BAB 5 Estimasi Permintaan Dan Biaya [PDF]

Citation preview

MAKALAH ESTIMASI PERMINTAAN & BIAYA Dosen Pengampu: Dra. H. Jamiel Latief, MM., M.Pd



KELOMPOK 5 1. 2. 3. 4.



AMELIA NIKEN CAHYANTI WINDAH PEBRIANI WANDA INTAN AGHITSNI SILVIA DWIYANTI



1801085052 1801085006 1801085027 18010850



BAB I A. Estimasi Permintaan Metode estimasi nilai koefisien beta dalam fungsi permintaan bisa digolongkan baik sebagai yang langsung maupun tidak langsung. Estimasi permintaan dengan metode langsung diperoleh melalui wawancara, survay dan eksperimen paper, dalam mana pembeli potensial diberi pertanyaan tentang reaksi yang mungkin muncul sebagai akibat adanya perubahan harga maupun perubahan variabel lainnya. Metode tidak langsung estimasi permintaan merupakan bentuk analisis statistika dengan tujuan untuk mengetahui perubahan permintaan sebagai akibat adanya perubahan dalam variabel penting bebasnya, analisis ini dikenal dengan metode regresi. 1.1. Interview dan Survey Metode langsung estimasi permintaan, secara sederhana dapat dilakukan dengan mengajukan pertanyaan kepada pembeli maupun pembeli potensial tentang reaksi-reaksi petensial terhadap perubahan dalam harga ataupun determinan lain atas keputusan mereka untuk membeli produk. Pappas (Terjem. 1995:200), teknik ini dapat diterapkan secara naip dengan semata-mata mencegat orang-orang yang berbelanja dan mengajukan pertanyaanpertanyaan tentang jumlah produkyang akan mereka beli di berbagai tingkat harga. Dalam ekstrim lainnya, para pewawancara terlatih mengajukan pertanyaanpertanyaan yang canggih ke sebuah sampel pelanggan yang dipilih secara seksama untuk menghasilkan informasi yang diinginkan. Walaupun kelihatannya sederhana, dalam pelaksanaannya pendekatan ini menghadapi banyak kesulitan, yaitu : 1. Keacakan random Individu yang disurvey harus mewakili pasar secara keseluruhan sehingga hasilnya tidak bisa. Oleh sebab itu sampel harus cukun besar dan menggunakan metode random sehingga informasi pasar yang layak untuk mengadakan rencana perubahan. 2. Bias pewawancara Dalam hal ini kehadiran pewawancara dapat mempengaruhi perasaan responden menjadi agak bodoh sehingga responden dapat



memberikan jawaban-jawaban yang tidak benar. Biasa pewawancara sering terjadi baik dalam personal interview, dan bahkan koesioner yang diposkan sekalipun (sebab ada orang lain yang membacanya). 3. Adanya kesenjangan antara niat dan tindakan. Arsyad (1993:169), masalah ini sering disebut juga sebagai masalah akurasi jawaban (response accuracy). Konsumen benar-benar berniat membeli suatu produk ketika di wawancarai, tetapi ketika dipasarkan mungkin sesuatu hal telah mengubah niat dan pikiran konsumen tersebut. Akhirnya jawaban-jawaban responden juga tidak dapat dipercaya bila pertanyaan yang diajukan membingungkan atau ditafsir salah atau mengandung hal-hal di luar dunia Secara ringkas bisa dikatakan bahwa dalam membuat koesioner, harus dipikirkan masak-masak dan hati-hati dan harus disertai analisis dalam menginterprestasikan hasil surpey. Berikut diberikan contaoh hasil survey pasar. 1.2. Situasi Pasar Simulasi Situasi Pasar Simulasi Alat lain untuk melihat respon konsumen terhadap perubahan harga dan usaha promosi adalah pembuatan pasar simulasi. Pasar simulasi dimaksudkan untuk mempertimbangkan prilaku konsumen, dimana konsumen yang dipilih diberi uang mainan dan disuruh berbelanja dipasar simulasi/buatan untuk kelompok partisipan yang berbeda ditetapkan harga dan promosi yang berbeda pula. Bila partisipan dipilih dengan tepat, maka respon mereka terhadap perubahan harga dan usaha promosi dapat disimpulkan sama. Hasil dari uji pasar simulasi ini harus diamati dengan jeli. Cara partisipan membelanjakan uang orang lain mungkin berbeda dengan cara mereka membelanjakan uang sendiri. Kemungkinan lain adalah mereka akan memilih produk tertentu bila harga diturunkan, ini hanya agar mereka nampak sebagai pembelanja yang hemat dan bertanggung jawab. Metode ini mahal, karena biayanya relatif tinggi seharga pembuatan pasar simulasi ini dipilih hanya sejumlah kecil sampel yang hasilnya kemungkinan tak representatif. 1.1 Eksperimen Pasar Secara Langsung



Eksperimen pasar secra langsung ini melibatkan orang-orang yang benarbenar berada di situasi pasar sebenarnya yang membelanjakan uangnya untuk barang dan jasa yang mereka inginkan. Perusahaan memilih satu kota atau lebih, pasar regional, atau negara dan melakukan eksperimen pada “pasar-pasar uji” ini dirancang untuk mencari tahu “penerimaan” konsumen atas produk dan mengidentifikasi dampak perubahan dari satu variabel yang dapat dikendalikan atau lebih terhadap jumlah yang diminta. Sebagai contoh, pada sebuah pasar regional perusahaan dapat memotong harga produknya sebesar 10% dan membandingkan reaksi penjualan pada pasar tersebut dengan pasar regional serupa lainnya. Kemungkinan lain, perusahaan tersebut dapat meningkatkan promosi di pasar tertentu untuk “menilai” dampak dari suatu perubahan sebelum menanggung biaya dan resiko yang lebih besar untuk melakukan perubahan tersebut di seluruh wilayah negara. 2.



