Peramalan hama dan penaksiran biaya
PERAMALAN DAN PENAKSIRAN BIAYA
UNIVERSITAS YUDHARTA PASURUAN
A. PENDAHULUAN
Penaksiran dan peramalan biaya sangat berguna bagi
manajer perusahaan untuk menemukan dan menentukan bentuk dan
kurva biaya suatu perusahaan. penaksiran biaya dapat dilakukan
oleh perusahaan untuk keperluan perusahaan dalam waktu
jangka
pendek maupun untuk waktu jangka panjang.
Pemahaman fungsi biaya untuk waktu jangka pendek
akan
membantu pengambil keputusan untuk menilai optimalisasi tingkat
output perusahaan. Untuk waktu jangka panjang, fungsi biaya akan
bermanfaat bagi pengambil keputusan dalam mempertimbangkan untuk
melakukan ekspansi.
B. PENAKSIRAN FUNGSI BIAYA DAN PRAKIRAAN BIAYA
Sebelum
mempelajari
penaksiran
fungsi
biaya,
terlebih
dahulu perlu dipahami perbedaan antara penaksiran dan prakiraan
(peramalan) fungsi biaya. Penaksiran fungsi biaya merupakan
proses untuk menentukan nilai koefisien suatu fungsi biaya suatu produk.
Pada sisi yang lain, prakiraan (peramalan) fungsi biaya bertujuan untuk
meramalkan biaya di masa yang akan datang.
Ekonomi Manajerial /Penaksiran dan
Peramalan Biaya
Yudharta
University
201
3
Penaksiran dan prakiraan fungsi biaya memiliki tujuan yang berbeda-beda.
Tujuan utama penaksiran fungsi biaya adalah untuk mengevaluasi penentuan biaya
produk, yaitu apakah penentuan biaya produk oleh perusahaan telah optimal.
Prakiraan fungsi biaya dimaksudkan untuk sebagai sumber informasi di dalam
merencanakan biaya produksi produk jika perusahaan akan menambah kapasitas
produksinya.
Perbedaan antara penaksiran dan peramalan permintaan dapat dijelaskan
pada gambar berikut:
2010
2011
Penaksiran fungsi biaya
2012
2013
Peramalan biaya
C. PENAKSIRAN BIAYA JANGKA PENDEK
Terdapat tiga metode penaksiran fungsi biaya jangka pendek, antara lain:
1. Ekstrapolasi sederhana
Ekstrapolasi sederhana merupakan metode untuk menentukan fungsi
biaya dengan cara mengekstrapolasi tingkat biaya marginal atau biaya
variabel ratarata saat ini (ke belakang atau ke depan) pada tingkat-tingkat output lainnya
(Arsyad, 2011). Untuk memperjelas konsep ekstrapolasi sederhana, dapat
dijelaskan dengan contoh sebagai berikut:
Contoh 9.1
Diketahui:
Minggu
Minggu 1
Minggu 2
Jumlah
output
8.000
10.000
Biaya variabel
total
40.000.000
?
Hitung: biaya variabel total untuk minggu kedua
Pembahasan:
Untuk menghitung biaya pada minggu kedua, kita dapat menghitung
terlebih dahulu biaya variabel per unitnya, yaitu:
Biaya variabel total
Biaya variabel per unit
Jumlah output
variabel per unit
5 .000
40.000.000
Biaya
8.000
Langkah berikutnya adalah menghitung tambahan biaya variabel yang
disebabkan adanya pertambahan jumlah output yang diproduksi. Menghitung
tambahan biaya variabel, adalah sebagai berikut:
Tambahan jumlah output = output minggu 2 - output minggu 1
= 10.000 – 8.000
= 2.000 unit
Tambahan biaya variabelnya adalah
= 2.000 unit x 5.000
= 10.000.000
Setelah tambahan biaya variabelnya diketahui, maka selanjutnya dapat
diketahui kebutuhan biaya pada minggu kedua yaitu:
Biaya variabel minggu kedua
= VC minggu pertama + tambahan VC
= Rp.40.000.000 + Rp.10.000.000
= Rp.50.000.000
2. Analisis gradien
Analisis gradien merupakan analisis yang bertujuan untuk
mengetahui tingkat perubahan biaya total pada interval output tertentu
(Arsyad, 2011).
