Cost Estimation

Phie Fenny (1313002)

Meliana Talip (1313005)
Edwin Triyuwono (1313009)
 Poin Pembahasan
Peran Strategis Estimasi Kos

Enam Tahap Estimasi Kos

Metode Estimasi Kos

Ilustrasi Penggunaan Analisis Regresi Pada Industri Perjudian

Masalah Penerapan : Non Linier

Regresi Rentang Waktu dan Regresi Silang

 Peran Strategis Estimasi Kos

Estimasi kos
Estimasi kos Estimasi kos membantu
membantu Memfasilitasi memprediksi kos
mengidentifikasi di masa yang akan
cost driver
Manajemen Strategi datang
melalui dua cara
 Peran Strategis Estimasi Kos

Manajemen strategis membutuhkan estimasi kos

yang akurat untuk banyak aplikasi, termasuk :
Memfasilitasi pengembangan dan
implementasi stretegi

Memfasilitasi analisis rantai nilai

Memfasilitasi perhitungan kos

berdasarkan target dan penentuan harga

Memfasilitasi pengukuran, evaluasi, dan

kompensasi kinerja yang efektif
 Estimasi Kos untuk Berbagai Jenis
Cost Driver
Cost Driver Metode

Aktivitas Estimasi Kos Linier

Volume Estimasi Kos Linier

Struktur Pengalaman
Nonlinier
Produksi
Skala Produk Nonlinier
Berdasarkan
Teknologi Prduk
Aktivitas dan
atau Produksi
Estimasi Linier
Berdasarkan
Komplesitas Produk
Aktivitas dan
atau Produksi
Estimasi Linier
Enam Tahap Estimasi Kos
Mendefinisikan
Cost Object yang Menentukan
akan Cost Driver
Diestimasikan

Mengumpulkan
Membuat Data yang
Grafik Data Konsisten dan
Akurat

Memilih dan
Menilai
Menggunakan
Keakuratan
Metode
Estimasi Kos
Estimasi
Metode Tinggi
Rendah (High-Low) Analisis Regresi
Tidak terlalu Paling akurat dan
akurat paling mahal
Paling mudah Membutuhkan
untuk diterapkan waktu lebih lama
pengumpulan
data, dan
keahlian.
Metode ini menggunakan Estimasi metode ini diwakilkan oleh
aljabar untuk menentukan persamaan berikut:
garis estimasi yang unik
antara perwakilan titik Y = a + (b x X )
yang tinggi dan rendah
dalam data.

Keuntungan; menyediakan
persamaan kos yang unik begitu
titik yang tinggi dan rendah dipilih,
hanya ada satu kemungkinan
persamaan estimasi kos.

Keterbatasan; hanya dapat mewakili

garis terbaik untuk dua titik yang
dipilih, dan pemilihan dua titik
membutuhkan penilaian
 Metode statistik
Keuntungan; Perkiraan untuk memperoleh
yang unik yang persamaan
menghasilkan kesalahan estimasi kos yang
estimasi paling kecil unik yang paling
untuk data. cocok untuk satu
set titik data
Keterbatasan; Dapat
dipengaruhi secara kuat
oleh titik data tidak biasa
yang disebut outlier, Variabel
dengan hasil bahwa garis Terikat
estimasi tidak mewakili
sebagian besar data.

Estimasi metode ini diwakilkan oleh persamaan Variabel

berikut:
Bebas
Y = a + bX + e
 R-kuadrat
R-kuadrat, nilai t dan
nilai p digunakan
Nilai t untuk mengukur
keandalan
regresi; standard
Nilai p kesalahan adalah
ukuran presisi,
atau akurasi, dari
Standard kesalahan regresi.
dari estimasi (SE)
*Angka antara 0 dan 1 dan sering digambarkan
sebagai ukuran kekuatan penjelas dari regresi,
yaitu tingkat di mana perubahan pada variabel
terikat dapat diprediksi dengan perubahan pada
variabel bebas.
*R2 = 1 standar kesalahan = 0
*R2 > 0,5 titik-titik data tersebar dekat
* Semakin besar semakin andal untuk
mengestimasi biaya
* R -> korelasi (+) : sebanding, (-) : berbanding
terbalik
* Ukuran keandalan variabel bebas, hubungan variabel bebas
dengan variabel terikat stabil dan dalam jangka panjang
* Sebaiknya >2
* Nilai t yang kecil dihilangkan dari regeresi (diabaikan)

* Mengukur risiko di mana variabel bebas tertentu hanya

memiliki hubungan secara kebetulan dengan variabel terikat
* Diharapkan bernilai rendah (0,05 - 0,1)

*Ukuran dari akurasi estimasi regresi.

* Menentukan isu strategis di sekitar masalah

* Mengidentifikasi alternatif tindakan

* Memperoleh informasi dan melakukan analisis terhadap

alternatif

* Berdasarkan strategi dan analisis, memilih dan

mengimplementasikan alternatif yang diinginkan

* Menyediakan evaluasi terus menerus

*Regresi linier mengasumsikan
hubungan linear antara variabel, dan
estimasi regresi tidak dapat
diandalkan ketika hubungan data
bersifat nonlinier.
 Ketika trend atau musiman muncul, regresi linier tidak
cocok untuk data, dan akuntan manajemen seharusnya
Trend dan / menggunakan metode untuk menghilangkan musiman atau
atau
musiman tren sebuah variabel.

Ketika kesalahan dalam data atau kondisi bisnis tidak

biasa atau tidak berulang mempengaruhi operasi untuk
suatu periode tertentu, hasilnya mungkin menjadi titik
Outliers data yang jauh dari yang lain, sebuah outlier.

Jika kondisi bisnis yang tidak biasa tahan lama, seperti

pengenalan teknologi produksi baru atau perubahan
Pergeseran permanen lain, arah rata-rata data memiliki pergeseran
Data. yang berbeda yang harus dimasukkan dalam estimasi.
Regresi rentang waktu Regresi silang
adalah penerapan dari mengestimasi kos untuk
analisis regresi untuk kos objek tertentu
memprediksi jumlah berdasarkan informasi
masa depan, pada kos objek dan
menggunakan data variabel yang lain,
periode sebelumnya. dimana informasi untuk
semua variabel diambil
dari periode waktu yang
sama.