Analisis Regresi Permintaan Konsumen Adalah sebuah teknik statistik yang digunakan untuk menemukan ketergantungan dari suatu variabel terhadap satu atau lebih variabel lain. Jadi teknik ini dapat diterapkan untuk mencari nilai dari koefisien-koefisien tersebut menunjukkan pengaruh dari variabel yang menentukan permintaan sebuah produk. Untuk analisis regresi, kita membutuhkan sejumlah observasi, masing-masing terdiri dari variabel dependen Y dan nilai variabel independen X yang berhubungan. Analisa regresi ini memungkinkan kita untuk menarik kesimpulan dari pola hubungan yang ditunjukan oleh hasil opservasi. Dalam analisis ini dapat digunakan data runtutwaktu (time series) maupun data seksisilang (cross-section). 2.1 Linieritas Persamaan Regresi Dengan hipotesis bahwa Y Adalah suatu fungsi dari X atau beberapa variabel X, maka dapat ditentukan bentuk ketergantungan variabel Y terhadap variabelvariabel X. dalam analisis regresi menurut "ketergantungan" dinyatakan dalam bentuk yang linier. Dengan formulasi umum sebagai berikut : Y = ∝+β1 X1 +β2X2 + …….+ βnXn +e dimana: Y = nilai yang diprediksi ∝ = konstanta β1.β2 .β3 = parameter



e = nilai residu/galat Sebagai tambahan, bahwa apabila fungsi permintaan itu berbentuk hubungan non linier seperti Y = ∝Xβ2 1.Xβ2 1 , dimana variabel-variabel independen dalam kasus ini X1 dan X2 mempunyai pengaruh multiplikasif terhadap variabel dependen Y, maka hubungan garis lengkung ini dapat dinyatakan sebagai suatu hubungan garis lurus dengan transformasi logaritma. Sehingga menjadi : log Y = log ∝ +β1 logX1 + β2 logX2 . 2.2 Pengestimasian Parameter-Parameter Regresi Metode kuadrat terkecil sering disebut ordinary least squares (OLS), adalah proses matematis untuk memilih intersep dan slope garis yang paling tepat diminumkan. Jadi persamaan regresi menyatakan garis yang paling tepat. Garis tersebut dipilih dengan prosedur matematis yang menempatkan garis tersebut sedemikian rupa sehingga jumlah selisih/kesalahan kuadrat (residu/galat = e2 ) dapat diminimumkan. Kesalahan-kesalahan dikuadratkan untuk menghindari penghilangan deviasi-deviasi negarif, dan untuk lebih meratakan deviasi-deviasi yang lebih besar. 2.3 Koefisien Determinasi Koefisien determinasi, biasanya dinyatakan dengan R2, adalah angka yang menunjukan proporsi variasi variabel dependen yang dijelaskan oleh variasi variabel independen. Pengaruhnya R2 = 0,98. Ini menunjukan bahwa perubahan-perubahan pada variabel-variabel independen menyebabkan 98% perubahan pada variabel dependen. Nilai R2 = 1 menunjukan bahwa semua variabel y dijelaskan oleh variasi variabel X, dan akibatnya, semua titik data akan terletak pada garis yang paling tepat. Sebaliknya, nilai R2 = 0,32 misalnya, akan menunjukan betapa lebar titik-titik data terpencar dengan variasi yang relatif besar terhadap garis yang paling tepat dan adanya hubungan yang relatif lemah antara variabel-variabel dependen dan independen. 2.4 Standar error estimasi adalah ukuran penyebaran (dispersi) data dari garis yang paling tepat. Dengan standar error estimasi (Se)., kita dapat menghitung interval konfidensi (sekitar nilai estimasi untuk variabel independen) untuk tingkattingkat konfidensi yang berbeda. Interval konfindensi adalah kisaran nilai-nilai dimana observasi aktual diharapkan terletak dalam prosentase tertentu pada waktu tertentu. Standar error estimasi dapat dihitung dengan rumus berikut :



