PENAKSIRAN DAN PERAMALAN BIAYA
Penaksiran atau estimasi adalah salah satu aspek yang paling penting dari fungsi perencanaan manajemen dan pengambilan keputusan. Estimasi biaya adalah pengembangan penegasan hubungan antara objek biaya dengan “cost drivernya” untuk tujuan peramalan biaya (Blocher,dll, 2000:250). Pada bab sebelumnya mengenai teori biaya, telah dijelaskan bahwa konsep biaya incremental mempunyai peran yang sangat fundamental dalam pembuatan keputusan biaya jangka pendek. Biaya incremental selain mencakup biaya variebel, juga mencakup setiap perubahan biaya tetap (fixed cost). Dalam jangka pendek, beberapa pos biaya tetap dapat mengalami kenaikan, karena seringkali fasilitas – fasilitas produksi (input – input tetap) yang ada menghadapi kendala untuk mencapai kapasitas produksinya secara penuh sehingga fasilitas – fasilitas tersebut perlu ditambah.
Informasi fungsi biaya jangka panjang diperlukan apabila kita akan melakukan ekspansi atau kontraksi ukuran pabrik dan untuk meyakinkan bahwa ukuran pabrik yang ada sudah optimal untuk tingkat output yang diproduksi.
Proses penaksiran dan peramalan biaya terdiri dari tiga bagian pokok, yakni :
1. Penaksiran biaya jangka pendek
2. Penaksiran biaya jangka panjang
3. Peramalan biaya
A. PENAKSIRAN BIAYA JANGKA PENDEK
Penaksiran biaya jangka pendek ini dapat dilakukan dengan lima metode yaitu : metode ekstrapolasi sederhana, analisis gradien, analisis regresi, dan teknik engineering.
1. Ekstrapolasi Sederhana
Metode penaksiran biaya yang paling sederhana adalah dengan cara mengekstrapolasikan tingkat biaya marginal atau biaya variable rata – rata saat ini (ke belakang atau ke depan) pada tingkat – tingkat output lainnya. Input – input variable menghasilkan penerimaan (returns) yang konstan, dan oleh karena itu tidak ada keadaan increasing returns atau diminishing returns dalam proses produksi jangka pendek. Keadaan diminishing returns tersebut akan terjadi sehingga pembuat keputusan harus secara terus menerus memperhatikan kemungkinan terjadinya keadaan tersebut. Pendekatan terbaik untuk memecahkan masalah tersebut adalah dengan mengasumsikan bahwa biaya marginal konstan untuk tujuan ektrapolasi dan kemudian meneliti sensitivitas keputusan yang dibuat berdasarkan asumsi yang ada.
Oleh karena tingkat output selalu berfluktuasi dari waktu ke waktu, maka kita harus mampu menemukan dua observasi data biaya atau output atau lebih. Dan dengan dua observasi atau lebih kita dapat melakukan analisis gradien.
2. Analisis Gradien
Gradien kurva TC diartikan sebagai tingkat perubahan TC pada interval output tertentu. Gradien berarti slope dan gradient dari TC ini dapat dihitung dengan cara membagi perubahan TC dengan perubahan tingkat output, seperti tampak dalam persamaan berikut ini :
Gradien = △TC
△Q
Gradien TC atau TVC tidak sama persis dengan MC, karena MC menunjukkan perubahan TC yang hanya diakibatkan oleh perubahan satu unit output. Padahal dalam praktek, output cenderung berubah dengan loncatan yang tidak teratur sehingga kita harus menghitung gradient tersebut dengan interval – interval yang lebih besar dari satu unit. Gradien ini menghasilkan penaksir MC pada suatu kisaran tingkat output tertentu.
3. Analisis Gradien dengan Beberapa Observasi
Jika kita memiliki data observasi yang lebih banyak, maka hasil penaksiran kurva TVC, AVC dan MC akan menjadi lebih tepat. 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 titik data tambahan akan memperjelas bentuk TVC, sehingga perhitungan AVC dan MC yang lebih bisa dipercaya dapat diperoleh.
4. Analisis Regresi dengan Data Runtut – Waktu ( Time - Series )
Jika kita memiliki jumlah observasi data biaya – output yang lebih banyak, maka kita dapat menggunakan analisis regresi unutk menaksir hubungan antara biaya dengan suatu tingkat output tertentu. Jika kita ingin menaksir fungsi biaya dari suatu perusahaan tertentu, maka kita harus menggunakan data runtut waktu dari perusahaan yang bersangkutan.
Data biaya harus dideflasi dengan sebuah indeks yang tepat dan unsur waktu harus dimasukkan sebagai variable bebas dalam persamaan regresi yang kita estimasi. Dengan demikian setiap trend dari harga relatif atau produktivitas akan dapat dihitung berdasarkan koefisien regresi dari variable waktu tersebut.
Dengan menggambarkan data TVC dan output dalam sebuah grafik, kita akan tahu bahwa satu dari tiga bentuk fungsional diatas merupakan bentuk yang terbaik yang menunjukkan hubungan antara dua variable itu. Oleh karena itu, dengan yakin kita meneruskan analisis regresi dengan menggunakan bentuk fungsional yang kita pilih.
Jika secara visual tidak tampak adanya suatu bentuk fungsional yang terbaik yang menunjukkan hubungan tersebut secara jelas, maka kita perlu melakukan analisis regresi dengan bentuk fungsi linier dan kemudian dengan satu atau beberapa bentuk fungsional lainnya untuk menemukan persamaan regresi yang paling cocok dengan data dasar kita.
