan fungsi biaya masa lalu terutama karena hal ini dapat membantu mereka
kausalitas dalam membuat prediksi biaya atau prakiraan biaya masa depan yang lebih akurat. Misalnya, untuk memilih fitur desain model TV
memperkirakan fungsi biaya
barunya, manajer LG menggunakan fungsi biaya masa lalu untuk mengevaluasi biaya desain alternatif dan menggabungkan
. . . hanya hubungan informasi ini dengan wawasan tentang jumlah yang bersedia dibayar oleh pelanggan. Demikian pula, manajer pemasaran
sebab-akibat yang di Audi berupaya memahami apa yang menyebabkan biaya layanan pelanggan mereka berubah dari tahun ke tahun
membentuk hubungan
(misalnya, jumlah model mobil baru yang diperkenalkan atau jumlah total mobil yang terjual) dan komponen tetap dan
yang masuk akal
secara ekonomi antara variabel dari biaya-biaya tersebut. . Prediksi biaya yang lebih baik membantu manajer Audi membuat keputusan perencanaan
suatu aktivitas dan biayanya dan pengendalian yang lebih tepat, seperti menyiapkan anggaran layanan pelanggan tahun depan. Namun keputusan
manajemen, prediksi biaya, dan estimasi fungsi biaya yang lebih baik hanya dapat dicapai jika manajer mengidentifikasi
dengan benar faktor-faktor yang mempengaruhi biaya.
Kriteria Sebab-Akibat
Masalah yang paling penting dalam memperkirakan fungsi biaya adalah menentukan apakah terdapat hubungan sebab-
akibat antara tingkat suatu aktivitas dan biaya yang terkait dengannya. Tanpa hubungan sebab-akibat, manajer akan kurang
percaya diri mengenai kemampuan mereka memperkirakan atau memprediksi biaya. Ingat kembali Bab 2 bahwa ketika
terdapat hubungan sebab-akibat antara perubahan tingkat aktivitas dan perubahan tingkat biaya total, maka kita menyebut
ukuran aktivitas sebagai pemicu biaya. Kami menggunakan istilah tingkat aktivitas dan tingkat penggerak biaya
secara bergantian ketika memperkirakan fungsi biaya. Memahami pemicu biaya sangat penting untuk mengelola biaya.
Hubungan sebab-akibat mungkin timbul karena hal-hal berikut:
ÿ Hubungan fisik antara tingkat aktivitas dan biaya. Biaya bahan langsung dan produksi adalah contohnya. Memproduksi
lebih banyak papan seluncur salju memerlukan lebih banyak plastik, yang mengakibatkan total biaya bahan langsung
lebih tinggi.
ÿ Pengaturan kontrak. Pertimbangkan kontrak antara StoreBox dan FWS. Kontrak tersebut menentukan jumlah jam CPU
yang digunakan sebagai tingkat aktivitas yang memengaruhi biaya layanan cloud. Oleh karena itu, terdapat sebab dan
akibat langsung di antara keduanya.
ÿ Pengetahuan tentang operasi. Contoh pengetahuan operasi adalah ketika jumlah suku cadang digunakan sebagai
ukuran aktivitas biaya pemesanan. Komputer Lenovo dengan banyak komponen akan dikenakan biaya pemesanan
lebih tinggi dibandingkan model baru yang memiliki komponen lebih sedikit.
Manajer harus berhati-hati untuk tidak menafsirkan korelasi yang tinggi antara dua variabel yang berarti bahwa salah satu
variabel menyebabkan variabel lainnya. Pertimbangkan total biaya bahan langsung dan biaya tenaga kerja untuk Winston
Furniture, yang membuat dua jenis meja (jika tidak identik), satu dengan permukaan granit dan yang lainnya dengan
permukaan kayu. Meja granit memiliki biaya bahan langsung yang lebih tinggi dibandingkan meja kayu karena granit
merupakan bahan baku yang lebih mahal. Namun, granit tersedia dalam bentuk blok yang sudah dipotong sebelumnya,
sehingga meja granit memerlukan biaya tenaga kerja produksi langsung yang lebih sedikit dibandingkan meja kayu. Winston
saat ini menjual 10.000 meja granit dan 30.000 meja kayu.
Jika Winston menjual 20% lebih banyak untuk setiap jenis meja, maka total biaya bahan langsung dan total biaya
tenaga kerja produksi langsung untuk setiap jenis akan meningkat sebesar 20%. Dua kategori kategori biaya sangat
berkorelasi dalam kasus ini. Namun, penting untuk dicatat bahwa tidak ada satupun yang menyebabkan biaya lainnya,
sehingga menggunakan satu biaya untuk memprediksi biaya lainnya merupakan suatu permasalahan.
Untuk mengetahui alasannya, misalkan lagi Winston menjual meja 20% lebih banyak (atau totalnya 48.000 lagi), namun
sekarang 4.000 di antaranya adalah meja granit dan 44.000 adalah meja kayu. Biaya tenaga kerja produksi langsung lebih
tinggi untuk meja kayu dibandingkan meja granit, sehingga total biaya tenaga kerja produksi langsung Winston akan
meningkat lebih dari 20%. Sebaliknya, karena granit jauh lebih mahal dibandingkan kayu, total biaya bahan langsung Winston
justru akan menurun. Akibatnya, menggunakan total biaya tenaga kerja produksi langsung Winston untuk memprediksi total
biaya bahan langsung adalah sebuah kesalahan. Faktor-faktor lain, seperti jumlah masing-masing jenis meja yang diproduksi,
akan lebih akurat memprediksi perubahan total biaya bahan langsung perusahaan.
Metode Estimasi Biaya 377
Hanya hubungan sebab-akibat—bukan sekedar korelasi—yang dapat menciptakan hubungan yang masuk akal secara
ekonomi antara tingkat suatu kegiatan dan biayanya. Masuk akal secara ekonomi sangat penting karena memberikan
keyakinan kepada analis dan manajer bahwa perkiraan hubungan akan muncul berulang kali dalam kumpulan data lainnya.
Mengidentifikasi pemicu biaya juga memberi manajer wawasan tentang cara mengurangi biaya dan keyakinan bahwa
mengurangi kuantitas pemicu biaya akan menyebabkan penurunan biaya.
Penggerak Biaya dan Proses Pengambilan Keputusan

Untuk mengidentifikasi pemicu biaya dengan benar guna mengambil keputusan, manajer harus selalu menggunakan jangka
waktu yang panjang. Mengapa? Karena biaya mungkin tetap dalam jangka pendek (dimana biaya tersebut tidak memiliki
pemicu biaya), namun biasanya bersifat variabel dan memiliki pemicu biaya dalam jangka panjang.
Berfokus pada jangka pendek mungkin secara tidak sengaja menyebabkan manajer percaya bahwa suatu biaya tidak memiliki
pemicu biaya.
Pertimbangkan Elegant Rugs, yang menggunakan mesin tenun otomatis canggih untuk memproduksi karpet untuk
rumah dan kantor. Manajemen telah mengubah proses produksi dan ingin memperkenalkan karpet gaya baru. Manajer Elegant
Rugs mengikuti proses pengambilan keputusan lima langkah yang diuraikan dalam Bab 1 untuk mengevaluasi bagaimana
perubahan ini mempengaruhi biaya dan gaya karpet apa yang harus mereka perkenalkan.
Langkah 1: Identifikasi masalah dan ketidakpastiannya. Manajer Elegant Rugs yakin dengan bahan langsung dan biaya
tenaga kerja produksi langsung dari karpet model baru.
Mereka kurang yakin mengenai dampak pilihan gaya yang berbeda terhadap biaya tenaga kerja produksi tidak langsung.
Para manajer ingin memahami penyebab biaya tenaga kerja produksi tidak langsung dan menggunakan pengetahuan mereka
tentang hubungan ini untuk menentukan campuran karpet yang harus mereka produksi.
Selain itu, proses produksi diubah untuk mengurangi biaya tenaga kerja produksi tidak langsung Elegant Rugs. Kini para
manajer ingin mengetahui apakah biaya pengawasan, pemeliharaan, dan pengendalian kualitas perusahaan benar-benar
menurun, dengan mempertimbangkan volume aktivitas dan perbedaan gaya karpet yang diproduksi sebelum dan sesudah
perubahan proses.
Langkah 2: Dapatkan informasi. Manajer mengumpulkan informasi tentang potensi pemicu biaya—
seperti jam mesin atau jam kerja produksi langsung—yang menyebabkan timbulnya biaya tenaga kerja produksi tidak
langsung. Mereka juga mulai mempertimbangkan teknik-teknik yang berbeda (dibahas di bagian selanjutnya) untuk
memperkirakan besarnya pengaruh pemicu biaya terhadap biaya tenaga kerja manufaktur tidak langsung perusahaan. Tujuan
mereka adalah untuk mengidentifikasi pemicu biaya tunggal yang terbaik.
Langkah 3: Buat prediksi tentang masa depan. Manajer menggunakan data masa lalu untuk memperkirakan hubungan
antara pemicu biaya dan biaya dan menggunakan hubungan ini untuk memprediksi biaya di masa depan.
Langkah 4: Buat keputusan dengan memilih di antara alternatif-alternatif. Seperti yang akan kami jelaskan nanti (halaman
385–387), para manajer memilih jam mesin sebagai penggerak biaya. Dengan menggunakan analisis regresi, mereka
memperkirakan biaya tenaga kerja produksi tidak langsung per jam mesin dari model karpet hewan peliharaan alternatif dan
Keputusan
memilih untuk memproduksi model yang paling menguntungkan.
Titik
Langkah 5: Terapkan keputusan, evaluasi kinerja, dan pelajari. Setahun kemudian para manajer mengevaluasi hasil
Apa yang paling
keputusan mereka. Membandingkan perkiraan biaya dengan biaya sebenarnya membantu mereka menentukan seberapa
isu penting dalam
akurat perkiraan tersebut, menetapkan target untuk perbaikan berkelanjutan, dan mencari cara untuk meningkatkan efisiensi
memperkirakan fungsi
dan efektivitas Elegant Rugs. biaya?
Sedang belajar
Metode Estimasi Biaya
Tujuan 3
Empat metode estimasi biaya adalah (1) metode teknik industri, (2) metode konferensi, (3) metode analisis akun, dan (4)
Memahami berbagai metode
metode analisis kuantitatif (yang bentuknya berbeda-beda). Metode-metode ini berbeda dalam hal seberapa mahal biaya estimasi biaya
penerapannya, asumsi yang dibuat, dan informasi yang diberikan tentang keakuratan fungsi estimasi biaya. Metode-metode
. . . misalnya, metode
tersebut tidak saling eksklusif, sehingga banyak organisasi menggunakan kombinasi metode.
analisis regresi menentukan garis
yang paling sesuai dengan data
masa lalu
Metode Teknik Industri

Deskripsi Metode
Metode teknik industri, disebut juga metode pengukuran pekerjaan, memperkirakan fungsi
biaya dengan menganalisis hubungan antara masukan dan keluaran dalam bentuk fisik.
Karpet Elegan menggunakan masukan kapas, wol, pewarna, tenaga kerja produksi langsung, waktu
mesin, dan tenaga. Hasil produksinya adalah karpet berukuran meter persegi. Studi waktu dan gerak
menganalisis waktu yang dibutuhkan untuk melakukan berbagai operasi produksi karpet. Misalnya, studi
waktu dan gerak dapat menyimpulkan bahwa untuk memproduksi karpet seluas 10 kaki persegi
memerlukan satu jam tenaga kerja produksi langsung. Standar dan anggaran mengubah ukuran input
fisik menjadi biaya. Hasilnya adalah fungsi perkiraan biaya yang menghubungkan biaya tenaga kerja
produksi langsung dengan pemicu biaya, kaki persegi karpet yang diproduksi.
Keuntungan dan Tantangan

Metode teknik industri adalah cara yang menyeluruh dan terperinci untuk memperkirakan fungsi biaya
ketika terdapat hubungan fisik antara input dan output. Meskipun hal ini memakan waktu, beberapa
kontrak pemerintah mewajibkan penggunaannya. Banyak organisasi, seperti Bose dan Nokia,
menggunakannya untuk memperkirakan biaya produksi langsung, namun menganggapnya terlalu mahal
atau tidak praktis untuk menganalisis keseluruhan 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 periklanan.
Metode Konferensi
Deskripsi Metode
Metode konferensi memperkirakan fungsi biaya berdasarkan analisis dan pendapat tentang
biaya dan penggeraknya yang dikumpulkan dari berbagai departemen dalam suatu perusahaan
(pembelian, rekayasa proses, manufaktur, hubungan karyawan, dan sebagainya). Beberapa
bank, misalnya, mengembangkan fungsi biaya untuk produk perbankan ritel mereka (seperti
rekening giro, kartu VISA, dan hipotek) berdasarkan perkiraan konsensus dari personel dari berbagai departemen.
Mengandalkan penilaian kolektif para ahli adalah strategi paling populer untuk memperkirakan biaya
proyek pengembangan perangkat lunak. Elegant Rugs mengumpulkan pendapat dari supervisor dan
insinyur produksi tentang bagaimana biaya tenaga kerja produksi tidak langsung bervariasi menurut
jam mesin dan jam kerja produksi langsung.

Metode konferensi mendorong kerja sama antardepartemen. Pengumpulan pengetahuan para
ahli dari berbagai fungsi bisnis dalam rantai nilai memberikan kredibilitas pada metode
konferensi. Metode konferensi tidak memerlukan analisis data yang rinci, sehingga fungsi
biaya dan perkiraan biaya dapat dikembangkan dengan cepat. Namun, karena opini digunakan,
keakuratan perkiraan biaya sangat bergantung pada kepedulian 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 sesuai dengan tingkat aktivitas yang diidentifikasi.
Biasanya, manajer menggunakan analisis kualitatif daripada kuantitatif ketika membuat keputusan
klasifikasi biaya.
Pertimbangkan biaya tenaga kerja produksi tidak langsung untuk area produksi (atau sel) di
Elegant Rugs. Ini termasuk upah yang dibayarkan untuk pengawasan, pemeliharaan, pengendalian
kualitas, dan pengaturan. Selama periode 12 minggu terakhir, Elegant Rugs menjalankan mesin di
dalam sel selama total 862 jam dan menimbulkan total biaya tenaga kerja produksi tidak langsung
sebesar $12.501. Dengan menggunakan analisis kualitatif, manajer dan akuntan manajemen menentukan
Metode Estimasi Biaya 379
bahwa selama periode 12 minggu ini biaya tenaga kerja manufaktur tidak langsung merupakan biaya campuran
dengan hanya satu pemicu biaya—jam mesin. Karena jam kerja mesin bervariasi, salah satu komponen biaya
(seperti biaya pengawasan) bersifat tetap, sedangkan komponen lainnya (seperti biaya pemeliharaan) bersifat
variabel. Manajer dan akuntan manajemen ingin memperkirakan fungsi biaya linier untuk biaya tenaga kerja
produksi tidak langsung sel dengan menggunakan jumlah jam mesin sebagai penggerak biaya. Untuk melakukan
hal ini, mereka harus membedakan antara komponen biaya variabel dan biaya tetap. Dengan menggunakan
pengalaman dan penilaian mereka, mereka memisahkan total biaya tenaga kerja produksi tidak langsung sel
($12.501) menjadi biaya tetap ($2.157, berdasarkan 1.200 jam kapasitas mesin untuk sel selama periode 12
minggu) 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, persamaan biaya linier,
kamu = a + bX, adalah:
Biaya tenaga kerja produksi tidak langsung = $2,157 +

1$12 per mesin@jam * Jumlah mesin@jam2
Manajer Elegant Rugs dapat menggunakan fungsi biaya untuk memperkirakan biaya tenaga kerja produksi tidak
langsung dari penggunaan, katakanlah, 1.000 jam mesin untuk memproduksi karpet dalam periode 12 minggu
berikutnya. Perkiraan biayanya adalah $2.157 + (1.000 mesin@jam * $12 per mesin@jam) = $14.157. Biaya
tenaga kerja produksi tidak langsung per jam mesin saat ini adalah $12.501.862 jam mesin
= $14,50 per mesin@jam. Turun menjadi $14,157 , 1,000 mesin@jam = $14,16 per
mesin@jam, karena biaya tetap sebesar $2.157 tersebar pada jumlah jam mesin yang lebih banyak.
Metode analisis akun banyak digunakan karena cukup akurat, hemat biaya, dan mudah digunakan. Untuk
mendapatkan perkiraan yang dapat diandalkan mengenai komponen biaya tetap dan variabel, organisasi harus
berhati-hati untuk memastikan bahwa individu dengan pengetahuan menyeluruh tentang operasi membuat
keputusan klasifikasi biaya. Melengkapi metode analisis akun dengan metode konferensi akan meningkatkan
kredibilitas. Keakuratan metode analisis akun bergantung pada keakuratan penilaian kualitatif yang dibuat oleh
manajer dan akuntan manajemen mengenai biaya mana yang tetap dan mana yang variabel.
Metode Analisis Kuantitatif

Deskripsi Metode
Analisis kuantitatif menggunakan metode matematika formal untuk menyesuaikan fungsi biaya dengan observasi
data masa lalu. Excel adalah alat yang berguna untuk melakukan analisis kuantitatif. Kolom B dan C pada
Tampilan 10-3 menunjukkan perincian total jam mesin Elegant Rugs (862) dan total biaya tenaga kerja produksi
tidak langsung ($12.501) ke dalam data mingguan untuk 12-
periode minggu. Perhatikan bahwa datanya dipasangkan; untuk setiap minggu, terdapat data jumlah jam mesin
dan biaya tenaga kerja produksi tidak langsung yang terkait. Misalnya, minggu ke-12 menunjukkan 48 jam mesin
dan biaya tenaga kerja produksi tidak langsung sebesar $963. Bagian selanjutnya menggunakan data pada
Gambar 10-3 untuk mengilustrasikan bagaimana memperkirakan fungsi biaya menggunakan analisis kuantitatif.
Kami menguji dua teknik: metode tinggi-rendah yang relatif sederhana serta alat kuantitatif yang lebih umum
digunakan untuk memeriksa dan memahami data, yaitu analisis regresi.
Analisis kuantitatif, khususnya analisis regresi, adalah pendekatan yang paling ketat untuk memperkirakan biaya.
Keputusan
Analisis regresi memerlukan informasi rinci tentang biaya, pemicu biaya, dan fungsi biaya sehingga memerlukan
Titik
waktu lebih lama untuk diterapkan. Namun, saat ini terdapat lebih banyak data yang tersedia dibandingkan
Apa saja metode berbeda
sebelumnya dan dengan menurunnya biaya penyimpanan dan analisis, melakukan analisis regresi dan yang dapat digunakan
mendapatkan wawasan penting menjadi jauh lebih mudah dibandingkan di masa lalu. untuk memperkirakan fungsi
biaya?
pameran 10-3
Mingguan Tidak Langsung
Tenaga Kerja Manufaktur

Biaya dan Jam Mesin untuk
Tidak langsung
Karpet Elegan
Penggerak Biaya: Manufaktur
Pekan Jam Mesin Biaya tenaga kerja
(X ) (kamu)
1 68 $1.190
2 88 1.211
3 62 1.004
4 72 917
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 Fungsi Biaya Menggunakan

Analisis Kuantitatif
Sedang belajar Ada enam langkah dalam memperkirakan fungsi biaya menggunakan analisis kuantitatif data masa lalu. Kami
Objektif 4 mengilustrasikan langkah-langkahnya menggunakan contoh Karpet Elegan.
Uraikan enam langkah dalam Langkah 1: Pilih variabel terikat. Variabel terikat mana (biaya yang akan diprediksi dan dikelola) yang dipilih manajer
memperkirakan fungsi biaya akan bergantung pada fungsi biaya spesifik yang diestimasi. Dalam contoh Permadani Elegan, variabel terikatnya adalah
menggunakan analisis kuantitatif
biaya tenaga kerja produksi tidak langsung.
. . . hasil akhirnya (Langkah 6)
adalah mengevaluasi Langkah 2: Identifikasi variabel independen, atau pemicu biaya. Variabel independen (tingkat aktivitas atau cost
pemicu biaya dari fungsi estimasi driver) merupakan faktor yang digunakan untuk memprediksi variabel dependen (biaya). Jika biaya merupakan biaya
biaya tidak langsung, seperti pada Permadani Elegan, variabel independen juga disebut basis alokasi biaya. Meskipun istilah-
istilah ini kadang-kadang digunakan secara bergantian, kami menggunakan istilah penggerak biaya untuk menggambarkan
variabel independen. Seringkali, akuntan manajemen, yang bekerja dengan tim manajemen, akan mengulangi enam
langkah tersebut 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 mempunyai hubungan yang masuk akal secara ekonomi
dengan variabel terikat. Masuk akal secara ekonomi berarti bahwa hubungan tersebut (menggambarkan bagaimana
perubahan dalam pemicu biaya menyebabkan perubahan dalam biaya yang dipertimbangkan) didasarkan pada
hubungan fisik, kontrak, atau pengetahuan tentang operasi dan masuk akal secara ekonomis bagi manajer operasi dan
manajemen. akuntan. Seperti yang Anda pelajari di Bab 5, semua item biaya yang termasuk dalam variabel terikat
harus mempunyai pemicu biaya yang sama; artinya, 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 item 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
Memperkirakan fungsi biaya menggunakan analisis Kuantitatif 381
Biaya tunjangan kesehatan dan biaya makan di kafetaria dapat digabungkan menjadi satu kumpulan biaya
yang homogen karena keduanya 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 makanan di kafetaria. Sebaliknya, manfaat tersebut harus
digabungkan ke dalam kumpulan biaya homogen yang terpisah, yang dapat diperkirakan dengan menggunakan
gaji karyawan yang menerima manfaat tersebut sebagai pemicu biaya.
Langkah 3: Kumpulkan data tentang variabel terikat dan pemicu biaya. Ini biasanya merupakan langkah
tersulit dalam analisis biaya. Akuntan manajemen memperoleh data dari dokumen perusahaan, dari wawancara
dengan manajer, dan melalui studi khusus. Data ini dapat berupa data time-series 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 terhadap biaya tenaga kerja produksi tidak langsung
Elegant Rugs dan jumlah jam kerja mesin adalah contoh data deret waktu. Basis data deret waktu yang ideal
akan berisi banyak observasi untuk perusahaan yang operasinya tidak terpengaruh oleh perubahan ekonomi
atau teknologi. Perekonomian yang stabil dan teknologi yang stabil memastikan bahwa data yang dikumpulkan
selama periode estimasi mewakili hubungan mendasar yang sama antara pemicu biaya dan variabel terikat.
Selain itu, periode yang digunakan untuk mengukur variabel terikat dan pemicu biaya harus konsisten
sepanjang observasi.
Data cross-sectional berkaitan dengan entitas yang berbeda selama periode yang sama. Misalnya, studi
tentang pinjaman yang diproses dan biaya personel terkait di 50 cabang bank individu, namun serupa, selama
bulan Maret 2017 akan menghasilkan data cross-sectional untuk bulan tersebut. Data cross-sectional harus
diambil dari entitas yang, dalam setiap entitas, memiliki hubungan serupa antara pemicu biaya dan biaya. Nanti
di bab ini, kami menjelaskan masalah-masalah yang muncul dalam pengumpulan data.
Langkah 4: Plot datanya. Hubungan umum antara pemicu biaya dan biaya dapat dilihat dengan mudah
dengan membuat grafik plot data. Plot tersebut memberikan wawasan mengenai rentang fungsi biaya yang
relevan dan menunjukkan apakah hubungan antara faktor pendorong dan biaya bersifat linier. Selain itu,
plotnya 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 spreadsheet Excel pada Tampilan 10-3.
Grafik ini memberikan bukti visual yang kuat tentang hubungan linier positif antara jumlah jam mesin di Elegant
Rugs dan biaya tenaga kerja produksi tidak langsung (ketika jam mesin meningkat, biaya tenaga kerja produksi
tidak langsung juga meningkat). Tampaknya tidak ada observasi ekstrim pada Gambar 10-4. Kisaran 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 digunakan manajer
dan akuntan untuk memperkirakan fungsi biaya adalah metode tinggi-rendah dan analisis regresi. Meskipun
program komputer seperti Excel membuat analisis regresi jauh lebih mudah, kami akan menjelaskan metode
tinggi-rendah untuk memberikan beberapa intuisi dasar mengenai gagasan menggambar garis agar
“menyesuaikan” sejumlah titik data. Kami menyajikan metode ini setelah Langkah 6.
$1.600
pameran 10-4
6
1.400 9 Plot Tidak Langsung Mingguan
1
1.200 Tenaga Kerja Manufaktur
2
3 7 Biaya dan Jam Mesin
1.000
10 untuk Karpet Elegan
12 4
800
eaiM
dY
yjn)ra B
K
T
L(
5
akaga
fsu n
11
kaug
rugtn
600 8
400
200
20 40 60 80 100
Penggerak Biaya: Jam Mesin (X)