Se = √ΣY2 – ∝ΣY – βΣYX 2.5 Daya Prediksi Persamaan Regresi Standar error koefisien dalah ukuran atau ketetapan nlai β yang telah dihitung, yang merupakan koefisien yang mengestimasi hubungan marjinal antara variabel Y dan variabel X. Standar error koefisien (Sβ) bila relatif kecil, memungkinkan kita untuk menyatakan keyakinan bahwa hasil perhitungan nilai β sangat mendekati nilai yang “benar”. Nilai β yang besar dapat diverifikasi bila dipunyai populasi observasi yang menyeluruh yang meliputi variabel-variabel Y dan X, tidak sekedar sebuah sampel. Singkatnya, Sβ adalah standar deviasi dari distribusi sampling β. Semakin kecil standar error koefisien, semakin besar keyakinan akan koefisien regresi yang diperoleh dari data nilai-nilai X dan nilai Y. Standar error koefisien dapat dirumuskan sebagai berikut : Se = SE √ΣY2 – ∝ΣY – βΣYX 2.6 Masalah-Masalah Dalam Analisa Regresi Ada enam masalah utama yang harus diperhatikan dalam analisis regresi, yaitu antara lain : a. Kesalahan Spesifikasi. Yang menyebabkan hasil regresi kurang dapat dipercaya antara lain disebabkan oleh kekeliruan dalam menentukan hubungan antara variabel tidak bebas dengan variabel bebas. Ada dua kemungkinan kesalahan tersebut, yang pertama adalah kesalahan dalam menggunakan bentuk hubungan fungsi antar variabel. Misalnya bentuk hubungan yang sesungguhnya tidak linier tetapi cetakan regresi yang dipakai menunjukan hubungan linier. Sebenarnya dalam batas-batas tertentu landasan teori memberikan petunjuk mengenai bentuk hubungan tersebut. Akan tetapi dalam menemukan bentuk yang tepat, kita dapat menggunakan cara dengan mencoba berbagai bentuk persamaan. Bentuk persamaan yang nilai R2 paling tinggi kita anggab paling tepat. Sedangkan yang kedua kesalahan yang lain adalah kesalahandalam bentuk tidak memasukan variabel penjelasan yang relevan. Masalah ini diminimumkan melalui pengkajian teoritik yang cukup memadai. Mamang disamping itu dengan cara merubah komposisi variabel-variabel penjelas, kita dapat mengatasi masalah ini.



b.



c.



d.



Kesalahan Pengukuran Kesalahan pengukuran dapat timbul dari berbagai sebab. Daftar pertanyaan atau kuisioner yang kurang baik, wawancara yang kurang memadai, pendefinisian variabel yang tidak betul, dan sebagainya dapat berakhir pada kurang dapat dipercayainya hasil estimasi fungsi permintaan melalui besaran-besaran statistik R2 yang terlalu kecil, statistik t yang terlalu kecil, statistik f yang terlalu kecil dan seterusnya. Hubungan Persamaan Simultan Dalam merancang sebuah fungsi regresi tidak dibenarkan adanya hubungan timbal balik antara variabel tidak bebas dengan salah satu atau lebih variabel bebas. Bila ketentuan ini dilanggar maka timbul apa yang disebut bias persamaan (equation bias). Contoh yang sangat puler adalah penggunaan metode OLS untuk mengestimasi kurva permintaan pasar, dimana terdapat hubungan timbal balik antara harga dan kuantitas yang diminta. Kita dapat memperlakukan baik harta ataupun jumlah yang diminta sebagai variabel bebas atau sebagai variabel tidak bebas. Hal ini disebabkan oleh baik darisegi teori maupun dalam kenyataan keduanya ditentukan secara simultan (besamaan) oleh kedua variabel itu sendiri. Multikolinieritas Multikolinieritas timbul sebagai akibat adanya hubungan kasual antara dua variabel penjelas (variabel bebas) atau lebih, atau sebagai akibat adanya kenyatan bahwa dua variabel penjelas atau lebih secara bersama-sama dipengaruhi oleh variabel ketiga yang berada diluar sistem persamaan regresi. Keberadaan multikolinieritas dapat ditemukan melalui tes korelasi antar variabel penjelas. Kalau diketemukan korelasi yang tinggi, maka salah satu variabel penjelas dilepas. Dengan adanya multikolinieritas maka hasil estimasi koefisien regresi bersifat bias. Analisa regresi tidak mampu menemukan hubungan yang benar dan kemampuan prediksinya menjadi lemah. Namun demikian masalah adanya multikolinieritas dalam fungsi regresi dapat ditoleransi apabila persamaan itu dimaksudkan untuk tujuan prediksi, karena kita ingin mengetahui pengaruh seluruh variabel bebas bersama-sama dan bkan untuk menjelaskan kekuatan-kekuatan hubungan masing-masing variabel bebas terhadap variabel tidak bebas. Tetapi bila regresi digunakan untuk keperluan sebagai modal penjelas, maka harus tidak ada multikolinieritas.



e.