Tujuan analisis ini adalah untuk mengetahu biaya marjinal karena
adanya pertambahan output. Secara matematis, analisis gradien dapat
dirumuskan
sebagai berikut:
TC
Gradien
Q
Untuk memperjelas konsep analisis gradien, dapat dijelaskan dengan
contoh sebagai berikut:
Contoh 9.2
Diketahui:
Minggu
Minggu 1
Minggu 2
Jumlah
output
8.000
10.000
Biaya variabel
total
40.000.000
50.000.000
Hitung: biaya marginal
Pembahasan:
TC
Gradien
Q
50 .000 .000 40 .000 .000
Gradien
10 .000 8.000
10 .000 .000
Gradien
5.000
2.000
Berdasarkan pada perhitungan di atas dapat diketahui pada interval ouput
8.000 unit sampai 10.000 unit, biaya marginalnya sebesar 5.000.
3. Analisis regresi dengan data runtut-waktu (time-series)
Metode ini digunakan jika perusahaan memiliki catatan (data) biaya
produksi perusahaan dari waktu-waktu. Untuk menaksir data biaya produksi
perusahaan dengan jumlah yang relatif banyak, kita dapat menggunakan analisis
regresi dengan menggunakan bantuan software statistik. Untuk memperjelas
konsep analisis regresi dengan data runtut-waktu, dapat dijelaskan dengan
contoh sebagai berikut:
Contoh 9.3
Diketahui:
Minggu
Minggu 1
Minggu 2
Minggu 3
Minggu 4
Minggu 5
Minggu 6
Minggu 7
Minggu 8
Minggu 9
Minggu 10
Jumlah
output
(X)
8.000
10.000
9.000
7.700
10.500
9.800
9.200
8.400
8.500
9.400
Biaya variabel
total
(Y)
40.000
50.000
45.000
30.000
51.000
49.000
48.000
45.000
46.000
49.000
Hitung: fungsi biaya produksi
Pembahasan:
Jumlah
output
(X)
8.000
10.000
9.000
7.700
10.500
9.800
9.200
8.400
8.500
9.400
∑X
90.500
Biaya variabel
XY
total
(Y)
40.000
320.000.000
50.000
500.000.000
45.000
405.000.000
30.000
231.000.000
51.000
535.500.000
49.000
480.200.000
48.000
441.600.000
45.000
378.000.000
46.000
391.000.000
49.000
460.600.000
∑Y
∑XY
453.000
4.142.900.000
b
nXY -
b
(10 x 4.142.900. 000) - (90.500 x 453.000)
2
(10 x 826.390.000) - (90.500)
b
b
n X 2
XY
X
2
(41.429.000.000) - (40.996.50 0.000)
(8.263.900.000) - (8.190.250.000)
432.500.00 0 5,87236931 4 5,872
73.650.000
X
2
64.000.000
100.000.000
81.000.000
59.290.000
110.250.000
96.040.000
84.640.000
70.560.000
72.250.000
88.360.000
2
∑X
826.390.000
Y
2
1.600.000.000
2.500.000.000
2.025.000.000
900.000.000
2.601.000.000
2.401.000.000
2.304.000.000
2.025.000.000
2.116.000.000
2.401.000.000
2
∑Y
20.873.000.000
a
Y
Y
X
Y
bX
Y
n
453.000
10
45.300
X
n
90.500 9.050
X
10
(5,872 9.050)
a 45.300
53.141,6
a 45.300
a - 7.841,6
Berdasarkan pada perhitungan di atas, maka dapat diketahui
fungsi permintaannya adalah Y = -7.841,6 + 5,872 X atau Biaya = -7.841,6 +
5,872Q
Perhitungan di atas dapat menggunakan software statistik seperti
Minitab, berikut ini adalah perhitungannya.