5. Analisis dengan Teknik Engineering
Metode ini menggunakan fungsi produksi fisik dimana untuk tiap tingkat produksi dihitung dan dites jumlah variabel cost. Contohnya, bila kecepatan operasi dari suatu alat produksi dapat diperkirakan, maka secara berturut-turut dapat diperkirakan output per jam, kebutuhan materiil, jam kerja buruh, kebutuhan tenaga listrik, kebutuhan untuk reparasi dan pemeliharaan. Kemudian kebutuhan ini dikonversikan menjadi biaya dalam rupiah. Selanjutnya MC dihitung : MC = TVC/Q
B.Penaksiran Biaya Jangka Panjang
Penaksiran biaya jangka pendek ini dapat dilakukan dengan dua metode yaitu : metode analisis regresi dengan menggunakan data seksi-silang dan teknik engineering
1. Analisis Regresi dengan Menggunakan Data Seksi – silang
Pengukuran tingkat output aktual atau tingkat output pada periode tersebut harus sesuai dengan tingkat biaya aktual untuk menghasilkan tingkat output tersebut untuk setiap perusahaan. Jika kita ingin mengetahui ada tidaknya keadaan economies, constant, atau diseconomies of plant size, maka kita harus membuat spesifikasi hubungan funsional pangkat tiga (kubik), karena hubungan ini merupakan bentuk fungsional yang paling konsisten untuk melihat adanya ketiga kemungkinan keadaan tersebut.
Ada dua masalah pokok dalam penggunaan data seksi silang ini bagi penaksiran kurva biaya rata – rata jangka panjang, antara lain :
1. Masalah yang timbul karena observasi yang dikumpulkan sama sekali bukan merupakan titik – titik pada kurva biaya rata – rata jangka panjang.
2. Masalah yang ditimbulkan oleh data seksi silang ini adalah bahwa banyak pabrik yang tidak dapat beroperasi pada tingkat harga dan produktivitas faktor produksi yang sama.
2. Teknik Engineering
Mendukung teknik analisis diatas, teknik engineering dalam penaksiran biaya jangka panjang adalah menganalisis beberapa plant size yang berbeda pada waktu tertentu.
C. Peramalan Biaya
Peramalan biaya diperlukan apabila keputusan – keputusan yang akan kita ambil mencakup tingkat biaya untuk periode yang akan datang. Peramalan biaya untuk berbagai tingkat output pada periode yang akan datang memerlukan penaksiran tentang perubahan efisiensi proses produksi secara fisik, ditambah perubahan harga faktor produksi yang digunakan dalam proses produksi.
1. Perubahan Produktivitas Faktor Produksi
Jika kita memperhatikan efisiensi fisik dari proses produksi untuk periode – periode yang akan datang, maka kita harus memperkirakan bahwa produktivitas faktor produksi tersebut akan berubah sepanjang waktu. Mesin dan peralatan lainnya misalnya, diharapkan untuk lebih efisien jika diukur dari output perjam yang dihasilkannya (atau berdasarkan kriteria yang lain) karena penerapan kemajuan teknologi pada mesin – mesin tersebut.
2. Perubahan Harga Faktor Produksi
Jika biaya dari semua input meningkat dengan proporsi yang sama, maka kombinasi faktor produksi yang optimal tidak akan berubah pada tingkat output tertentu, meskipun akan menimbulkan biaya yang lebih besar. Jika semua harga input meningkat dengan tingkat yang sama, maka harga – harga relatif dari input tersebut akan tetap sama dan tidak akan ada insentif untuk mensubstitusikan satu input dengan input yang lainnya.
Jika kekuatan pasar di pasar faktor - faktor produksi mengakibatkan harga satu faktor produksi akan naik dibandingkan dengan harga faktor produksi yang lain, maka perusahaan akan mensubstitusikan dengan faktor produksi yang lebih murah sebagai akibat dari adanya kenaikan harga tersebut.
Dengan distribusi probabilitas tertentu yang dihubungkan dengan tingkat biaya yang akan datang, kita dapat menghitung hasil atas dasar “Nilai yang diharapkan “ dari tingkat biaya pada periode – periode yang akan datang dengan maksud untuk mendapatkan suatu peramalan tingkat biaya masa yang akan datang untuk penetapan harga atau kebijaksanaan – kebijaksanaan lainnya.
3. Penaksiran Kurva Learning
Kurva learning menghubungkan biaya perunit dengan volume produksi kumulatif dari suatu produk tertentu. Kita berharap bahwa produktivitas input akan meningkat apabila input – input tersebut telah “mempelajari “ proses produksi, sehingga biaya perunit turun jika volume produksi meningkat. Biaya perunit (pada tingkat output tertentu per periode dalam pabrik tertentu) cenderung menurun dengan presentase yang relatif stabil setiap kali volume produksi digandakan.
Kurva learning sering dinyatakan sebagai presentase penurunan AC untuk tiap penduakalian volume komulatif. Untuk menemukan persentase tersebut dalam contoh ini, kita memilih dua tingkat output (dimana yang satu besarnya 2 kali yang lain) dan menghitung presentase penurunannya.
mksih bnyak y artikelnya
ReplyDeleteGambar kurvanya ada gan?
ReplyDeletesumber dr buku apa?
ReplyDelete