Heteroskedastisitas Keadaan unsur ini dapat dilihat dari grafik distribusi nilai “residuals”. Kalau grafiknya secara teratur membengkok atau mengecil dengan bertambah besarnya nilai variabel penjelas, maka kita harus waspada dalam menginterprestasikan besaran statistik t dan R2 karena kurang dapat dipercaya dengan kecendrungan terlalu tinggi diatas nilai yang sebenarnya. Nilai kesalahan standar koefisien regresi memberikan indikasi yang keliru. Masalah ini dapat diatasi dengan meninjau kembali komposisi variavel-variabel penjelas dan merubah bentuk persamaan hubungan fungsional. f. Otokorelasi atau serialkolerasi Otokorelasi adalah masalah lain yang timbul bila kesalahan tidak sesuai dengan batasan yang disyaratkan oleh analisis regresi. Otokorelasi atau serialkorelasi hanyaterjadi kalau kita menggunakan data kurun waktu (times sries) dan ditandai oleh pola kesalahan yang beruntun. Yakni besarnya kesalahan kian besar atau kecil. Yang menunjukan pola siklus atau lainnya, karena observasiobservasi X disusun secara kronologis, pola ini menandakan bahwa beberapa variabel lain berubah secara sistematis dan mempengaruhi variabel dependen. Otokorelasi dapat ditemukan secara visual melalui grafik times series residuals atau uji statistik “Durbin Waston”. Otokorelasi dapat dihilangkan dengan menambahkan variabel yang dapat menjelaskan perubahan yang sangat sistematis tersebut kedalam persamaan regresi. Sebagai contoh, bila residu nampak mengikuti pola siklus, variabel “dummy” dibutuhkan bagi perhitungan variasi musiman. B. Estimasi Pendapatan Anggaran merupakan intrumen penting dalam organisasi sektor publik. Perencanaan anggaran pendapatan sangat penting untuk menentukan tingkat kemampuan keungan pemerintah dalam menyediakan pelayanan publik, melak- sanakan kebijakan alokasi dan distribusi anggaran, menentukan kebijakan surplus/defisit anggaran serta menentukan arah kebijakan pembiayaan anggran. Ketepatan dalam perencanaan anggaran pendapatan sangat diperlukan karena ang- garan pendapatan tesebut memiliki banyak implikasi, antara lain berimplikasi pada kebijakan anggaran belanja, pembiayaan dan evaluasi kinerja.  Prakiraan dan Penganggaran











Penganggran (budgeting) pada prinsipinya berdeda dengan prakiraan (fore- casting). Penganggaran merupakan rencana manajemen yang mengandung implikasi perlunya komitmen dan tanggung jawab untuk mencapai angka yang ditetapkan dalam anggaran, sedangkan prakiraan tidak lebih hanyalah prediksi atau estimasi tentang apa yang terjadi dan tidak berimplikasi paa perlunya komitmen dan tanggung jawab untuk merealisasikan prediksi tersebut. Jika dilihat dari sudut pandang manajemen, prakiraan merupakan alat prencanaan (planning tool), sedangkan anggaran merupakan alat perencanaan sekaligus pengendalian (planning & control tool). Keterkaitan prakiraan dengan pengendalian ada;ah hasil prakiraan dapat digunkan manajemen sebagai dasar perencanaan anggaran. Dengan kata lain, hasil prakiraan dapat digunakan manajemen untuk membuat proyeksi anggaran. Oleh karena itu, sebelum manajemen menetapkan suatu target anggaran terlebih dahulu perlu dilakukan prakiraan baik pendapatan maupun belanja agar target yang ditetapakn dalam anggaran realistis dan rasional. Prakiraan pendapatan ini juga penting untuk mengukur kemampuan pemerintah daerah dalam memungut pendapatan sehingga juga berpengaruh pada pemilihan strategi dari mobililisasi pendapatan. Teknik Prakiraan Pendapatan Teknik prakiraan pendapatan terdapat 2 jenis yaitu kualitatif dan kuantitatif. Teknik kualitatif Teknik prakiraan yang bersifat kualitataif antara lain adalah teknik Delphi dan teknik judgment. Teknik Delphi dilakukan dengan cara mengumpulkan para ahli (expert), kemudian mereka secara kelompok maupun individual dimintai pendapat atau pandangan mereka tentang predikdi masa depan yang akan mempengaruhi arus pendapatan. Metode kualitatif selain tehnik Delphi adalah dengan pendeka- tan, yaitu prakiraan berdasarkan pengalaman masa lalu dan pertimbangan berba- gai faktor yang mempengaruhi pendapat dimasa mendatang. Namun tidak berarti metode kuntitatif selalu lebih baik daripada metode judgement atau metode kaulitatif yang lain. Oleh karena itu, untuk memperoleh hasil prediksi yang lebih memuaskan sebaiknya digunakan teknik kualitataif dan kuantiitataif secara bersma-sama.







1.



2.



3.



1.



2.



3.



