Estimasi biaya adalah pengembangan
hubungan yang baik antara objek biaya dengan penggerak biayanya untuk tujuan
memprediksi biaya.
Estimasi biaya memfasilitasi manajemen
strategi dengan 2 cara yaitu:
1. Estimasi biaya membantu memprediksi biaya di masa yang akan datang
dengan menggunakan penggerak biaya berdasarkan aktivitas, volume, struktur,
atau pelaksanaan yang diidentfkasi sebelumnya.
2. Estimasi biaya membantu mengidentifikasi
penggerak biaya utama untuk suatu objek biaya dan penggerak biaya tersebut yang
paling berguna dalam memprediksi biaya.
Menggunakan Estimasi Biaya untuk memprediksi Biaya di Masa Mendatang
Manajemen membutuhkan estimasi biaya yang akurat untuk
banyak aplikasi, termasuk :
1.
Memfasilitasi pengembangan dan implementasi
strategi
2.
Memfasilitasi analisis ranti nilai
3.
Memfasilitasi perhitungan biaya berdasarkan
target da penentuan harga
4.
Memfasilitasi pengukura, evaluasi, dan
kompensasi kinerja yang efektif
Tahap Estimasi Biaya
Terdapat 6 tahap untuk mengestimasi biaya, yaitu sbb :
1.
Mengidentifikasi objek biaya yang akan
diestimasikan
2.
Menentukan penggerak biaya
3.
Mengumpulkan data yang konsisten dan akurat
4.
Membuat grafik data
5.
Memilih dan menggunakan metode estimasi
6.
Menilai keakuratan estimasi biaya
Metode Estimasi Biaya
Terdapat 2 metode estimasi biaya yaitu :
1.
Metode Tinggi-Rendah (high-low method) yaitu metode yang menggunakan aljabar untuk
menentukan garis estimasi yang unik antara titik-titik yang tinggi dan rendah
dalam data.
Estimasi tinggi-rendah ditampilkan sbb :
Dimana: Y = nilai estimasi biaya
pemeliharaan
X = penggerak biaya, yaitu jumlah jam operasi
dari operasional pabrik
a = jumlah tetap yang tetap mewakili nilai Y
ketika X = nol
b = kemiringan garis.
2.
Metode analisis regresi (regression analysis) yaitu metode
statistik untuk memperoleh persamaan estimasi biaya unik yang paling
sesuai bagi sekumpulan titik data.
Metode analisis regresi disebut juga regresi
kuadrat terkecil, karena metode regresi menyesuaikan data dengan cara
memperkecil jumlah kuadrat dari kesalahan setimasi, yang dipandang secara luas
sebagai salah satu metode yang paling efektif untuk mengestimasikan biaya.
Jumlh kesalahan estimasi dpertimbangkan secara eksplisit pada estimasi regresi
sederhana, yaitu :
Dimana : Y = jumlah variabel terikat
(biaya yang diestimasi)
a = jumlah tetap ; titik potong/konstanta,
yang mewakili jumlah Y ketika X = 0
X = nilai variabel bebas (penggerak biaya
yang diestimasi)
b = biaya variabel per unit atau koefisien
variabel bebas
e = kesalahan estimasi
keunggulan analisis regresi yaitu bahwa
metode tersebut merupakan estimasi unik yang menghasilkan kesalahan estimasi
terkecil bagi data. Di sisi lain, karena kesalahan tsb dikuadratkan untuk
mendapatkan garis terbaik, analisis regresi dapat sangat dipengaruhi oleh
titik-titik data yang tidak umum (pancilan data-outliers), sehingga garis
estimasi tidak mewakili sebagian besar data.
Multikolinieritas, adalah ketika terdapat
2 atau lebih dari 2 variabel bebas yang saling berkorelasi kuat satu dengan
lainnya.
Nilai –p yaitu nilai yang mengukur resiko
dimana variabel bebas tertentu hanya memiliki hubungan secara kebetulan dengan
variabel terikat.
5 Tahapan pengambilan Keputusan Strategis (Harrah: Bisnis Kasino
Las Vegas)
1.
Menentukan isu strategis di sekitar masalah ;
mengembangkan dan mempertahankan loyalitas (strategi diferensiasi) dan
profitabilitas pelanggan.
2.
Mengidentifikasi
alternatif tindakan ; bertanggungjawab untuk mempertahankan kepuasan
pelanggan dengan memastikan pelanggan tidak mencapai titik penderitaan.
3.
Memperoleh informasi dan melakukan analisis
terhadap alternatif
4.
Didasarkan strategi dan analisis, pilih dan
implementasikan alternatif yang diinginkan ; Harrah mengimplementasikan sistem
berdaasarkan regresi, sehingga ketika pelanggan tertentu yg berjudi di kasino
dapat dipantau agar tidak sampai pada titik penderitaan dengan layanan
Cuma-Cuma yang diberikan Harrah.