Regression Analysis: P versus Q
The regression equation is
P = - 7845 + 5,87 Q
Predictor
Constant
Q
Coef
-7845
5,872
S = 3502,14
SE Coef
11731
1,290
R-Sq = 72,1%
T
-0,67
4,55
P
0,522
0,002
R-Sq(adj) = 68,6%
Analysis of Variance
Source
Regression
Residual Error
Total
DF
1
8
9
SS
253979973
98120027
352100000
MS
253979973
12265003
F
20,71
P
0,002
D. PENAKSIRAN BIAYA JANGKA PANJANG
Penaksiran biaya jangka panjang pada dasarnya sama dengan
penaksiran biaya jangka pendek, tetapi yang membedakan adalah jumlah
perusahaan. Untuk
menganalisis fungsi produksi pada beberapa perusahaan yang berbeda, dapat
digunakan penaksiran biaya jangka panjang. Berdasarkan pada kondisi tersebut,
penaksiran biaya jangka panjang menggunakan data seksi silang. Berikut ini
merupakan contoh untuk memperjelas konsep penaksiran biaya jangka panjang.
Contoh 9.4
Diketahui:
Data Biaya Pada Perusahaan PT Koi
Minggu
Minggu 1
Minggu 2
Minggu 3
Minggu 4
Minggu 5
Minggu 6
Minggu 7
Minggu 8
Minggu 9
Minggu 10
Jumlah
output
(X)
8.000
10.000
9.000
7.700
10.500
9.800
9.200
8.400
8.500
9.400
Biaya variabel
total
(Y)
40.000
50.000
45.000
30.000
51.000
49.000
48.000
45.000
46.000
49.000
Data Biaya Pada Perusahaan PT Cupang
Minggu
Minggu 1
Minggu 2
Minggu 3
Minggu 4
Minggu 5
Minggu 6
Minggu 7
Minggu 8
Minggu 9
Minggu 10
Jumlah
output
(X)
8.200
10.500
9.400
7.100
10.000
9.300
9.300
8.600
8.900
8.100
Hitung: fungsi produksi
Pembahasan:
Biaya variabel
total
(Y)
41.000
50.000
42.000
35.000
50.000
48.300
47.900
46.000
46.400
47.000
Data seksi silang perusahaan PT Koi dan PT Cupang
Minggu
Minggu 1
Minggu 2
Minggu 3
Minggu 4
Minggu 5
Minggu 6
Minggu 7
Minggu 8
Minggu 9
Minggu 10
Minggu 1
Minggu 2
Minggu 3
Minggu 4
Minggu 5
Minggu 6
Minggu 7
Minggu 8
Minggu 9
Minggu 10
b
b
b
b
nXY n X 2
(X)
8.000
10.000
9.000
7.700
10.500
9.800
9.200
8.400
8.500
9.400
8.200
10.500
9.400
7.100
10.000
9.300
9.300
8.600
8.900
8.100
∑X
179.900
Y
Y
X
X
XY
20.000.000
500.000.000
405.000.000
231.000.000
535.500.000
480.200.000
441.600.000
378.000.000
391.000.000
460.600.000
336.200.000
525.000.000
394.800.000
248.500.000
500.000.000
449.190.000
445.470.000
395.600.000
412.960.000
380.700.000
∑XY
8.231.320.000
XY
X
2
(20 x 8.231.320. 000) - (179.900 x 906.600)
2
(20 x 1.634.410.000) - (179.900)
(164.626.4 00.000 ) - (163.097.3 40.000 )
(32.688.20 0.000 ) - (32.364.01 0.000)
1.529.060. 000
4,71655510 7
4,717
324.190.00 0
a
(Y)
40.000
50.000
45.000
30.000
51.000
49.000
48.000
45.000
46.000
49.000
41.000
50.000
42.000
35.000
50.000
48.300
47.900
46.000
46.400
47.000
∑Y
906.600
Y
bX
Y
n
906.600
20
45.330
X
n
179.900
20
8.995
2
X
64.000.000
100.000.000
81.000.000
59.290.000
110.250.000
96.040.000
84.640.000
70.560.000
72.250.000
88.360.000
67.240.000
110.250.000
88.360.000
50.410.000
100.000.000
86.490.000
86.490.000
73.960.000
79.210.000
65.610.000
2
∑X
1.634.410.000
2
Y
.600.000.000
2.500.000.000
2.025.000.000
900.000.000
2.601.000.000
2.401.000.000
2.304.000.000
2.025.000.000
2.116.000.000
2.401.000.000
1.681.000.000
2.500.000.000
1.764.000.000
1.225.000.000
2.500.000.000
2.332.890.000
2.294.410.000
2.116.000.000
2.152.960.000
2.209.000.000
2
∑Y
41.648.260.000
a 45.330 (4,717 8.995)
a 45.330 42.429,42
a 2.900,58
Berdasarkan pada perhitungan di atas, maka dapat diketahui fungsi permintaannya
adalah Y = 2.900,58 + 4,717 X atau P = 2.900,58 + 4,717 Q.