Teknik Kuantitatif Dalam penggunaan teknik kuantitatif, sebelum dilakuaknn teknik prakiraan terlebih dahulu harus ditentukan: Subjek prakiraan, yaitu apa yang akan diprediksi atau diestimasi. Subjek prakiraan bisa berupa pendapatan secara keseuruhan maupun per kelompok, jenis, objek, dan rincian objek pendapatan. Mislanya Pendapatan Asli Daerah (PAD) dapat dirinci menurut jenisnya, Pajak Daerah Retribusi, Bagian Laba BUMND dan lain-lain PAD yang sah. Rentang prakiraan, yaitu periode waktu yang akan diramal. Rentang prakiraan harus ditetapakan apakah untuk prediksi satu tahun ke depan, dua tahun, tiga tahun dan seterusnya. Data yang digunakan, yaitu data runtun waktu (times series) sebagai dasar untuk prediksi, apakah perlu digunakan data sepuluh tahun, liam tahun atau tiga tahun yang lalu sebagai basis prakiraan. Kualitas data sangat berpengaruh terhadap keakurasian hasil prakiraan. Selanjutanya akan dibahas beberapa teknik kuantitatif prakiraan yang cukup mudah digunakan, murah biayanya, serta dalam banyak kasus cukup tinggi keakuratannya. Teknik tersebut antara lain: Simple Moving Average Simple Moving Average (SMA) merupakan teknik prakiraan yang cukup sederhana dan mudah duigunakan. Dengan teknik SMA kita memprediksi pendapatan tahun depan dengan berdasarkan perhitungan rata-rata pendapatan periode yang lalu, atau disebut juga ramalan (forecast periods). Sebelum dihitung rata-rata pendapatan periode lalu, terlebih dahulu perlu ditentukan jumlah tahun yang akan dijadikan sebagai periode ramalan, misalnya tujuh tahun, lima tahun, dan tiga tahun sebelumnya Exponential Smoothing Teknik Exponential Smoothing (EXS) dinilai lebih baik dibandingkan Simple Moving Average, sebab EXS memberikan bobot yang berbeda untuk periode yang berbeda, sedangkan SMA memberikan bobot yang sama untuk semua data yang ada. Dengan teknik EXS, kita dapat memberikan bobot yang lebih besar terhadap data terakhir. Transformation Moving Average Transformation Moving Average (TMA) merupakan teknik prakiraan dengan melihat kecendrungan (trend) dari data yang lalu. Jika kecendrungan pendapatan selama beberapa tahun menunjukan kenaikan, maka



4.



pendpatan tahun mendatang akan naik dibandingkan tahun sebelumnya, sebaliknya jika terndnya turun maka pendapatan tahun mendatang akan turun dari tahun sebelumnya, Regresi Regresi pada dasarnya juga mirip dengan Transformation Moving Average, yaitu sama-sama teknik trend. Untuk membuat prediksi dengan menggunakan teknik regresi, pertama kali yang harus dilakukan adalah menentukan persamaan regresinya. Persamaan regresi sederhana untuk memprediksi pendapatan dapat dinyatakan sebagai berikut:



Keterangan: y = Estimasi Pendapatan X = Tahun α = Pendapatan Dasar (Baseline Revenue) b = Peruabahn Pendapatan sebagai akibat dari perubahan periode ramalan Regresi dengan Model Ekonometrika Prakiraan pendapatan dengan teknik regresi pada dasarnya dapat dibagi menjadi dua metode, yaitu 1) metode regresi sederhana dan 2) metode regresi dengan meetode ekonometrika yang canggih. Dengan metode ekonometrika, persamaan regresi untuk memprediksi pendapatan tahun mendatang dengan tidak menggunakan satu variable tetapi memasukkan variable-variable yang berpengaruh terhadap pendapatan, misalnya variable pertumbuhan penduduk, pendapatan perkapita, inflasi dan data pertumbuhan ekonomi. C. Estimasi Biaya Jangka Pendek Estimasi biaya adalah memperkirakan kemungkinan jumlah biaya yang diperlukan untuk suatu kegiatan yang didasarkan pada suatu informasi yang tersedia saat itu. Dalam estimasi biaya diperlukan analisis jangka pendek dan jangka panjang. Estimasi biaya jangka pendek yaitu jangka waktu dimana sebagian faktor produksi tidak dapat ditambahkan jumlahnya, dengan membedakan antara biaya tetap total (total fixed cost/TFC) dengan biaya variabel total (total variable cost/TVC), biaya total (total cost/TC), biaya tetap rata-rata perunit



( average fixed cost), biaya variabel rata-rata perunit (average variable cost), dan biaya total rata-rata (average total cost) serta biaya marginal (marginal cost). a. Biaya tetap total (total fixed cost/TFC) Yaitu keseluruhan biaya yang dikeluarkan oleh perusahaan untuk memperoleh faktor produksi yang bersifat tetap. Contoh: biaya tetap total PT. Omega Audio adalah pembelian gudang, dan work shop, mobil box (untuk pengiriman barang), pajak kepemilikan. b. Biaya variabel total (total variable costTVC) Yaitu keseluruhan biaya yang dikeluarkan perusahaan untuk memperoleh faktor produksi yang bersifat variabel. Contoh : biaya tenaga kerja, pembelian barang, bahan bakar, pajak bea masuk, dan sebagainya. c.     Biaya total (total cost/TC) Keseluruhan biaya produksi yang digunakan untuk menghasilkan sejumlah output tertentu baik yang bersifat tetap maupun variabel. Dengan rumus :  TC = TFC + TVC d.  Biaya tetap rata-rata (average fixed cost/AFC) Yaitu biaya tetap yang dibebankan kepada satu unit output. Dengan rumus :    Q = jumlah output yang dihasilkan dari penggunaan sejumlah biaya tetap total tertentu. e. Biaya variabel rata-rata (average variable cost/AVC) Biaya variabel yang dibebankan kepada setiap unit output. Dengan rumus :  f.    Biaya total rata-rata (average total cost/ATC) Yaitu biaya tetap rata-rata yang ditambahkan dengan biaya variabel rata-rata. Dengan rumus : AFC + AVC g.  Biaya marginal (marginal cost/MC) Kenaikan biaya yang dikeluarkan perusahaan sebagai akibat kenaikan satu output, atau perubahan biaya total atau biaya variabel total akibat perubahan dalam jumlah output perunit. D.  Estimasi Biaya Jangka Panjang