5.
Menyediakan evaluasi terus-menerus mengenai
efektifitas implementasi.
Masalah Implementasi : Ketidaklinieran
Ketidaklinieran sering terjadi karena pola deret berkala
terhadap data seperti tren dan atau musiman, pencilan data, dan peralihan data.
1.
Tren dan/atau musiman yaitu menjelaskan
persyaratan data dan masalah
implementasi dari metode estimasi biaya.
2.
Pencilan data yaitu kondisi tidak lazim atau
jarang terjadi memengaruhi operasinya pad periode tertentu, hasilnya mungkin
mungkin berupa titik yang jauh dari titik data lainnya.
3.
Peralihan data yaitu kondisi tidak lazim yang
berlangsung lama sehingga mengakibatnkan pergeseran arah rata-rata data yang
harus dimasukkan dalam estimasi.
Analisis Kurva Pembelajaran
Analisis kurva pembalajaran yaitu metode sistematis untuk
mengestimasikan biaya ketika pembelajaran berlangsung. Tingakat pembelajarannya
yaitu persentase dimana rata-rata waktu atau total waktu turun dari tngkat
sebelumnya ketika outpunya 2x lipat. Pentingnya praktis kurva pembelajaran
adalah sebagai referensi umum untuk biaya awal pada laporan tahunan dan
keuangan perusahaan. Prisnsip bisni s yang diterima umum adalah produk dan
proses produksi baru memiliki periode produktivitas rendah dengan diikuti
peningakatan produktivitas yang setelah melalui tingkatan perbaikan akan
mencapai titik keseimbangan yang relatif stabil sampai terjadi perubahan pada
lini produk, dsb.
Manfaat Kurva Pembelajaran
Kurva pembelajaran bermanfaat dalam bidang-bidang berikut.
1.
Analisis biaya-volume-laba ; penentuan titik
impas. Gagal mempertimbangkan pembelajaran menyebabkan pernyataan kebutuhan
jumlah unit aktual yang terlalu berlebihan untuk titik impas.
2.
Penganggaran tingkat produksi dan kebutuhan
tenaga kerja ; pengembangan rencana produksi tahunan atau triwulan dan anggaran
pensiun tenaga kerja terkait.
3.
Keputusan membuat atau membeli ; analisis yang
dilakukan berguna untuk keakuratan total biaya dari waktu ke waktu atas pilihan
yang dibuat.
4.
Penganggaran modal ; keakuratan sepanjang usia investasi modal
dengan memasukkan peningkatan produktivitas tenaga kerja yang diharapkan.
5.
Persiapan penawaran untuk kontrak produksi ;
perhitungan biaya berdasarkan target dan perhitungan biaya siklus hidup
6.
Pengembangan biaya produk standar
7.
Pengendalian manajemen
Bentuk Umum Model Pembelajaran
Bentuk paling umum dari model pembelajaran sbb .
Dimana : Y = akumulasi waktu per unit
rata-rata ketika memproduksi unit X
a = waktu yang dibutuhkan untuk unit output
pertama
X = akumulasi output
b = indeks pembelajaran
Keterbatasan Analisis Kurva Pembelajaran
Terdapat 3 keterbatasan dan masalah yang melekat berkaitan
dengan penggunanaan metode ini, yaitu :
1.
Pendekatan tersebut paling sesuai dalam konteks
padat karya yang melibatkan tugas berulang yang dilakukan untuk produksi jangka
panjang dimana percobaan berulang dapat meningkatkan kinerja dan pembelajaran.
2.
Tingkat pembelajaran diasumsikan konstan
sehingga rata-rata waktu pekerja menurun pada tingkat yang tetap seiring dengan
kenaikan output sebanyak 2x lipat).
3.
Estimasi kurva pembelajaran mungkin tidak dapat
diandalkan karena perubahan produktivitas yang diamati dalam data yang
digunakan untuk menyesuaikan model sebenarnya berkaitan dengan faktor-faktor
lain selain pembelajaran.
Ukuran Statistik
Ukuran statistik dari keandalan dan ketepatan regresi
diturunkan dari analisis varians terhadap variabel terikat. Varians adalah
ukuran derajat dimana nilai variabel terikat bervariasi di sekitar
rata-ratanya. Kemampuan regresi untuk memprediksi perubahan secara tepat pada
variabel terikat merupakan ukuran utama dari keandalannya dan diukur melalui
proporsi varians yang dapat dijelaskan dari varians yang tidak dapat
dijelaskan.