Langkah 6: Evaluasi penggerak biaya dari fungsi estimasi biaya. Pada langkah ini, kami menjelaskan kriteria untuk
mengevaluasi penggerak biaya dari fungsi estimasi biaya. Namun untuk melakukannya, pertama-tama Anda perlu
memahami metode tinggi-rendah dan analisis regresi. Mengidentifikasi pemicu biaya merupakan aspek penting dalam
mengelola biaya dan meningkatkan profitabilitas dan oleh karena itu merupakan komponen penting dalam perangkat
manajer.
Metode Tinggi-Rendah
Bentuk analisis kuantitatif yang paling sederhana untuk “menyesuaikan” garis dengan titik data adalah metode tinggi-
rendah. Ia hanya menggunakan nilai observasi tertinggi dan terendah dari pemicu biaya dalam kisaran relevan dan biaya
masing-masing untuk memperkirakan koefisien kemiringan dan konstanta fungsi biaya. Ini memberikan gambaran sekilas
tentang hubungan antara pemicu biaya dan biaya.
Kami mengilustrasikan metode tinggi-rendah menggunakan data dari Gambar 10-3.
Penggerak Biaya: Manufaktur Tidak Langsung

Jam Mesin (X) Biaya Tenaga Kerja (Y)
Pengamatan cost driver tertinggi (minggu ke-6) 96 $1.456

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

dan pengamatan terendah dari penggerak biaya
Koefisien kemiringan =
Perbedaan antara tertinggi dan terendah
pengamatan penggerak biaya
= $746 , 50 mesin@jam = $14,92 per mesin@jam
Untuk menghitung konstanta, kita dapat menggunakan observasi cost driver tertinggi atau terendah. Kedua perhitungan
tersebut menghasilkan jawaban yang sama karena metode ini menyelesaikan dua persamaan linier dengan dua hal yang
tidak diketahui, yaitu koefisien kemiringan dan konstanta. Karena
kamu = a + bX,
a = y - bX
Pada pengamatan tertinggi dari cost driver, konstanta a adalah:
Konstanta = $1,456 - 1$14,92 per mesin@jam * 96 mesin@jam2 = $23,68
Pada observasi terendah dari cost driver, a adalah:
Konstanta = $710 - 1$14,92 per mesin@jam * 46 mesin@jam2 = $23,68
Jadi, estimasi tinggi-rendah fungsi biaya adalah sebagai berikut:
kamu = a + bX
y = $23,68 + 1$14,92 per mesin@jam * Jumlah mesin@jam2
Garis biru pada Gambar 10-5 menunjukkan fungsi estimasi biaya menggunakan metode tinggi-rendah. Fungsi
estimasi biaya merupakan garis lurus yang menghubungkan observasi dengan nilai cost driver tertinggi dan terendah
(jumlah jam mesin). Perhatikan bagaimana garis tinggi-rendah sederhana ini berada “di antara” titik data; ada tiga
pengamatan pada garis, empat di atasnya dan lima di bawahnya. Perpotongan (a = $23,68), titik di mana perpanjangan
garis putus-putus dari garis biru bertemu dengan sumbu y, adalah komponen konstan persamaan yang memberikan
perkiraan linier terbaik tentang perilaku biaya dalam kisaran relevan 46–96 jam mesin. Manajer tidak boleh menafsirkan
intersep sebagai perkiraan biaya tetap jika tidak ada mesin yang dijalankan. Alasannya adalah karena tidak menjalankan
mesin dan mematikan pabrik—yakni tidak menggunakan jam kerja mesin—berada di luar rentang yang relevan.
Misalkan biaya tenaga kerja produksi tidak langsung Elegant Rugs pada minggu ke 6 adalah $1.280, bukan $1.456.
Dalam hal ini, pengamatan tertinggi terhadap penggerak biaya (96 jam mesin pada minggu ke-6) tidak akan bertepatan
dengan pengamatan biaya tertinggi yang lebih baru ($1,316 pada minggu ke-9). Bagaimana
Memperkirakan fungsi biaya menggunakan analisis Kuantitatif 383
Rentang yang Relevan pameran 10-5

$1.600
6 Metode Tinggi-Rendah
1.400 Garis tinggi-rendah 9
untuk Tidak Langsung Mingguan
menggunakan revisi
1
1.200 Tenaga Kerja Manufaktur
biaya untuk minggu ke 8 2
3 7 Biaya dan Jam Mesin untuk Karpet
1.000
10
12 4 Elegan
kaugfsu
rugtn a n eaiM
dY
yjn)ra
kaga B
K
T
L(
800
5 11
600 8
Garis tinggi-rendah
400
menggunakan data di
200 Gambar 10-3
20 40 60 80 100
apakah perubahan ini akan mempengaruhi perhitungan tinggi-rendah kita? Mengingat hubungan sebab-akibat
berjalan dari pemicu biaya hingga biaya dalam fungsi biaya, kami memilih observasi pemicu biaya yang tertinggi
dan terendah (faktor yang menyebabkan biaya berubah). Metode tinggi-rendah masih akan memperkirakan
fungsi biaya baru menggunakan data dari minggu ke 6 (tinggi) dan 8 (rendah).
Metode tinggi-rendah mudah dihitung dan mudah dipahami. Hal ini memberikan para manajer Elegant Rugs
wawasan awal yang cepat mengenai bagaimana pemicu biaya—jumlah jam kerja mesin—mempengaruhi biaya
tenaga kerja produksi tidak langsung perusahaan. Namun, berbahaya bagi manajer jika hanya mengandalkan
dua observasi untuk memperkirakan fungsi biaya. Misalkan karena kontrak kerja menjamin pembayaran minimum
tertentu pada minggu ke 8, biaya tenaga kerja produksi tidak langsung pada minggu ke 8 adalah $1.000, bukan
$710, ketika hanya 46 jam mesin yang digunakan. Garis hijau pada Gambar 10-5 menunjukkan fungsi biaya
yang akan diestimasi dengan metode tinggi-rendah menggunakan biaya revisi ini. Perhatikan bahwa semua titik
data terletak pada atau di bawah garis! Dalam hal ini, memilih pengamatan tertinggi dan terendah untuk jam
mesin akan menghasilkan fungsi estimasi biaya yang kurang menggambarkan hubungan biaya linier yang
mendasari antara jumlah jam mesin dan biaya tenaga kerja produksi tidak langsung. Dalam situasi seperti ini,
manajer dapat memodifikasi metode tinggi-rendah sehingga dua observasi yang dipilih untuk memperkirakan
fungsi biaya adalah representasi tinggi dan rendah yang mewakili. Dengan melakukan penyesuaian ini, manajer
dapat menghindari pengamatan ekstrem, yang timbul dari peristiwa abnormal, yang mempengaruhi estimasi
fungsi biaya. Fungsi biaya yang dimodifikasi lebih mewakili hubungan antara pemicu biaya dan biaya dan, oleh
karena itu, lebih berguna untuk pengambilan keputusan (seperti penetapan harga dan evaluasi kinerja).
Selanjutnya kami uraikan metode analisis regresi. Daripada hanya nilai tinggi dan rendah, ia menggunakan
semua data yang tersedia untuk memperkirakan fungsi biaya.
Perusahaan Mortise telah mengumpulkan data berikut mengenai biaya-biaya tertentu yang tidak dapat
dengan mudah diidentifikasi sebagai biaya tetap atau variabel. Mortise telah mendengar tentang
metode pengukuran fungsi biaya yang disebut metode tinggi-rendah dan memutuskan untuk
10-2 Cobalah!
menggunakannya dalam situasi ini.
Bulan Biaya Jam
Januari $40.000 3.600
Februari 38.500 3.000

Berbaris 36.280 3.300
April 38.000 3.500
Mungkin 69.850 5.850

Juni 45.000 4.250
A. Berapa koefisien kemiringannya?

B. Berapa konstanta untuk persamaan perkiraan biaya?
C. Berapakah fungsi perkiraan biaya untuk data di atas?
D. Berapa perkiraan total biaya pada tingkat operasional 3.100 jam?
Metode Analisis Regresi

Analisis regresi adalah metode statistik yang mengukur jumlah rata-rata perubahan variabel terikat yang dikaitkan
dengan satuan perubahan pada satu atau lebih variabel bebas. Metode ini digunakan secara luas karena membantu
manajer “mengikuti angka-angka” sehingga mereka memahami mengapa biaya berperilaku seperti itu dan apa yang
dapat dilakukan manajer untuk mempengaruhinya. 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 seiring waktu. Manajer yang memahami hubungan ini akan memperoleh wawasan yang lebih
luas mengenai bisnis mereka, membuat keputusan yang lebih bijaksana, dan mengelola dengan lebih efektif.
Analisis regresi sederhana memperkirakan hubungan antara variabel terikat dengan satu variabel bebas. Dalam
contoh Permadani Elegan, variabel terikatnya adalah total biaya tenaga kerja tidak langsung; variabel independen
tunggal, atau pemicu biaya, adalah jumlah jam mesin. Analisis regresi berganda memperkirakan hubungan antara
variabel terikat dengan dua atau lebih variabel bebas. Analisis regresi berganda untuk Elegant Rugs mungkin
menggunakan jumlah jam mesin dan jumlah batch sebagai variabel independen. Lampiran bab ini membahas regresi
sederhana dan regresi berganda secara lebih rinci.
Di bagian selanjutnya, kami akan menjelaskan cara menggunakan Excel untuk melakukan analisis regresi. Di sini
kita akan membahas bagaimana manajer menafsirkan dan menggunakan output dari program seperti Excel untuk
membuat keputusan strategis yang penting. Gambar 10-6 menunjukkan garis yang dikembangkan menggunakan
analisis regresi yang paling sesuai dengan data di kolom B dan C pada Gambar 10-3. Excel memperkirakan fungsi biaya menjadi
kamu = $300,98 + $10,31X
Garis regresi pada Gambar 10-6 diperoleh dengan menggunakan teknik kuadrat terkecil. Teknik kuadrat terkecil
menentukan garis regresi dengan meminimalkan jumlah kuadrat jarak vertikal dari titik-titik data (berbagai titik dalam
grafik) ke garis regresi. Jarak vertikal, yang disebut istilah sisa, mengukur perbedaan antara biaya aktual dan perkiraan
biaya untuk setiap pengamatan pemicu biaya. Gambar 10-6 menunjukkan sisa jangka waktu untuk data minggu ke-1.
Garis pengamatan ke garis regresi ditarik tegak lurus terhadap sumbu horizontal atau sumbu x. Semakin kecil nilai sisa,
semakin baik kesesuaian antara pengamatan biaya aktual dan estimasi biaya. Goodness of fit menunjukkan kekuatan
hubungan antara pemicu biaya dan biaya. Garis regresi pada Gambar 10-6 naik dari kiri ke kanan. Kemiringan positif
dari garis ini dan nilai 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 Gambar 10-6 menunjukkan
rentang yang relevan, rentang di mana fungsi biaya diterapkan.
Instruktur dan siswa yang ingin mendalami rincian teknis dalam memperkirakan garis regresi kuadrat terkecil
dapat membuka lampiran, halaman 400–405, dan kembali ke poin ini tanpa kehilangan kontinuitas.
Perkiraan koefisien kemiringan, b, menunjukkan bahwa biaya tenaga kerja manufaktur tidak langsung bervariasi
pada jumlah rata-rata $10,31 untuk setiap jam mesin yang digunakan dalam kisaran yang relevan.
pameran 10-6 Rentang yang Relevan
$1.600
Model Regresi Tidak Sisa 6
Langsung Mingguan 1.400 9
ketentuan
1 2
Tenaga Kerja Manufaktur 1.200 7
Biaya dan Jam Mesin untuk 12 3
1.000
Karpet Elegan 10
4
800
kaugfsu
rugtn eaiM
yjn)radY
akaga
n B
K
T
L(
5 11
600 8
400 Garis regresi

200 kamu 5 $300,98 1 $10,31X
20 40 60 80 100 110

Mengevaluasi dan memilih penggerak biaya 385
Manajer dapat menggunakan persamaan regresi ketika menetapkan anggaran untuk biaya tenaga kerja manufaktur
tidak langsung di masa depan. Misalnya, jika 90 jam mesin dianggarkan untuk minggu mendatang, perkiraan biaya
tenaga kerja manufaktur tidak langsung adalah sebesar ini
y = $300,98 + 1$10,31 per mesin@jam * 90 mesin@jam2 = $1,228,88
Seperti yang telah kami sebutkan, metode regresi lebih akurat dibandingkan metode tinggi-rendah karena
persamaan regresi memperkirakan biaya menggunakan informasi dari seluruh observasi, sedangkan persamaan
tinggi-rendah menggunakan informasi dari dua observasi saja. Ketidakakuratan metode tinggi-rendah dapat
menyesatkan para 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 7 minggu selama periode 12 minggu
berikutnya, Elegant Rugs menjalankan mesinnya selama 90 jam setiap minggunya.
Asumsikan rata-rata biaya tenaga kerja manufaktur tidak langsung selama 7 minggu tersebut adalah $1.300.
Berdasarkan prediksi metode tinggi-rendah sebesar $1,366,48, Elegant Rugs akan menyimpulkan bahwa kinerjanya
baik karena biaya sebenarnya lebih kecil dari biaya yang diprediksi. Namun membandingkan kinerja $1.300 dengan
prediksi model regresi $1.228,88 yang lebih akurat mengungkapkan cerita yang berbeda dan akan mendorong
Elegant Rugs mencari cara untuk meningkatkan kinerja biayanya.
Seperti yang telah dibahas sebelumnya, para manajer di Elegant Rugs tertarik untuk mengevaluasi apakah
keputusan strategis terkini yang menyebabkan perubahan dalam proses produksi (dan menghasilkan data pada
Gambar 10-3) telah mengurangi biaya tenaga kerja manufaktur tidak langsung perusahaan, seperti biaya tenaga
kerja manufaktur tidak langsung. pengawasan, pemeliharaan, dan pengendalian mutu. Dengan menggunakan data
jumlah jam mesin yang digunakan dan biaya tenaga kerja produksi tidak langsung dari proses sebelumnya (tidak
ditampilkan di sini), manajer memperkirakan persamaan regresi sebelumnya menjadi
Keputusan
y = $546,26 + 1$15,86 per mesin@jam * Jumlah mesin@jam2 Titik
Apa saja langkah-langkah
Konstanta ($300,98 versus $545,26) dan koefisien kemiringan ($10,31 versus $15,86) keduanya lebih kecil untuk untuk memperkirakan fungsi
proses baru dibandingkan dengan proses lama. Tampaknya proses baru ini memang menurunkan biaya tenaga biaya menggunakan
kerja produksi tidak langsung perusahaan. analisis kuantitatif?
Mengevaluasi dan Memilih Penggerak Biaya

Bagaimana perusahaan menentukan pemicu biaya terbaik ketika memperkirakan fungsi biaya? Dalam banyak kasus, Sedang belajar
manajer harus memahami operasi dan akuntansi biaya. Untuk mengetahui mengapa pemahaman pengoperasian Tujuan 5
diperlukan, pertimbangkan biaya pemeliharaan dan perbaikan mesin pemotong logam di Helix Corporation, produsen
Jelaskan tiga kriteria yang digunakan
treadmill. Helix menjadwalkan perbaikan dan pemeliharaan ketika produksi berada pada tingkat rendah untuk untuk mengevaluasi dan memilih
menghindari keharusan mengeluarkan mesin dari servis ketika mesin tersebut sangat dibutuhkan. Analisis data pemicu biaya
bulanan kemudian akan menunjukkan biaya perbaikan yang tinggi pada bulan-bulan dengan produksi rendah dan
. . . hubungan yang masuk akal
biaya perbaikan yang rendah pada bulan-bulan dengan produksi tinggi.
secara ekonomi, goodness of fit,
Seseorang yang tidak terbiasa dengan operasi mungkin menyimpulkan bahwa ada hubungan terbalik antara biaya dan pengaruh signifikan dari cost
produksi dan perbaikan. Namun, hubungan teknik antara unit yang diproduksi dan biaya perbaikan biasanya jelas. driver terhadap biaya
Seiring berjalannya waktu, terdapat hubungan sebab-akibat: semakin tinggi tingkat produksi, semakin tinggi biaya
perbaikan. Untuk memperkirakan hubungan dengan benar, manajer operasi dan analis akan menyadari bahwa biaya
perbaikan akan cenderung tertinggal dibandingkan periode produksi tinggi, dan karenanya, mereka akan
menggunakan produksi periode sebelumnya sebagai pemicu biaya.
Dalam kasus lain, memilih pemicu biaya lebih rumit dan sulit. Pertimbangkan lagi biaya tenaga kerja produksi
tidak langsung di Elegant Rugs. Meskipun jumlah jam kerja mesin dan jumlah jam kerja produksi langsung merupakan
pemicu biaya yang masuk akal bagi biaya tenaga kerja produksi tidak langsung perusahaan, para manajer tidak
yakin mana yang merupakan pendorong yang lebih baik. Gambar 10-7 menyajikan data mingguan (dalam Excel)
mengenai biaya tenaga kerja manufaktur tidak langsung dan jumlah jam mesin selama periode 12 minggu terakhir
dari Gambar 10-3, bersama dengan data jumlah tenaga kerja manufaktur langsung. jam untuk periode yang sama.
pameran 10-7

Biaya, Jam Mesin, dan Penggerak Biaya Alternatif: Tidak langsung
Manufaktur Langsung
Asli Manufaktur Langsung Manufaktur
Jam Kerja untuk Elegan
Penggerak Biaya: Jam Kerja Biaya tenaga kerja
Permadani
Pekan Jam Mesin (X) (kamu)
1 68 30 1.190
2 88 35
3 62 36 $1.211
4 72 20 1.004 917
5 60 47 770
6 96 45 1.456
7 78 44 1.180
8 46 38 710
9 82 70 1.316
10 94 30 1.032
11 68 29 752
12 48 38 963
Total 862 462 $ 12.501
Panduan apa yang diberikan oleh berbagai metode estimasi biaya untuk memilih di antara pemicu
biaya? Metode teknik industri bergantung pada analisis hubungan fisik antara penggerak biaya dan
biaya, hubungan yang sulit untuk ditentukan dalam kasus ini. Metode konferensi dan metode analisis
akun menggunakan penilaian subjektif untuk memilih pemicu biaya dan memperkirakan komponen tetap
dan variabel dari fungsi biaya. Dalam kasus ini, manajer harus mengandalkan penilaian terbaik mereka.
Manajer tidak dapat menggunakan metode ini untuk menguji dan mencoba penggerak biaya alternatif.
Keuntungan utama metode kuantitatif adalah bersifat obyektif, sehingga manajer dapat menggunakannya
untuk mengevaluasi pemicu biaya yang berbeda-beda. Kami menggunakan pendekatan analisis regresi
untuk mengilustrasikan cara mengevaluasi pemicu biaya yang berbeda.
Pertama, analis biaya di Elegant Rugs memasukkan data di kolom C dan D pada Gambar 10-7 inci
Buatlah excel dan perkirakan persamaan regresi berikut untuk biaya tenaga kerja manufaktur tidak
langsung berdasarkan jumlah jam kerja manufaktur langsung:
kamu = $744,67 + $7,72X
Gambar 10-8 menunjukkan plot titik data untuk jumlah jam kerja produksi langsung dan biaya tenaga
kerja produksi tidak langsung serta garis regresi yang paling sesuai dengan data tersebut. Ingatlah
bahwa Gambar 10-6 menunjukkan grafik yang sesuai ketika jumlah jam mesin adalah penggerak biaya.
Untuk memutuskan mana dari dua penggerak biaya yang harus dipilih oleh Elegant Rugs, analis
membandingkan persamaan regresi jam mesin dan persamaan regresi jam kerja produksi langsung.
Ada tiga kriteria yang digunakan untuk melakukan 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 tersebut percaya bahwa biaya tenaga kerja produksi tidak langsung seperti
biaya pemeliharaan mesin cenderung lebih erat kaitannya dengan jumlah mesin. -jam yang
digunakan dibandingkan jumlah jam kerja produksi langsung yang digunakan.
2. Kesesuaian yang baik. Bandingkan Pameran 10-6 dan 10-8. Perbedaan vertikal antara biaya aktual
dan perkiraan biaya jauh lebih kecil pada regresi jam mesin dibandingkan dengan regresi jam kerja
manufaktur langsung. Oleh karena itu, jumlah jam mesin yang digunakan memiliki hubungan yang
lebih kuat—atau kesesuaian—dengan biaya tenaga kerja manufaktur tidak langsung.
Mengevaluasi dan memilih penggerak biaya 387
Rentang yang Relevan pameran 10-8

$1.600
6 Model Regresi Tidak
1.400 9
1 2 Langsung Mingguan
1.200 7 Tenaga Kerja Manufaktur
4 10 Biaya dan Langsung
1.000
3
12 Tenaga Kerja Manufaktur-
800
kaug
rugtn a eaiM
yajn)radY
kagn
fsu B
K
T
L(
11 5 Jam untuk Permadani Elegan

600 8
400 Garis regresi

200 kamu 5 $744,67 1 $7,72X
10 20 30 40 50 60 70 80
Penggerak Biaya: Jam Kerja Manufaktur Langsung (X)
3. Signifikansi variabel independen. Sekali lagi bandingkan Gambar 10-6 dan 10-8 (keduanya
digambarkan dengan skala yang kira-kira sama). Garis regresi jam kerja mesin memiliki kemiringan
yang curam dibandingkan dengan kemiringan garis regresi jam kerja manufaktur langsung. Untuk
pengamatan yang tersebar sama (atau lebih) pada garis (goodness of fit), garis regresi yang datar
atau sedikit miring menunjukkan hubungan yang lemah antara pemicu biaya dan biaya. Dalam contoh
kita, perubahan jam kerja produksi langsung tampaknya mempunyai dampak kecil terhadap biaya
tenaga kerja produksi 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 jam mesin) untuk memprediksi
biaya tenaga kerja manufaktur tidak langsung di masa depan.
Instruktur dan siswa yang ingin mengeksplorasi bagaimana teknik analisis regresi dapat digunakan
untuk memilih di antara pemicu biaya yang berbeda dapat melihat lampiran, halaman 405–409, dan kembali
ke poin ini tanpa kehilangan kontinuitas.
Mengapa penting untuk memilih pemicu biaya yang tepat untuk memperkirakan biaya tenaga kerja
produksi tidak langsung? Karena mengidentifikasi faktor pendorong yang salah atau salah memperkirakan
fungsi biaya dapat menyebabkan manajemen mengambil keputusan yang salah (dan mahal) dalam berbagai
dimensi. Pertimbangkan keputusan strategis berikut yang harus diambil oleh para manajer Elegant Rugs.
Perusahaan sedang mempertimbangkan untuk memperkenalkan karpet model baru yang, dari sudut
pandang produksi, serupa dengan karpet yang pernah diproduksi sebelumnya. Perusahaan mengharapkan
untuk menjual karpet ini seluas 650 kaki persegi setiap minggunya. Manajer memperkirakan dibutuhkan 72
jam mesin dan 21 jam tenaga kerja manufaktur langsung per minggu untuk menghasilkan jumlah output
sebesar ini. Dengan menggunakan persamaan regresi jam mesin, Elegant Rugs akan memperkirakan biaya
tenaga kerja produksi tidak langsung sebesar y = $300,98 + ($10,31 per mesin@jam * 72 mesin@jam) =
$1,043,30. Jika perusahaan menggunakan jam kerja produksi langsung sebagai pemicu biaya, perusahaan
akan salah memperkirakan biaya sebesar $744,67 + ($7,72 per tenaga kerja@jam * 21 tenaga kerja@jam)
= $906,79. Jika Elegant Rugs juga memilih pemicu biaya yang salah untuk biaya tidak langsung lainnya
dan secara sistematis meremehkan biaya, hal ini akan menyimpulkan bahwa biaya pembuatan karpet
model baru akan rendah dan pada dasarnya tetap (karena garis regresi hampir datar). Namun biaya aktual
yang disebabkan oleh jumlah jam mesin yang digunakan dan faktor pemicu biaya lainnya yang tepat akan
lebih tinggi. Jika gagal mengidentifikasi pemicu biaya yang tepat, manajer akan percaya bahwa karpet
model baru akan lebih menguntungkan daripada yang sebenarnya. Jika manajer menggunakan penggerak
biaya yang benar, mereka akan menyadari bahwa karpet baru tidak begitu menguntungkan dan mungkin
memutuskan untuk tidak memperkenalkannya.
Estimasi fungsi biaya yang salah juga akan mempengaruhi aktivitas manajemen biaya dan
pengendalian biaya Elegant Rugs. Misalkan jumlah jam kerja produksi langsung digunakan sebagai
penggerak biaya, dan biaya tenaga kerja produksi tidak langsung aktual untuk karpet baru adalah $970,
lebih tinggi dari perkiraan biaya sebesar $906,79. Manajer perusahaan kemudian akan merasa terdorong
untuk memangkas biaya. Faktanya, berdasarkan penggerak biaya jam mesin yang sesuai, pabrik akan
memiliki biaya aktual yang lebih rendah dari perkiraan biaya sebesar $1.043,30—suatu kinerja yang harus
ditiru oleh manajemen, bukan diubah!
Penggerak Biaya dan Penetapan Biaya Berbasis Aktivitas