Estimasi jangka panjang yaitu jangka waktu dimana semua faktor produksi bersifat variabel (perusahaan tidak menghadapi biaya tetap). Kurva biaya produksi jangka panjang ialah suatu kurva yang menunjukkan besarnya biaya produksi minimal yang dikeluarkan perusahaan pada berbagai kemungkinan tingkat output. Dalam periode produksi jangka panjang ada kecenderungan bahwa pada tingkat permulaan dengan semakin diperluasnya skala usaha akan meningkatkan efisiensi usaha, tetapi mulai titik tertentu perluasan usaha yang lebih lanjutakan berakibat semakin menurunnya efisiensi usaha secara keseluruhan. Skala usaha dimana tingkat efisiensi perusahaan mencapai nilaitertinggi disebut dengan skala usaha yang optimal (optimum scale of plant). Skala usaha optimal secara grafis terlihat pada waktu kurva biaya ratarata perunit output jangka panjang (LAC) mencapai nilai minimum. Jumlah output dimana LAC mencapai nilai minimum disebut tingkat output optimal (optimum rate of output). Kurva biaya total jangka panjang (long-run total cost/LTC) diturunkan dari pola ekspansi perusahaan dan menunjukkan biaya total jangka panjang minimal dalam memproduksi berbagai tingkat output. Kurva biaya rata-rata dan marginal jangka panjang perusahaan diturunkan dari biaya total jangka panjang. E. Hubungan antara Biaya Produksi Jangka Pendek dan Jangka Panjang Biaya rata-rata jangka pendek (SAC) dan biaya rata-rata jangka panjang (LAC) mempunyai keterkaitan yang unik. LAC merupakan kumpulan titik minimum berbagai SAC. Untuk menjelaskan hal ini kita gunakan gambar 10.5. Pada saat perusahaan beroperasi pada skala usaha sebesar SAC1, perusahaan akan beroperasi pada titik minimum SAC1 atau titik A dalam jangka pendek karena di situlah biaya rata-rata jangka pendek terendah tercapai untuk memproduksi suatu tingkat output. Bila kemudian perusahaan memperluas skala usahanya maka kurva SAC akan bergeser ke kanan bawah menjadi SAC2. Pergeseran ke kanan menunjukkan skala usaha yang lebih besar dan ke bawah menunjukkan produktivitas yang lebih tinggi sehingga output dapat dihasilkan dengan biaya rata-rata yang lebih rendah. Pada skala



usaha SAC2, akan menguntungkan bagi perusahaan untuk beroperasi pada titik B yang merupakan biaya terendah SAC2. Hal yang sama terjadi untuk SAC3 dimana titik C merupakan titik terendah SAC3. Apabila misalkan perubahan skala usaha yang lebih besar dari SAC3 tidak lagi dapat menghasilkan output dengan biaya per unit yang lebih rendah dari titik C karena produktivitas per unit input menjadi lebih rendah dengan semakin banyaknya input yang digunakan untuk menghasilkan output yang lebih besar. Oleh karena itu, SAC4 akan berada di sebelah kanan sedikit ke atas dari SAC3. Titik optimum bagi operasi perusahaan dalam jangka pendek dengan skala sebesar SAC4 adalah titik D. Untuk SAC5 dan seterusnya akan berada semakin ke atas yang menunjukkan produktivitas input yang semakin rendah dengan semakin besarnya skala usaha.



Garis yang menghubungkan titik-titik A, B, C, dan D membentuk kurva biaya rata-rata jangka panjang (LAC). Dengan demikian, LAC merupakan titik minimum AC pada berbagai tingkat output. Gambar 9.5 menunjukkan posisi LAC terhadap SAC. Kita bisa lihat bahwa LAC seolah-olah mewadahi berbagai SAC. Oleh karena itu, LAC disebut sebagai kurva amplop (envelope curve).



Terkait dengan hal di atas, maka dapat dipahami bila fungsi biaya jangka pendek dan jangka panjang juga berbeda. Biaya jangka pendek digunakan dalam keputusan operasi harian (day-to-day operating decisions), sehingga kurva-kurva biaya jangka panjang lebih merupakan kurva operasional (operating curve). Artinya, perusahaan hanya dapat beroperasi pada kondisi dengan keterbatasan sejumlah input tertentu. Dengan kata lain, ada batasan yang dihadapi perusahaan. Berbeda dengan jangka panjang dimana semua input adalah variabel dan perusahaan bisa lebih leluasa untuk menentukan jumlah masing-masing input yang akan digunakan. Oleh karena itu, biaya jangka panjang diguakan dalam perencanaan jangka panjang perusahaan dan kurva-kurva biaya jangka panjang menunjukkan kurva perencanaan (planning curve). Skala Ekonomis Kurva LAC dan SAC sama-sama berbentuk huruf U, namun kurva LAC berbentuk U yang lebih terbuka. Walupun keduanya sama-sama berbentuk huruf U tetapi penyebabnya berbeda. Bentuk U kurva SAC disebabkan oleh berlakunya hukum hasil balik yang semakin menurun. Tentang hukum ini dapat mengacu kembali pada pembahasan di bab 8. Sedangkan bentuk U kurva LAC disebabkan oleh skala ekonomis (economies of scale). Bentuk U kurva LAC menunjukkan bahwa pada tingkat output yang relatif rendah, biaya per unit output semakin kecil atau terjadi yang disebut dengan skala ekonomis. Sedangkan pada tingkat output lebih besar, biaya per unit output semakin besar atau terjadi skala tidak ekonomis (diseconomies of scale). Skala ekonomis menunjuk pada suatu situasi dimana pertumbuhan output secara proporsional lebih cepat dibanding pertumbuhan input. Hal-hal yang menyebabkan terjadinya skala ekonomis adalah:



1.