Perhitungan di atas dapat menggunakan software statistik seperti Minitab,
berikut ini adalah perhitungannya.
Regression Analysis: (Y) versus (X)
The regression equation is
(Y) = 2905 + 4,72 (X)
Predictor
Constant
(X)
Coef
2905
4,7166
S = 3261,62
SE Coef
7323
0,8101
R-Sq = 65,3%
T
0,40
5,82
P
0,696
0,000
R-Sq(adj) = 63,4%
Analysis of Variance
Source
Regression
Residual Error
Total
DF
1
18
19
SS
360594788
191487212
552082000
MS
360594788
10638178
F
33,90
P
0,000
E. PERAMALAN BIAYA
Peramalan biaya diperlukan apabila keputusan-keputusan yang akan
kita ambil mencakup tingkat biaya untuk periode-periode yang akan datang,
seperti
misalnya dalam keputusan mengikat kontrak, keputusan untuk membeli
atau membuat sendiri, atau keputusan-keputusan lain yang mempunyai implikasi
biaya
bukan hanya pada periode sekarang (Arsyad, 2011). Terdapat faktor-faktor yang
dapat menentukan peramalan biaya di masa mendatang (Arsyad, 2011), yaitu:
1. Perubahan produktivitas faktor produksi
Adanya perubahan produktivitas faktor produksi seperti peningkatan kapasitas
mesin produksi, akan dapat dijadikan dasar untuk meramalkan biaya produksi
perusahaan di masa yang akan datang.
2. Perubahan harga faktor (input) produksi
Adanya perubahan harga faktor (input) produksi seperti peningkatan harga
mesin produksi yang baru, juga dapat dijadikan dasar untuk meramalkan biaya
produksi perusahaan di masa yang akan datang.
Berikut ini merupakan contoh yang dapat memperjelas konsep peramalan
biaya, yaitu sebagai berikut:
Contoh 9.5
Diketahui: 1. Fungsi biaya produksi pada interval minggu 1 sampai dengan minggu
10 adalah: -7.841,6 + 5,872Q
2. Produksi produk di di minggu 11 diperkirakan sebesar 11.000 unit
Hitung: Biaya produksi di minggu 11
Pembahasan:
Biaya produksi = -7.841,6 + 5,872Q
= -7.841,6 + 5,872 (11.000)
= -7.841,6 + 64.592
= 56.750,4
Berdasarkan pada perhitungan di atas, maka biaya produksi pada minggu ke
11 adalah diperkirakan sebesar 56.750,4.
REFERENSI
Arsyad, Lincolin. 2011. Ekonomi Manajerial. BPFE
Latief, Wasis A. 2011. Pengantar Ekonomi Mikro. UM Press
Rahardja, Prathama dan Mandala Manurung. 2002. Teori Ekonomi Mikro. Lembaga
Penerbit Fakultas Ekonomi Universitas Indonesia
Sarnowo, Henry dan Danang Sunyoto. 2011. Pengantar Ilmu Ekonomi Mikro. CAPS
Suki
Sukirno, Sardono. 1995. Pengantar Teori Mikro Ekonomi. Raja Grafindo Persada
UNIVERSITAS YUDHARTA PASURUAN
A. PENDAHULUAN
Penaksiran dan peramalan biaya sangat berguna bagi
manajer perusahaan untuk menemukan dan menentukan bentuk dan
kurva biaya suatu perusahaan. penaksiran biaya dapat dilakukan
oleh perusahaan untuk keperluan perusahaan dalam waktu
jangka
pendek maupun untuk waktu jangka panjang.