Sistem penetapan biaya berbasis aktivitas (ABC) berfokus pada aktivitas individu, seperti desain produk, pengaturan
mesin, penanganan bahan, distribusi, dan layanan pelanggan, sebagai objek biaya mendasar. Untuk menerapkan
sistem ABC, manajer harus mengidentifikasi pemicu biaya untuk setiap aktivitas. Misalnya, seorang manajer di
Westronics, sebuah perusahaan manufaktur produk elektronik.
Dengan menggunakan metode yang dijelaskan dalam bab ini, manajer harus memutuskan apakah jumlah muatan
yang dipindahkan atau berat muatan yang dipindahkan merupakan pemicu biaya penanganan material di perusahaan.
biaya.
Untuk memilih pemicu biaya, manajer mengumpulkan data mengenai biaya penanganan bahan dan kuantitas
dari dua pemicu biaya yang bersaing dalam jangka waktu yang cukup lama. Mengapa jangka waktunya lama? Karena
dalam jangka pendek, biaya penanganan material mungkin tetap dan oleh karena itu tidak akan berubah seiring
dengan perubahan tingkat pemicu biaya. Namun dalam jangka panjang, terdapat hubungan sebab-akibat yang jelas
antara biaya penanganan material dan pemicu biaya. Misalkan jumlah beban yang dipindahkan merupakan penggerak
biaya. Peningkatan jumlah muatan yang dipindahkan akan memerlukan lebih banyak tenaga kerja dan peralatan
penanganan material; penurunan jumlah muatan yang dipindahkan akan mengakibatkan peralatan terjual dan tenaga
kerja dipindahkan ke tugas lain.
Manajer yang menggunakan sistem ABC menggunakan berbagai metode untuk memperkirakan hubungan biaya.
Di Inggris, kepolisian Kota London menggunakan hubungan input-output (metode teknik industri) untuk mengidentifikasi
pemicu biaya dan biaya suatu aktivitas. Dengan menggunakan metodologi survei, petugas dapat menentukan total
biaya yang terkait dengan penanganan perampokan rumah, penanganan perampokan, dan pengisian laporan polisi.
Metode teknik industri juga digunakan oleh lembaga pemerintah AS seperti US Postal Service, untuk menentukan
biaya setiap transaksi kantor pos, dan Kantor Paten dan Merek Dagang AS, untuk mengidentifikasi biaya setiap
pemeriksaan paten. Caterpillar juga menggunakan metode teknik industri; ia memodelkan aktivitas dalam proses
manufakturnya untuk memungkinkan setiap aktivitas dihitung biayanya menggunakan tarif biaya yang dinormalisasi.
Aktivitas kemudian digulirkan ke tingkat produk, dan metodologi ini digunakan secara konsisten di seluruh dunia.
Ketika memilih di antara metode, manajer mengorbankan tingkat detail, akurasi, kelayakan, dan biaya dalam
memperkirakan fungsi biaya. Misalnya, untuk memperkirakan biaya suatu aktivitas seperti pembukaan rekening bank
atau melakukan pembayaran transfer, Bankinter di Spanyol menggunakan metode pengukuran kerja, sedangkan
Royal Bank of Canada menggunakan teknik analisis tingkat lanjut, termasuk regresi.
Semakin banyak manajer yang menggunakan analisis kuantitatif untuk menentukan pemicu biaya suatu aktivitas.
DHL Express, perusahaan pelayaran internasional, baru-baru ini beralih dari metode konferensi ke melakukan analisis
kuantitatif mendalam pada sistem “big data” mereka.
Kini para manajer memiliki sistem penetapan biaya berbasis aktivitas tunggal di seluruh dunia yang menunjukkan biaya
dan profitabilitas untuk setiap pengiriman di jaringannya. Dengan menganalisis basis datanya secara cermat, DHL
Express dapat menghubungkan keuntungan dari barang yang dikirim pada penerbangan tertentu dengan biaya
pengiriman dan kemudian menentukan mana dari 250 pesawatnya yang terbaik untuk pekerjaan tersebut.
Sistem ABC memiliki sejumlah besar dan beragam pemicu biaya dan kumpulan biaya. Ini berarti sistem
memerlukan manajer untuk memperkirakan banyak hubungan biaya. Saat memperkirakan fungsi biaya untuk setiap
kumpulan biaya, manajer harus memperhatikan hierarki biaya dengan cermat. Misalnya, jika suatu biaya adalah biaya
tingkat batch seperti biaya penyiapan, manajer hanya boleh mempertimbangkan penggerak 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. Penggerak biaya untuk biaya tenaga kerja produksi tidak langsung Karpet
Elegan dapat berupa jam mesin dan jumlah batch produksi karpet yang diproduksi. Selain itu, mungkin sulit untuk
membagi biaya tenaga kerja manufaktur tidak langsung menjadi dua kelompok biaya dan mengukur biaya yang terkait
dengan masing-masing pemicu biaya. Dalam kasus seperti ini, perusahaan menggunakan regresi berganda untuk
memperkirakan biaya berdasarkan lebih dari satu variabel independen. Lampiran bab ini membahas regresi berganda
secara lebih rinci.
Kami telah menyebutkan “data besar” di beberapa tempat dalam bab ini. Konsep ini secara formal mengacu
pada kumpulan data yang teknik pemrosesan tradisionalnya (untuk menangkap, menyimpan, membuat kueri, atau
menganalisis) tidak memadai karena kuantitas atau kompleksitas datanya. Sumber data seperti itu semakin tersedia
karena hadirnya sensor-sensor yang murah, termasuk sensor-sensor tersebut
fungsi biaya nonlinier 389
ditemukan di perangkat seluler, kamera, drone, satelit, dan perangkat kebugaran pribadi. Biaya penyimpanan data
telah turun secara signifikan. Antara tahun 2010 dan 2015, biaya penyimpanan data turun 75%, dari 20 sen per
gigabyte menjadi 5 sen per gigabyte. Selain itu, sejumlah besar daya komputasi murah kini tersedia sesuai permintaan
berkat penyedia berbasis cloud seperti Amazon Web Services dan Microsoft Azure.
Jika digabungkan, perkembangan ini telah memberikan peluang bagi perusahaan untuk melakukan analisis
canggih terhadap kumpulan data besar dengan biaya yang relatif rendah. Pada gilirannya, perusahaan telah mengambil
keuntungan dengan menggunakan regresi dan teknik terkait untuk menargetkan pelanggan dengan lebih baik dan
mengoptimalkan operasi guna meningkatkan profitabilitas. Salah satu alat yang telah terbukti ampuh adalah regresi
logistik, yang digunakan ketika variabel terikat mempunyai serangkaian nilai yang terbatas (misalnya, variabel biner,
seperti apakah seseorang akan membeli mobil atau tidak). Keputusan
Regresi logistik digunakan dalam penilaian kredit oleh bank untuk memprediksi apakah Anda akan gagal bayar di Titik
tahun depan pada setiap produk kredit Anda. Ini digunakan oleh penyedia telekomunikasi untuk memprediksi apakah
Bagaimana seharusnya
pelanggan akan meninggalkan mereka dalam tiga bulan ke depan. Diperkirakan setiap orang diberi skor setidaknya perusahaan mengevaluasi dan
tiga kali sehari menggunakan model regresi logistik!2 memilih pemicu biaya?
Metode regresi terkadang terhambat oleh banyaknya data karena banyaknya potensi regresi yang tersedia.
Namun, teknik seperti koreksi Bonferroni dan validasi silang dapat digunakan bersama dengan analisis regresi untuk
mengurangi kemungkinan positif palsu. Dalam situasi lain, data yang tersedia berbentuk teks, gambar, atau audio,
bukan angka. Contohnya termasuk catatan kesehatan, feed Twitter, halaman web, dan podcast. Teknik regresi tidak
dapat dilakukan dalam kasus ini. Namun, pemrosesan bahasa alami dapat digunakan untuk mengeksploitasi struktur
linguistik yang melekat dalam semua komunikasi manusia, dan dengan demikian mengidentifikasi tren dalam data.
Seringkali, hal ini dilakukan melalui pembelajaran mesin, yang dapat mengekstraksi nilai dari sumber data yang besar
dan berbeda dengan sedikit bergantung pada arahan manusia. Analisis ini didorong oleh data dan berjalan pada skala
mesin, dan, tidak seperti analisis tradisional, analisis ini berkembang pesat pada kumpulan data yang terus berkembang.
Semakin banyak data yang dimasukkan ke dalam sistem pembelajaran mesin, semakin banyak pula yang dapat
dipelajari dan diterapkan hasilnya pada wawasan berkualitas lebih tinggi, dengan tujuan untuk menemukan dan
menampilkan pola yang terkubur dalam data. Pentingnya bagi para manajer untuk memahami nilai teknik-teknik
tersebut akan semakin meningkat.
Sedang belajar
Fungsi Biaya Nonlinier

Tujuan 6
Jelaskan fungsi biaya
Fungsi biaya tidak selalu linier. Fungsi biaya nonlinier adalah fungsi biaya yang grafik total biayanya (berdasarkan nonlinier
tingkat aktivitas tunggal) tidak berupa garis lurus dalam rentang relevan. Untuk melihat seperti apa fungsi biaya
. . . Grafik fungsi biaya tidak
nonlinier, kembali ke Tampilan 10-2 (halaman 375).
berupa garis lurus, misalnya
Kisaran yang relevan saat ini ditetapkan pada 2.000 hingga 6.500 papan seluncur salju. Namun jika kita memperluas karena diskon kuantitas atau
rentang yang relevan untuk mencakup wilayah tersebut dari 0 hingga 8.000 papan seluncur salju yang diproduksi, perubahan biaya secara bertahap
jelaslah bahwa fungsi biaya pada rentang yang diperluas ini secara grafis diwakili oleh garis yang tidak lurus.
Perhatikan contoh lain. Skala ekonomi memungkinkan biro iklan memproduksi dua kali lipat jumlah iklan dengan khususnya, yang timbul dari
biaya kurang dari dua kali lipat. Bahkan biaya material langsung tidak selalu linier. Seperti yang ditunjukkan Panel A efek kurva pembelajaran
pada Gambar 10-9, total biaya bahan langsung meningkat seiring dengan meningkatnya unit bahan langsung yang . . . baik pembelajaran
dibeli. Namun, karena adanya diskon kuantitas, biaya-biaya ini naik lebih lambat (seperti yang ditunjukkan oleh waktu rata-rata kumulatif, di
perubahan koefisien kemiringan) seiring dengan meningkatnya unit bahan baku langsung yang dibeli. Fungsi biaya ini mana waktu rata-rata kumulatif
memiliki b = $25 per unit untuk 1–1.000 unit yang dibeli, b = $15 per unit untuk 1.001–2.000 unit yang dibeli, dan b = per unit menurun dengan
$10 per unit untuk 2.001–3.000 unit yang dibeli. Biaya bahan langsung per unit turun seiring dengan penurunan harga. persentase yang konstan, seiring
unit diproduksi dua kali lipat
Fungsi biaya bersifat nonlinier pada rentang relevan dari 1 hingga 3.000 unit. Pada rentang relevan yang lebih sempit
(misalnya, dari 1 hingga 1.000 unit), fungsi biaya bersifat linier. . . . atau pembelajaran satuan
waktu tambahan, yang mana waktu
tambahan untuk memproduksi unit
Fungsi biaya langkah juga merupakan fungsi biaya nonlinier. Fungsi biaya bertahap (step cost function)
terakhir menurun dengan
adalah fungsi biaya yang biayanya tetap sama pada berbagai rentang tingkat aktivitas, namun meningkat dalam jumlah persentase yang konstan,
yang berbeda-beda—yaitu, meningkat secara bertahap—seiring dengan peningkatan tingkat aktivitas dari satu rentang. ketika unit diproduksi dua kali lipat.
2
Untuk melihat bagaimana big data dan analitik diterapkan saat ini, lihat B. Baesens, “Analytics in a Big Data World,” Wiley dan SAS
Business Series (Mei 2014).
pameran 10-9 Contoh Fungsi Biaya Nonlinier
PANEL A:
Pengaruh Kuantitas
Diskon di Lereng PANEL B: PANEL C:
Koefisien Langsung Langkah Biaya Variabel 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
eiP
narutaagyn)aY B(
$5.000
$900
$30.000 Koefisien kemiringan
b 5 $15
tY
layhn)a
gnunsaag aiB
ao T
L(
$20.000 per unit $600

$2.500 Linier Linier
kag
u)m
n u
ayn uiB
bd
l)aY T
i(r
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) Satuan Produksi (X) Kisaran yang relevan
Jam Waktu Tungku (X)
selanjutnya. Panel B pada Gambar 10-9 menunjukkan fungsi biaya variabel bertahap, suatu fungsi biaya bertahap dimana
biaya tetap sama pada rentang sempit tingkat aktivitas di setiap rentang yang relevan.
Panel B menunjukkan hubungan antara unit produksi dan biaya setup. Polanya merupakan fungsi biaya bertahap karena,
seperti yang telah kami jelaskan di Bab 5 tentang penetapan biaya berdasarkan aktivitas, biaya penyiapan terkait dengan
setiap batch produksi yang dimulai. Jika rentang relevan dianggap antara 0 hingga 6.000 unit produksi, fungsi biayanya
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 yang
berbeda tetapi digunakan dalam jumlah yang pecahan.
Panel C pada Gambar 10-9 menunjukkan fungsi biaya tetap bertahap untuk Crofton Steel, sebuah perusahaan yang
mengoperasikan tungku perlakuan panas besar untuk mengeraskan bagian baja. Melihat Panel B dan C, Anda dapat
melihat bahwa perbedaan utama antara fungsi biaya variabel bertahap dan fungsi biaya tetap bertahap adalah bahwa
pada fungsi biaya tetap bertahap, biayanya tetap sama pada rentang aktivitas yang luas di setiap rentang yang relevan.
Kisaran tersebut menunjukkan jumlah tungku yang digunakan (biaya pengoperasian setiap tungku adalah $300.000).
Biaya meningkat dari satu kisaran ke kisaran berikutnya yang lebih tinggi bila tungku lain digunakan. Kisaran waktu
tungku 7.500–15.000 jam yang relevan menunjukkan bahwa perusahaan mengharapkan untuk beroperasi dengan dua
tungku dengan biaya $600.000. Manajer menganggap biaya pengoperasian tungku sebagai biaya tetap dalam rentang
operasi yang relevan. Namun, jika rentang yang relevan adalah dari 0 hingga 22.500 jam, fungsi biaya adalah nonlinier:
Grafik pada Panel C bukanlah garis lurus tunggal; itu adalah tiga garis putus-putus.
Kurva Pembelajaran
Fungsi biaya nonlinier juga dihasilkan dari kurva pembelajaran. 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 pekerjaannya. Manajer menggunakan kurva pembelajaran untuk memprediksi bagaimana jam kerja, atau
biaya tenaga kerja, akan meningkat seiring dengan semakin banyaknya unit yang diproduksi.
Industri perakitan pesawat terbang pertama kali mendokumentasikan pengaruh pembelajaran terhadap efisiensi.
Secara umum, ketika pekerja menjadi lebih terbiasa dengan tugas mereka, efisiensi mereka akan meningkat.
Manajer belajar bagaimana menjadwalkan pekerjaan dan mengoperasikan pabrik dengan lebih efisien. Akibatnya, biaya
per unit menurun seiring dengan peningkatan produktivitas, dan fungsi biaya per unit berperilaku nonlinier. Ketidaklinieran
ini harus dipertimbangkan ketika memperkirakan dan memperkirakan biaya per unit.
Istilah kurva pengalaman menggambarkan penerapan kurva pembelajaran yang lebih luas—kurva yang meluas ke
fungsi bisnis lain dalam rantai nilai, seperti pemasaran, distribusi, dan
fungsi biaya nonlinEar 391
pelayanan pelanggan. Kurva pengalaman mengukur penurunan biaya per unit berbagai fungsi bisnis seiring
dengan meningkatnya jumlah aktivitas tersebut. Bagi perusahaan seperti Dell Computer, Walmart, dan
McDonald's, kurva pembelajaran dan kurva pengalaman merupakan elemen kunci dari strategi maksimalisasi
keuntungan mereka. Perusahaan-perusahaan ini menggunakan kurva pembelajaran dan kurva pengalaman
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 tambahan.
Model Pembelajaran Waktu Rata-Rata Kumulatif

Dalam model pembelajaran waktu rata-rata kumulatif, waktu rata-rata kumulatif per unit menurun dengan
persentase yang konstan setiap kali jumlah kumulatif unit yang diproduksi berlipat ganda. Misalnya Rayburn
Corporation, produsen sistem radar. Rayburn memiliki kurva belajar 80%. Artinya ketika Rayburn menggandakan
jumlah unit yang diproduksi, dari X menjadi 2X, maka 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 sebesar
20% (100% - 80%). Gambar 10-10 menunjukkan (dalam Excel) perhitungan model pembelajaran waktu rata-rata
kumulatif untuk Rayburn Corporation.
Perhatikan bahwa ketika 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. Ketika 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 memperoleh total waktu kumulatif pada kolom D,
kalikan waktu rata-rata kumulatif per unit dengan jumlah kumulatif unit yang diproduksi. Misalnya, untuk
memproduksi 4 unit kumulatif akan memerlukan 256 jam kerja (4 unit * 64 rata-rata kumulatif tenaga kerja@jam
per unit).
pameran 10-10 Model Pembelajaran Waktu Rata-Rata Kumulatif untuk Rayburn Corporation
Model Pembelajaran Waktu Rata-Rata Kumulatif untuk Rayburn Corporation
Kurva Pembelajaran 80%.
evitalumuC Kumulatif tinU laudividnIevitalumuC

rebmuN Waktu rata-rata :memancarkan latoT Waktunya ke X
Satuan (X ) per Unit (y )*: Jam Kerja Jam Kerja Satuan: Jam Kerja
D = Kol A 3 Kol B
E13 5 D13 ] D12
1 100,00 0,0001 0,0001
5 210,63 ] 160,00
2 80,00 5 (100 3 0,8) 12,07 160.00 60.00

3 36.012 36.05
4 256.00 45.37 *Hubungan matematis yang mendasari waktu rata-rata kumulatif
64,00 5 (80 3 0,8) 65,95
model pembelajarannya adalah sebagai berikut:
5 28.792 28.14
kamu 5 aXb
6 71.65 10.733 91,93
dimana y 5 Waktu rata-rata kumulatif (jam kerja) per unit
7 54.35 41.473 31.73 X 5 Jumlah kumulatif unit yang diproduksi
8 409.60 35.46 a 5 Waktu (jam kerja) yang dibutuhkan untuk memproduksi unit pertama
51,20 5 (64 3 0,8) 92,94
b 5 Faktor yang digunakan untuk menghitung waktu rata-rata kumulatif
9 56.344 50.43 menghasilkan unit
01 56.74 15.674 68.23 Nilai b dihitung sebagai
ln (% kurva pembelajaran dalam bentuk desimal)

11 12.64 23.805 18.13
ln2
21 39.44 22.935 98.03
Untuk kurva pembelajaran 80%, b 5 ln 0.8/ln 2 5 ]0.2231/0.6931 5 ]0.3219 Misalnya, ketika X
31 97.34 92.965 70.03 5 3, a 5 100, b 5 ]0.3219, y 5 100 3 3]0.3219 5 70.21 labor- jam
41 67.24 36.895 43.92

51 28.14 30.726 76.82 Total waktu kumulatif saat X 5 3 adalah 70,21 3 3 5 210,63 jam kerja.
Angka-angka dalam tabel mungkin tidak tepat karena adanya pembulatan.

16 40,96 5 (51,2 3 0,8) 655.36 28.06
Model Pembelajaran Satuan Waktu Tambahan

Dalam model pembelajaran satuan waktu tambahan, waktu tambahan yang diperlukan untuk memproduksi
satuan terakhir berkurang dengan persentase yang konstan setiap kali jumlah kumulatif unit yang diproduksi
berlipat ganda. Sekali lagi, pertimbangkan Rayburn Corporation dan kurva pembelajaran 80%. Dengan model
ini, 80% berarti ketika jumlah unit yang diproduksi digandakan dari X menjadi 2X, maka waktu yang dibutuhkan
untuk memproduksi unit yang sesuai dengan 2X adalah 80% dari waktu yang dibutuhkan untuk memproduksi
unit ke-X. Gambar 10-11 memperlihatkan penghitungan Excel untuk model pembelajaran satuan waktu tambahan.
Perhatikan bagaimana ketika unit diproduksi dua kali lipat 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 bila diproduksi 2 unit). Kita memperoleh total waktu
kumulatif di kolom D dengan menjumlahkan masing-masing satuan waktu di kolom B. Misalnya, untuk
memproduksi 4 unit kumulatif diperlukan 314,21 jam kerja (100,00 + 80,00 + 70,21 + 64,00).
Gambar 10-12 menunjukkan model pembelajaran waktu rata-rata kumulatif (menggunakan data dari
Gambar 10-10) dan model pembelajaran waktu satuan tambahan (menggunakan data dari Gambar 10-11).
Panel A mengilustrasikan waktu rata-rata kumulatif per unit sebagai fungsi dari unit kumulatif yang dihasilkan
untuk setiap model. Kurva model pembelajaran waktu rata-rata kumulatif diplot menggunakan data pada
Gambar 10-10, kolom B, sedangkan kurva untuk model pembelajaran waktu rata-rata inkremental diplot
menggunakan data pada Gambar 10-11, kolom E. Panel B secara grafis mengilustrasikan total jam kerja
kumulatif, sekali lagi sebagai fungsi dari unit kumulatif yang diproduksi untuk setiap model. Kurva model
pembelajaran waktu rata-rata kumulatif diplot menggunakan data pada Gambar 10-10, kolom D, sedangkan
untuk model pembelajaran waktu rata-rata inkremental diplot menggunakan data pada Gambar 10-11, kolom
D.
pameran 10-11 Model Pembelajaran Satuan Waktu Tambahan untuk Rayburn Corporation
Xy
X
1 0,0001 0,0001 0,0001 D14 5 D13 1 B14

5 180.00170.21
2 80,00 5 (100 3 0,8) 12,07 180.00 90.00
3 12.052 40.38
*Hubungan matematis yang mendasari satuan waktu tambahan
4 64,00 5 (80 3 0,8) 65,95 314.21 78.55 model pembelajarannya adalah sebagai
berikut: y 5 aXb
5 77.373 57.47
dimana y 5 Waktu (jam kerja) yang dibutuhkan untuk memproduksi unit tunggal terakhir
6 71.65 49.924 66.71 X 5 Jumlah kumulatif unit yang diproduksi
7 54.35 93.384 60,96 a 5 Waktu (jam kerja) yang dibutuhkan untuk memproduksi unit pertama
b 5 Faktor yang digunakan untuk menghitung penambahan waktu satuan untuk menghasilkan satuan
8 51,20 5 (64 3 0,8) 92,94 534.59 66.82 ln (% kurva pembelajaran dalam bentuk desimal)
5
ln2
9 98.385 88.46
01 56.74 45.136 51.36 Untuk kurva pembelajaran 80%, b 5 ln 0,8 4 ln 2 5 ]0,2231 4 0,6931 5]0,3219
Misalnya, ketika X 5 3, a 5 100, b 5 ]0,3219, ]0,32195 y 5 100 3
11 12.64 57.776 16.16 3 70,21 jam kerja
21 39.44 86.227 22.06 Total waktu kumulatif saat X 5 3 adalah 100 1 801 70,21 5 250,21 jam kerja.
31 97.34 74.667 69,85 Angka-angka dalam tabel mungkin tidak tepat karena adanya pembulatan.
41 67.24 32.908 80,75

