Apa itu analisis inkremental?

Analisis tambahan, juga disebut pendekatan biaya, analisis marjinal dan analisis diferensial, adalah proses pengambilan keputusan komparatif. Perusahaan sering menggunakan analisis inkremental untuk membandingkan beberapa pilihan ketika menentukan tindakan yang paling hemat biaya antara dua atau lebih pilihan.

Analisis tambahan adalah perbandingan biaya yang sebenarnya. Ini tidak memperhitungkan biaya hangus atau biaya sebelumnya yang terkait dengan produk, karyawan, atau proyek. Biaya relevan yang tercakup dalam analisis tambahan mungkin termasuk:

• Biaya variabel: Biaya ini dapat berubah dari satu opsi ke opsi lain.
• Biaya non-variabel: Biaya ini tetap sama untuk semua opsi.
• Biaya peluang: Biaya ini berhubungan dengan peningkatan atau penurunan peluang menghasilkan uang lainnya.
• Biaya lain yang relevan dengan semua opsi: Biaya ini adalah pengeluaran lain yang mungkin tidak diperhitungkan dalam kategori lain.

Kapan menggunakan jenis analisis inkremental

Perusahaan dapat menggunakan analisis tambahan untuk membandingkan biaya dalam berbagai situasi. Beberapa jenis analisis inkremental yang paling umum adalah:

• Memutuskan antara mempekerjakan personel internal atau outsourcing pekerjaan
• Memutuskan antara membuat produk in-house atau outsourcing produksi
• Memutuskan apakah akan menerima atau menolak proyek khusus
• Memutuskan apakah akan menjual aset sekarang atau nanti
• Memutuskan apakah akan memperbaiki atau mengganti aset
• Memutuskan di mana mengalokasikan dana di antara beberapa opsi

Bagaimana menghitung analisis inkremental

Menghitung analisis inkremental hanya membutuhkan penambahan dan pengurangan sederhana. Namun, variabel dan angka yang disertakan dalam perhitungan akan berubah tergantung pada apa yang Anda bandingkan. Beberapa perhitungan lebih rumit daripada yang lain. Ikuti langkah-langkah ini untuk membantu mengetahui informasi apa yang Anda perlukan untuk menyelesaikan analisis inkremental dan bagaimana melakukannya:

• Tentukan biaya yang relevan.
• Identifikasi biaya peluang apa pun.
• Tambahkan biaya bersama-sama.
• Bandingkan pilihannya.
• Membuat sebuah keputusan.

Tentukan biaya yang relevan

Mulailah dengan menentukan apa pilihan Anda. Setelah Anda memiliki daftar opsi, tentukan biaya yang relevan baik variabel maupun non-variabel. Ingat, Anda tidak boleh memasukkan pengeluaran sebelumnya dalam perhitungan, jadi pertimbangkan hanya biaya yang terkait langsung dengan keputusan yang ada.

Contoh: Happy End Furnishings ingin menghitung analisis inkremental untuk memutuskan apakah mereka harus memproduksi lini baru meja makan produksi in-house atau outsource. Mereka ingin menjual meja baru seharga $500 masing-masing. Biaya produksi in-house termasuk bahan ($200) dan tenaga kerja ($100). Biaya outsourcing termasuk bahan ($150), tenaga kerja ($75) dan pengiriman ($100).

Identifikasi biaya peluang apa pun

Pertimbangkan biaya peluang yang mungkin berlaku untuk opsi. Biaya peluang adalah kemungkinan keuntungan yang akan hilang dari bisnis karena sejumlah alasan.

Contoh: Happy End Furnishings tahu bahwa jika mereka membuat meja sendiri, mereka akan kehilangan kesempatan untuk meningkatkan produksi meja kopi mereka. Mereka memperkirakan biaya peluang ini menjadi $75 per meja makan.

Tambahkan biaya bersama-sama

Ambil biaya yang relevan dan tambahkan bersama-sama. Tambah atau kurangi biaya peluang, tergantung bagaimana pengaruhnya terhadap perhitungan. Lakukan ini untuk semua opsi satu per satu.