2.



3.



Potongan harga (diskon) harga bahan mentah dan faktor produksi lain. Bila output semakin banyak berarti kebutuhan akan bahan baku dan mesin-mesin juga akan meningkat. Kalau produsen membeli dalam jumlah yang lebih banyak maka akan diberikan potongan harga sehingga bisa membeli dengan harga yang lebih murah. Akibatnya biaya produksi per unit output dapat ditekan menjadi lebih kecil. Spesialisasi kerja (division of labor). Pekerja yang mempunyai spesialisasi kerja akan memiliki ketrampilan yang tinggi terhadap pekerjaannya. Hal ini membuat pekerja mempunyai produktivitas per unit yang meningkat yang pada gilirannya akan menurunkan biaya produksi per unit output. Adanya produksi barang sampingan. Residu yang dihasilkan dari kegiatan proses produksi dapat diolah menjadi barang lain. Namun bila residu hanya sedikit akan tidak menguntungkan untuk mengolahnya, tetapi bila residu sangat banyak akan lebih menguntungkan untuk mengolahnya. Hal ini dapat menurunkan biaya per unit dari keseluruhan kegiatan perusahaan.



Yang harus diperhatikan adalah bahwa skala ekonomis tidak sama dengan cakupan ekonomis (economies of scope). Cakupan ekonomis mengacu pada menurunnya biaya ketika perusahaan memproduksi dua atau lebih produk secara bersama dibandingkan dengan memproduksi sendiri-sendiri. Skala tidak ekonomis dapat terjadi karena skala perusahaan yang sudah demikian besarnya, sehingga menjadi sangat kompleks untuk hanya dipimpin oleh seorang manajer saja, maka perlu adanya pendelegasian. Akibatnya keputusan yang dibuat kadang-kadang memerlukan waktu yang lebih lama. Keadaan yang demikian mengurangi efisiensi kegiatan dan meningkatkan biaya rata-rata produksi. Bagian yang menurun dari kurva LAC atau bagian yang menunjukkan tercapainya skala ekonomis disebut juga kurva pembelajaran (learning curve). Kurva ini menunjukkan penurunan biaya input rata-rata dalam produksi dan peningkatan output total secara kumulatif sepanjang waktu. Hal ini bisa dijelaskan bahwa dengan meningkatnya pengalaman produksi dapat menyebabkan AC turun. Secara matematis, kondisi ini dapat dituliskan sebagai AC = aQb dimana AC =



biaya input rata-rata; a = biaya rata-rata unit output pertama; dan b = kecepatan penurunan biaya input rata-rata. Nilai b adalah negatif yang menunjukkan turunnya biaya input rata-rata dengan meningkatnya output. Semakin besar b semakin besar penurunan biaya. Persamaan di atas dapat dituliskan dalam bentuk linier sebagai log C = log a + b log Q.



Kecepatan penurunan kurva pembelajaran berbeda-beda antar perusahaan. Secara umum, penurunan akan lebih cepat dengan semakin rendahnya pergantian karyawan, semakin sedikitnya gangguan produksi, semakin tingginya kemampuan perusahaan mentransfer pengetahuan produksi dari produk lain yang serupa. Oleh karena itu, kurva pembelajaran dapat digunakan untuk meramalkan kebutuhan personil, mesin, bahan mentah, menentukan jadwal produksi, harga jual output, dan mengevaluasi harga dari pemasok. Meminimumkan Biaya Meminimumkan biaya merupakan upaya perusahaan terkait dengan pengambilan keputusan pencapaian laba maksimum yang merupakan tujuan perusahaan. Tujuan memaksimumkan laba mengharuskan perusahaan memaksimumkan tingkat output yang harus diproduksi dan/atau meminimumkan jumlah input yang digunakan untuk menghasilkan tingkat output yang diinginkan. Masalah ini dapat diformulasikan sebagai berikut: Tujuan : memaksimumkan laba, π dimana π = TR – TC TR adalah penerimaan total (total revenue) dan TC adalah biaya total (total cost) Atas dasar persamaan laba di atas, π akan maksimum bila TR sebesar mungkin dan/atau TC seminimal mungkin. Pertanyaannya adalah bagaimana memaksimumkan TR dan/atau meminimumkan TC? Untuk menjawab pertanyaan ini, kita runut melalui formula masing-masing elemen laba, yaitu TR dan TC.