51 28.14 50.158 47.65
16 40,96 5 (51,2 3 0,8) 892.01 55,75
fungsi biaya nonlinEar 393
pameran 10-12 Plot untuk Model Pembelajaran Waktu Rata-Rata Kumulatif dan Satuan Waktu Tambahan
Model Pembelajaran untuk Rayburn Corporation
Panel A: Waktu Rata-Rata Kumulatif per Unit Panel B: Total Jam Kerja Kumulatif
(Kurva Pembelajaran 80%; Unit Pertama Membutuhkan 100 Jam Kerja) (Kurva Pembelajaran 80%; Unit Pertama Membutuhkan 100 Jam Kerja)
120 5000
(kamu) Waktu Rata-Rata Kumulatif
100 Satuan Waktu Tambahan 4000
Satuan Waktu Tambahan Model pembelajaran
Model pembelajaran
80 3000 Model pembelajaran
Waktu Rata-Rata Kumulatif
(Y)
60 Model pembelajaran 2000
aJK
ujrtae
n)aam S(
am
fitalualm oaK
jrtu
e TJ
ueW
ra R
K
p
40 1000
kta
lu-tam
fitau
20 0
0 16 32 48 64 80 96 112 128
0
Jumlah Kumulatif Unit
0 16 32 48 64 80 96 112 128
Jumlah Kumulatif Unit (X)
(X)
Dengan asumsi kecepatan pembelajaran sama untuk kedua model, model pembelajaran waktu rata-rata kumulatif
menunjukkan kecepatan pembelajaran yang lebih cepat. Hal ini dibuktikan dengan fakta bahwa pada Gambar 10-12,
Panel B, grafik total jam kerja kumulatif untuk model pembelajaran satuan waktu tambahan 80% terletak di atas grafik
untuk model pembelajaran waktu rata-rata kumulatif 80%. Untuk menghasilkan 4 unit kumulatif, model pembelajaran
waktu rata-rata kumulatif 80% memperkirakan 314,21 jam kerja, sedangkan model pembelajaran waktu rata-rata
kumulatif 80% memperkirakan 256,00 jam kerja. Hal ini karena dalam model pembelajaran waktu rata-rata kumulatif,
rata-rata jam kerja yang dibutuhkan untuk memproduksi keempat unit tersebut adalah 64 jam; jumlah jam kerja yang
dibutuhkan untuk memproduksi unit 4 jauh lebih sedikit dari 64 jam—yaitu 45,37 jam (lihat Gambar 10-10). Dalam model
pembelajaran satuan waktu tambahan, jumlah jam kerja yang dibutuhkan untuk memproduksi unit 4 adalah
64 jam, dan jam kerja yang diperlukan untuk memproduksi masing-masing 3 unit pertama adalah lebih dari 64 jam,
sehingga rata-rata waktu yang diperlukan untuk memproduksi keempat unit tersebut adalah lebih dari 64 jam.
Bagaimana manajer memilih model mana dan berapa persen kurva pembelajaran yang akan digunakan? Mereka
melakukannya berdasarkan kasus per kasus. Misalnya, jika perilaku penggunaan jam kerja manufaktur seiring dengan
peningkatan tingkat produksi mengikuti pola seperti yang diprediksi oleh model pembelajaran waktu rata-rata kumulatif
kurva pembelajaran 80%, maka model pembelajaran waktu rata-rata kumulatif kurva pembelajaran 80% seharusnya
digunakan. Insinyur, manajer pabrik, dan pekerja merupakan sumber informasi yang baik mengenai jumlah dan jenis
pembelajaran yang sebenarnya terjadi seiring dengan peningkatan produksi.
Merencanakan informasi ini dan memperkirakan model yang paling sesuai dengan data akan sangat membantu ketika
memilih model yang sesuai.3
Memasukkan Efek Kurva Pembelajaran ke dalam Harga

dan Standar
Bagaimana perusahaan menggunakan kurva pembelajaran? Perhatikan data pada Gambar 10-10 untuk model
pembelajaran waktu rata-rata kumulatif di Rayburn Corporation. Misalkan biaya variabel yang terkena dampak
pembelajaran adalah tenaga kerja produksi langsung, sebesar $20 per jam, dan biaya overhead terkait, sebesar $30
per jam kerja produksi langsung. Manajer harus memperkirakan biaya yang ditunjukkan pada Gambar 10-13.
Data ini menunjukkan bahwa efek kurva pembelajaran dapat berdampak besar terhadap keputusan yang diambil
para manajer Rayburn Corporation. Misalnya, manajer mungkin memberi harga yang sangat rendah pada sistem radar
perusahaan untuk menghasilkan permintaan yang tinggi. Ketika produksi sistem meningkat untuk memenuhi permintaan
yang terus meningkat, biaya per unit turun (lihat kolom F), dan Rayburn
3
Untuk rinciannya, lihat C. Bailey, “Estimasi Kurva Pembelajaran Biaya Produksi dan Jam Kerja Menggunakan Add-in Excel Gratis,” Management Accounting
Quarterly (Musim Panas 2000): 25–31. Perangkat lunak gratis untuk memperkirakan kurva pembelajaran tersedia di Situs Web Dr. Bailey, www.
profbailey.com.
pameran 10-13
Memprediksi Biaya Menggunakan

Kurva Pembelajaran di
Perusahaan Rayburn Kumulatif
evitalumuCemiT egarevAevitalumuC :emiT Biaya Kumulatif atau sombongA

Rata-rata
latoT:tinU repfo rebmuN Jam Kerja- Jam Kerja dengan harga $50 per evitalumuC Biaya per
B
Unit 1 100.00 100.00 Jam Kerja Biaya Satuan
$ 5.000 $ 5.000 $ 5.000

2 80.00 160.00 8.000 3.000 4.000
4 64.00 256.00 12.800 4.800 3.200
8 51.20 409.60 20.480 7.680 2.560
16 40,96 655.36 32.768 12.288 2.048
A
Berdasarkan model pembelajaran rata-rata waktu kumulatif. Lihat Tampilan 10-10 untuk
perhitungan jumlah ini
B
Jam Kerja Kumulatif di Kolom C 3$50 per Jam Kerja
“mendorong produk mengikuti kurva pembelajaran” seiring dengan perolehan pangsa pasar. Meskipun perusahaan tersebut mungkin
memperoleh sedikit pendapatan operasional pada unit pertama yang terjual—perusahaan mungkin sebenarnya telah merugi atas unit
tersebut—Rayburn memperoleh lebih banyak pendapatan operasional per unit seiring dengan peningkatan output.
Alternatifnya, tergantung pada hukum dan faktor lainnya, manajer Rayburn mungkin menetapkan harga rendah
hanya untuk 8 unit terakhir. Lagi pula, total biaya tenaga kerja dan biaya overhead terkait untuk unit-unit ini diperkirakan
hanya $12,288 (lihat kolom E). Pada 8 unit terakhir ini, biaya tambahan per unit sebesar $1.536 ($12.288, 8 unit) jauh lebih
rendah daripada biaya produksi pertama sebesar $5.000.
Banyak perusahaan, seperti Pizza Hut dan Home Depot, menggunakan kurva pembelajaran untuk mengevaluasi
tingkat kinerja. Nissan Motor Company menetapkan standar efisiensi tenaga kerja perakitan untuk model mobil baru
setelah mempertimbangkan pembelajaran yang akan terjadi seiring dengan semakin banyaknya unit yang diproduksi.
Karyawan diharapkan untuk belajar dari pekerjaannya, dan kinerja mereka dievaluasi sesuai dengan itu. Departemen
Pertahanan AS memasukkan kurva pembelajaran ke dalam perkiraan biaya program senjata militer. Konsep dalam
Tindakan: Apakah Produksi Joint Strike Fighter Memiliki Kurva Pembelajaran? menunjukkan sulitnya membuat perkiraan
dan besarnya dampak kesalahan perhitungan terhadap biaya akhir program.
Model kurva pembelajaran yang diperiksa pada Gambar 10-10 hingga 10-13 mengasumsikan bahwa pembelajaran
Keputusan
didorong oleh satu variabel (output produksi). Model pembelajaran lain telah dikembangkan (oleh perusahaan seperti
Titik
Analog Devices dan Hewlett-Packard) yang berfokus pada bagaimana kualitas—bukan jam kerja manufaktur—akan
Apa yang dimaksud dengan
berubah seiring waktu, terlepas dari apakah lebih banyak unit yang diproduksi. Studi menunjukkan bahwa faktor-faktor
fungsi biaya nonlinier, dan
bagaimana kurva selain hasil produksi, seperti rotasi pekerjaan dan pengorganisasian pekerja ke dalam tim, berkontribusi terhadap
pembelajaran menimbulkan biaya nonlinier?
pembelajaran yang meningkatkan kualitas.
Maude Designs memproduksi berbagai bingkai foto. Setiap karyawan baru membutuhkan waktu 6 jam untuk
Cobalah! 10-3 membuat bingkai foto pertama dan 4,8 jam untuk membuat bingkai foto kedua. Biaya overhead produksi per
jam adalah $25.
A. Berapa persentase kurva pembelajaran, 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 biaya overhead produksi yang akan dibebankan pada 8 bingkai foto berdasarkan pendekatan
waktu rata-rata kumulatif?
D. Berapa persentase kurva pembelajaran, dengan asumsi metode satuan waktu tambahan? e. Berapa waktu
yang diperlukan untuk menghasilkan frame ke 16 oleh pegawai baru dengan menggunakan
metode satuan waktu tambahan? Anda dapat menggunakan indeks -0,3219.
MASALAH PENUMPUKAN DAN PENYESUAIAN DATA 395
konsep dalam Apakah Produksi Joint

tindakan Strike Fighter Memiliki Kurva Pembelajaran?
Kurva pembelajaran telah menguntungkan biaya produksi dalam pengembangan dan manufaktur
pesawat sejak tahun 1930an. Meskipun kurva pembelajaran diterima secara luas, terdapat
kontroversi mengenai apakah terdapat kurva pembelajaran pada pengembangan dan pembuatan
F-35 Lightning II, yang juga dikenal sebagai Joint Strike Fighter (“JSF”) yang sedang berlangsung.
JSF adalah program pesawat militer termahal dalam sejarah. JSF dirancang untuk menjadi
pesawat tempur serang generasi berikutnya yang digunakan oleh militer di Amerika Serikat, Italia,
Belanda, Turki, Kanada, Australia, Denmark, Norwegia, Jepang, dan Israel. Ketika program JSF
dimulai pada tahun 2001, Departemen Pertahanan Amerika Serikat (“DoD”) berencana membeli
2.852 pesawat udara dalam kontrak senilai sekitar $233 miliar. Namun pada tahun 2013,
Departemen Pertahanan berencana mengeluarkan 70% lebih banyak uang untuk mengurangi 409
Foto Angkatan Udara AS/Foto Stok Alamy pesawat. Selama waktu ini, harga setiap pesawat meningkat dari $81 juta menjadi $161 juta.
Mengapa? Banyak ahli berpendapat bahwa JSF terlalu rumit untuk memanfaatkan kurva pembelajaran, yang seharusnya secara bertahap mengurangi
biaya setiap pesawat seiring dengan berjalannya produksi. Kurva pembelajaran memerlukan desain dan produksi yang stabil, yang tidak dimiliki JSF. Untuk militer
Amerika Serikat sendiri, ada tiga versi pesawat tersebut: versi konvensional untuk Angkatan Udara,
versi lepas landas pendek dan pendaratan vertikal untuk Marinir, dan versi yang cocok untuk kapal induk untuk Angkatan Laut. Selain itu, biaya komponen
mengalami stagnasi, meskipun produksi meningkat. Misalnya, harga mesin JSF sama dari tahun 2010–2015, sedangkan jumlah mesinnya meningkat dua kali
lipat.
Hal ini tidak sesuai dengan apa yang diharapkan dari program JSF, karena keterjangkauannya dalam jangka panjang mengharuskan harga unit turun seiring
dengan peningkatan produksi, karena penghematan dari pesanan komponen yang lebih besar dan biaya tenaga kerja yang lebih rendah karena pekerja
mendapatkan lebih banyak pengalaman dalam memproduksi pesawat.
Meskipun terdapat tantangan-tantangan ini, Departemen Pertahanan dan Lockheed Martin, kontraktor utama JSF, tetap memiliki harapan. Lockheed
Martin mengklaim bahwa kurva pembelajaran produksi mengalahkan pesawat lama seperti F-16, dan Letjen Chris Bogdan, kepala program JSF di Departemen
Pertahanan, mengatakan bahwa biaya pesawat akan mencapai $80 juta hingga $85 juta per pesawat pada tahun 2019.
Sumber: Adam Ciralsky, “Akankah Terbang?” Pameran Kesombongan, 16 September 2013; Giovanni de Briganti, “Biaya Unit Mesin F-35 Terus Meningkat
Sekalipun Produksi Meningkat,” Defense-Aerospace.com, 28 April 2015; Colin Clark, “Bogdan Memprediksi Harga F-35 Kurang dari $80 Juta, Termasuk Mesin!”
Melanggar Pertahanan, 11 Februari 2016.
Masalah Pengumpulan dan Penyesuaian Data

Basis data yang ideal untuk memperkirakan fungsi biaya secara kuantitatif memiliki dua karakteristik: Sedang belajar
1. Basis data harus berisi sejumlah pengamatan yang dapat diukur secara andal mengenai pemicu biaya
Objektif 7
(variabel independen) dan biaya terkait (variabel dependen). Kesalahan dalam mengukur biaya dan pemicu Waspadai masalah data yang
biaya merupakan hal yang serius. Hal ini menghasilkan perkiraan yang tidak akurat mengenai pengaruh pemicu dihadapi dalam memperkirakan
biaya terhadap biaya. fungsi biaya
2. Basis data harus mempertimbangkan banyak nilai yang mencakup rentang yang luas untuk penggerak biaya. . . . misalnya, data yang tidak
dapat diandalkan dan pencatatan
Penggunaan hanya sedikit nilai pemicu biaya yang dikelompokkan secara berdekatan menyebabkan manajer
yang buruk, pengamatan yang
mempertimbangkan terlalu kecil suatu segmen dari kisaran yang relevan dan mengurangi keakuratan estimasi yang diperoleh.
ekstrem, memperlakukan
biaya tetap seolah-olah biaya
Sayangnya, akuntan manajemen biasanya tidak memiliki keuntungan bekerja dengan database yang memiliki kedua
tersebut bersifat variabel, dan
karakteristik tersebut. Bagian ini menguraikan beberapa masalah data yang sering ditemui dan langkah-langkah yang perubahan hubungan antara pemicu biaya
dapat Anda ambil untuk mengatasi masalah tersebut. Manajer harus bertanya tentang masalah ini dan menilai bagaimana dan biaya
masalah tersebut diselesaikan sebelum mereka mengandalkan perkiraan biaya yang dihasilkan dari data.
ÿ Jangka waktu untuk mengukur variabel terikat tidak sesuai dengan jangka waktu untuk mengukur pemicu
biaya. Masalah ini sering muncul ketika suatu perusahaan tidak melakukan pencatatan akuntansi dengan basis
akrual. Pertimbangkan fungsi biaya untuk perusahaan transportasi dengan biaya pelumas mesin sebagai variabel
terikat dan jumlah jam kerja truk sebagai penggerak biaya. Asumsikan pelumas dibeli secara sporadis dan disimpan
untuk digunakan nanti. Catatan yang dibuat berdasarkan pembelian pelumas akan menunjukkan biaya pelumas yang
kecil dalam beberapa bulan dan biaya pelumas yang besar dalam beberapa bulan. Catatan-catatan ini memberikan
gambaran yang tidak akurat tentang apa yang sebenarnya terjadi. Analis harus menggunakan akuntansi akrual untuk
mengukur biaya pelumas yang dikonsumsi agar lebih cocok dengan biaya jam truk dalam contoh ini.
ÿ Biaya tetap dialokasikan seolah-olah merupakan biaya variabel. Misalnya, biaya seperti depresiasi, asuransi, atau
sewa dapat dialokasikan ke produk untuk menghitung biaya per unit output. Bahayanya bagi manajer adalah menganggap
biaya-biaya ini sebagai biaya variabel dan bukan biaya tetap. Biayanya tampak bervariasi, namun hal ini terkait dengan
metode alokasi yang digunakan, bukan perilaku sebenarnya dari biaya tersebut. 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.
ÿ Data tidak tersedia untuk semua observasi atau tidak dapat diandalkan secara seragam. Pengamatan biaya yang
hilang sering kali muncul karena tidak dicatat atau diklasifikasikan dengan benar. Misalnya, biaya pemasaran suatu
perusahaan mungkin diremehkan karena biaya kunjungan penjualan ke pelanggan mungkin salah dicatat sebagai biaya
layanan pelanggan. Pencatatan data secara manual dibandingkan secara elektronik cenderung menghasilkan persentase
observasi yang hilang dan kesalahan pencatatan observasi yang lebih tinggi. Kesalahan juga muncul ketika data pemicu
biaya berasal dari luar sistem akuntansi internal. Misalnya, departemen akuntansi dapat memperoleh data jam pengujian
instrumen medis dari departemen manufaktur perusahaan dan data jumlah barang yang dikirim ke pelanggan dari
departemen distribusi.
Salah satu atau kedua departemen ini mungkin tidak menyimpan catatan yang akurat. Untuk meminimalkan masalah ini,
analis biaya harus merancang laporan pengumpulan data yang secara teratur dan rutin memperoleh data yang diperlukan
dan harus segera menindaklanjuti setiap kali ada data yang hilang.
ÿ Terjadi nilai observasi yang ekstrim. Nilai-nilai ini timbul dari (a) kesalahan dalam pencatatan biaya (misalnya, kesalahan
penempatan koma desimal), (b) periode yang tidak representatif (misalnya, dari periode terjadinya kerusakan mesin
besar atau keterlambatan pengiriman bahan dari perusahaan internasional). pemasok membatasi produksi), atau (c)
pengamatan di luar rentang yang relevan.
Analis harus menyesuaikan atau menghilangkan pengamatan yang tidak biasa sebelum memperkirakan hubungan biaya.
ÿ Tidak ada hubungan yang homogen antara pemicu biaya dan masing-masing item biaya dalam kumpulan biaya
variabel dependen. Hubungan yang homogen terjadi ketika setiap aktivitas yang biayanya termasuk dalam variabel
dependen mempunyai cost driver yang sama. Dalam hal ini, fungsi biaya tunggal dapat diperkirakan. Seperti yang
dibahas pada Langkah 2 untuk memperkirakan fungsi biaya menggunakan analisis kuantitatif (halaman 380–381), ketika
pemicu biaya untuk setiap aktivitas berbeda, fungsi biaya yang terpisah (masing-masing memiliki pemicu biaya sendiri)
harus diestimasi untuk setiap aktivitas. Alternatifnya, seperti yang dibahas di halaman 406–408, analis harus
memperkirakan fungsi biaya dengan lebih dari satu variabel independen menggunakan regresi berganda.
ÿ Hubungan antara pemicu biaya dan biaya tidak stasioner. Hal ini terjadi ketika proses mendasar yang menghasilkan
observasi tidak tetap stabil dari waktu ke waktu. Misalnya, hubungan antara jumlah jam mesin dan biaya overhead
manufaktur kemungkinan besar tidak akan stasioner ketika data mencakup periode ketika teknologi baru diperkenalkan.
Salah satu cara untuk melihat apakah hubungan tersebut stasioner adalah dengan membagi sampel menjadi dua bagian
dan memperkirakan hubungan biaya yang terpisah—satu untuk periode sebelum teknologi diperkenalkan dan satu lagi
untuk periode setelah teknologi diperkenalkan.
Kemudian, jika estimasi koefisien untuk kedua periode tersebut serupa, analis dapat mengumpulkan data untuk
memperkirakan hubungan biaya tunggal. Jika memungkinkan, pengumpulan data akan menghasilkan kumpulan data
yang lebih besar untuk estimasi, sehingga meningkatkan keyakinan terhadap prediksi biaya yang dibuat.
ÿ Inflasi telah mempengaruhi biaya, pemicu biaya, atau keduanya. Misalnya, inflasi dapat menyebabkan biaya berubah
meskipun tidak ada perubahan pada tingkat pemicu biaya. Untuk mempelajari hubungan sebab-akibat yang mendasari
antara tingkat pemicu biaya dan biaya, analis harus menghilangkan dampak harga inflasi murni dari data dengan membagi
setiap biaya dengan indeks harga pada tanggal terjadinya biaya.
Keputusan
Titik
Dalam banyak kasus, seorang analis biaya harus mengeluarkan upaya yang besar untuk mengurangi dampak masalah ini
Apa saja masalah data
sebelum memperkirakan fungsi biaya berdasarkan data masa lalu. Sebelum mengambil keputusan apa pun, seorang manajer
umum yang harus diperhatikan
perusahaan ketika harus meninjau dengan hati-hati setiap data yang tampaknya mencurigakan dan bekerja sama dengan analis dan akuntan
memperkirakan biaya? perusahaan untuk memperoleh dan memproses informasi yang benar dan relevan.
MASALAH untuk belajar mandiri 397
MASALAH untuk Belajar Mandiri

Divisi Helikopter GLD, Inc., sedang memeriksa biaya perakitan helikopter di pabriknya di Indiana. Mereka
telah menerima pesanan awal untuk delapan helikopter survei tanah barunya. GLD dapat mengadopsi
salah satu dari dua metode perakitan helikopter:
Metode Perakitan Padat Karya $ 000,04 Metode Perakitan Intensif Mesin

airetam tceriD retpocileh rep tsoc l emit sruoh- $000,63
robal ylbmessa t-ceriD retpocileh tsrif rof robal000,2 85% waktu sruoh-robal008
Kurva pembelajaran untuk waktu kerja perakitan per helikopter rata-rata kumulatif* ruoh rep03$ 90% tambahan waktu satuan**
tsoc robal ylbmessa t-ceriD ruoh perwakilan03$
Biaya produksi tidak langsung terkait peralatan $ 12 per jam kerja perakitan langsung 50% $ 45 per jam kerja perakitan langsung
Biaya produksi tidak langsung terkait penanganan material dari biaya bahan langsung 50% dari biaya bahan langsung
dalam 0,85 ]0,162519

*Menggunakan rumus (halaman 391), untuk kurva pembelajaran 85%, b 5 5 5 ]0,234465
di 2 0,693147
di 0,90 ]0,105361
**Menggunakan rumus (halaman 392), untuk kurva pembelajaran 90%, b 5 5 5 ]0,152004
di 2 0,693147
1. Berapa jam kerja perakitan langsung yang diperlukan untuk merakit delapan helikopter pertama Diperlukan
dengan (a) metode padat karya dan (b) metode padat mesin?
2. Berapa total biaya perakitan delapan helikopter pertama pada (a) padat karya
metode dan (b) metode intensif mesin?
Larutan
1.sebuah. Perhitungan berikut memperlihatkan metode perakitan padat karya berdasarkan model
pembelajaran waktu rata-rata kumulatif 85% (menggunakan Excel):
evitalumuC Kumulatif evitalumuC Individu

rebmuN Waktu rata-rata :memancarkan latoT rof memancarkan
stinU fo per Satuan (y): sruoH-robaL Satuan ke X:
(X) Jam Kerja Jam Kerja

Kol J 5 Kol G 3 Kol H
1 000,2 000,2 000,2
2 1.700 (2.000 3 0,85) 3,400 1.400
3 645,1 736,4 732,1
4 1.445 (1.700 3 0,85) 5,780 1.143
5 1.371 758,6 770,1
6 413,1 488,7 720,1
7 762,1 178,8 789
8 1.228,25 (1.445 3 0,85) 9,826 955
Waktu rata-rata kumulatif per unit untuk unit ke-X pada kolom H dihitung seperti y lihat = aXb ;
Gambar 10-10 (halaman 391). Misalnya, ketika X = 3, y = 1,546 tenaga = 2.000 * 3 - 0,234465
kerja@jam.
B. Perhitungan berikut menunjukkan metode perakitan intensif mesin berdasarkan model

pembelajaran unit-waktu tambahan 90%:
evitalumuC Individu evitalumuC evitalumuC

rebmuN Satuan Waktu :memancarkan latoT memancarkan egarevA
stinU fo untuk Unit X (y): sruoH-robaL :tinU ulangan
(X) Jam Kerja Jam Kerja

