BAB 8 & 9

ESTIMASI BIAYA

KELOMPOK 8:
Kirey Gosal (1713020)
Ervina O. (1713037)
Bill Loandy (1713047)
ESTIMASI 01 Peran Estimasi Biaya
02 Tahap Estimasi Biaya
B I AYA
03 Metode Estimasi
Biaya
04 Masalah Implementasi:
Ketidaklinieran
05 Analisis Kurva
Pembelajaran
06 Analisis Regresi
BAB 8
ESTIMASI BIAYA
 Peran Strategis Estimasi Biaya

Estimasi biaya merupakan pengembangan hubungan yang baik

antara objek biaya dengan penggerak biayanya untuk tujuan
memprediksi biaya.
1. Memfasilitasi pengembangan dan
Memfasilitasi manajemen strategi implementasi strategi
dengan dua cara yang penting:
2. Memfasilitasi analisis rantai nilai
1. Memprediksi biaya di masa
yang akan datang 3. Memfasilitasi perhitungan biaya
berdasarkan target dan penentuan harga
Estimasi Biaya untuk Berbagai
Jenis Penggerak Biaya 4. Memfasilitasi pengukuran, evaluasi, dan
kompensasi kinerja yang efektif
2. Mengidentifikasi penggerak
biaya
 Enam Tahap Estimasi Biaya
DAT DAT
Volume DAT DAT
??
ADAT ADAT
ADAT ADAT
ADAT ADAT
Activity Structure A A
A A
1. Mendefinisikan Objek Biaya 2. Menentukan Penggerak 3. Mengumpulkan Data yang
yang akan Diestimasikan Biaya Konsisten dan Akutat

Estimation Cost
Valuation
High-Low 1. ..........Good V
2. ..........Good V
2
R
3. ..........Good V
Regresi 4. ..........Good V

5. Memilih dan Menggunakan 6. Menilai Keakuratan Estimasi

4. Membuat Grafik Data
Metode Estimasi Biaya
 Metode Estimasi Biaya
Menggunakan aljabar untuk menentukan
High-Low garis estimasi yang unik antara titik-titik
yang tinggi dan rendah dalam data.
Terdapat empat langkah
dalam metode high-low:
1. Menentukan titik tertinggi dan terendah dari tingkat aktivitasnya
  Tarif biaya variabel
2. Menghitung tarif biaya variabel
Biaya tetap = Total biaya pada titik tertinggi / terendah – (Tarif
3. Menghitung biaya tetap biaya variabel x Output titik tertinggi / rendah)

4. Membuat persamaan biaya Y = a + (b x

X)
 Metode Estimasi Biaya
Metode statistik untuk memperoleh
2 2
Regresi R persamaan estimasi biaya unik yang
paling sesuai bagi sekumpulan titik
data.
R Terkecil (LSR)

Variabel Bebas Variabel Terikat Variabel Rekayasa Regresi Sederhana Regresi Berganda
Penggerak biaya yang Biaya yang akan Mewakili kehadiran atau
digunakan untuk diestimasikan ketidakhadiran suatu
mengestimasikan nilai kondisi Y=a+bX+e Pencilan data
variabel terikat
(outliers)

R - kuadrat Kesalahan standar estimasi Analisis regresi dapat

sangat dipengaruhi
oleh titik-titik data yang
Nilai - t Nilai - p tidak umum
 Ilustrasi Penggunaan Analisis Regresi pada Industri Perjudian

Kompetisi berfokus pada kepuasan dan loyalitas

pelanggan, Harrah menggunakan analisis regresi Super Crunchers, oleh
untuk memprediksi kepuasan pelanggan. Ian Ayres, Bantam
Books, 2007, hal. 30-32
Lima tahapan pengambilan keputusan
Harrah strategis untuk Harrah:

1. Menentukan isu strategis di sekitar masalah

2. Mengidentifikasi alternatif tindakan
“Memiliki kasino yang
sangat besar yang 3. Memperoleh informasi dan melakukan analisis
tersebar di seluruh terhadap alternatif
dunia, termasuk di Las 4. Didasarkan strategi dan analisis, pilih dan
Vegas, Caesars implementasikan alternatif yang diinginkan
Palace, dan Paris Las
Vegas”. 5. Menyediakan evaluasi terus-menerus mengenai
efektifitas implementasi pada tahap 4
Masalah Implementasi: Ketidaklinieran
Regresi linier mengasumsikan hubungan linier
antarvariabel, dan estimasi regresi tidak dapat
diandalkan ketika hubungan data bersifat nonlinier.
Ketidaklinieran paling sering terjadi karena pola deret
berkala terhadap data seperti tren, pencilan data, dan
peralihan data.
1. Tren dan/atau musiman
Jika terdapat tren atau musiman, regresi linier tidak sesuai lagi
dengan datanya, dan akuntan manajemen harus menggunakan
metode yang dapat menghilangkan variabel musiman atau tren
tersebut. Metode yang paling lazim digunakan ialah
penggunaan indeks perubahan harga, penggunaan variabel
tren, dan penggantian nilai asli dari setiap variabel dengan
selisih pertama
2. Pencilan data
Pencilan data dapat menurunkan ketepatan dan keandalan
estimasi secara signifikan, pencilan data seharusnya dikoreksi
atau disesuaikan jika pencilan data tersebut tidak lazim atau
tidak berulang.

