Penaksiran Dan Peramalan Biaya (Ekonomi Manajerial)

PENAKSIRAN DAN PERAMALAN BIAYA Penaksiran dan peramalan biaya untuk pengambilan keputusan merupakan usahauntuk menemukan bentuk dan posisi kurva-kurva biaya dari suatu perusahaan. pemahaman terhadap fungsi biaya jangka pendek akan membantu para pembuat keputusan untuk menilai optimalitas tingkat output sekarang dan memecahkan masalah pengambilan keputusan dengan menggunakan analisis kontribusi. Informasi fungsi biaya jangka panjang diperlukan apabila kita akan melakukan ekspansi atau kontraksi ukuran pabrik untuk meyakinkan bahwa ukuran pabrik yang adasudah optimal untuk tingkat output yang diproduksi. Biaya jangka panjang tersebut tidak

boleh

diinterpretasikan sebagai perkiraan biaya dari berbagai ukuran pabrik untuk masayang akan datang, karena harga factor produksi relative berubah, sehingga menyebabkan fungsi biaya jangka panjang tersebut menjadi tidak akurat. Untuk menaksir biaya masadatang tersebut diperlukan juga meramalkan perubahan teknologi dan perubahan rasio harga faktor.

PENAKSIRAN BIAYA JANGKA PENDEK Pemahaman terhadap fungsi biaya jangka pendek akan membantu para pembuat keputusan untuk menilai optimalisasi tingkat output sekarang dan memecahkan masalah pengambilan keputusan dengan menggunakan analisa kontribusi. Dalam pembuatan keputusan jangka pendek, konsep biaya inkramental memiliki peranan yang sangat penting yang mencakup biaya variabel dan perubahan biaya tetap. Ekstrapolasi Sederhana Ekstrapolasi berarti menghubungkan nilai-nilai dengan titik-titik di luar kisaran yang ditunjukkan oleh data dasar yang dimiliki, dengan cara memproyeksikan berdasarkan pola hubungan yang tampak dalam data tersebut. Metode yang paling sederhana ialah mengekstrapolasikan tingkat biaya marginal atau biaya variabel rata-rata saat ini (ke belakang atau ke depan) pada tingkat-tingkat output lainnya.

Trusted by over 1 million members

Try Scribd FREE for 30 days to access over 125 million titles without ads or interruptions! Start Free Trial Cancel Anytime.





Jika kita hanya memiliki satu observasi data biaya/output (yaitu pada tingkat sekarang) maka antisipasi bagi terjadinya keadaan diminishing returns harus dibuat atas dasar pertimbangan naluriah (judgement), pengalaman atau intuisi.

Misalnya, pembuat

keputusan menganggap bahwa kemungkinan yang paling masuk akal adalah bahwa biaya marginal cenderung meningkat sebesar 2 persen untuk setiap 1 persen tambahan output. Sebaliknya, pembuat keputusan mungkin juga beranggapan bahwa biaya marginal cenderung menurun jika output meningkat atau biaya marginal tidak mungkin naik atau turun, sehingga penaksiran terbaik adalah mengasumsikan bahwa biaya marginal konstan. Mungkin pendekatan terbaik untuk memecahkan masalah tersebut adalah sengan mengasumsikan biaya marginal konstan untuk tujuan ekstrapolasi dan kemudian meneliti sensivitas keputusan yang dibuat berdasarkan asumsi tersebut. Sebagai contoh: perusahaan PT Gita Pratiwi menjual 500 lusin pakaian dalam kepada pembeli sebuah toko dengn diskon tertentu. Perusahaan itu menetapkan harga rata2 7000/ lusin. Tiba2 ada perubahan mendadak dalam manajemen perusaan tersebut dan manajer produksi yang baru sangat terkejut karena tidak adanya data tingkat produksi atau biaya. Namun dengan bekerja cepat manajer mengetahui bahwa untuk minggu sekarang tingkat produksi sebanyak 7000 lusin dengan TVC 42 juta Rupiah. Berari biaya variabel rata2 6000/ lusin. Tingkat output yang direncanakan untuk beberapa minggu berikutnya juga sebanyak 7000 lusin sehingga untuk memenuhi pesanan toko tersebut tingkat output harus ditingkatkan menjadi 7500 perminggu yang masih dalam jangkauan kapasitas pabrik. Tanpa informasi lainnya, manager produksi tersebut tidak mempunyai pilihan lain kecuali mengekstrapolasikan mengekstrapolasikan data tunggal yang dimilikinya tersebut.