Pemahaman fungsi biaya untuk waktu jangka pendek
akan
membantu pengambil keputusan untuk menilai optimalisasi tingkat
output perusahaan. Untuk waktu jangka panjang, fungsi biaya akan
bermanfaat bagi pengambil keputusan dalam mempertimbangkan untuk
melakukan ekspansi.
B. PENAKSIRAN FUNGSI BIAYA DAN PRAKIRAAN BIAYA
Sebelum
mempelajari
penaksiran
fungsi
biaya,
terlebih
dahulu perlu dipahami perbedaan antara penaksiran dan prakiraan
(peramalan) fungsi biaya. Penaksiran fungsi biaya merupakan
proses untuk menentukan nilai koefisien suatu fungsi biaya suatu produk.
Pada sisi yang lain, prakiraan (peramalan) fungsi biaya bertujuan untuk
meramalkan biaya di masa yang akan datang.
Ekonomi Manajerial /Penaksiran dan
Peramalan Biaya
Yudharta
University
201
3
Penaksiran dan prakiraan fungsi biaya memiliki tujuan yang berbeda-beda.
Tujuan utama penaksiran fungsi biaya adalah untuk mengevaluasi penentuan biaya
produk, yaitu apakah penentuan biaya produk oleh perusahaan telah optimal.
Prakiraan fungsi biaya dimaksudkan untuk sebagai sumber informasi di dalam
merencanakan biaya produksi produk jika perusahaan akan menambah kapasitas
produksinya.
Perbedaan antara penaksiran dan peramalan permintaan dapat dijelaskan
pada gambar berikut:
2010
2011
Penaksiran fungsi biaya
2012
2013
Peramalan biaya
C. PENAKSIRAN BIAYA JANGKA PENDEK
Terdapat tiga metode penaksiran fungsi biaya jangka pendek, antara lain:
1. Ekstrapolasi sederhana
Ekstrapolasi sederhana merupakan metode untuk menentukan fungsi
biaya dengan cara mengekstrapolasi tingkat biaya marginal atau biaya
variabel ratarata saat ini (ke belakang atau ke depan) pada tingkat-tingkat output lainnya
(Arsyad, 2011). Untuk memperjelas konsep ekstrapolasi sederhana, dapat
dijelaskan dengan contoh sebagai berikut:
Contoh 9.1
Diketahui:
Minggu
Minggu 1
Minggu 2
Jumlah
output
8.000
10.000
Biaya variabel
total
40.000.000
?
Hitung: biaya variabel total untuk minggu kedua
Pembahasan:
Untuk menghitung biaya pada minggu kedua, kita dapat menghitung
terlebih dahulu biaya variabel per unitnya, yaitu:
Biaya variabel total
Biaya variabel per unit
Jumlah output
variabel per unit
5 .000
40.000.000
Biaya
8.000
Langkah berikutnya adalah menghitung tambahan biaya variabel yang
disebabkan adanya pertambahan jumlah output yang diproduksi. Menghitung
tambahan biaya variabel, adalah sebagai berikut:
Tambahan jumlah output = output minggu 2 - output minggu 1
= 10.000 – 8.000
= 2.000 unit
Tambahan biaya variabelnya adalah
= 2.000 unit x 5.000
= 10.000.000
Setelah tambahan biaya variabelnya diketahui, maka selanjutnya dapat
diketahui kebutuhan biaya pada minggu kedua yaitu:
Biaya variabel minggu kedua
= VC minggu pertama + tambahan VC
= Rp.40.000.000 + Rp.10.000.000
= Rp.50.000.000
2. Analisis gradien
Analisis gradien merupakan analisis yang bertujuan untuk
mengetahui tingkat perubahan biaya total pada interval output tertentu
(Arsyad, 2011).