Ketepatan Regresi
Kesalahan
standar estimasi (standard error estimate-SE) merupakan ukuran
keakuratan estimasi regresi dimana nilai sebenarnya yang tidak diketahui
diperkirakan kemungkinan akan turun. Rentang tersebut disebut “interval
keyakinan” (convidence interval). Nilai SE dari regresi tertentu dapat
diperoleh dari tabel analisis varians sbb.
Ketepatan dan keakuratan meningkat jika varians yang tidak
dapat dijelaskan berkurang dan ketika jumlah titik data meningkat akibat jumlah
derajat kebebasan meningkat.
Tingkat Kesesuaian (R-kuadrat)
R-kuadrat, adalah angka antara 0-1 serta
sering kali dideskripsikan sebagai ukuran kemampuan penjelasan regresi yaitu
tingkat dimana perubahan pada variabel terikat dapat diprediksi degan perubahan
pada variabel bebas.
R-kuadrat dapat dikalkulasikan sbb.
Kemampuan penjelasan regresi meningkat
ketika jumlah kudrat dari varians yang dapat dijelaskan relatif meningkat jika
dibandingkan dengan total jumlah kuadrat. Nilai yang mendekati 1 mencerminkan
regresi yang sesuai dan memiliki penjelasan yang kuat.
Keandalan Statistik (F-statistik)
F-statistik merupakan ukuran keandalan statistik regresi
yang bermanfaat untuk mengetahui
hubungan antar variabel dalam regresi benar ada atau kebetulan antardata ada.
F yang lebih besar, memiliki kemungkinan lebih kecil bahwa
regresi secara statistik tidak dapat
diandalkan. F-statistik dapat diperoleh dari tabel anlisis sbb.
Keandalan Statistik untuk Setiap Variabel Bebas (nilai-t)
Nilai-t, adalah ukuran keandalan dari setiap variabel bebas, yaitu tingkat dimana variabel bebas memiliki hubungan yang absah, stabil, dan bersifat jangka panjang dengan variabel terikat.
Keandalan dari Ketepatan (Varians yang Tidak Konstan)
Varians yang tidak konstan terjadi ketika kondisi varians yang tidak dapat dijelaskan manjadi tidak konstan dalam rentang varibel bebas. Untuk memperbaiki masalah varians yang tidak konstan, akuntan manajemen seharusnya mentransformasikan variabel terikat dengan log atau akaur kuadrat . jika hal tersebut tidak membantu, makan akuntan manajemen harus lebih berhati-hati dalam mepertimbangkan nilai SE.
Kesalahan Tidak Bebas (Statistik Durbin-Watson)
Kesalahan tidak bebas terjadi jika terdapat hal-hal berikut.
1.
Jumlah dan arah dari setiap batas kesalahan
berkaitan dengan kesalahan di sekitarnya.
2.
Terdapat ketidak linearan pada data, dan ketika
itu ukuran statistik tidak dapat diandalkan dan prediksi regresi menjadi berat
sebelah.
Metode umum yang mendeteksi adanya kesalahan tidak bebas
adalah menggunakan statistik Durbin-Watson (DW). Statistik DW dikalkulasikan
dari jumlah dan perubahan kesalahan dalam rentang variabel bebas. Masalah
kesalahan tidak bebas biasanya dapat diperbaiki dengan cara berikut.
1.
Menghilangkan pengruh musiman pada data, dengan
menggunakan variabel rekayasa untuk musiman, atau menggunakan indeks untuk
menghilangkan tren.
2.
Mengubah hubungan perkalian menjadi hubungan
penjumlahan yang setara (linier) dengan menggunakan logaritma variabel bebas
dan terikat.
Regresi Deret Berkala dan Lintas Bagian
Regresi deret berkala (time
series regression) adalah aplikasi analisis regresi untuk memprediksi
jumlah di masa yang akan datang, dengan
menggunakan data pada periode sebelumnya.
Sebaliknya, regresi lintas bagian (cross-sectional regression) adalah pengestimasian biaya untuk objek
biaya tertentu berdasarkan informasi mengenai objek dan variabel biaya yang
lai, dimana informasi untuk seluruh variabel diambil dari periode waktu yang
sama.
--SELESAI --
Saya Ibu Queen Daniel, A pemberi pinjaman uang, saya meminjamkan uang kepada indaividu atau perusahaan yang ingin mendirikan sebuah bisnis yang menguntungkan, yang menjadi periode utang lama dan ingin membayar. Kami memberikan segala jenis pinjaman Anda dapat pernah memikirkan, Kami adalah ke kedua pinjaman pribadi dan Pemerintah, dengan tingkat suku bunga kredit yang terjangkau sangat. Hubungi kami sekarang dengan alamat email panas kami: (queendanielloanfirm@gmail.com) atau (queendanielloanfirm@yahoo.com) Kebahagiaan Anda adalah perhatian kami.
BalasHapus