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





Gradien TC atau TVC tidak sama 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 harus dihitung gradien dengan interval-interval yang lebih besar dari satu unit. Gradien ini menghasilkan penaksir MC pada suatu kisaran tingkat output tertentu. Misalkan PT GITA PRATIWI, dalam contoh diatas, menerima pesanan produksi untuk memproduksi 500 lusin tambahan itu. Perhatikan bahwa TVC untuk memproduksi 7.500 lusin adalah Rp.48.750jt. dengan demikian, gradien TVC dapat dihitung dengan cara berikut. Gradien = = = =

 

        

13.500

Jadi perubahan TVC pada interval output 7.000 – 7.500 lusin adalah Rp.13,5 ribu per unit.

Analisis Gradien dengan dengan Beberapa Observasi Untuk menjelaskan analisis ini, kita kembali ke contoh PT GITA PRATIWI di atas. Manajemen baru perusahaan tersebut – meskipun merencanakan tingkat produksi sebanyak 7.000 lusin per minggu untuk beberapa minggu berikutnya – menemukan masalah yakni banyak karyawan yang membolos, dengan tingkat pembolosan berkisar antara 10 persen dan 25 persen selama tiga minggu berikutnya. Akibantnya adalah tingkat output per minggu yang dihasilkan lebih sedikit dari tingkat output yang direncanakan. Namun demikian, TVC juga mengalami penurunan, karena tenaga kerja yang absen tersebut tidak di gaji, dan pembelian bahan mentah serta penggunaan energy listrik juga menjadi lebih sedikit. Gambaran TVC yang dikumpulkan selama lima minggu pertama ditunjukkan pada table 9.1 dan gambar 9.3. perhatikan bahwa tingkat output tersebut





Kolom AVC pada table 9.1 tersebut diperoleh dari TVC/Q. tiga kolom yang terakhir menunjukkan perhitungan perhitungan gradien (dank arena itu, MC yang ditaksir berada di titik tengah setiap 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 menunukkan penaksiran kurva TVC, AVC dan MC yang terbaik. Perhatikan bahwa interpolasi antara nilai – nilai gradien untuk menemukan kurva MC tersebut menunjukkan bahwa titik minimum dari kurva AVC terletak sedikit di bawah 6.000 lusin, karena kurva NC memotong kurva AVC pada titik minimum kurva AVC tersebut. Observasi – observasi biaya – output dan Perhitungan AVC dan MC Periode

Output

TVC

AVC





MC

Produksi

(lusin)

(Rp)

(Rp)

(Rp)

(lusin)

(Rp)

Minggu 4

4.500

27.000.000,-

6.000,-

Minggu 3

6.000

33.600.000,-

5.600,-

6.600.000,-

1.500

4.400,-

Minggu 5

6.500

37.375.000,-

5.750,-

3.775.000,-

500

7.550,-

Minggu 1

7.000

42.000.000,-

6.000,-

4.625.000,-

500

9.250,-

Minggu 2

7.500

48.750.000,-

6.500,-

6.750.000,-

500

13.500,-

Jadi, dengan observasi beberapa pasang data biaya – output yang lebih banyak akan memungkinkan kita untuk memperoleh kurva AVC dan MC penaksir yangjauh lebih sempurna. Tiap titik data tambahan akan memperjelas bentuk TVC, sehingga perhitungan AVC dan MC yang lebih bisa dipercaya dapat diperoleh. Taksiran Kurva Biaya dengan Beberapa Observasi Biaya/Output





Studi – studi Perilaku Biaya Jangka Pendek Telah banyak studi yang dilakukan berkenaan dengan fungsi biaya jangka pendek dari perusahaan tertentu. Tetapi karya yang paling definitif dalam bidang ini mungkin yang disajikan oleh buku yang ditulis johnston (1960), di mana aspek teoritis dan konseptual dari penaksiran biaya diteliti secara terinci dengan menggunakan metodastatistik. Kesimpulan yang dapat ditarik dari penaksiran biaya jangka pendek ini adalah bahwa MC cenderung konstan. Karena itu AVC juga konstan pada tingkat yang sama.Dan biaya total rata-ratanya menurun karena menurunnya biaya tetap rata-rata. Fungsi TVC pada beberapa kasus bersifat kurvi-linier, tapi kurva TVC yang linier adalah bentuk hubungan paling cocok dan sudah cukup mampu menjelaskannya observasi-observasitersebut. Jadi kesimpulan umum studi biaya secara statistis adalah bahwa AVC dan MC cenderung konstan pada kisaran output yang diteliti tidak berarti biaya-biaya tersebut tetap konstan pada kisaran output di mana perusahaan tersebut beroperasi.