Memaksimumkan TR Seperti telah diketahui bahwa TR merupakan perkalian antara harga produk (P) dan kuantitas yang terjual (Q) yang secara matematis dapat dituliskan sebagai TR = P x Q Karena diasumsikan perusahaan menjual produknya dalam pasar persaingan sempurna, berarti harga jual produk di luar kendali perusahaan. Artinya, perusahaan hanya bisa menjual produknya pada tingkat harga yang terjadi di pasar. Dengan kata lain, P bersifat konstan dan karenanya TR hanya dipengaruhi oleh Q. Jadi untuk memaksimumkan TR, perusahaan harus menghasilkan produk sebanyak-banyaknya (Q sebanyak mungkin) dan menjualnya pada tingkat harga pasar. Semakin banyak Q, semakin tinggi TR yang bisa diperoleh. Yang menjadi masalah adalah dalam jangka pendek perusahaan mempunyai keterbatasan untuk menghasilkan produk sebanyak-banyaknya, seperti keterbatasan modal atau kapasitas produksi. Keterbatasan yang ada tersebut menyebabkan produk yang dihasilkan tidak dapat mencapai tingkat setinggi seperti yang diharapkan. Perusahaan hanya bisa menghasilkan kuantitas maksimum sesuai dengan keterbatasan yang ada. Dalam jangka panjang, perusahaan dapat memperbesar kapasitas produksi sesuai dengan kuantitas output yang akan dihasilkan. Meminimumkan TC Biaya total (total cost, TC), merupakan jumlah seluruh biaya yang digunakan untuk mengadakan input-input yang dibutuhkan dalam produksi. Oleh karena dalam jangka pendek terdapat dua macam input, yaitu input tetap dan input variabel, berarti ada dua macam biaya untuk mendapatkan masing-masing jenis input. Biaya untuk mendapatkan input tetap disebut biaya tetap (fixed cost, FC) dan biaya untuk mendapatkan biaya variabel disebut biaya variabel (variable cost, VC). Dengan demikian besarnya biaya total TC dapat dituliskan TC = biaya tetap + biaya variabel = FC + VC. Besarnya FC adalah konstan, karena FC merupakan pengeluaran yang besarnya tidak tergantung pada jumlah output yang diproduksi. Bahkan biaya ini tetap harus dikeluarkan walaupun perusahaan tidak berproduksi. Perusahaan harus tetap mengeluarkan biaya untuk sewa gedung, abonemen telpon dan listrik. Dengan kata lain, besarnya FC tidak dapat dirubah dalam jangka pendek. Oleh



karena itu, upaya untuk meminimumkan TC dalam jangka pendek hanya dapat dilakukan dengan cara meminimumkan VC. Dalam jangka panjang, semua biaya adalah VC. Besarnya biaya variabel VC ditentukan oleh banyaknya input variabel X yang digunakan dan harga input per unit P atau bisa dituliskan sebagai VC = ∑ (Pi x Xi) 𝑛 𝑖=1 = (P1 x X1) + (P2 x X2) + . . . + (Pn x Xn) Dalam formula VC tersebut dapat dilihat bahwa yang bisa dikendalikan oleh perusahaan hanyalah X karena harga input P berada di luar kendali perusahaan. Perusahaan membeli input dari perusahaan lain dengan harga yang sudah tertentu. Dengan kata lain, untuk meminimumkan VC perusahaan harus menggunakan input variabel sesedikit mungkin dalam memproduksi tingkat output yang diinginkan. Berapa TC yang minimum untuk menghasilkan tingkat output tertentu dapat dilakukan dengan pendekatan analisis biaya-volume-laba (cost-volume-profit analysis) atau analisis titik impas (breakeven analysis). Analisis ini menguji hubungan antara penerimaan total TR, biaya total TC, dan laba total π pada berbagai tingkat output. Analisis akan menghasilkan tingkat output dan tingkat laba/kerugian yang dihasilkan. Secara lebih khusus, analisis ini mengidentifikasi tingkat output yang dapat menghasilkan laba sebesar nol. Dengan kata lain, pada tingkat output tersebut tercapai TR = TC, sehingga π yang besarnya TR-TC akan sama dengan nol. Secara aljabar, hal ini dapat dijelaskan sebagai berikut: TR = TC P x Q = FC + (AVC x Q) P x Q - (AVC x Q) = FC Q(P- AVC) = FC 𝑄 = 𝐹𝐶 (𝑃 − 𝐴𝑉𝐶) Hasil di atas menunjukkan tingkat output sebesar Q yang besarnya ditentukan oleh FC, P, dan AVC akan menghasilkan laba sebesar nol (impas). Secara grafis, kondisi ini ditunjukkan pada Gambar 10.7 dimana titik impas (breakeven point, BEP) tercapai pada titik E, yaitu pada perpotongan kurva TR dan kurva TC. Tingkat output yang menghasilkan titik impas adalah sebesar Q*.



Dari gambar tersebut kita juga bisa lihat bahwa tingkat output yang lebih kecil dari Q* akan menghasilkan kerugian (TRTC). Hal ini mengindikasikan bahwa tingkat output Q* merupakan tingkat output minimum yang harus dihasilkan untuk mendapatkan laba. Dengan kata lain, perusahaan harus memproduksi tingkat output yang lebih besar dari Q* untuk mendapatkan laba. Analisis BEP dengan demikian dapat digunakan untuk menentukan target output Q yang menghasilkan laba yang dapat dicapai. Memaksimumkan laba Laba akan maksimum bila selisih TR dan TC terbesar pada suatu tingkat output. Secara grafis, hal ini tercapai pada titik dimana jarak kurva TR dan TC adalah terjauh.