Penaksiran Dan Peramalan Biaya
Penaksiran Dan Peramalan Biaya
Penaksiran Dan Peramalan Biaya
Dalam jangka pendek kita dihadapkan, terutama sekali, pada perilaku biaya variabel.
Namun demikian, kita juga harus memperhatikan biaya inkremental lainnya, seperti
misalnya perubahan pada pos-pos biaya tetap yang diperlukan yang untuk
mengimplementasikan suatu keputusan tertentu. Penaksiran biaya jangka pendek ini
dapat dilakukan dengan menggunakan 3 metoda yaitu metoda ekstrapolasi sederhana,
analisis gradien, dan analisis regresi
Ekstrapolasi sederhana
Ekstrapolasi berarti menghubungkan nilai-nilai dengan titik-titk diluar kisaran yang
ditunjukan oleh data dasar yang kita miliki, dengan cara memproyeksikannya
berdasarkan pola hubungan yang tampak dalam data dasar tersebut.
Metoda penaksiran biaya yang paling sederhana ialah dengan cara mengekstrapolasi
tingkat biaya marginal atau biaya variabel rata-rata saat ini (ke belakang atau ke
depan) pada tingkat- tingkat output lainnya. Perusahaan-perusahaan seringkali
menganggap bahwa biaya marginal atau variabel rata-rata mereka adalah konstan
pada kisaran tingkat output tertentu yang berdekatan dengan tingkat output yang
dicapai sekarang. Anggapan ini mengandung arti bahwa input-input variabel
menghasilkan penerimaan (returns) yang konstant, dan oleh karena itu tidak ada
keadaan increasing returns atau diminishing returns dalam proses produksi jangka
pendek. Jika keadaan efisiensi yang konstan ini benar-benar terjadi di dalam proses
produksi, maka metoda ekstrapolasi sederhana merupakan metoda yang cukup tepat
untuk manaksir biaya. Tetapi, jika biaya marginal kenyataannya meningkat dengan
adanya tambahan unit output, maka metoda tersebut akan menghasilkan keputusan
yang keliru (salah). Kesalahan umum dalam dunia bisnis pengasumsian bahwa biaya
marginal adalah konstan, sehingga keadaan diminishing returns dari input-input
variabel tidak pernah terjadi. Padahal secara intuitif cepat atua lambat keadaankeadaan diminishing returns tersebut akan terjadi sehingga pembuat keputusan harus
secara terus-menerus memperhatikan kemungkinan terjadinya keadaan tersebut.
Jika kita hanya memiliki satu observasi data biaya/output(yaitu pada tingkat sekarang)
Maka antisipasi bagi terjadinya keadaan diminishing returns ini harus dibuat atas
dasar pertimbangan naluriah(judgements), pengalaman atau intuisi. Misalnya,
pembuat keputusan menganggap bahwa kemungkinan yang paling masuk akal adalah
bahwa biaya marginal cenderung meningkat sebesar 2% untuk setiap 1% tambahan
output. Dengan demikian jelas bahwa dengan hanya memilik 1 observasi data
biaya/output, asumsi seperti itu mengandung resiko besar karena kemungkinan
kelirunya sangat besar.
Sebaliknya, pembuat keputusan mungkin juga beranggapan bahwa biaya marginal
cenderung menurun jika output meningkat, atau biaya marginal tidak mungkin naik
atua turun, sehinnga panaksiran terbaik adalah mengasumsikan bahwa biaya marginal
konstan. Mungkin pendekatan terbaik untuk memecahkan masalah tersebut adalah
dengan mengasumsikan bahwa biaya marginal konstan untuk tujuan ekstrapolasi dan
kemudian meneliti sensitivitas keputusn yang dibuat berdasarkan asumsi tersebut.