PENAKSIRAN IAYA JANGKA PANJANG Analisi Regresi dengan Menggunakan Data Seksi – silang Penaksiran biaya jangka panjang merupakan usaha untuk menemukan ukuran pabrik yang berbeda-beda pada titik waktu tertentu, maka kita tidak dapat menggunakan observasi data runtut waktu untuk mendapatkan taksiran fungsi biaya jangka panjang.





Oleh karena itu kita perlu mengumpulkan pasangan-pasangan pasangan-pasangan observasi data yangmenghubungkan tingkat output dengan biaya total untuk mendapatkan tingkat outputtersebut untuk tiap pabrik, pada periode tertentu. Yang harus diperhatikan adalah bahwa pengukuran tingkat output aktual harus sesuai denga tingkat biaya aktual untuk menghasilkan tingkat output tersebut untuk setiap pabrik yang diteliti. Spesifikasi bentuk persamaan fungsional untuk penaksiran biaya jangka panjang ini juga menghadapi permasalahan yang sama seperti pada penaksiran biaya jangka pendek. Kita harus memilih bentuk fungsional yang paling cocok dengan observasi data biaya dan tingkat output dari setiap pabrik. Ada dua masalah pokok dalam penggunaan data seksi silang ini bagi penaksirankurva biaya rata-rata jangka panjang. Masalah pertama adalah masalah yang timbulkarena observasi yang dikumpulkan sama sekali bukan merupakan titik-titik pada kurva biaya rata-rata jangka panjang. Misalkan ada lima pabrik yang diteliti di mana tingkat output dan biayaditunjukkan pada tabel dibawah ini. Pada mulanya tampak terjadi economies of plant sizedan kemudian terjadi diseconomies of plant size pada pabrik keempat dan kelima yangterbesar. Hal tersebut ditunjukkan pada AC yang menurun tapi kemudian naik ketikamenghadapi ketikamenghadapi pabrik yang lebih besar. Taksiran Kurva LRAC dengan Data Seksi Silang Pabrik

Outpu

Total Cost

Average Cost

(Q)

(Rp)

(Rp/Q)

1

1.500

7.350,-

4,90

2

3.500

12.600,-

3,60

3

6.150

18.143,-

2,95

4

8.750

26.688,-

3,05

5

11.100

43.290,-

3,90







sama. Jika pabrik-pabrik tersebut beroperasi di lingkungan geografis, politis dansosioekonomis yang berbeda, maka baik harga maupun produktivitas faktor produksi akan berbeda-beda pada pabrik-pabrik tersebut. Jika hal ini terjadi, maka analisis regresi akan menunjukkan economies atau diseconomies of plant size dimana perbedaan biaya secara aktual ditentukan oleh perbedaan harga dan produktivitas faktor produksi. Penaksiran kurva LRAC berasumsi bahwa semua ukuran pabrik yang ditunjukkan adalah dari tahun yang sama dan karena itu memiliki tekhnologi yang sama. Sebagian dari perbedaan-perbedaan dalam produktivitas tenaga kerja cenderung terjadi pada data biaya-output seksi silang disebabkan oleh perbedaan tahun pembuatan dari pabrikpabrik yang diteliti, yaitu dari pabrik yang baru sampai pabrik yang lama dengan efisiensi yang minimal. Analisis regresi dengan data seksi silang untuk tahun yang berbeda cenderung memberikan hasil yang tidak akurat maka harus dihindarkan.

Studi-studi Tentang Penaksiran Biaya Jangka Panjang Berbagai studi tentang fungsi biaya jangka panjang dari berbagai perusahaan telah dilakukan dan sebagaian telah diringkas oleh Johnston (1960). Hasil Paling umum adalahkurva LRAC yang berbentuk U tidak sebanyak yang berbentuk L. Ini berarti bahwa economies of plant size terjadi pada tingkat output yang relatif rendah, kemudian diikuti oleh suatu kisaran constant returns to plant size tanpa adanya kecenderungan bagi biaya per unit untuk naik pada tingkat ouput yang lebih tinggi. Tidak terjadinya keadaan diseconomies of plant size pada proses produksi ini tidak berarti bahwa diseconomies of





Peramalan Biaya Peramalan Biaya diperlukan apabila ada keputusan-keputusan yang akan kita ambil mencakup tingkat biaya untuk periode-periode yang akan datang, misalnya dalam keputusan mengikat kontrak, keputusan membeli atau membuat sendiri, atau keputusan lain yang mempunyai implikasi biaya bukan hanya pada periode sekarang. Peramalan biaya untuk berbagai tingkat output pada periode yang akan datang memerlukan penaksiran tentang perubahan efisiensi proses produksi secara fisik, plus perubahan harga faktor produksi yang digunakan dalam proses produksi. Perubahan efisiensi faktor-faktor faktor-faktor produksi ini akan akan mengubah bentuk kurva total product product yang berkaitan dengan proses produksi tersebut. Jika J ika harga faktor produksi diperkirakan akan berubah, maka hubunganantara kurva TP dengan kurva TVC akan berubah. Karena itu perubahan dalam biayamasa yang akan datang akan merupakan akibat dari dua pengaruh ini.