Tujuan analisis ini adalah untuk mengetahu biaya marjinal karena
adanya pertambahan output. Secara matematis, analisis gradien dapat
dirumuskan
sebagai berikut:
TC
Gradien
Q
Untuk memperjelas konsep analisis gradien, dapat dijelaskan dengan
contoh sebagai berikut:
Contoh 9.2
Diketahui:
Minggu
Minggu 1
Minggu 2
Jumlah
output
8.000
10.000
Biaya variabel
total
40.000.000
50.000.000
Hitung: biaya marginal
Pembahasan:
TC
Gradien
Q
50 .000 .000 40 .000 .000
Gradien
10 .000 8.000
10 .000 .000
Gradien
5.000
2.000
Berdasarkan pada perhitungan di atas dapat diketahui pada interval ouput
8.000 unit sampai 10.000 unit, biaya marginalnya sebesar 5.000.
3. Analisis regresi dengan data runtut-waktu (time-series)
Metode ini digunakan jika perusahaan memiliki catatan (data) biaya
produksi perusahaan dari waktu-waktu. Untuk menaksir data biaya produksi
perusahaan dengan jumlah yang relatif banyak, kita dapat menggunakan analisis
regresi dengan menggunakan bantuan software statistik. Untuk memperjelas
konsep analisis regresi dengan data runtut-waktu, dapat dijelaskan dengan
contoh sebagai berikut:
Contoh 9.3
Diketahui:
Minggu
Minggu 1
Minggu 2
Minggu 3
Minggu 4
Minggu 5
Minggu 6
Minggu 7
Minggu 8
Minggu 9
Minggu 10
Jumlah
output
(X)
8.000
10.000
9.000
7.700
10.500
9.800
9.200
8.400
8.500
9.400
Biaya variabel
total
(Y)
40.000
50.000
45.000
30.000
51.000
49.000
48.000
45.000
46.000
49.000
Hitung: fungsi biaya produksi
Pembahasan:
Jumlah
output
(X)
8.000
10.000
9.000
7.700
10.500
9.800
9.200
8.400
8.500
9.400
∑X
90.500
Biaya variabel
XY
total
(Y)
40.000
320.000.000
50.000
500.000.000
45.000
405.000.000
30.000
231.000.000
51.000
535.500.000
49.000
480.200.000
48.000
441.600.000
45.000
378.000.000
46.000
391.000.000
49.000
460.600.000
∑Y
∑XY
453.000
4.142.900.000
b
nXY -
b
(10 x 4.142.900. 000) - (90.500 x 453.000)
2
(10 x 826.390.000) - (90.500)
b
b
n X 2
XY
X
2
(41.429.000.000) - (40.996.50 0.000)
(8.263.900.000) - (8.190.250.000)
432.500.00 0 5,87236931 4 5,872
73.650.000
X
2
64.000.000
100.000.000
81.000.000
59.290.000
110.250.000
96.040.000
84.640.000
70.560.000
72.250.000
88.360.000
2
∑X
826.390.000
Y
2
1.600.000.000
2.500.000.000
2.025.000.000
900.000.000
2.601.000.000
2.401.000.000
2.304.000.000
2.025.000.000
2.116.000.000
2.401.000.000
2
∑Y
20.873.000.000
a
Y
Y
X
Y
bX
Y
n
453.000
10
45.300
X
n
90.500 9.050
X
10
(5,872 9.050)
a 45.300
53.141,6
a 45.300
a - 7.841,6
Berdasarkan pada perhitungan di atas, maka dapat diketahui
fungsi permintaannya adalah Y = -7.841,6 + 5,872 X atau Biaya = -7.841,6 +
5,872Q
Perhitungan di atas dapat menggunakan software statistik seperti
Minitab, berikut ini adalah perhitungannya.