Kol K 5 Kol J 4 Kol G
1 008 008 008
2 720 (800 3 0,9) 1.520 760
3 776 791,2 237
4 648 (720 3 0,9) 2.845 711
5 626 174,3 496
6 906 180,4 086
7 595 676,4 866
8 583 (648 3 0,9) 5.258 657
= Gambar
Satuan waktu individu untuk unit ke-X di kolom H dihitung sebagai y ; lihat aXb 10-11 = 800 * 3
- 0,152004 (halaman
392). Misalnya, ketika X = 3, y = 677 tenaga kerja@jam.
2. Total biaya perakitan delapan helikopter pertama adalah sebagai berikut:
Padat karya Mesin-Intensif
Metode Perakitan Metode Perakitan

(menggunakan data dari bagian 1a) (menggunakan data dari bagian 1b)
Material langsung:
8 helikopter × $40.000; $36.000 per helikopter $320.000 $288.000
Tenaga kerja perakitan langsung:
.rh/03$ × .srh 852,5 ;.srh 628,9 087.492 047.751
Biaya produksi tidak langsung:

Terkait peralatan
9.826 jam. × $12/jam; 5.258 jam. × $45/jam. 117.912 236.610
Terkait dengan penanganan material
000,882$ ;000,023$ × 05,0 000.061 144.000
stsoc ylbmessa latoT 296.298$ $826.350
Biaya perakitan metode padat mesin adalah $66.342 lebih rendah dibandingkan metode padat
karya ($892.692 - $826.350).
poin keputusan 399
POIN KEPUTUSANS
Format tanya jawab berikut merangkum tujuan pembelajaran bab ini. Setiap keputusan menyajikan pertanyaan kunci
terkait dengan tujuan pembelajaran. Pedoman adalah jawaban atas pertanyaan itu.
Keputusan Pedoman
1. Apa yang dimaksud dengan fungsi biaya linier, dan jenis Fungsi biaya linier adalah fungsi biaya yang, dalam rentang yang relevan, grafik total
perilaku biaya apa yang diwakilinya? biaya berdasarkan tingkat suatu aktivitas berbentuk garis lurus. Fungsi biaya linier
dapat dijelaskan dengan konstanta, a, yang mewakili perkiraan komponen biaya
total yang, dalam rentang yang relevan, tidak berubah seiring dengan perubahan
tingkat aktivitas; dan koefisien kemiringan, b, yang mewakili perkiraan jumlah
perubahan total biaya untuk setiap unit perubahan tingkat aktivitas dalam rentang
yang relevan. Tiga jenis fungsi biaya linier adalah variabel, tetap, dan campuran (atau
semivariabel).
2. Apa isu terpenting dalam memperkirakan fungsi biaya? Masalah yang paling penting dalam memperkirakan fungsi biaya adalah menentukan
apakah terdapat hubungan sebab-akibat antara tingkat suatu aktivitas dan biaya yang
terkait dengannya. Hanya hubungan sebab-akibat—bukan sekadar korelasi—yang
dapat menciptakan hubungan yang masuk akal secara ekonomi antara tingkat suatu
aktivitas dan biayanya.
3. Apa saja metode berbeda yang dapat digunakan untuk Empat metode untuk memperkirakan fungsi biaya adalah metode teknik industri,
memperkirakan 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. Masing-masing metode
merupakan pemeriksaan terhadap metode lainnya.
4. Apa saja langkah-langkah mengestimasi fungsi biaya dengan Enam langkah perlu diambil untuk memperkirakan fungsi biaya dengan
menggunakan analisis kuantitatif? menggunakan analisis kuantitatif: (a) Pilih variabel terikat; (b) mengidentifikasi
pemicu biaya; (c) mengumpulkan data mengenai variabel terikat dan pemicu biaya;
(d) memplot data; (e) memperkirakan fungsi biaya; dan (f) mengevaluasi pemicu
biaya dari fungsi estimasi biaya. Dalam kebanyakan situasi, bekerja sama dengan
manajer operasi, analis biaya akan melakukan siklus melalui 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)
memilih pemicu biaya? masuk akal secara ekonomi, (b) kesesuaian, dan (c) signifikansi variabel
independen.
6. Apa yang dimaksud dengan fungsi biaya nonlinier, dan Fungsi biaya nonlinier adalah fungsi yang grafik total biaya berdasarkan tingkat
bagaimana kurva pembelajaran menimbulkan biaya suatu aktivitas tidak berupa garis lurus dalam rentang yang relevan. Biaya nonlinier
nonlinier? dapat timbul karena diskon kuantitas, fungsi biaya bertahap, dan efek kurva
pembelajaran. Ketika efek pembelajaran muncul, jam kerja per unit menurun
seiring dengan meningkatnya unit produksi. Dengan model pembelajaran waktu
rata-rata kumulatif, waktu rata-rata kumulatif per unit menurun dengan persentase
yang konstan setiap kali jumlah kumulatif unit yang diproduksi berlipat ganda. Dengan
model pembelajaran satuan waktu tambahan, waktu yang dibutuhkan untuk
memproduksi satuan terakhir berkurang dengan persentase yang konstan setiap
kali jumlah kumulatif unit yang diproduksi berlipat ganda.
7. Apa saja masalah data yang umum a Tugas tersulit dalam estimasi biaya adalah mengumpulkan data biaya dan pemicu
yang harus diperhatikan perusahaan ketika memperkirakan biaya yang berkualitas tinggi dan dapat diukur secara andal. Permasalahan yang
biaya? umum terjadi adalah data yang hilang, nilai observasi yang ekstrim, perubahan
teknologi, dan distorsi akibat inflasi.
lampiran
Analisis regresi
Lampiran ini menjelaskan estimasi persamaan regresi, beberapa statistik regresi yang umum digunakan, dan cara
memilih fungsi biaya yang telah diestimasi dengan analisis regresi.
Kami menggunakan data untuk Permadani Elegan yang disajikan pada Tampilan 10-3 (halaman 380) dan ditampilkan lagi di sini untuk
memudahkan referensi.
Penggerak Biaya Minggu: Jam Mesin (X) Biaya Tenaga Kerja Manufaktur Tidak Langsung (Y)
68 $1.190
1 88 1.211
2 62 1.004
3 72 917
4 60 770
5 96 1.456
6 78 1.180
7 46 710
8 82 1.316
9 94 1.032
10 68 752
11 12 48 963
Total 862 $12.501
Memperkirakan Garis Regresi

Teknik kuadrat terkecil untuk memperkirakan garis regresi meminimalkan jumlah kuadrat deviasi vertikal dari titik data
ke garis regresi yang diperkirakan (juga disebut suku sisa pada Gambar 10-6, halaman 384). Tujuannya adalah untuk
mencari nilai a dan b dalam fungsi biaya linier y = a + bX, dimana y adalah prediksi nilai biaya yang dibedakan dari nilai
biaya observasi , yang dilambangkan dengan Y. Kita ingin mencari nilai numeriknya dari a dan b yang meminimalkan
ÿ(Y - y)
2
, jumlah kuadrat simpangan vertikal antara Y dan y. Umumnya perhitungan ini
dilakukan dengan menggunakan paket perangkat lunak seperti Excel. Untuk data pada contoh kita,4 a = $300,98 dan b
= $10,31, sehingga persamaan garis regresinya adalah
= $300,98 + $10,31X.
kamu
Kebaikan Kesesuaian
Goodness of fit mengukur seberapa baik nilai prediksi, y, berdasarkan cost driver, X, sesuai dengan biaya observasi
aktual, Y. Metode analisis regresi menghitung ukuran goodness of fit, yang disebut koefisien determinasi. Koefisien
2
determinasi (r ) Pengukuran
4 Rumus a dan b adalah sebagai berikut:
2
(ÿY)(ÿX ) - (ÿX)(ÿXY) n(ÿXY) - (ÿX)(ÿY)
sebuah = dan b =
2 2
n(ÿX ) - (ÿX)(ÿX) n(ÿX ) - (ÿX)(ÿX)
dimana untuk data Permadani Elegan pada Tampilan 10-3,
n = jumlah titik data = 12
ÿX = jumlah nilai X yang diberikan = 68 + 88 + g + 48 = 862
2ÿX _ = jumlah kuadrat nilai X = (68)2 + (88)2 + g + (48)2 = 4,624 + 7,744 + g + 2,304 = 64,900
ÿY = jumlah nilai Y yang diberikan = 1,190 + 1,211 + g + 963 = 12,501
ÿXY = jumlah jumlah yang diperoleh dengan mengalikan masing-masing 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)

sebuah = = $300,98
12(64.900) - (862) (862)
12(928.716) - (862) (12.501)

b = = $10,31
12(64.900) - (862) (862)
aplikasiEndix 401
persentase variasi Y yang dijelaskan oleh X (variabel bebas). Lebih mudah 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 adanya
perbedaan antara nilai aktual, Y, dan nilai prediksi, y. Dalam contoh Karpet Elegan, kesesuaian diberikan oleh5
2
Variasi yang tidak dapat dijelaskan ÿ1Y - y2 290.824
hal
2
=1- =1- 2
=1- = 0,52
Variasi total ÿ1Y - Y2 607.699
Perhitungan menunjukkan bahwa r 2

meningkat seiring dengan nilai prediksi, y, yang semakin mendekati
2
pengamatan sebenarnya, Y. Kisaran r berkisar antara 0 (menunjukkan tidak ada kekuatan penjelas)
2
hingga 1 (menunjukkan kekuatan penjelas sempurna). Umumnya, r 0,30 atau lebih tinggi melewati kebaikan-
tes kesesuaian. Namun, jangan hanya mengandalkan kecocokan saja. Hal ini dapat menyebabkan masuknya variabel
2
independen secara sembarangan yang meningkatkan r namun tidak mempunyai alasan ekonomi yang masuk
akal sebagai pemicu biaya. Goodness of fit hanya mempunyai arti jika hubungan antara pemicu biaya dan biaya masuk
akal secara ekonomi.
Cara alternatif dan terkait untuk mengevaluasi good of fit adalah dengan menghitung kesalahan standar regresi.
Kesalahan standar regresi adalah standar deviasi dari residu. Itu sama dengan
2 2
= $170,54
S = C ÿ1Y - y2kebebasan = C ÿ1Yn -- y2
Derajat 2 12 - 2
= SEBUAH 290,824
Derajat kebebasan sama dengan jumlah observasi, 12, dikurangi jumlah koefisien yang diestimasi dalam regresi
(dalam hal ini dua, a dan b). Kesalahan standar sebesar $170,54 merupakan perkiraan variasi biaya tenaga kerja
yang diamati terhadap garis regresi. Itu berada dalam satuan pengukuran yang sama (dolar) dengan biaya tenaga
kerja, sebagai 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 pula prediksi untuk nilai X yang berbeda.
Signifikansi Variabel Independen

Gambar 10-14 menunjukkan format yang mudah digunakan (dalam Excel) untuk merangkum hasil regresi jumlah jam
mesin dan biaya tenaga kerja produksi tidak langsung. Apakah perubahan pada variabel independen yang masuk
akal secara ekonomi mengakibatkan perubahan signifikan pada variabel dependen?
Atau dinyatakan secara alternatif, apakah koefisien kemiringan, b = $10,31, dari garis regresi signifikan secara statistik
(berbeda dengan $0)? Ingatlah bahwa dalam regresi jumlah jam mesin dan biaya tenaga kerja produksi tidak langsung
dalam ilustrasi Permadani Elegan, b diperkirakan dari sampel 12 observasi mingguan. Estimasinya, b, bergantung
pada faktor acak, begitu pula semua statistik sampel. Artinya, sampel berbeda yang terdiri dari 12 titik data pasti akan
memberikan estimasi b yang berbeda . Kesalahan standar dari koefisien estimasi menunjukkan seberapa besar
nilai estimasi, b, kemungkinan dipengaruhi oleh faktor acak.
Nilai t suatu koefisien mengukur seberapa besar nilai estimasi koefisien tersebut relatif terhadap kesalahan
standarnya. Nilai t (disebut t Stat pada keluaran Excel) untuk koefisien kemiringan b
adalah nilai koefisien estimasi, $10.31, kesalahan standar dari koefisien estimasi, $3.12 = 3.30. Hal ini dibandingkan
dengan nilai kritis atau nilai batas untuk memastikan bahwa ada hubungan antara variabel independen dan variabel
dependen yang tidak dapat dikaitkan hanya dengan peluang acak. Nilai t batas untuk membuat kesimpulan adalah
fungsi dari jumlah derajat
5
Dari catatan kaki 4, ÿY = 12,501 dan Y = 12,501 , 12 = 1,041.75
2
ÿ(Y - Y) = (1.190 - 1.041.75)2 + (1.211 - 1.041.75)2 + g + (963 - 1.041.75)2 = 607.699
Setiap nilai X menghasilkan nilai prediksi y. Misalnya, pada minggu ke-1, y = $300,98 + (10,31 * 68) = $1002,06; di minggu ke 2, = $300,98 +
($10,31 * 88) = $1,208,26; dan pada minggu ke 12, y = $300,98 + ($10,31 * 48) = $795,86. Membandingkan prediksi
kamu
dan nilai aktual,

2
ÿ(kamu - kamu) = (1.190 - 1.002,06)2 + (1.211 - 1208.26)2 + g + (963 - 795.86)2 = 290.824.
pameran 10-14 Hasil Regresi Sederhana dengan Biaya Tenaga Kerja Manufaktur Tidak Langsung sebagai
Variabel Dependen dan Jam Mesin sebagai Variabel Independen
(Cost Driver) untuk Karpet Elegan
Koefisien (1) Kesalahan Standar t Statistik
$ (2) (3) 5 (1) 4 (2)

Mencegat 300,98 $ 229,75 1.31
Variabel bebas:
Jam Mesin (X ) $ 10.31 $ 3.12 3.30
Statistik Regresi
R persegi 0,52
Statistik Durbin-Watson 2.05
kebebasan dan tingkat signifikansinya. Biasanya kita mencari tingkat signifikansi 5%, yang menunjukkan
bahwa terdapat kurang dari 5% kemungkinan bahwa faktor acak dapat mempengaruhi koefisien b. Nilai cutoff t-
value pada taraf signifikansi 5% dan derajat kebebasan 10 adalah sebesar 2,228. Karena nilai t untuk koefisien
kemiringan b adalah 3,30, yang melebihi 2,228, kita dapat menyimpulkan bahwa terdapat hubungan yang
signifikan secara statistik antara jam mesin dan biaya tenaga kerja manufaktur tidak langsung.6
Cara alternatif untuk menguji apakah koefisien b berbeda secara signifikan dari nol adalah dengan
menggunakan interval kepercayaan: Terdapat peluang 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 mulai $3,36
Restoran Yen's Palace telah terlibat dalam serangkaian kegiatan promosi selama beberapa bulan
Cobalah!10-4 terakhir dalam upaya untuk membangkitkan minat pelanggan. Jenny Chu, manajer keuangan
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
A. Plot hubungan antara biaya promosi dan pendapatan.

B. Perkirakan persamaan regresi yang menangkap hubungan antara biaya promosi dan pendapatan
penjualan.
C. Gambarkan garis regresi dan evaluasi dengan menggunakan kriteria masuk akal secara ekonomi,
kesesuaian, dan kemiringan garis regresi.
D. Dalam kisaran yang relevan, berapa peningkatan pendapatan untuk setiap $1.000 yang dibelanjakan
promosi?
6
Jika estimasi koefisiennya negatif, maka nilai t yang lebih rendah dari -2,228 menunjukkan hubungan yang signifikan secara statistik. Seperti
yang diharapkan, nilai absolut dari batas tersebut akan lebih rendah jika perkiraan hubungan didasarkan pada jumlah observasi yang lebih
banyak. Misalnya, dengan derajat kebebasan 60, nilai t batas pada tingkat signifikansi 5% adalah 2,00.
aplikasiEndix 403
menjadi $17,26. Karena 0 tidak muncul dalam interval kepercayaan, kita dapat menyimpulkan bahwa perubahan
jumlah jam mesin memang mempengaruhi biaya tenaga kerja produksi tidak langsung. Demikian pula, dengan
menggunakan data dari Tampilan 10-14, nilai t untuk suku konstan a adalah $300,98 , $229,75 = 1,31,
yang kurang dari 2,228. Nilai t ini menunjukkan bahwa, dalam rentang yang relevan, suku konstanta tidak berbeda
signifikan dari nol. Statistik Durbin-Watson pada Gambar 10-14 akan dibahas pada bagian berikut.
Spesifikasi Analisis Asumsi Estimasi

Spesifikasi analisis merupakan pengujian terhadap asumsi-asumsi analisis regresi. Jika asumsi (1) linearitas
dalam kisaran yang relevan, (2) varians residu yang konstan, (3) independensi residu, dan (4) normalitas residu,
semuanya terpenuhi, maka prosedur regresi sederhana akan menghasilkan estimasi koefisien yang dapat
diandalkan. nilai-nilai. Bagian ini memberikan gambaran singkat tentang analisis spesifikasi. Apabila asumsi
tersebut tidak terpenuhi, prosedur regresi yang lebih kompleks diperlukan untuk memperoleh estimasi terbaik.7
1. Linearitas dalam rentang yang relevan. Asumsi umum—dan tampaknya masuk akal dalam banyak aplikasi
bisnis—adalah bahwa terdapat hubungan linier antara variabel independen X dan variabel dependen Y dalam
rentang yang relevan. Namun, jika model regresi linier digunakan untuk mengestimasi hubungan nonlinier,
estimasi koefisien yang diperoleh akan menjadi tidak akurat.
Jika hanya ada satu variabel independen, cara termudah untuk memeriksa linearitasnya adalah dengan
mempelajari data yang diplot dalam diagram sebar, sebuah langkah yang sering kali dilewati secara tidak
bijaksana. Gambar 10-6 (halaman 384) menyajikan diagram sebar untuk biaya tenaga kerja produksi tidak
langsung dan variabel jam mesin dari Elegant Rugs. Diagram sebar menunjukkan bahwa linearitas tampaknya
merupakan asumsi yang masuk akal untuk data ini.
Model kurva pembelajaran yang dibahas dalam bab ini (halaman 390–393) adalah contoh fungsi biaya
nonlinier. Biaya meningkat ketika tingkat produksi meningkat, namun dalam jumlah yang lebih kecil
dibandingkan dengan fungsi biaya linier. Dalam hal ini, analis harus memperkirakan fungsi biaya nonlinier
yang menggabungkan efek pembelajaran.
2. Varians residu yang konstan. Penyimpangan vertikal nilai Y yang diamati dari perkiraan garis regresi y disebut
suku sisa, suku gangguan, atau suku kesalahan, = Y - y. Asumsi variansi konstan menyiratkan bahwa syarat
kamu
sisa tidak dipengaruhi oleh tingkat pemicu biaya. Asumsi ini juga menyiratkan bahwa terdapat sebaran
atau penyebaran yang seragam pada titik-titik data di sekitar garis regresi seperti pada Gambar 10-15,
pameran 10-15 Varians Konstan dari Asumsi Residual
PANEL A: PANEL B:
Varians Konstan Varians Tidak Konstan
(Data Sebaran Seragam (Output Lebih Tinggi Memiliki
Titik Sekitar Garis Regresi) Residu Lebih Besar)
$4.000 $4.000
$3.000 $3.000
eiK
B
T(
eiK
B
T(
agaayjn)raY
agaayjn)raY
$2.000 $2.000
aaiM
T
L
aaM
iT
L
nnd
nnd
kga
ufsukga
kaufsu
ka
rugtn
rugtn
$1.000 $1.000
50 100 150 200 250 50 100 150 200 250
Jam Mesin (X) Jam Mesin (X)
7
Untuk rinciannya lihat misalnya WH Greene, Econometric Analysis, edisi ke-7. (Upper Saddle River, NJ: Prentice Hall, 2011).
Panel A. Asumsi ini mungkin dilanggar, misalnya, dalam estimasi biaya cross-sectional dalam operasi
dengan ukuran berbeda. Misalnya, Karpet Elegan memiliki area produksi dengan berbagai ukuran.
Perusahaan mengumpulkan data dari berbagai area produksi untuk memperkirakan hubungan antara jam
mesin dan biaya tenaga kerja produksi tidak langsung. Ada kemungkinan bahwa sisa waktu 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 titik data yang tersebar secara
seragam di sekitar garis regresi (lihat Gambar 10-15, Panel B). Varians yang konstan disebut juga
homoskedastisitas.
Pelanggaran asumsi ini disebut heteroskedastisitas.
Heteroskedastisitas tidak mempengaruhi keakuratan estimasi regresi a dan b. Namun, hal ini
mengurangi keandalan estimasi kesalahan standar dan dengan demikian mempengaruhi ketepatan dalam
menarik kesimpulan tentang parameter populasi dari estimasi regresi.
3. Independensi residu. Asumsi independensi residu adalah bahwa jangka waktu sisa pada suatu pengamatan
tidak berhubungan dengan jangka waktu sisa pada pengamatan lainnya. Masalah korelasi serial (disebut
juga autokorelasi) pada residu muncul ketika terdapat pola sistematis dalam urutan residu sedemikian
rupa sehingga residu dalam pengamatan n menyampaikan informasi tentang residu dalam pengamatan n
+ 1, n + 2, dan segera. Pertimbangkan sel produksi lain di Elegant Rugs yang, selama periode 20 minggu,
mengalami peningkatan produksi dan jam kerja mesin. Gambar 10-16, Panel B, adalah diagram sebaran
jam mesin dan biaya tenaga kerja produksi tidak langsung. Amati pola sistematis dari residu di Panel B—
residu positif untuk jumlah jam mesin yang ekstrem (tinggi dan rendah) dan residu negatif untuk jumlah
jam mesin sedang. Salah satu alasan pola yang diamati pada nilai pemicu biaya yang rendah ini adalah
“kekakuan” biaya. Ketika jam mesin berada di bawah 50 jam, biaya tenaga kerja manufaktur tidak langsung
tidak menurun. Ketika jam kerja mesin meningkat seiring berjalannya waktu seiring dengan peningkatan
produksi, biaya tenaga kerja manufaktur tidak langsung semakin meningkat karena para manajer di
Elegant Rugs berjuang untuk mengelola volume yang lebih tinggi. Bagaimana tampilan plot residu jika
tidak ada korelasi otomatis? Seperti plot pada Tampilan 10-16, Panel A, yang tidak menunjukkan pola
residu.
Seperti varian residu yang tidak konstan, korelasi serial tidak mempengaruhi keakuratan estimasi
regresi a dan b. Namun, hal ini mempengaruhi kesalahan standar koefisien dan, oleh karena itu, ketepatan
dalam menarik kesimpulan tentang parameter populasi dari estimasi regresi.
Statistik Durbin-Watson adalah salah satu ukuran korelasi serial dalam perkiraan hasil.
sidual. Untuk sampel 10 hingga 20 observasi, statistik Durbin-Watson pada kisaran 1,10–2,90
pameran 10-16 Independensi Asumsi Sisa
PANEL B:
Korelasi Serial dalam Residual
(Pola Residu Positif untuk
PANEL A: Jam Mesin Ekstrim yang Digunakan;
Kemandirian Residu Residu Negatif untuk Sedang
(Tidak Ada Pola di Residual) Jam Mesin Digunakan)
$3000 $3000
$2500 $2500
(Y)
$2000 (Y)
$2000
ayaiB
ayaiB
$1500 $1500
$1000 $1000
aeaiM
K
T
L
aeaiM
K
T
L
njnrd
njnrd
kaga
kaga
fsu
fsu
kaug
kaug
rugtn
rugtn
$500 $500
50 100 150 200 250 50 100 150 200 250
Jam Mesin (X) Jam Mesin (X)

aplikasiEndix 405
rentang menunjukkan bahwa residunya independen. Statistik Durbin-Watson untuk hasil regresi Permadani
Elegan pada Gambar 10-14 adalah 2,05. Oleh karena itu, asumsi independensi dalam estimasi residu adalah
wajar untuk model regresi ini.
4. Normalitas residu. Asumsi normalitas residu berarti residu berdistribusi normal di sekitar garis regresi. Normalitas
asumsi residu sering kali terpenuhi ketika menggunakan analisis regresi pada data biaya riil. Bahkan ketika
asumsi tersebut tidak berlaku, akuntan masih dapat menghasilkan estimasi yang akurat berdasarkan persamaan
regresi, namun interval kepercayaan yang dihasilkan di sekitar estimasi ini kemungkinan besar tidak akurat.
Menggunakan Output Regresi untuk Memilih Biaya