Perubahan Produktivitas 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 mensubtitusikan satu input dengan input yang lainnya.Ini berarti bahwa proporsi input optimal akan tetap sama. Dengan





biaya pada tingkatoutput tertentu. Jika proses ini berlanjut terus di masa yang akan datang, maka perusahaan mestinya akan menggunakan proses produksi yang padat modal pada periodeyang akan datang.

Penaksiran Kurva Learning Kurva Learning menghubungkan biaya per unit dengan volume produksikumulatif dari suatu produk tertentu. Kita berharap bahwa produktivitas input akanmeningkat apabila input tersebut telah ”mempelajari” proses produksi, sehingga biaya per unit

cenderung menurun dengan presentase yang relatif stabil setiap kali volume produksikumulatif digandakan. Tingkat learning ini adalah sekitar 20 persen. Dengan kata lain, biaya unit turun kira-kira 20 persen tiap kali tingkat output kumulatif naik dengan faktor 2, 4, 8,16, 32, 64 dan seterusnya. Untuk suatu tingkat output konstan setiap periodewaktu, rangkaian angka tersebut menunjukkan jumlah periode sebelum dicapai penurunan 20 persen lainnya dalam biaya unit yang dicapai. Jadi perubahan biaya per unit antar dua periode produksi ditimbulkan oleh efek learning, akan sangat jelas juka proses produksi baru dilakukan dan dapat diabaikan ketika proses produksi telahmencapai kematangan. kematangan. Gambaran mengenal penggandaan output secara berturut-turut menunjukkan bahwa kurva learning bukan merupakan garis lurus, tetapi biaya per unit merupakanfungsi output kumulatif yang menurun secara eksponensial. Dengan kata lain, kurvalearning dapat dinyatakan sebagai fungsi pangkat dengan bentuk sebagai





log SRAC = log a + b log Q an menggunakan analisis regresi untuk menaksir parameter a dan b tersebut. Sebagai contoh, misalkan sebuah perusahaan TDC meneliti bahwa biaya per unitdari suatu produk tertentu menurun jika output kumulatif meningkat, seperti yangditunjukkan yangditunjukkan pada tiga kolom pertama dari Tabel berikut : Observasi SRAC dan Volume Kumulatif Serta Logaritmanya Tanggal

Biaya per

Volume

Log SRAC

Log Q

observasi

Unit

Kumulatif

(Y)

(X)

(SRAC)

(Q)

30 Sept.

9,00

150

0,9542

2,1761

15 Des.

7,20

275

0,8573

2,4393

1 Maret

6,50

350

0,8129

2,5441

15 Mei

5,85

500

0,7672

2,6990

Logaritma dari SRAC sebagai variabel Y dan log Q sebagai variabel X dan merumuskan bahwa Y = α + βX. Variabel α diketahui 1,7418 yang menunjukkan log a. Untuk menemukan

parameter a kita harus mencari antilog dari 1,7418 yang hasilnya adalah 55,18. jadifungsi pangkat pangkat yang menunjukkan menunjukkan kurva learning yang yang ditaksir sebagai sebagai berikut : SRAC = 55,18Q-0,3627 Untuk meramalkan biaya per unit pada misalnya 1000 unit volume kumulatif, kitamensubstitusik

1000 dalam persamaan di atas





penurunantersebut. Misalnya, dengan pengestimasian SRAC pada output kumulatif 200 dan 400unit dari kurva learning l earning tersebut, kita akan mendapatkan : Untuk 200 unit : SRAC = 55,18 () = 8,076 Untuk 400 unit : SRAC = 55,18 () = 6,281 Jadi SRAC pada 400 unit adalah :  

*

 

= 77,77%

Angka 77,77 % tersebut menunjukkan bahwa SRAC untuk 400 unit besarnyasama dengan 77,77 % dari SRAC pada 200 unit output. Tampak bahwa sedikitnya ada penurunan AC sebesar 22 % apabila volume kumulatif diduakalilipatkan. Kita dapatmemprediksi bahwa SRAC tersebut akan terus turun kira-kira sebesar 22 % untuk setiap penduakalilipatan tingkat output kumulatif berikutnya.

Penaksiran Dan Peramalan Biaya (Ekonomi Manajerial)

Recommend Documents