Regression Analysis: P versus Q
The regression equation is
P = - 7845 + 5,87 Q
Predictor
Constant
Q
Coef
-7845
5,872
S = 3502,14
SE Coef
11731
1,290
R-Sq = 72,1%
T
-0,67
4,55
P
0,522
0,002
R-Sq(adj) = 68,6%
Analysis of Variance
Source
Regression
Residual Error
Total
DF
1
8
9
SS
253979973
98120027
352100000
MS
253979973
12265003
F
20,71
P
0,002
D. PENAKSIRAN BIAYA JANGKA PANJANG
Penaksiran biaya jangka panjang pada dasarnya sama dengan
penaksiran biaya jangka pendek, tetapi yang membedakan adalah jumlah
perusahaan. Untuk
menganalisis fungsi produksi pada beberapa perusahaan yang berbeda, dapat
digunakan penaksiran biaya jangka panjang. Berdasarkan pada kondisi tersebut,
penaksiran biaya jangka panjang menggunakan data seksi silang. Berikut ini
merupakan contoh untuk memperjelas konsep penaksiran biaya jangka panjang.
Contoh 9.4
Diketahui:
Data Biaya Pada Perusahaan PT Koi
Minggu
Minggu 1
Minggu 2
Minggu 3
Minggu 4
Minggu 5
Minggu 6
Minggu 7
Minggu 8
Minggu 9
Minggu 10
Jumlah
output
(X)
8.000
10.000
9.000
7.700
10.500
9.800
9.200
8.400
8.500
9.400
Biaya variabel
total
(Y)
40.000
50.000
45.000
30.000
51.000
49.000
48.000
45.000
46.000
49.000
Data Biaya Pada Perusahaan PT Cupang
Minggu
Minggu 1
Minggu 2
Minggu 3
Minggu 4
Minggu 5
Minggu 6
Minggu 7
Minggu 8
Minggu 9
Minggu 10
Jumlah
output
(X)
8.200
10.500
9.400
7.100
10.000
9.300
9.300
8.600
8.900
8.100
Hitung: fungsi produksi
Pembahasan:
Biaya variabel
total
(Y)
41.000
50.000
42.000
35.000
50.000
48.300
47.900
46.000
46.400
47.000
Data seksi silang perusahaan PT Koi dan PT Cupang
Minggu
Minggu 1
Minggu 2
Minggu 3
Minggu 4
Minggu 5
Minggu 6
Minggu 7
Minggu 8
Minggu 9
Minggu 10
Minggu 1
Minggu 2
Minggu 3
Minggu 4
Minggu 5
Minggu 6
Minggu 7
Minggu 8
Minggu 9
Minggu 10
b
b
b
b
nXY n X 2
(X)
8.000
10.000
9.000
7.700
10.500
9.800
9.200
8.400
8.500
9.400
8.200
10.500
9.400
7.100
10.000
9.300
9.300
8.600
8.900
8.100
∑X
179.900
Y
Y
X
X
XY
20.000.000
500.000.000
405.000.000
231.000.000
535.500.000
480.200.000
441.600.000
378.000.000
391.000.000
460.600.000
336.200.000
525.000.000
394.800.000
248.500.000
500.000.000
449.190.000
445.470.000
395.600.000
412.960.000
380.700.000
∑XY
8.231.320.000
XY
X
2
(20 x 8.231.320. 000) - (179.900 x 906.600)
2
(20 x 1.634.410.000) - (179.900)
(164.626.4 00.000 ) - (163.097.3 40.000 )
(32.688.20 0.000 ) - (32.364.01 0.000)
1.529.060. 000
4,71655510 7
4,717
324.190.00 0
a
(Y)
40.000
50.000
45.000
30.000
51.000
49.000
48.000
45.000
46.000
49.000
41.000
50.000
42.000
35.000
50.000
48.300
47.900
46.000
46.400
47.000
∑Y
906.600
Y
bX
Y
n
906.600
20
45.330
X
n
179.900
20
8.995
2
X
64.000.000
100.000.000
81.000.000
59.290.000
110.250.000
96.040.000
84.640.000
70.560.000
72.250.000
88.360.000
67.240.000
110.250.000
88.360.000
50.410.000
100.000.000
86.490.000
86.490.000
73.960.000
79.210.000
65.610.000
2
∑X
1.634.410.000
2
Y
.600.000.000
2.500.000.000
2.025.000.000
900.000.000
2.601.000.000
2.401.000.000
2.304.000.000
2.025.000.000
2.116.000.000
2.401.000.000
1.681.000.000
2.500.000.000
1.764.000.000
1.225.000.000
2.500.000.000
2.332.890.000
2.294.410.000
2.116.000.000
2.152.960.000
2.209.000.000
2
∑Y
41.648.260.000
a 45.330 (4,717 8.995)
a 45.330 42.429,42
a 2.900,58
Berdasarkan pada perhitungan di atas, maka dapat diketahui fungsi permintaannya
adalah Y = 2.900,58 + 4,717 X atau P = 2.900,58 + 4,717 Q.