Penggerak Fungsi Biaya
Pertimbangkan dua pilihan pemicu biaya yang telah kami jelaskan sebelumnya dalam bab ini untuk biaya tenaga kerja
manufaktur tidak langsung (y):
y = a + 1b * Jumlah mesin@jam2
y = a + 1b * Jumlah tenaga kerja produksi langsung@jam2
Tampilan 10-6 dan 10-8 menunjukkan plot data untuk dua regresi. Gambar 10-14 melaporkan hasil regresi fungsi
biaya dengan menggunakan jumlah jam mesin sebagai variabel independen.
Gambar 10-17 menyajikan hasil regresi yang sebanding (dalam Excel) untuk fungsi biaya dengan menggunakan jumlah
jam kerja produksi langsung sebagai variabel independen.
Berdasarkan materi yang disajikan pada lampiran ini, regresi manakah yang lebih baik?
Gambar 10-18 membandingkan kedua fungsi biaya ini secara sistematis. Berdasarkan beberapa kriteria, fungsi biaya
berdasarkan jam kerja mesin lebih disukai daripada fungsi biaya berdasarkan jam tenaga kerja produksi langsung.
Kriteria masuk akal secara ekonomi sangatlah penting.
Jangan berasumsi bahwa fungsi biaya mana pun akan memenuhi seluruh kriteria pada Gambar 10-18 secara
sempurna. Seorang analis biaya sering kali harus membuat pilihan di antara fungsi-fungsi biaya yang “tidak sempurna”,
dalam artian bahwa data dari fungsi biaya tertentu tidak akan secara sempurna memenuhi satu atau lebih asumsi yang
mendasari analisis regresi. Misalnya, kedua fungsi biaya pada Gambar 10-18 tidak sempurna karena kesimpulan yang
diambil hanya dari 12 pengamatan pada umumnya tidak dapat diandalkan.
pameran 10-17 Hasil Regresi Sederhana dengan Biaya Tenaga Kerja Manufaktur Tidak Langsung
sebagai Variabel Terikat dan Jam Kerja Manufaktur Langsung sebagai
Variabel Independen (Cost Driver) untuk Karpet Elegan
Kesalahan Standar Koefisien t Statistik
(1) (2) (3) 5 (1) 4 (2)

Mencegat $ 744,67 $ 217.61 3.42
Variabel bebas:
Manufaktur Langsung
Jam Kerja (X ) $ 7.72 $ 5.40 1.43
Statistik Regresi
R Square 0,17 Statistik Durbin-Watson

2.2 6
pameran 10-18 Perbandingan Fungsi Biaya Alternatif untuk Tenaga Kerja Manufaktur Tidak Langsung
Perkiraan Biaya dengan Regresi Sederhana untuk Permadani 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 tenaga Hubungan positif antara
kerja manufaktur tidak langsung biaya tenaga kerja produksi tidak langsung
(tenaga dukungan teknis) dan jam mesin dan jam kerja manufaktur langsung
secara ekonomi masuk akal dalam masuk akal secara ekonomi,
penelitian Elegant Rugs. tapi kurang dari jam mesin
pabrik otomatis Pabrik Elegant Rugs yang sangat
otomatis setiap minggunya.
2 2
Kebaikan kecocokan hal 5 0,52; kesalahan standar dari hal 5 0,17; kesalahan standar dari
regresi 5 $170,54. regresi 5 $224,61.
Kesesuaian yang luar biasa. Kesesuaian yang buruk.
Signifikansi dari Nilai t sebesar 3,30 adalah signifikan Nilai t sebesar 1,43 tidak signifikan
mandiri pada tingkat 0,05. pada tingkat 0,05.
variabel
Analisis spesifikasi asumsi Plot data menunjukkan bahwa Plot data menunjukkan hal itu
estimasi asumsi linearitas, varian konstan, asumsi linearitas, konstan
independensi residu (statistik Durbin-Watson varians, independensi
5 2,05), dan normalitas residu berlaku, residu (Durbin-Watson
namun kesimpulan yang diambil statistik 5 2.26), dan normalitas
hanya dari 12 observasi tidak residu berlaku, tetapi kesimpulan
dapat diandalkan. diambil dari hanya 12 pengamatan
tidak dapat diandalkan.
Regresi Berganda dan Hierarki Biaya

Dalam beberapa kasus, estimasi fungsi biaya yang memuaskan mungkin hanya didasarkan 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 satu variabel terikat berbentuk linier
kamu = a + b1X1 + b2X2 + g + kamu
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 pengaruh bersih dari faktor-faktor lain yang juga tidak ada dalam model
kesalahan pengukuran pada variabel dependen dan independen
Contoh: Perhatikan data Permadani Elegan pada Gambar 10-19. Analisis ABC perusahaan menunjukkan
bahwa biaya tenaga kerja produksi tidak langsung mencakup sejumlah besar biaya pemasangan dan
penggantian ketika produksi karpet baru dimulai. Manajemen yakin bahwa selain jumlah jam mesin
(penggerak biaya tingkat unit output), biaya tenaga kerja produksi tidak langsung juga dipengaruhi oleh
jumlah batch karpet yang diproduksi setiap minggunya (penggerak tingkat batch).
Elegant Rugs memperkirakan hubungan antara dua variabel independen, jumlah jam mesin dan jumlah
batch produksi karpet yang diproduksi selama seminggu, dan biaya tenaga kerja produksi tidak langsung.
aplikasiEndix 407
pameran 10-19

Jumlah Tidak langsung Biaya, Jam Mesin,
Mesin- Produksi Langsung Manufaktur Manufaktur Langsung
Jam kumpulan Biaya tenaga kerja Jam Kerja, dan
Manufaktur
Jumlah Produksi
Pekan (X1) (X2) Jam Kerja (kamu)
Batch untuk Elegan
1 68 12 30 1.190
Permadani
2 88 15 35
3 62 13 36 $1.211
4 72 11 20 1.004 917
5 60 10 47 770
6 96 12 45 1.456
7 78 17 44 1.180
8 46 7 38 710
9 82 14 70 1.316
10 94 12 30 1.032
11 68 7 29 752
12 48 14 38 963
Total 862 144 462 12.501$
Gambar 10-20 menyajikan hasil (dalam Excel) untuk model regresi berganda berikut, menggunakan
data di kolom B, C, dan E pada Tampilan 10-19:
kamu = $42,58 + $7,60X1 + $37,77X2
dimana X1 adalah jumlah jam mesin dan X2 adalah jumlah batch produksi. Masuk akal secara ekonomi
bahwa baik jumlah jam mesin maupun jumlah batch produksi
Hal ini akan membantu menjelaskan variasi biaya tenaga kerja produksi tidak langsung di Elegant Rugs. r _2
sebesar 0,52 untuk regresi sederhana menggunakan jumlah jam mesin (Gambar 10-14) meningkat menjadi
0,72 dengan regresi berganda pada Gambar 10-20. Nilai t menunjukkan bahwa koefisien variabel independen
jumlah jam mesin ($7,60) dan jumlah batch produksi ($37,77) berbeda secara signifikan dari nol (t = 2,74
adalah nilai t untuk jumlah
pameran 10-20 Hasil Regresi Berganda dengan Biaya Tenaga Kerja Manufaktur Tidak Langsung
dan Dua Variabel Independen Penggerak Biaya (Jam Mesin dan Jam Kerja)
Batch Produksi) untuk Karpet Elegan
Kesalahan Standar Koefisien (1) t Statistik
(2) $$ (3) 5 (1) 4 (2)

Saya yakin 85.24 213.91 0,20
Variabel Independen 1: Mesin-

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

Batch Produksi (X2) $ 37.77 $ 15.25 2.48
Statistik Regresi
erauqS R 27.0
Statistik Durbin-Watson 2.49
jam mesin, dan t = 2,48 adalah nilai t untuk jumlah batch produksi, dibandingkan dengan nilai t batas 2,26). Model
regresi berganda pada Gambar 10-20 memenuhi kriteria statistik dan masuk akal secara ekonomi, dan
2 dari
menjelaskan variasi yang jauh lebih besar (yaitu, r
2
0,72 berbanding sungai sebesar 0,52) dalam biaya tenaga kerja manufaktur tidak langsung dibandingkan model regresi
sederhana yang hanya menggunakan jumlah jam mesin sebagai variabel independen.8 Kesalahan standar
persamaan regresi yang memasukkan jumlah batch sebagai variabel independen adalah
2
C ÿ1Y - y2 = $138,62
n-3 9
= SEBUAH 172,931
yang lebih rendah dari kesalahan standar regresi dengan hanya jam mesin sebagai variabel independen, $170,54.
Artinya, meskipun penambahan suatu variabel mengurangi derajat kebebasan penyebut, hal ini secara substansial
2
meningkatkan kesesuaian sehingga pembilangnya, ÿ(Y - y) ,
semakin berkurang. Jumlah jam mesin dan jumlah batch produksi merupakan pemicu biaya penting dari biaya
tenaga kerja produksi tidak langsung di Elegant Rugs.
Pada Gambar 10-20, koefisien kemiringan—$7,60 untuk jumlah jam mesin dan $37,77 untuk jumlah batch
produksi—mengukur perubahan biaya tenaga kerja manufaktur tidak langsung yang dikaitkan dengan perubahan
unit dalam variabel independen (dengan asumsi bahwa variabel independen lainnya variabel dianggap konstan).
Misalnya, biaya tenaga kerja manufaktur tidak langsung meningkat sebesar $37,77 ketika satu batch produksi
ditambahkan, dengan asumsi bahwa jumlah jam mesin dipertahankan konstan.
Pendekatan alternatif akan menciptakan dua kelompok biaya terpisah untuk biaya tenaga kerja manufaktur
tidak langsung: satu untuk biaya yang berkaitan dengan jumlah jam mesin dan satu lagi untuk biaya yang berkaitan
dengan jumlah batch produksi. Elegant Rugs kemudian akan memperkirakan hubungan antara pemicu biaya dan
biaya di setiap kumpulan biaya. Tugas sulit dalam pendekatan ini adalah membagi biaya tenaga kerja tidak
langsung menjadi dua kelompok biaya.
Multikolinearitas
Kekhawatiran utama yang muncul dengan regresi berganda adalah multikolinearitas. Multikolinearitas terjadi
ketika dua atau lebih variabel independen berkorelasi tinggi satu sama lain. Secara umum, pengguna analisis
regresi percaya bahwa koefisien korelasi antar variabel independen yang lebih besar dari 0,70 menunjukkan
multikolinearitas. Multikolinearitas meningkatkan kesalahan standar koefisien masing-masing variabel. Artinya,
variabel-variabel yang signifikan secara ekonomi dan statistik akan tampak tidak berbeda nyata dari nol.
Matriks koefisien korelasi berbagai variabel dijelaskan pada Gambar 10-19

adalah sebagai berikut:
Tidak langsung Jumlah Langsung
Manufaktur Produksi Manufaktur

Biaya Tenaga Kerja Jam Mesin kumpulan Jam Kerja
Biaya tenaga kerja produksi tidak langsung 1

Jam mesin 0,72 1
Jumlah batch produksi 0,69 0,4 1
Jam kerja produksi langsung 0,41 0,12 0,31 1
Hasil ini menunjukkan bahwa regresi berganda yang menggunakan pasangan variabel independen mana pun pada
Gambar 10-19 kemungkinan besar tidak akan menemui masalah multikolinearitas.
8 2 2
Menambahkan variabel lain selalu meningkatkan r . Pertanyaannya adalah apakah menambahkan variabel lain akan meningkatkan r cukup. Salah satu cara untuk mendapatkannya
2
wawasan pertanyaan ini adalah menghitung r yang disesuaikan sebagai berikut:
n-1
Disesuaikan r2 = 1 - (1 - r2 ) n - , dimana n adalah jumlah observasi dan p adalah jumlah koefisien yang diperkirakan, tidak termasuk
p-1
12 - 1
istilah konstan. Pada model yang hanya menggunakan jam mesin sebagai variabel independen, r2 yang disesuaikan = 1 - (1 - 0,52) = 0,47. 12 - 1 - 1 12 - 1
Dalam model dengan jam mesin dan jumlah batch sebagai variabel independen, r2 yang disesuaikan = 1 - (1 - 0,72) = 0,65.
12 - 2 - 1
2 2
Sungai yang disesuaikan tidak memiliki interpretasi yang sama dengan r , tetapi peningkatan r yang disesuaikan2 ketika jumlah batch ditambahkan sebagai independen
Variabel ini menunjukkan bahwa menambahkan variabel ini secara signifikan akan meningkatkan kesesuaian model dengan cara yang lebih dari sekedar mengkompensasi
hilangnya derajat kebebasan dengan memperkirakan koefisien lain.
materi penugasan 409
Jika terdapat multikolinearitas, usahakan untuk mendapatkan data baru yang tidak mengalami masalah multikolinearitas.
Jangan menghilangkan variabel independen (cost driver) yang seharusnya dimasukkan dalam suatu model karena berkorelasi
dengan variabel independen lainnya. Menghilangkan variabel tersebut akan menyebabkan koefisien estimasi variabel
independen yang dimasukkan dalam model menjadi bias menjauhi nilai sebenarnya.
istilah untuk dipelajari
Bab ini dan Glosarium di akhir buku ini berisi definisi istilah-istilah penting berikut:
metode analisis akun (hal. 378) model pembelajaran satuan waktu istilah sisa (hal. 384)
2
koefisien determinasi (r ) (hal. 400) tambahan (hal. 392) biaya semivariabel (hal. 374)
metode konferensi (hal. 378) variabel independen (hal. 380) regresi sederhana (hal. 384)
konstan (hal. 374) metode teknik industri (hal. 378) koefisien kemiringan (hal. 373)
estimasi biaya (hal. 376) mencegat (hal. 374) analisis spesifikasi (hal. 403)
fungsi biaya (hal. 373) kurva belajar (hlm. 390) kesalahan standar dari perkiraan
prediksi biaya (hal. 376) fungsi biaya linier (hal. 373) koefisien (hal. 401)
model pembelajaran waktu rata-rata biaya campuran (hal. 374) kesalahan standar regresi (hal. 401)
kumulatif (hal. 391) multikolinearitas (hal. 408)
variabel terikat (hal. 380) regresi berganda (hal. 384) fungsi biaya langkah (p. 389)
kurva pengalaman (hal. 391) fungsi biaya nonlinier (hal. 389) metode pengukuran kerja (hal. 378)
metode tinggi-rendah (hal. 382) analisis regresi (hal. 384)
materi tugas
Pertanyaan Lab Akuntansi Saya
10-1 Dua asumsi apa yang sering dibuat ketika mengestimasi fungsi biaya?
10-2 Jelaskan tiga fungsi biaya linier alternatif.
10-3 Apa perbedaan antara fungsi biaya linier dan nonlinier? Berikan masing-masing contohnya
jenis fungsi biaya.
10-4 “Korelasi yang tinggi antara dua variabel berarti yang satu adalah penyebab dan yang lainnya adalah akibat.”
Apa kamu setuju? Menjelaskan.
10-5 Sebutkan empat pendekatan untuk memperkirakan fungsi biaya.
10-6 Jelaskan metode konferensi untuk memperkirakan fungsi biaya. Apa dua keuntungan dari ini
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 manakah yang biasanya paling sulit bagi analis biaya?
10-9 Saat menggunakan metode tinggi-rendah, haruskah Anda mendasarkan observasi tinggi dan rendah pada variabel
dependen atau pada pemicu biaya?
10-10 Jelaskan tiga kriteria untuk mengevaluasi fungsi biaya dan memilih pemicu biaya.
10-11 Definisikan kurva pembelajaran. Uraikan dua model yang dapat digunakan ketika menggabungkan pembelajaran ke dalam
estimasi fungsi biaya.
10-12 Diskusikan empat masalah yang sering ditemui saat mengumpulkan data biaya pada variabel-variabel yang termasuk di dalamnya
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 penggerak biaya-
eh.” Apa kamu setuju? Menjelaskan.
10-15 “Multikolinearitas terjadi ketika variabel terikat dan variabel bebas berkorelasi tinggi.” Apa kamu setuju? Menjelaskan.
Lab Akuntansi Saya Soal pilihan ganda

Bekerja sama dengan:
10-16 HL Co. menggunakan metode tinggi-rendah untuk mendapatkan rumus biaya total. Menggunakan kisaran unit yang diproduksi
dari 1.500 hingga 7.500, dan kisaran total biaya dari $21.000 hingga $45.000, memproduksi 2.000 unit akan menelan biaya HL:
A. $8.000c . B. $12.000
$23.000 D. $29.000
10-17 Sebuah perusahaan menggunakan regresi linier sederhana untuk meramalkan biaya lini produk utamanya. Jika biaya tetap
sama dengan $235.000 dan biaya variabel $10 per unit, berapa banyak unit yang perlu dijual dengan harga $15 per unit agar
memperoleh keuntungan $300.000?
A. 21.400c . B. 47.000
60.000 D. 107.000
10-18 Dalam analisis regresi, koefisien determinasi:

A. Digunakan untuk menentukan proporsi total variasi variabel terikat (y) yang dijelaskan oleh
variabel bebas (X).
B. Berkisar antara yang negatif dan yang positif.
C. Digunakan untuk menentukan nilai ekspektasi laba bersih berdasarkan garis regresi.
D. Menjadi lebih kecil seiring dengan meningkatnya kesesuaian garis regresi.
10-19 Persamaan regresi dibuat, dimana variabel terikatnya adalah total biaya dan variabel bebasnya adalah produksi. Koefisien
korelasi sebesar 0,70 menyiratkan bahwa:
A. Koefisien determinasinya negatif.
B. Tingkat produksi menjelaskan 49% variasi total biaya
C. Ada hubungan yang sedikit terbalik antara produksi dan total biaya.
D. Koefisien korelasi sebesar 1,30 akan menghasilkan garis regresi yang lebih sesuai dengan data.
10-20 Berapa perkiraan nilai koefisien korelasi antara periklanan dan penjualan ketika sebuah perusahaan beriklan secara agresif
sebagai alternatif terhadap PHK pekerja sementara dan memotong iklan ketika pekerjaan yang masuk sedang dipesan di awal?
A. 1.0 B. 0
C. -1.0 D. -100
©2016 DeVry/Becker Educational Development Corp. Semua Hak Dilindungi Undang-Undang.
Lab Akuntansi Saya Latihan

10-21 Memperkirakan fungsi biaya. Pengendali Perusahaan Javier sedang mempersiapkan anggaran untuk tahun 2018 dan
perlu memperkirakan fungsi biaya untuk biaya pengiriman. Informasi mengenai biaya pengiriman yang terjadi pada dua bulan
sebelumnya adalah:
Bulan Bermil-mil Didorong Ongkos kirim

Agustus 12.000 $10.000
September 17.000 $13.000
Diperlukan 1. Perkirakan fungsi biaya pengiriman.

2. Apakah konstanta fungsi biaya dapat digunakan sebagai perkiraan biaya pengiriman tetap per bulan? Menjelaskan.
10-22 Mengidentifikasi fungsi biaya variabel, tetap, dan campuran. Sunrise Corporation mengoperasikan agen persewaan
mobil di lebih dari 20 bandara. Pelanggan dapat memilih salah satu dari tiga kontrak sewa mobil satu hari atau kurang:
ÿ Kontrak 1: $45 untuk hari itu

ÿ Kontrak 2: $25 untuk sehari ditambah $0,30 per mil perjalanan
ÿ Kontrak 3: $1,50 per mil perjalanan
Diperlukan 1. Buatlah grafik terpisah untuk masing-masing dari tiga kontrak, dengan biaya pada sumbu vertikal dan mil perjalanan
pada sumbu horizontal.
2. Nyatakan setiap kontrak sebagai fungsi biaya linier dengan bentuk y = a + bX.
3. Identifikasi setiap kontrak sebagai fungsi biaya variabel, tetap, atau campuran.
10-23 Berbagai pola perilaku biaya. (BPA, diadaptasi).

Sumbu vertikal pada grafik di bawah menunjukkan total biaya, dan sumbu horizontal menunjukkan unit yang diproduksi selama satu tahun kalender.
Dalam setiap kasus, titik nol dolar dan produksi berada pada perpotongan kedua sumbu tersebut.
A B C D
E F G H
SAYA
J K L
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 satu kali.
1. Penyusutan peralatan secara tahunan, dimana jumlah penyusutan yang dibebankan dihitung dengan cara Diperlukan
metode jam mesin.
2. Tagihan listrik—biaya tetap yang tetap, ditambah biaya variabel setelah sejumlah kilowatt-jam digunakan, dimana 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 Biaya tetap $1.000
10.000 galon berikutnya $0,003 per galon yang digunakan
10.000 galon berikutnya $0,006 per galon yang digunakan
Berikutnya 10.000 galon $0,009 per galon yang digunakan

dan seterusnya dan seterusnya
Galon air yang digunakan bervariasi sebanding dengan kuantitas hasil produksi.
4. Biaya bahan langsung, dimana biaya bahan langsung per unit yang diproduksi berkurang 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 $29,94), dengan biaya
minimum per unit $9,20.
5. Penyusutan peralatan secara tahunan, yang besarnya dihitung dengan metode garis lurus. Ketika jadwal penyusutan telah disiapkan, faktor
keusangan diperkirakan akan lebih besar dibandingkan dengan faktor keausan.
6. Sewa pabrik yang disumbangkan oleh pemerintah kota, dimana perjanjiannya mengharuskan pembayaran biaya tetap
kecuali 200.000 jam kerja dikerjakan, dalam hal ini tidak ada uang sewa yang dibayarkan.
7. Gaji personel perbaikan, dimana dibutuhkan satu orang untuk setiap 1.000 jam mesin atau kurang (yaitu, 0 hingga 1.000 jam memerlukan satu
orang, 1.001 hingga 2.000 jam memerlukan dua orang, dan seterusnya).
8. Biaya bahan langsung yang digunakan (asumsikan tidak ada diskon kuantitas).
9. Sewa pabrik manufaktur yang disumbangkan oleh daerah, dimana perjanjian tersebut mengharuskan sewa sebesar $100.000 dikurangi $1 untuk
setiap jam kerja manufaktur langsung yang dikerjakan lebih dari 200.000 jam, namun biaya sewa minimum sebesar $20.000 harus dibayar.
10-24 Mencocokkan grafik dengan deskripsi perilaku biaya dan pendapatan. (D. Green, diadaptasi) Di bawah ini diberikan sejumlah grafik.
1 2 3 4
5 6 7 8
Beberapa yang lain
pola
9 10 11 12
Sumbu horizontal setiap grafik mewakili unit yang diproduksi sepanjang tahun, dan sumbu vertikal mewakili total biaya atau pendapatan.
Diperlukan Tunjukkan dengan angka grafik mana yang paling sesuai dengan situasi atau item yang dijelaskan (a–h). Beberapa grafik mungkin
digunakan lebih dari sekali; beberapa mungkin tidak berlaku untuk situasi apa pun.
A. Biaya bahan langsung

B. Gaji Supervisor untuk satu shift dan dua shift
C. Grafik biaya-volume-laba
D. Biaya campuran—misalnya, biaya tetap sewa mobil ditambah tarif per mil perjalanan
e. Penyusutan pabrik, dihitung dengan dasar garis lurus
F. Data yang mendukung penggunaan tingkat biaya variabel, seperti biaya tenaga kerja manufaktur sebesar $14 per unit yang diproduksi
G. Rencana bonus insentif yang membayar manajer sebesar $0,10 untuk setiap unit yang diproduksi di atas tingkat produksi tertentu
H. Beban bunga atas $2 juta yang dipinjam dengan tingkat bunga tetap
10-25 Analisis akun, tinggi-rendah. Stein Corporation ingin menemukan persamaan untuk memperkirakan sebagian biaya operasional
bulanan mereka untuk anggaran operasional tahun 2018. Biaya dan data lainnya berikut dikumpulkan untuk tahun 2017:
Pemeliharaan Mesin Kesehatan Jumlah Pengiriman Satuan

Bulan Biaya Jam Pertanggungan Karyawan Biaya Dikirim
Januari $4,500 165 $8,600 68 $25.776 7.160
Februari $4,452 120 $8,600 75 $29.664 8.240

Berbaris $4,600 230 $8,600 92 $28.674 7.965
April $4,850 318 $8,600 105 $23.058 6.405
Mungkin $5,166 460 $8,600 89 $21.294 5.915