Contoh: Happy End Furnishings pertama-tama menghitung biaya untuk memproduksi meja makan di rumah dengan menambahkan biaya relevan yang ditetapkan pada langkah 1 ($300). Kemudian, mereka menambahkan biaya peluang untuk memproduksi tabel itu sendiri ($375). Mereka menghitung biaya produksi outsourcing dengan menambahkan biaya yang relevan ($325) dan mengurangi biaya peluang sebesar $75 karena mereka akan dapat menggunakan ruang produksi mereka untuk membuat produk lain. Total biaya produksi outsourcing adalah $250.

Bandingkan pilihannya

Bandingkan temuan satu sama lain atau dengan angka tertentu seperti harga produk untuk dijual atau biaya perekrutan karyawan baru untuk melihat mana yang menawarkan hasil keuangan yang lebih baik.

Contoh: Happy End Furnishings melihat bahwa akan dibutuhkan $325 untuk membuat meja makan di rumah dan $250 untuk melakukan outsourcing produksi. Dengan meja yang dijual kepada pelanggan seharga $500 masing-masing, Happy End Furnishings akan mendapat untung $175 per meja membuat meja mereka sendiri dan $250 per meja jika mereka mengalihdayakan produksi.

Buat keputusan

Gunakan informasi yang diperoleh dari analisis inkremental untuk membuat keputusan.

Contoh: Happy End Furnishings memutuskan untuk mengalihdayakan produksi meja makan mereka karena dua alasan. Pertama, margin keuntungan lebih tinggi dengan produksi outsourcing. Mereka akan membuat tambahan $75 per meja dan menggunakan fasilitas mereka untuk membuat produk lain.

Contoh analisis inkremental

Perusahaan dapat menerapkan analisis tambahan untuk beberapa keputusan bisnis. Gunakan contoh berikut untuk membantu memahami cara menghitung analisis inkremental dalam beberapa skenario:

Personil internal atau outsourcing

Greensworth Holdings ingin menggunakan analisis tambahan untuk melihat apakah lebih hemat biaya untuk mempertahankan departemen SDM internal atau menggunakan perusahaan sumber daya manusia yang terpisah untuk mengelola tanggung jawab SDM. Mereka menentukan biaya relevan berikut untuk mempertahankan departemen internal per bulan:

Gaji: $3,000

Perlengkapan: $150

Sumber daya: $300

Mereka mendapatkan penawaran dari perusahaan SDM dan mengetahui bahwa biayanya $2.500 sebulan untuk memenuhi kebutuhan SDM mereka. Mereka memutuskan untuk melakukan outsourcing tanggung jawab SDM ke perusahaan SDM.

Memperbaiki atau mengganti aset

Simple Brothers Towing memiliki truk derek yang rusak. Mereka memutuskan untuk menggunakan analisis tambahan untuk memutuskan apakah akan memperbaiki truk derek yang lama atau membeli yang baru. Mereka menetapkan biaya relevan berikut untuk memperbaiki truk derek tua:

Bagian: $3.000

Tenaga Kerja: $300

Biaya peluang (kehilangan bisnis saat truk berada di bengkel): $1.000

Biaya truk derek baru adalah $40.000. Namun, Arnold Brothers Towing dapat segera membeli truk baru dan tidak akan mengeluarkan biaya perbaikan untuk waktu yang lama, yang mereka hitung dengan tambahan biaya peluang sebesar $5.000.

Biaya untuk memperbaiki truk lama adalah $4.300. Biaya untuk membeli truk baru (dengan memperhitungkan kehilangan kesempatan) adalah $44,000. Arnold Brothers Towing memutuskan untuk memperbaiki truk reparasi lama.

Apa itu regresi linier?

Regresi linier adalah metode untuk menemukan hubungan linier antar variabel. Ini biasanya digunakan ketika mencoba menentukan nilai variabel berdasarkan nilai variabel lain. Variabel yang diketahui disebut variabel bebas atau penjelas, sedangkan variabel yang ingin diprediksi disebut variabel terikat atau respon.