Sebagai contoh; perusahaan pakian jadi PT. GITA PRATIWI memperoleh peluang
untuk menjual 500 lusin pakian dalam kepada para pembeli sebuah toko dengan
diskon tertentu. Perusahaan tersebut menetapkan harga rata-rata RP. 7.000/lusin. Tibatiba ada perubahan mendadak dalam manajemen perusahaan tersebut dan manajer
produksi yang baru sangat terkejut karena tidak adanya data tingkat produksi atau
biaya pakian dalam tersebut sehingga manajer tersebut tidak dapat memperkirakan
berapa besar biaya inkremental yang terjadi. Namun demikian, dengan bekerja cepat
manajer tersebut akhirnya mengetahui bahwa untuk minggu sekarang, tingkat
produksi sebanyak 7.000 lusin dengan total biaya variabel (TVC) RP. 42.000.000.
berarti biaya variabel rata-ratanya adalah Rp. 6000/lusin pada tingkat output tersebut.
Tingkat output yang direncanakan untuk bebrapa minggu berikutnya juga sebanyak
7.000 lusin, sehingga untuk memenuhi pesanan toko tersebut tingkat output harus
ditingkatkan menjadi 7.500/minggu yang masih dalam jangkauan kapasitas pabrik.
Tanpa informasi lainnya, manajer produksi tersebut tidak mempunyai pilihan lain
kecuali mengekstrapolasikan data tunggal yang dimilikinya tersebut. Gambar 9.1
dibawah menggambarkan kurva TVC, AVC, dan MC yang diperoleh berdasarkan
ekstrapolasi dari kurva-kurva tersebut, dengan menganggap MC konstan pada kisaran
output 7000-7500 lusin.
Jika tidak ada perubahan biaya lainnya sebagai akibat dari adanya keputusan untuk
memenuhi pesanan toko itu, kita dapat memperkirakan bahwa biaya inkremental
adalah sebsar 3.000.000 untuk memproduksi 500 lusin pakian dalam tambahan
tersebut dan penerimaan inkremnetal menjadi 3.500.000. jadi kontribusi dari
keputusan ini diharapkan positif sebesar 500.000 dan manajer produksi tersebut akan
memenuhi pesanan ini.
Seberapa jauh keputusan ini sensitif terhadap asumsi biaya marginal yang konstan
yang mendasarinya? Jika kenaikan TVC tersebut sebelum keputusan dibatalkan?
Jawabannya adalah 3,5 juta pada titik dimana tidak ada kontribusi dari keputusan ini,
sehingga pesanan tersebut tidak perlu dipenuhi. Kenaikan TVC sebesar 3,5 juta
tersebut meningkatkan TVC menjadi RP. 45,5 juta dan ini berarti AVC pun akan
meningkat menjadi RP. 6.067 ribu atau sedikit lebih tinggi dari pada AVC pada
tingkat output sebelumnya.
Gambar 9.1
Extrapolasiberdasarkan MC yang konstan
TVC
55
50
45
40
35
30
25
20
15
10
5
P
8
7
6
5
4
3
2
1
MC.AVC
jadi keputusan ini sangat sensitif terhadap asumsi biaya marginal yang konstan tersebut. Oleh
karena itu kita cenderung untuk mengusulkan kepada PT. GITA PERTIWI agar tidak
memenuhi pesanan tambahan itu, jika perusahaan itu tidak yakin bahwa TVC meningkat
dengan tingkat yang konstan (atau menurun).
Oleh karena tingkat output selalu berfluktuasi dari waktu ke waktu, maka kita harus
menemukan dua observasi data biaya/output atau lebih. Dan dengan 2 observasi atau lebih
kita dapat melakukan analisis gradien
ANALISIS GRADIEN
Gradien kurva TC diartikan sebagai tingkat perubahan TC pada interval output tertentu.
Gradien berarti slope dan gradien dari TC ini dapat dihitung dengan cara membagi
perusahaan TC dengan perubahan tingkt output, seperti tampak dalam persamaan berikut ini;
gradien=
TC
Q
Gradien TC atau TVC tidak sama persis dengan MC, karena MC menunjukanperubahan TC
yang hanya diakibatkan oleh perubahan suatu unit output. Padahal dalam praktek, output
cenderung berubah dengan loncatan yang tidak teratur sehingga kita harus menghitung
gradien tersebut dengan interval-interval yang lebih besar dari satu unit. Gradien ini
menghasilkan penaksir MC pada suatu kisaran tingkat output tertentu, sepreti yang akan kita
lihat berikut ini.