Juni $4,760 280 $8,600 87 $33.282 9.245
Juli $4,910 340 $8,600 93 $31.428 8.730
Agustus $4,960 360 $8,600 88 $30.294 8.415
September $5,070 420 $8,600 95 $25.110 6.975

Oktober $5,250 495 $8,600 102 $25.866 7.185
November $5,271 510 $8,600 97 $20.124 5.590
Desember $4,760 275 $8,600 94 $34.596 9.610
Diperlukan 1. Manakah dari biaya-biaya sebelumnya yang bersifat variabel? Tetap? Campuran? Menjelaskan.
2. Dengan menggunakan metode tinggi-rendah, tentukan fungsi biaya untuk setiap biaya.
3. Gabungkan informasi sebelumnya untuk mendapatkan fungsi biaya operasional bulanan untuk Stein Corporation.
4. Bulan depan, Stein memperkirakan akan menggunakan 400 jam mesin, memiliki 80 karyawan, dan mengirimkan 9.000 unit. Memperkirakan
total biaya operasional pada bulan tersebut.
materi tugas 413
10-26 Metode analisis akun. Gower, Inc., produsen produk plastik, melaporkan biaya produksi dan klasifikasi analisis akun berikut untuk tahun yang
berakhir pada tanggal 31 Desember 2017.
Akun Klasifikasi Jumlah
Material langsung Semua variabel $300.000
Tenaga kerja produksi langsung Semua variabel 225.000

Kekuatan Semua variabel 37.500
Pengawasan tenaga kerja 20% variabel 56.250
Tenaga kerja penanganan bahan 50% variabel 60.000

Tenaga kerja pemeliharaan 40% variabel 0% 75.000
Depresiasi variabel 0% 95.000
Sewa, pajak properti, dan administrasi variabel 100.000
Gower, Inc., memproduksi 75.000 unit produk pada tahun 2017. Manajemen Gower memperkirakan biaya untuk tahun 2018 berdasarkan angka tahun
2017. Informasi tambahan berikut tersedia untuk tahun 2018.
A. Harga bahan baku pada tahun 2018 diperkirakan akan meningkat sebesar 5% dibandingkan tahun 2017.
B. Berdasarkan ketentuan kontrak kerja, tingkat upah tenaga kerja manufaktur langsung diperkirakan akan meningkat
sebesar 10% pada tahun 2018 dibandingkan dengan tahun 2017.
C. Tarif listrik dan tarif upah untuk pengawasan, penanganan material, dan pemeliharaan diperkirakan tidak akan terjadi
perubahan dari tahun 2017 ke tahun 2018.
D. Biaya penyusutan diperkirakan meningkat sebesar 5%, dan biaya sewa, pajak properti, dan administrasi diperkirakan meningkat sebesar 7%.
e. Gower memperkirakan dapat memproduksi dan menjual 80.000 unit pada tahun 2018.
1. Menyiapkan jadwal biaya produksi variabel, tetap, dan total untuk setiap kategori akun pada tahun 2018. Diperlukan
Perkirakan total biaya produksi untuk tahun 2018.
2. Hitung total biaya produksi per unit Gower pada tahun 2017, dan perkirakan total biaya produksi per unit
satuan pada tahun 2018.
3. Bagaimana Anda dapat memperoleh estimasi biaya tetap dan biaya variabel yang lebih baik? Mengapa perkiraan ini lebih baik?
berguna bagi Gower?
10-27 Memperkirakan fungsi biaya, metode tinggi-rendah. Reisen Travel menawarkan layanan helikopter dari kota-kota pinggiran kota ke Bandara
Internasional John F. Kennedy di Kota New York. Masing-masing dari 10 helikopternya melakukan antara 1.000 dan 2.000 perjalanan pulang pergi per
tahun. Catatan menunjukkan bahwa sebuah helikopter yang telah melakukan 1.000 kali perjalanan pulang pergi dalam setahun dikenakan biaya
operasional rata-rata sebesar $350 per perjalanan pulang pergi, dan helikopter yang melakukan 2.000 kali perjalanan pulang pergi dalam setahun
dikenakan biaya operasional rata-rata sebesar $300 per perjalanan pulang pergi. perjalanan.
1. Dengan menggunakan metode tinggi-rendah, perkirakan hubungan linier y = a + bX, di mana y adalah total biaya operasional tahunan sebuah Diperlukan
helikopter dan X adalah jumlah perjalanan pulang pergi ke bandara JFK sepanjang tahun.
2. Berikan contoh biaya yang termasuk dalam a dan b.
3. Jika Reisen Travel memperkirakan setiap helikopter akan melakukan rata-rata 1.200 perjalanan pulang pergi pada tahun mendatang,
berapa perkiraan anggaran operasional untuk armada helikopter?
10-28 Memperkirakan fungsi biaya, metode tinggi-rendah. Lacy Dallas sedang memeriksa biaya layanan pelanggan di wilayah selatan Camilla
Products. Camilla Products memiliki lebih dari 200 produk kelistrikan terpisah yang dijual dengan jaminan perbaikan penuh atau penggantian selama
6 bulan dengan produk baru. Ketika suatu produk dikembalikan oleh pelanggan, laporan layanan disiapkan. Laporan layanan ini mencakup rincian
masalah serta waktu dan biaya penyelesaian masalah. Data mingguan untuk periode 8 minggu terakhir adalah sebagai berikut:
Minggu Biaya Departemen Layanan Pelanggan Jumlah Laporan Layanan

1 $13.300 185
2 20.500 285
3 12.000 120
4 18.500 360
5 14.900 275
6 21.600 440
7 16.500 350
8 21.300 315
1. Gambarkan hubungan antara biaya layanan pelanggan dan jumlah laporan layanan. Apakah hubungan tersebut masuk akal secara ekonomi? Diperlukan
2. Gunakan metode tinggi-rendah untuk menghitung fungsi biaya yang menghubungkan biaya layanan pelanggan dengan angka tersebut
laporan layanan.
3. Variabel apa, selain jumlah laporan layanan, yang mungkin menjadi pemicu biaya pelanggan mingguan?
biaya layanan Produk Camilla?
10-29 Perkiraan biaya linier. Dr. Young, dari Young and Associates, LLP, sedang meneliti bagaimana biaya overhead berperilaku sebagai
fungsi dari jam kontak dokter bulanan yang ditagihkan kepada pasien. Data historisnya adalah sebagai berikut:
Total Biaya Overhead Jam Kontak Dokter Ditagih ke Pasien

$90.000 150
105.000 200
111.000 250
125.000 300
137.000 350
150.000 400
Diperlukan 1. Hitung fungsi biaya linier, yang menghubungkan total biaya overhead dengan jam kontak dokter, dengan menggunakan pengamatan
representatif selama 200 dan 300 jam. Plot fungsi biaya linier. Apakah komponen konstan dari fungsi biaya mewakili biaya overhead
tetap Young and Associates? Mengapa?
2. Berapakah prediksi total biaya overhead untuk (a) 150 jam dan (b) 400 jam dengan menggunakan fungsi biaya yang diestimasi pada
persyaratan 1? Plot perkiraan biaya dan biaya aktual selama 150 dan 400 jam.
3. Dr. Young mempunyai kesempatan untuk melakukan beberapa pemeriksaan fisik di sekolah yang akan meningkatkan jam kontak dokter
yang dibebankan kepada pasien dari 200 menjadi 250 jam. Misalkan Dr. Young, dipandu oleh fungsi biaya linier, menolak pekerjaan
ini karena hal ini akan menghasilkan peningkatan total margin kontribusi sebesar $9.000, sebelum dikurangi perkiraan peningkatan
biaya overhead total sebesar $10.000. Berapa total margin kontribusi yang sebenarnya hilang?
10-30 Analisis biaya-volume-keuntungan dan regresi. Relling Corporation memproduksi botol minuman model CL24. Selama tahun 2017,
Relling memproduksi 210.000 botol dengan total biaya $808.500. Kraff Corporation telah menawarkan untuk memasok botol sebanyak yang
diinginkan Relling dengan biaya $3,75 per botol. Relling mengantisipasi kebutuhan 225.000 botol setiap tahun selama beberapa tahun ke
depan.
Diperlukan 1.sebuah. Berapa rata-rata biaya pembuatan botol minuman pada tahun 2017? Bagaimana jika dibandingkan dengan Kraff's
menawarkan?
B. Dapatkah Relling menggunakan jawaban pada persyaratan 1a untuk menentukan biaya produksi 225.000 minuman
botol? Menjelaskan.
2. Analis biaya Relling menggunakan data tahunan dari tahun-tahun sebelumnya untuk memperkirakan persamaan regresi berikut dengan
total biaya produksi botol minuman sebagai variabel terikat dan produksi botol minuman sebagai variabel bebas:
kamu = $445.000 + $1,75X
Selama tahun-tahun yang digunakan untuk memperkirakan persamaan regresi, produksi botol bervariasi dari 200.000 hingga 235.000.
Dengan menggunakan persamaan ini, perkirakan berapa biaya yang dibutuhkan Relling untuk memproduksi 225.000 botol minuman.
Berapa biaya yang lebih besar atau lebih murah untuk memproduksi botol-botol tersebut dibandingkan memperolehnya dari Kraff?
3. Informasi lain apa yang Anda perlukan agar yakin bahwa persamaan pada persyaratan 2 secara akurat memprediksi biaya pembuatan
botol minuman?
10-31 Analisis regresi, perusahaan jasa. (CMA, diadaptasi) Linda Olson memiliki bisnis karakter profesional di wilayah metropolitan yang
besar. Dia mempekerjakan mahasiswa setempat untuk memainkan karakter ini di pesta anak-anak dan acara lainnya. Linda menyediakan
balon, kue mangkuk, dan punch. Untuk pesta standar, biaya per orang adalah sebagai berikut:
Balon, kue mangkuk, dan pukulan $7
Tenaga Kerja (0,25 jam * $20 per jam) 5
Overhead (0,25 jam * $40 per jam) 10
Total biaya per orang $22
Linda cukup yakin mengenai perkiraan biaya bahan baku dan tenaga kerja, namun tidak begitu yakin dengan perkiraan biaya overhead.
Perkiraan overhead didasarkan pada data aktual selama 9 bulan terakhir, yaitu
disajikan di sini. Data ini menunjukkan bahwa biaya overhead bervariasi menurut jam tenaga kerja langsung yang digunakan. Perkiraan $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
Linda baru-baru ini menyadari analisis regresi. Dia memperkirakan persamaan regresi berikut dengan biaya overhead sebagai variabel terikat
dan jam kerja sebagai variabel bebas:
kamu = $43.563 + $14,66X
1. Gambarkan hubungan antara biaya overhead dan jam kerja. Gambarkan garis regresi dan evaluasi dengan menggunakan kriteria Diperlukan
kelayakan ekonomi, goodness of fit, dan kemiringan garis regresi.
2. Dengan menggunakan data dari analisis regresi, berapa biaya variabel per orang untuk pesta standar?
3. Linda Olson diminta menyiapkan tawaran pesta ulang tahun 20 anak yang akan diberikan bulan depan. Tentukan harga penawaran
minimum yang bersedia diajukan Linda untuk menutup biaya variabel.
10-32 Tinggi-rendah, regresi. May Blackwell adalah manajer baru gudang material untuk Clayton Manufacturing. May diminta memperkirakan
biaya pembelian bulanan di masa depan untuk suku cadang #696, yang digunakan pada dua produk Clayton. May memiliki data biaya dan
kuantitas pembelian selama 9 bulan terakhir sebagai berikut:
Bulan Harga Pokok Kuantitas yang Dibeli
Januari Pembelian 2.710 bagian

Februari $12.675 2.810
Berbaris 13.000 4.153
April 17.653 3.756
Mungkin 15.825 2.912

Juni 13.125 3.387
Juli 13.814 3.622
Agustus 15.300 2.298
September 10.233 14.950 3.562
Perkiraan pembelian bulanan untuk bagian ini berdasarkan perkiraan permintaan kedua produk tersebut untuk sisa tahun ini adalah sebagai
berikut:
Bulan Kuantitas Pembelian yang Diharapkan

Oktober 3.340 bagian
November 3.710
Desember 3.040
1. Komputer di kantor May mati, dan May diminta untuk segera memberikan persamaan untuk memperkirakan biaya pembelian masa Diperlukan
depan untuk bagian #696. May mengambil kalkulator dan menggunakan metode tinggi-rendah untuk memperkirakan persamaan
biaya. Persamaan apa yang dia dapatkan?
2. Dengan menggunakan persamaan dari persyaratan 1, hitung perkiraan biaya pembelian di masa depan untuk masing-masing produk tersebut
3 bulan terakhir dalam setahun.
3. Setelah beberapa jam komputer May diperbaiki. May menggunakan data 9 bulan pertama dan analisis regresi untuk memperkirakan
hubungan antara kuantitas yang dibeli dan biaya pembelian bagian #696. Garis regresi yang diperoleh May adalah sebagai berikut:
kamu = $2.582,6 + 3,54X
Evaluasi garis regresi menggunakan kriteria economic plausibility, goodness of fit, dan signifikansi variabel independen. Bandingkan
persamaan regresi tersebut dengan persamaan berdasarkan metode tinggi-rendah. Mana yang lebih cocok? Mengapa?
4. Gunakan hasil regresi untuk menghitung perkiraan biaya pembelian untuk bulan Oktober, November, dan Desember. Bandingkan
perkiraan biaya pembelian dengan perkiraan biaya pembelian yang dihitung menggunakan metode tinggi-rendah dalam persyaratan 2.
Komentari hasil Anda.
10-33 Kurva pembelajaran, model pembelajaran waktu rata-rata kumulatif. Pertahanan Utara memproduksi sistem radar. Mereka baru
saja menyelesaikan pembuatan sistem pertama yang dirancang baru, RS-32. Data manufaktur RS-32 sebagai berikut:
tsoc lairetam tceriD $84.000 per unit RS-32

Waktu kerja produksi langsung untuk unit pertama 4.400 jam kerja produksi langsung
Kurva pembelajaran untuk waktu kerja manufaktur per sistem radar tsoc 85% waktu rata-rata kumulatifa
robal gnirutcafunam tceriD tsoc $ 27 perwakilan ruoh-robal gnirutcafunam t

daehrevo gnirutcafunam elbairaV $ cerid 13
ruoh-robal gnirutcafunam tcerid perwakilan
A dalam 0,85 –0.162519

Dengan menggunakan rumus (halaman 391), untuk kurva belajar 85%, b = = = –0,234465
di 2 0,693147
Diperlukan Hitung total biaya variabel untuk memproduksi 2, 4, dan 8 unit.
10-34 Kurva pembelajaran, model pembelajaran satuan waktu tambahan. Asumsikan informasi yang sama untuk Pertahanan Utara
seperti pada Latihan 10-33, kecuali bahwa Pertahanan Utara menggunakan model pembelajaran satuan waktu tambahan sebesar 85%
sebagai dasar untuk memperkirakan jam kerja produksi langsung. (Kurva pembelajaran 85% berarti b = -0,234465.)
Diperlukan 1. Hitung total biaya variabel untuk memproduksi 2, 3, dan 4 unit.

2. Jika Anda menyelesaikan Latihan 10-33, bandingkan prediksi biaya Anda pada kedua latihan untuk 2 dan 4 unit. Mengapa prediksinya
berbeda? Bagaimana seharusnya Pertahanan Utara memutuskan model mana yang harus digunakan?
10-35 Metode tinggi-rendah. Wayne Mueller, analis keuangan di CELL Corporation, sedang memeriksa perilaku biaya utilitas triwulanan
untuk tujuan penganggaran. Mueller mengumpulkan data berikut mengenai jam kerja mesin dan biaya utilitas selama 8 kuartal terakhir:
Seperempat Jam Mesin Biaya Utilitas

1 120.000 $215.000
2 75.000 150.000
3 110.000 200.000
4 150.000 270.000
5 90.000 170.000
6 140.000 250.000
7 130.000 225.000
8 100.000 195.000
Diperlukan 1. Perkirakan fungsi biaya untuk data triwulanan dengan menggunakan metode tinggi-rendah.
2. Plot dan komentari fungsi estimasi biaya.
3. Mueller mengantisipasi bahwa CELL akan mengoperasikan mesin selama 125.000 jam pada kuartal 9. Hitung biaya awal
menentukan biaya utilitas pada kuartal 9 menggunakan fungsi biaya yang diperkirakan dalam persyaratan 1.
Lab Akuntansi Saya Masalah

10-36 Metode tinggi-rendah dan analisis regresi. Market Thyme, sebuah koperasi pertanian organik milik keluarga, baru-baru ini memulai
sebuah klub produk segar untuk memberikan dukungan kepada pertanian anggota kelompok tersebut dan untuk mempromosikan manfaat
dari mengonsumsi makanan organik yang diproduksi secara lokal. Keluarga membayar biaya keanggotaan musiman sebesar $100 dan
memesan seminggu sebelumnya dengan harga $40 per pesanan. Pada gilirannya, Market Thyme mengirimkan produk lokal musiman yang
baru dipetik ke beberapa titik distribusi di lingkungan sekitar. Lima ratus keluarga bergabung dengan klub untuk musim pertama, namun
jumlah pesanan bervariasi dari minggu ke minggu.
Tom Diehl telah menjalankan klub produksi untuk musim pertama. Tom sekarang menjadi petani tetapi mengingat beberapa hal tentang
analisis biaya semasa kuliah. Dalam perencanaan tahun depan, dia ingin mengetahui berapa jumlah pesanan
dibutuhkan setiap minggu agar klub mencapai titik impas, tetapi pertama-tama dia harus memperkirakan biaya tetap dan biaya variabel klub.
Dia telah mengumpulkan data berikut selama musim pertama klub beroperasi:
Pekan Jumlah Pesanan per Minggu 415 Total Biaya Mingguan

1 $26.900
2 435 27.200
3 285 24.700
4 325 25.200
5 450 27.995
6 360 25.900
7 420 27.000
8 460 28.315
9 380 26.425
10 350 25.750
1. Gambarkan hubungan antara jumlah pesanan per minggu dan total biaya mingguan. Diperlukan
2. Perkirakan persamaan biaya menggunakan metode tinggi-rendah, dan gambarkan garis ini pada grafik Anda.
3. Tom menggunakan komputernya untuk menghitung rumus regresi berikut:
Total biaya mingguan = $18.791 + ($19,97 * Jumlah pesanan per minggu)
Gambarkan garis regresi pada grafik Anda. Gunakan grafik Anda untuk mengevaluasi garis regresi menggunakan kriteria masuk akal
secara ekonomi, kesesuaian, dan signifikansi variabel independen. Apakah fungsi biaya yang diestimasi dengan metode tinggi-rendah
merupakan perkiraan yang mendekati fungsi biaya yang diestimasi dengan metode regresi? Jelaskan secara singkat.
4. Apakah Market Thyme mencapai titik impas musim ini? Ingatlah bahwa masing-masing keluarga membayar anggota musiman
biaya pengiriman $100.
5. Asumsikan 500 keluarga bergabung dengan klub tahun depan dan harga serta biaya tidak berubah. Berapa rata-rata pesanan yang harus
diterima Market Thyme setiap 10 minggu musim depan untuk mencapai titik impas?
10-37 Metode tinggi-rendah; analisis regresi. (CIMA, diadaptasi) Catherine McCarthy, manajer penjualan Baxter Arenas, sedang memeriksa
apakah ada hubungan antara biaya promosi dan pendapatan tiket di stadion olahraga. Dia memperoleh data berikut selama 9 bulan terakhir:
Bulan Pendapatan Tiket Biaya Promosi

April $200.000 $52.000
Mungkin 270.000 65.000

Juni 320.000 80.000
Juli 480.000 90.000
Agustus 430.000 100.000
September 450.000 110.000

Oktober 540.000 120.000
November 670.000 180.000
Desember 751.000 197.000
Dia memperkirakan persamaan regresi berikut:
Pendapatan tiket = $65.583 + ($3,54 * Biaya promosi)
1. Gambarkan hubungan antara biaya promosi dan pendapatan tiket. Gambarkan juga garis regresinya dan evaluasi dengan menggunakan Diperlukan
kriteria kelayakan ekonomi, goodness of fit, dan kemiringan garis regresi.
2. Gunakan metode tinggi-rendah untuk menghitung fungsi yang berkaitan dengan biaya dan pendapatan promosi.
3. Dengan menggunakan (a) persamaan regresi dan (b) persamaan tinggi-rendah, berapakah peningkatan pendapatan untuk setiap $10.000
yang dikeluarkan untuk biaya promosi dalam kisaran yang relevan? Metode manakah yang harus digunakan Catherine untuk
memprediksi pengaruh biaya promosi terhadap pendapatan tiket? Jelaskan secara singkat.
10-38 Regresi, penetapan biaya berdasarkan aktivitas, pemilihan pemicu biaya. Sleep Late, sebuah jaringan hotel besar, telah
menggunakan penetapan biaya berbasis aktivitas untuk menentukan biaya menginap semalam di hotel mereka. Salah satu aktivitasnya,
“Inspeksi,” terjadi setelah pelanggan keluar dari kamar hotel. Sleep Late memeriksa setiap kamar ke-10 dan telah menggunakan “jumlah kamar
yang diperiksa” sebagai penggerak biaya untuk biaya inspeksi. Komponen biaya inspeksi yang signifikan adalah biaya perlengkapan yang
digunakan dalam setiap inspeksi.
Mary Adams, kepala inspektur, bertanya-tanya apakah jam kerja inspeksi bisa menjadi pemicu biaya yang lebih baik untuk biaya inspeksi.
Mary mengumpulkan informasi untuk biaya inspeksi mingguan, ruangan yang diperiksa, dan jam kerja inspeksi sebagai berikut:
Ruang Minggu Diperiksa Jam Kerja Inspeksi Biaya Pemeriksaan

1 254 66 $1.740
2 322 110 2.500
3 335 82 2.250
4 431 123 2.800
5 198 48 1.400
6 239 62 1.690
7 252 108 1.720
8 325 127 2.200
Mary menjalankan regresi pada setiap kemungkinan pemicu biaya dan memperkirakan fungsi biaya berikut:
Biaya Inspeksi = $193,19 + ($6,26 * Jumlah ruangan yang diperiksa)
Biaya Inspeksi = $944,66 + ($12,04 * Inspeksi tenaga kerja@jam)
Diperlukan 1. Jelaskan mengapa ruangan yang diinspeksi dan jam kerja inspeksi merupakan pemicu biaya yang masuk akal dalam biaya inspeksi.
2. Plot data dan garis regresi ruangan yang diperiksa dan biaya pemeriksaan. Plot data dan garis regresi untuk jam kerja inspeksi dan biaya
inspeksi. Penggerak biaya pemeriksaan mana yang akan Anda pilih? Menjelaskan.
3. Mary mengharapkan inspektur memeriksa 300 ruangan dan bekerja selama 105 jam minggu depan. Dengan menggunakan penggerak biaya
yang Anda pilih pada persyaratan 2, berapa jumlah biaya inspeksi yang harus dianggarkan Mary? Jelaskan implikasi apa pun dari Mary
yang memilih penggerak biaya yang tidak Anda pilih dalam persyaratan 2 untuk menganggarkan biaya inspeksi.
10-39 Menafsirkan hasil regresi. Spirit Freightways adalah pemimpin dalam pengangkutan produk pertanian di provinsi barat Kanada. Reese
Brown, analis keuangan di Spirit Freightways, sedang mempelajari perilaku biaya transportasi untuk tujuan penganggaran. Biaya transportasi di
Spirit ada dua jenis: (a) biaya operasional (seperti tenaga kerja dan bahan bakar) dan (b) biaya pemeliharaan (terutama perbaikan kendaraan).
Brown mengumpulkan data bulanan untuk setiap jenis biaya, serta total jarak tempuh pengiriman yang ditempuh oleh Spirit
kendaraan setiap bulannya. Data yang dikumpulkan ditunjukkan di bawah ini (semuanya dalam ribuan):
Bulan Biaya Operasional Biaya Pemeliharaan $974 Mil Pengangkutan
Januari $942 1.710
Februari 1.008 776 2.655

Berbaris 1.218 686 2.705
April 1.380 694 4.220
Mungkin 1.484 588 4.660

Juni 1.548 422 4.455
Juli 1.568 352 4.435
Agustus 1.972 420 4.990
September 1.190 564 2.990