Perhitungan di atas dapat menggunakan software statistik seperti Minitab,
berikut ini adalah perhitungannya.
Regression Analysis: (Y) versus (X)
The regression equation is
(Y) = 2905 + 4,72 (X)
Predictor
Constant
(X)
Coef
2905
4,7166
S = 3261,62
SE Coef
7323
0,8101
R-Sq = 65,3%
T
0,40
5,82
P
0,696
0,000
R-Sq(adj) = 63,4%
Analysis of Variance
Source
Regression
Residual Error
Total
DF
1
18
19
SS
360594788
191487212
552082000
MS
360594788
10638178
F
33,90
P
0,000
E. PERAMALAN BIAYA
Peramalan biaya diperlukan apabila keputusan-keputusan yang akan
kita ambil mencakup tingkat biaya untuk periode-periode yang akan datang,
seperti
misalnya dalam keputusan mengikat kontrak, keputusan untuk membeli
atau membuat sendiri, atau keputusan-keputusan lain yang mempunyai implikasi
biaya
bukan hanya pada periode sekarang (Arsyad, 2011). Terdapat faktor-faktor yang
dapat menentukan peramalan biaya di masa mendatang (Arsyad, 2011), yaitu:
1. Perubahan produktivitas faktor produksi
Adanya perubahan produktivitas faktor produksi seperti peningkatan kapasitas
mesin produksi, akan dapat dijadikan dasar untuk meramalkan biaya produksi
perusahaan di masa yang akan datang.
2. Perubahan harga faktor (input) produksi
Adanya perubahan harga faktor (input) produksi seperti peningkatan harga
mesin produksi yang baru, juga dapat dijadikan dasar untuk meramalkan biaya
produksi perusahaan di masa yang akan datang.
Berikut ini merupakan contoh yang dapat memperjelas konsep peramalan
biaya, yaitu sebagai berikut:
Contoh 9.5
Diketahui: 1. Fungsi biaya produksi pada interval minggu 1 sampai dengan minggu
10 adalah: -7.841,6 + 5,872Q
2. Produksi produk di di minggu 11 diperkirakan sebesar 11.000 unit
Hitung: Biaya produksi di minggu 11
Pembahasan:
Biaya produksi = -7.841,6 + 5,872Q
= -7.841,6 + 5,872 (11.000)
= -7.841,6 + 64.592
= 56.750,4
Berdasarkan pada perhitungan di atas, maka biaya produksi pada minggu ke
11 adalah diperkirakan sebesar 56.750,4.
REFERENSI
Arsyad, Lincolin. 2011. Ekonomi Manajerial. BPFE
Latief, Wasis A. 2011. Pengantar Ekonomi Mikro. UM Press
Rahardja, Prathama dan Mandala Manurung. 2002. Teori Ekonomi Mikro. Lembaga
Penerbit Fakultas Ekonomi Universitas Indonesia
Sarnowo, Henry dan Danang Sunyoto. 2011. Pengantar Ilmu Ekonomi Mikro. CAPS
Suki
Sukirno, Sardono. 1995. Pengantar Teori Mikro Ekonomi. Raja Grafindo Persada