3. Peralihan data
Jika kondisi bisnis yang tidak lazim berlangsung lama, dan terjadi
perbedaan pergeseran dari arah rata-rata data yang harus dimasukkan
ke dalam estimasi. Salah satu cara untuk menangani hal tersebut
adalah menggunakan variabel rekayasa untuk menandai periode
sebelum dan setelah terjadinya peralihan
 Analisis Kurva Pembelajaran
Analisis kurva pembelajaran (learning curve analysis)
merupakan metode sistematis untuk
mengestimasikan biaya ketika proses pembelajaran
berlangsung. Analisis kurva pembelajaran dilakukan
untuk memperbaiki model yang digunakan dalam
produktivitas dan menggunakan informasi tersebut
dalam mengestimasi biaya di masa yang akan
datang.
Keputusan yang dipengaruhi oleh pembelajaran, yaitu:
 Analisis biaya-volume-laba.
 Penganggaran tingkat produksi dan kebutuhan tenaga kerja.
 Keputusan membuat atau membeli.
 Penganggaran modal.
 Persiapan penawaran untuk kontral produksi; perhitungan biaya
berdasarkan target dan perhitungan biaya siklus hidup.
 Pengembangan biaya pokok standar.
 Pengendalian manajemen.
Y = aX b
Analisis kurva pembelajaran dapat
dikalkulasikan menggunakan peranti lunak,
yaitu SofTech, Inc yang telah mengembangkan
bahasa program baru, yaitu Z-Base. SofTech
sedang mengkalkulasikan waktu pembelajaran
yang dibutuhkan bagi pemrogramnya agar
beradaptasi dengan kecepatan bahasa
program yang baru.
Keterbatasan analisis kurva pembelajaran, yaitu:
 Pendekatan dalam penggunaan kurva pembelajaran paling sesuai
dalam konteks padat yang melibatkan tugas berulang yang
dilakukan untuk produksi jangka panjang.
 Tingkat pembelajaran diasumsikan secara konstan.
 Estimasi kurva pembelajaran mungkin tidak dapat diandalkan
karena perubahan produktivitas yang diamati dalam data yang
digunakan untuk menyesuaikan dengan model sebenarnya.
 Kesalahan Tidak Bebas
Metode umum yang mendeteksi adanya kesalahan
tidak bebas adalah menggunakan statistik Durbin-
Watson (DW). Statistik DW dikalkulasikan dari

Analisis Regresi jumlah dan perubahan kesalahan dalam rentang

variabel bebas.

Regresi Deret Berkala dan Lintas Bagian

Estimasi Regresi Ukuran Statistik Regresi data berkala merupakan aplikasi analisis
Analisis regresi digunakan untuk Ukuran statistik dari keandalan dan ketepatan regresi untuk memprediksi jumlah di masa yang
menemukan garis unik melalui data yang regresi diturunkan dari analisis varians akan datang, dengan menggunakan data pada
meminimalkan jumlah kuadrat kesalahan, di terhadap variabel terikat. Analisis varians periode sebelumnya.
mana kesalahan diukur sebagai perbedaan digunakan karena analisis regresi didasarkan Regresi lintas bagian mengestimasikan biaya untuk
antara nilai yang diprediksikan melalui pada pemisahan total varians dari variabel objek biaya tertentu berdasarkan informasi
regresi dengan nilai aktual untuk variabel terikat menjadi komponen yang tidak dapat mengenai objek dan variabel biaya yang lain, di
terikat. Fokus kita adalah pada turunan dan dijelaskan dan komponen yang dapat mana informasi untuk seluruh variabel diambil
interpretasi ukuran statistik yang menjadi dijelaskan. dari periode waktu yang sama.
masukan bagi akuntan manajemen
mengenai keandalan dan ketepatan regresi.
Keandalan Statistik Keandalan dari
Ketepatan Regresi Tingkat Kesesuaian Keandalan Statistik untuk Setiap Ketepatan (Varians
Variabel Bebas yang Tidak Konstan)
F-Statistik merupakan Untuk memperbaiki
Kesalahan standar ukuran keandalan Nilai-t merupakan masalah varians
estimasi (standard Tingkat Kesesuaian statistik regresi yang ukuran keandalan yang tidak konstan,
error of estimate - merupakan ukuran bermanfaat. dari setiap variabel akuntan manajemen
langsung dari Keandalan statistik bebas dan dengan
SE) merupakan seharusnya
menyatakan apakah demikian memiliki
ukuran keakuratan kemampuan mentransformasikan
hubungan interpretasi sangat
estimasi regresi yang penjelasan regresi. antarvariabel dalam variabel terikat
bermanfaat . mirip dengan F- dengan log atau akar
regresi sebenarnya
ada
statistik kuadrat.
THANK YOU