Misalkan PT. GITA PERTIWI, dalam contoh diatas, menerima pesanan untuk memproduksi
500 lusin tambahan itu. Perhatikan bahwa TVC untuk memproduksi 7.500 lusin adalah RP.
48,750 juta. Dengan demikian, gradien TVC dapat dihitung dengan cara berikut:
Gradien=
TVC
Q
48.750 .00042.000.000
7.5007.000
6.750 .000
500
= 13.500
Jadi perusahaan TVC pada interval output 7.000-7.500 lusin adalah RP. 13,5 ribu/unit. Ini
adalah nilai MC pada kisaran output tersebut. Pada gambra 9.2 ditunjukan penaksir terbaik
dari kurva TVC,AVC,dan MC yang didasarkan pada observasi terhadap titik data kedua.
Titik MC yang ditunjukan pada gambar 9.2 diletakan di tengah interval output yang dihitung,
karena gradien tersebut merupakan penaksir titik tunggal(single point estimate) dari tingkat
perubahan TC pada kisaran tingkat output disktrit. Ini merupakan tingkat perubahan rata-rata
pada perubahan interval output tersebut atau merupakan penaksir MC rata-rata pada kisaran
tersebut dan karenanya digambarkan di tengah kisaran tersebut.
P
16
14
12
10
8
9
4
2
MC
AVC
Yang dikumpulkan selama 5 minggu pertama ditunjukan pada tabel 9.1 dan gambar 9.3.
Perhatikan bahwa tingkat output tersebut disusun secara menaik tanpa memperhatikan
kronologi produksi dengan maksud untuk mempermudah perhitungan gradien pada setiap
interval output.
Kolom AVC pada tabel 9.1 tersebut diperoleh dari TVC/Q 3 kolom yang terakhir menunjukan
perhitungan gradien(dan kerna itu, MC yang ditaksir berada pada setiap titik interval) apabila
titik-titik ini dilukiskan secara grafis seperti tampak pada gambar 9.3 maka kita akan dapat
melakukan interpolasi antara tiap pasangan titik yang berdekatan sehingga menunjukan
penaksir kurva TVC,AVC,MC yang terbaik. Perhatikan bahwa interpolasi antara nilai-nilai
gradien untuk menemukan kurva MC tersebut menunjukan bahwa titik minimum dari kurva
AVC pada titik minimum kurva AVC tersrebut.
Tabel 9.1
Observasi-observasi biaya-output dan
perhitungan AVC dan MC
Periode
produksi
Output
(lusin)
TVC
(RP)
AVC
(RP)
Minggu 4
4.500
6.000,00
minggu 3
6.000
Minggu 5
6.500
Minggu 1
7.000
Minggu 2
7.500
27.000.000.0
0
33.600,000.0
0
37.375.000.0
0
42.000.000.0
0
48.750.000.0
0
5.600.00
5.750.00
6.000.00
6.500.00
TVC
(RP)
(RP)
6.600.000.0
0
3.775.000.0
0
4.625.000.0
0
6.750.000.0
0
1.500
4.400.00
500
7.550.00
500
9.250.00
500
13.500.00
MC
(RP)
Jadi, dengan observasi beberapa pasang data biaya output yang lebih banyak akan
memungkinkan kita untuk memperoleh kurva AVC dan MC penaksir yang jauh lebih
sempurna. Tiap titk data tambahan akan memperjelas bentuk TVC, sehingga perhitungan
AVC dan MC yang lebih bisa dipercaya dapat diperoleh.
GAMBAR 9.3
TAKSIRAN KURVA BIAYA DENGAN BEBERAPA OBSERVASI BIAYA/OUTPUT
TVC
TVC
55
50
45
40
35
30
25
20
15
10
5
P
MC
16
14
12
10
8
6
4
2
AVC
Output ( 000 lusin )
0