Oktober 1.302 788 2.610
November 962 762 2.240
Desember 772 1.028 1.490
Diperlukan 1. Melakukan regresi dengan menggunakan data bulanan biaya operasional angkutan mil. Anda harus mendapatkan
hasil berikut:
Regresi: Biaya operasional = a + (b * Jumlah mil pengangkutan)
Variabel Koefisien Kesalahan Standar t-Nilai
Konstan $445,76 $112,97 3,95
Variabel independen: Jumlah mil pengangkutan $0,26 $0,03 7.83

2
hal = 0,86; Statistik Durbin@Watson = 2,18
2. Plot data dan garis regresi untuk estimasi di atas. Evaluasi regresi menggunakan kriteria
masuk akal secara ekonomi, goodness of fit, dan kemiringan garis regresi.
3. Brown memperkirakan Spirit akan menghasilkan, rata-rata, 3.600 mil pengangkutan setiap bulannya pada tahun depan. Berapa banyak yang masuk
biaya operasional yang harus dianggarkan Brown untuk tahun depan?
4. Sebutkan tiga variabel, selain jarak tempuh pengangkutan, yang mungkin diharapkan oleh Brown sebagai pemicu biaya yang penting
untuk biaya operasional Spirit.
5. Brown selanjutnya melakukan regresi menggunakan data bulanan biaya pemeliharaan mil pengangkutan. Memeriksa
bahwa dia memperoleh hasil sebagai berikut:
Regresi: Biaya pemeliharaan = a + (b * Jumlah mil pengangkutan)
Variabel Koefisien Kesalahan t-Nilai
Konstan $1,170.57 Standar 12.85
Variabel independen: Jumlah mil pengangkutan $ -0.15 $91,07 $0,03 -5.83

2
6. Memberikan penjelasan yang masuk akal atas tanda yang diamati pada variabel cost driver 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 waktu rata-rata kumulatif. Pacific Boat Company, yang terikat kontrak dengan Angkatan
Laut AS, merakit kapal pengerahan pasukan. Sebagai bagian dari program penelitiannya, mereka menyelesaikan perakitan kapal
penempatan model baru yang pertama (PT109). Angkatan Laut terkesan dengan PT109. Pihaknya meminta Pacific Boat mengajukan
proposal mengenai biaya produksi enam PT109 lainnya.
Pacific Boat melaporkan informasi biaya berikut untuk perakitan PT109 pertama dan menggunakan model pembelajaran waktu
rata-rata kumulatif 90% sebagai dasar untuk memperkirakan jam kerja produksi langsung untuk enam PT109 berikutnya. (Kurva
pembelajaran 90% berarti b = -0,152004.)
aku costairetam tceriD $199.000
Waktu kerja produksi langsung untuk perahu pertama 14.700 jam kerja
etar robal gnirutcafunam tceriD tsoc ruoh-robal gnirutcafunam tcerid rep24$

daehrevo gnirutcafunam elbairaV daehrevo p62$ ruoh-robal gnirutcafunam tcerid re
gnirutcafunam rehtO %20 stsoc robal gnirutcafunam tcerid fo
Biaya perkakasa $279.000
Kurva pembelajaran waktu kerja manufaktur per perahu 90% waktu rata-rata kumulatifb
A
Perkakas dapat digunakan kembali tanpa biaya tambahan karena seluruh biayanya telah dibebankan pada kapal penempatan pertama.
dalam 0,9 ]0,105361

B
Menggunakan rumus (halaman 391) untuk kurva pembelajaran 90%, b 5 5 5]0,152004
di 2 0,693147
1. Hitung perkiraan total biaya produksi enam PT109 untuk Angkatan Laut. (Pacific Boat akan tetap merakit kapal penempatan pertama, Diperlukan
dengan biaya $1.477.600, sebagai model demonstrasi untuk calon pelanggan.)
2. Berapakah selisih antara (a) total biaya yang diprediksi untuk memproduksi enam PT109 pada persyaratan 1 dan (b) total biaya yang
diprediksi untuk memproduksi enam PT109, dengan asumsi bahwa tidak ada kurva pembelajaran untuk manufaktur langsung?
tenaga kerja? Artinya, untuk (b) mengasumsikan fungsi linier untuk unit yang diproduksi dan jam kerja produksi langsung.
10-41 Estimasi biaya, model pembelajaran satuan waktu tambahan. Asumsikan informasi yang sama untuk Pacific Boat Company
seperti pada Soal 10-40 dengan satu pengecualian. Pengecualiannya adalah Pacific Boat menggunakan model pembelajaran satuan
waktu tambahan sebesar 90% sebagai dasar untuk memprediksi jam kerja manufaktur langsung dalam operasi perakitannya. (Kurva
pembelajaran 90% berarti b = -0,152004.)
1. Menyiapkan prediksi total biaya produksi enam PT109 untuk TNI AL. Diperlukan
2. Jika Anda menyelesaikan persyaratan 1 pada Soal 10-40, bandingkan prediksi biaya Anda di sana dengan prediksi biaya yang Anda
buat di sini. Mengapa prediksinya berbeda? Bagaimana seharusnya Pacific Boat memutuskan model mana yang harus digunakan?
10-42 Regresi; memilih di antara model. Rumah Sakit Apollo berspesialisasi dalam operasi rawat jalan untuk prosedur yang relatif
kecil. Apollo adalah lembaga nirlaba dan sangat menekankan pengendalian biaya agar dapat memberikan layanan kepada masyarakat
secara efisien.
CFO Apollo, Julie Chen, akhir-akhir ini mengkhawatirkan konsumsi perlengkapan medis di 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 pasokan medis rumah sakit. Penggerak
pertama adalah jumlah total prosedur yang dilakukan.
Yang kedua adalah jumlah jam pasien yang dihasilkan oleh Apollo. Julie dan Rhett memandang pilihan terakhir berpotensi menjadi
pemicu biaya yang lebih baik karena rumah sakit melakukan berbagai prosedur, beberapa di antaranya lebih rumit dibandingkan yang
lain.
Rhett memberikan data berikut terkait setahun terakhir kepada Julie.
Bulan Biaya perbekalan medisJumlah prosedur Jumlah jam pasien

1 $106.000 320 2.000
2 230.000 500 3.900
3 84.000 240 1.900
4 238.000 520 4.100
5 193.000 240 3.400
6 180.000 340 3.700
7 210.000 420 3.100
8 92.000 360 1.200
9 222.000 320 3.000
10 78.000 180 1.300
11 127.000 440 2.800
12 225.000 380 3.800
Diperlukan 1. Perkirakan persamaan regresi untuk (a) biaya perbekalan kesehatan dan jumlah prosedur dan (b) biaya perbekalan kesehatan dan
jumlah jam kerja pasien. Anda harus mendapatkan hasil berikut:
Regresi 1: Biaya perbekalan kesehatan = a + (b * Jumlah prosedur)
Konstan $36.939,77 $56.404,86 0,65
Variabel independen: Jumlah prosedur $361,91 $152,93 2.37

2
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
R2 = 0,84; Statistik Durbin@Watson = 1,91
2. Pada grafik yang berbeda, plot data dan garis regresi untuk masing-masing fungsi biaya berikut:
A. 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 sesuai format pada Gambar 10-18 (halaman 406).
4. Berdasarkan analisis Anda, cost driver manakah yang harus diterapkan Julie Chen untuk Rumah Sakit Apollo? Jelaskan milik Anda
menjawab.
10-43 Regresi berganda (lanjutan 10-42). Setelah diskusi lebih lanjut, Julie dan Rhett bertanya-tanya apakah mereka harus melihat
jumlah prosedur dan jumlah jam kerja pasien sebagai pemicu biaya dalam estimasi regresi berganda untuk memahami dengan baik biaya
pasokan medis Apollo.
1. Melakukan regresi berganda untuk memperkirakan persamaan regresi biaya perbekalan kesehatan dengan menggunakan jumlah Diperlukan
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)
Konstan -$3,103,76 $30.406,54 -0,10
Variabel independen 1: Jumlah prosedur Variabel $38,24 $100,76 0,38
independen 2: Jumlah jam pasien $54,37 $10,33 5.26
2. Evaluasi keluaran regresi berganda menggunakan kriteria kelayakan ekonomi goodness of fit, signifikansi
signifikansi variabel independen, dan spesifikasi asumsi estimasi.
3. Masalah potensial apa yang dapat muncul dalam analisis regresi berganda yang tidak terdapat dalam model regresi sederhana?
Apakah ada bukti kesulitan dalam regresi berganda yang disajikan dalam masalah ini?
Menjelaskan.
4. Model regresi manakah dari Soal 10-42 dan 10-43 yang Anda rekomendasikan untuk digunakan oleh Julie Chen?
Menjelaskan.
10-44 Estimasi biaya. Hankuk Electronics memulai produksi ponsel cerdas canggih baru yang menjalankan sistem operasi Android pada
bulan Januari 2017. Mengingat margin yang sangat tipis di industri elektronik konsumen, kesuksesan Hankuk sangat bergantung pada
kemampuan memproduksi ponsel seekonomis mungkin.
Pada akhir tahun pertama produksi, pengontrol Hankuk, Inbee Kim, mengumpulkan data mengenai tingkat output bulanan, serta
konsumsi bulanan jam kerja langsung (DLH). Inbee memandang jam kerja sebagai pendorong utama biaya langsung dan biaya overhead
Hankuk. Informasi yang dikumpulkan oleh Inbee disediakan di bawah ini:
Bulan Output (Unit) Jam Kerja Langsung

Januari 684 1.400
Februari 492 820
Berbaris 660 875
April 504 670
Mungkin 612 760
Juni 636 765
Juli 648 735
Agustus 600 660
September 648 695

Oktober 696 710
November 672 690

Desember 675 700
1. Inbee tertarik untuk menguji hubungan antara konsumsi tenaga kerja langsung dan tingkat output. Dia memutuskan untuk Diperlukan
memperkirakan hubungan ini menggunakan regresi linier sederhana berdasarkan data bulanan. Verifikasikan bahwa berikut adalah
hasil yang diperoleh Inbee:
Regresi 1: Tenaga kerja langsung@jam = a + (b * Unit keluaran)
Konstan 345.24 589.07 0,59
Variabel bebas: Satuan keluaran 0,71 0,93 0,76

2
3. Inbee memperkirakan bahwa Hankuk memiliki biaya variabel sebesar $17,50 per jam tenaga kerja langsung. Dia memperkirakan Han-
kuk akan memproduksi 650 unit pada bulan depan, Januari 2018. Berapa yang harus dia anggarkan sebagai biaya variabel yang
diharapkan? Seberapa yakin dia terhadap perkiraannya?
10-45 Estimasi biaya, kurva pembelajaran (lanjutan dari 10-44). Inbee khawatir 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 pintar baru menunjukkan efek pembelajaran yang signifikan—seiring dengan bertambahnya pengalaman
Hankuk dalam produksi, Hankuk dapat memproduksi unit tambahan dengan menggunakan waktu yang lebih sedikit. Dia menyarankan
bahwa lebih tepat untuk menentukan hubungan berikut:
y = axb
dimana x adalah produksi kumulatif dalam unit, y adalah rata-rata kumulatif jam kerja langsung per unit (yaitu, DLH kumulatif dibagi
produksi kumulatif), dan a dan b adalah parameter efek pembelajaran.
Untuk memperkirakan hal ini, Inbee dan Jim menggunakan data asli untuk menghitung output kumulatif dan rata-rata kumulatif jam
kerja per unit setiap bulannya. Mereka kemudian mengambil logaritma natural dari variabel-variabel tersebut agar dapat memperkirakan
persamaan regresi. Berikut adalah data yang diubah:
Kumulatif Kumulatif
Keluaran Kumulatif Rata-rata DLH

Bulan (X) DLH (kamu) 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
Diperlukan 1. Perkirakan hubungan antara rata-rata kumulatif jam kerja langsung per unit dan output kumulatif (keduanya dalam logaritma). Pastikan
berikut ini adalah hasil yang diperoleh Inbee dan Jim:
Regresi 1: Ln (Rata-rata kumulatif DLH per unit) = a + [b * Ln (Output Kumulatif)]
Konstan 2,087 0,024 85.44
Variabel bebas : Ln (Cum Output) -0,208 0,003 -69.046

2
3. Verifikasi bahwa perkiraan koefisien kemiringan sesuai dengan waktu pembelajaran rata-rata kumulatif sebesar 86,6%.
melengkung.
4. Berdasarkan estimasi baru ini, bagaimana Inbee akan merevisi anggaran biaya variabel Hankuk untuk output yang diharapkan
sebesar 650 unit pada bulan Januari 2018? Seberapa yakin dia terhadap perkiraan biaya baru ini?
10-46 Menafsirkan hasil regresi, mencocokkan periode waktu. Nandita Summers bekerja di Modus, sebuah toko yang melayani
fashion untuk dewasa muda. Nandita bertanggung jawab atas anggaran periklanan dan promosi online toko. Selama setahun terakhir,
dia mempelajari optimasi mesin pencari dan membeli kata kunci serta iklan bergambar di Google, Facebook, dan Twitter. Untuk
menganalisis efektivitas usahanya dan memutuskan apakah akan melanjutkan periklanan online atau mengembalikan dana
periklanannya ke media cetak tradisional, Nandita mengumpulkan data berikut:
On line
Periklanan Penjualan
Bulan Pengeluaran 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 biaya tersebut Diperlukan
pendapatan bulan. Pastikan dia mendapatkan hasil berikut:
Pendapatan = $51.999,64 - (0,98 * Biaya iklan online)

Variabel $51.999,64 7.988,68 6.51
Independen Konstan: Biaya iklan online = 0,02; Statistik -0,98 1,99 -0,49
2
hal Durbin@Watson = 2,14
2. Plot data sebelumnya pada grafik dan gambar garis regresinya. Apa yang ditunjukkan rumus biaya tentang hubungan antara biaya
iklan online bulanan dan pendapatan bulanan? Apakah hubungan ini masuk akal secara ekonomi?
3. Setelah berpikir lebih jauh, Nandita menyadari mungkin ada kesalahan dalam pendekatannya. Secara khusus, mungkin ada jeda
antara waktu pelanggan mengklik situs web Modus dan membaca dengan teliti konten media sosialnya (saat itulah biaya iklan
online dikeluarkan) dan waktu mereka benar-benar berbelanja di toko fisik. Nandita memodifikasi analisisnya dengan
membandingkan pendapatan penjualan setiap bulan dengan beban iklan pada bulan sebelumnya. Setelah membuang
pendapatan bulan September dan biaya iklan bulan Agustus, tunjukkan bahwa regresi yang dimodifikasi menghasilkan hal
berikut:
Pendapatan = $28.361,37 + (5,38 * Beban iklan online)

Variabel $28.361,37 5.428,69 5.22
Independen Konstan: Iklan online bulan sebelumnya = 0,65; Statistik 5,38 1,31 4.12
2 biaya r Durbin@Watson = 1,71
4. Apa yang ditunjukkan oleh formula yang direvisi? Plot data yang direvisi pada grafik. Apakah hubungan ini ekonomi-
cukup masuk akal?
5. Apakah Nandita dapat menyimpulkan adanya hubungan sebab akibat antara biaya iklan online dengan pendapatan penjualan?
Mengapa atau mengapa tidak?
10-47 Penggerak biaya departemen pembelian, penetapan biaya berdasarkan aktivitas, analisis regresi sederhana.
Perfect Fit mengoperasikan jaringan 10 department store ritel. Setiap department store membuat keputusan pembeliannya
sendiri. Carl Hart, asisten presiden Perfect Fit, tertarik untuk lebih memahami faktor pendorong biaya departemen pembelian.
Selama bertahun-tahun, Perfect Fit telah mengalokasikan biaya departemen pembelian ke produk berdasarkan nilai dolar dari
barang dagangan yang dibeli. Barang senilai $100 dialokasikan 10 kali lebih banyak biaya overhead yang terkait dengan
departemen pembelian dibandingkan barang seharga $10.
Hart baru-baru ini menghadiri seminar bertajuk “Penggerak Biaya di Industri Ritel.” Dalam presentasi di seminar
tersebut, Kaliko Fabrics, pesaing terkemuka yang telah menerapkan penetapan biaya berbasis aktivitas, melaporkan jumlah
pesanan pembelian dan jumlah pemasok menjadi dua penggerak biaya terpenting dalam biaya departemen pembelian. Nilai
dolar dari barang dagangan yang dibeli dalam setiap pesanan pembelian tidak ditemukan menjadi pemicu biaya yang
signifikan. Hart mewawancarai beberapa anggota departemen pembelian di toko Perfect Fit di Miami. Mereka percaya bahwa
kesimpulan Kaliko Fabrics juga berlaku untuk departemen pembelian mereka.
Hart mengumpulkan data berikut untuk tahun terakhir untuk 10 department store ritel Perfect Fit:
Pembelian Nilai Dolar dari Jumlah

Departemen Barang dagangan Pembelian Jumlah
Biaya Dibeli Pesanan Pemasok
Toko serba ada (PDC) (MP$) (Jumlah PO) (Jumlah Ss)
Baltimore $1.522.000 $68.307.000 4.345 125
Chicago 1.095.000 33.463.000 2.548 230
Los Angeles 542.000 121.800.000 1.420 8

Miami 2.053.000 119.450.000 5.935 188
New York 1.068.000 33.575.000 2.786 21
Phoenix 517.000 29.836.000 1.334 29
Seattle 1.544.000 102.840.000 7.581 101
St.Louis 1.761.000 38.725.000 3.623 127
Toronto 1.605.000 139.300.000 1.712 202
Vancouver 1.263.000 130.110.000 4.736 196
Hart memutuskan untuk menggunakan analisis regresi sederhana untuk menguji apakah satu atau lebih dari tiga variabel
(tiga kolom terakhir dalam tabel) merupakan penggerak biaya dari biaya departemen pembelian. Ringkasan hasil regresi
tersebut adalah sebagai berikut:
Regresi 1: PDC = a + (b * MP$)

Konstan $1.041.421 $346.709 3.00
Variabel bebas 1: MP$ 0,0031 0,0038 0,83
2
Regresi 2: PDC = a + (b * Jumlah PO)

Konstanta $722.538 $265.835 2.72
Variabel Independen 1: Jumlah PO $159,48 $64,84 2.46
Regresi 3: PDC = a + (b * Jumlah Ss)

Konstanta $828.814 $246.571 3.36
Variabel Independen 1: Jumlah Ss $3.816 $1.698 2.25
2
1. Bandingkan dan evaluasi ketiga model regresi sederhana yang diestimasi oleh Hart. Buat grafik masing-masing. Juga,
gunakan format yang digunakan pada Tampilan 10-18 (halaman 406) untuk mengevaluasi informasi.
2. Apakah hasil regresi mendukung presentasi Kaliko Fabrics tentang penggerak biaya departemen pembelian? Manakah dari pemicu
biaya berikut yang akan Anda rekomendasikan dalam merancang sistem ABC?
3. Bagaimana Hart dapat memperoleh bukti tambahan mengenai pendorong biaya departemen pembelian di setiap Perfect
Toko Fit?
10-48 Penggerak biaya departemen pembelian, analisis regresi berganda (lanjutan 10-47). Carl Hart 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)
Variabel Koefisien Kesalahan t-Nilai
Konstan $484,522 Standar 1.89
Variabel bebas 1: Jumlah PO Variabel bebas $126,66 $2,903 57.80 2.19
2: Jumlah Ss $256,684 $$1,459 1,99

2
Regresi 5: PDC = a + (b1 * Jumlah PO) + (b2 * Jumlah Ss) + (b3 * MP$)
Konstanta $483.560 $312.554 1.55
Variabel Independen 1: Jumlah PO Variabel $126,58 $63,75 $1.622 1,99
Independen 2: Jumlah Ss Variabel $2.901 0,0029 1.79
Independen 3: MP$ 0,00002 0,01

2
Koefisien korelasi antar kombinasi pasangan variabel adalah sebagai berikut:
PDC MP$ Jumlah PO
MP$ 0,28
Jumlah PO 0,66 0,27
Jumlah Ss 0,62 0,30 0,29
1. Evaluasi regresi 4 menggunakan kriteria economic plausibility, goodness of fit, signifikansi variabel independen, dan analisis spesifikasi. Diperlukan
Bandingkan regresi 4 dengan regresi 2 dan 3 pada Soal 10-47. Di antara model berikut, manakah yang Anda rekomendasikan untuk
digunakan Hart? Mengapa?
2. Bandingkan regresi 5 dengan regresi 4. Model manakah yang akan Anda rekomendasikan kepada Hart
menggunakan? Mengapa?
3. Hart memperkirakan data berikut untuk toko Baltimore untuk tahun depan: nilai dolar dari barang dagangan yang dibeli, $78.500.000;
jumlah pesanan pembelian, 4.100; jumlah pemasok, 110. Berapa anggaran yang harus dianggarkan Hart untuk biaya departemen
pembelian toko Baltimore untuk tahun depan?
4. Kesulitan apa saja yang tidak timbul dalam analisis regresi sederhana yang mungkin timbul dalam analisis regresi berganda? Apakah
terdapat bukti adanya kesulitan dalam salah satu regresi berganda yang disajikan dalam masalah ini? Menjelaskan.
5. Berikan dua contoh keputusan yang hasil regresinya dilaporkan di sini (dan pada Soal 10-47)
bisa informatif.

Bab 10

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

Bab 10

Diunggah oleh

Hak Cipta:

Format Tersedia

Machine Translated by Google

Menentukan Berapa Biayanya

Tujuan pembelajaran Apa gunanya melihat masa lalu?

menggunakan 1.000 halaman kode untuk menganalisis 200.000 kemungkinan

bahan bakar dan menghilangkan 100.000 metrik ton karbon dioksida.

Seperti yang diilustrasikan dalam contoh UPS, manajer harus memahami

bagaimana perilaku biaya untuk membuat keputusan strategis dan operasional

bagaimana manajer menentukan pola perilaku biaya—yaitu, bagaimana biaya

berubah sehubungan dengan perubahan tingkat aktivitas, kuantitas produk

Foto Stok B Christopher/Alamy yang diproduksi, dan seterusnya.

Asumsi Dasar dan Contoh Fungsi Biaya 373

Asumsi Dasar dan Contoh Fungsi Biaya

dan tiga cara umum di mana

Fungsi Biaya Linier

pameran 10-1 Contoh Fungsi Biaya Linier

PANEL A: PANEL B: PANEL C:

$2.000 $2.000 $2.000

biaya variabel sebesar $0,50

4.000 8.000 4.000 8.000 4.000 8.000

374 BAB 10 MENENTUKAN BAGAIMANA PERILAKU BIAYA

kamu = $300 + $0,20X

ÿ Alternatif 1: $2.000 ($0,50 per jam * 4.000 jam)

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

Asumsi Dasar dan Contoh Fungsi Biaya 375

Tinjauan Klasifikasi Biaya

Pilihan Objek Biaya

Rentang yang Relevan

2.000 4.000 6.000 8.000

Papan Seluncur Salju Diproduksi (X)

376 BAB 10 MENENTUKAN BAGAIMANA PERILAKU BIAYA

Mengidentifikasi Penggerak Biaya

Metode Estimasi Biaya 377

Penggerak Biaya dan Proses Pengambilan Keputusan

378 BAB 10 MENENTUKAN BAGAIMANA PERILAKU BIAYA

Metode Teknik Industri

Keuntungan dan Tantangan

Keuntungan dan Tantangan

Metode Analisis Akun

Metode Estimasi Biaya 379

kamu = a + bX, adalah:

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

Keuntungan dan Tantangan

Metode Analisis Kuantitatif

Keuntungan dan Tantangan

380 BAB 10 MENENTUKAN BAGAIMANA PERILAKU BIAYA

Mingguan Tidak Langsung

Tenaga Kerja Manufaktur

Total 862 $ 12.501

Memperkirakan Fungsi Biaya Menggunakan

Tunjangan Penggerak Biaya

Keuntungan sehat Jumlah karyawan

Memperkirakan fungsi biaya menggunakan analisis Kuantitatif 381

Penggerak Biaya: Jam Mesin (X)

382 BAB 10 MENENTUKAN BAGAIMANA PERILAKU BIAYA

Penggerak Biaya: Manufaktur Tidak Langsung

Pengamatan cost driver tertinggi (minggu ke-6) 96 $1.456

Koefisien kemiringan, b, dihitung sebagai berikut:

Perbedaan antara biaya terkait dengan yang tertinggi

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

Pada pengamatan tertinggi dari cost driver, konstanta a adalah:

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

Pada observasi terendah dari cost driver, a adalah:

Konstanta = $710 - 1$14,92 per mesin@jam * 46 mesin@jam2 = $23,68