Ada dua jenis utama regresi linier:

• Regresi linier sederhana: menggunakan satu variabel independen untuk mencoba memprediksi hasil dari variabel dependen
• Regresi linier berganda: menggunakan dua atau lebih variabel independen untuk mencoba memprediksi hasil dari variabel dependen

Saat melakukan regresi linier sederhana, Anda membuat asumsi tertentu tentang data yang tersedia. Mereka:

• Homogenitas varians: ukuran kesalahan yang diprediksi tidak berbeda secara signifikan di semua nilai variabel independen
• Independensi pengamatan: semua pengamatan dalam kumpulan data dikumpulkan melalui metode pengambilan sampel yang valid secara statistik, tanpa hubungan tersembunyi di antara keduanya
• Normalitas: ada distribusi data yang normal
• Hubungan linier antar variabel: regresi linier mengasumsikan ada hubungan linier antara variabel bebas dan variabel terikat, artinya garis yang melalui titik-titik data adalah lurus

Aplikasi untuk regresi linier

Regresi linier digunakan di berbagai bidang dan memiliki banyak kegunaan praktis. Ini terutama digunakan dalam dua cara:

• Jika tujuan penggunaannya adalah memprediksi evolusi variabel atau mengurangi margin kesalahan, biasanya digunakan untuk membandingkan model prediktif dengan kumpulan data yang diamati yang berisi nilai respons dan variabel penjelas. Jika, setelah membuat model, nilai variabel penjelas tambahan ditentukan tanpa nilai respons yang sesuai, model prediktif biasanya digunakan untuk membuat prediksi.
• Jika tujuan penggunaan regresi linier adalah untuk menunjukkan variasi dalam variabel respons yang mungkin disebabkan oleh variasi dalam variabel penjelas, maka dapat dianalisis untuk menentukan kekuatan hubungan antara variabel penjelas dan variabel respons. Ini sering digunakan sedemikian rupa untuk menentukan apakah beberapa variabel penjelas dan respons tidak memiliki hubungan linier satu sama lain.

Bidang yang paling banyak menggunakan regresi linier adalah:

• Statistik: berasal dari statistik dan digunakan dalam pemodelan statistik untuk menunjukkan hubungan antara variabel dependen dan independen dari berbagai kumpulan data
• Pembelajaran mesin: bidang yang relatif baru ini juga menggunakan regresi linier, terutama untuk pemodelan prediktif, dengan tujuan akhir membatasi margin kesalahan model sebanyak mungkin
• Keuangan: profesional keuangan menganalisis hubungan linier antara harga komoditas dan harga saham dalam bisnis yang menangani komoditas masing-masing
• Penjualan: profesional penjualan menganalisis hubungan antara variabel yang berbeda dalam upaya untuk memprediksi penjualan di masa depan

Persamaan regresi linier

Persamaan untuk regresi linier sederhana adalah:

Y = a + bX + u

Persamaan untuk regresi linier berganda adalah:

Y = a + b1 x 1 + b2 x 2 + b3 x 3 + … + b + u

Di mana:

Y = variabel dependen (atau respons)

X = variabel independen (atau penjelas)

b = kemiringan (atau kecuraman garis grafik)

a = mencegat (atau di mana garis memotong sumbu)

u = residual regresi (atau jarak vertikal antara titik data dan garis regresi)

Apa teknik regresi kuadrat terkecil?

Teknik regresi kuadrat terkecil adalah jenis analisis regresi yang bertujuan untuk menentukan garis yang paling cocok untuk suatu kumpulan data, yang mengacu pada garis yang melewati sebaran titik-titik data yang paling baik menunjukkan hubungan antara titik-titik tersebut. Ini biasanya digunakan dalam analisis regresi linier untuk menentukan persamaan geometrik untuk masing-masing garis. Analisis regresi sederhana menghasilkan garis lurus, sedangkan regresi dengan banyak variabel dapat menghasilkan garis lengkung.

Pencilan dalam regresi linier

Pencilan statistik adalah titik data yang berbeda secara signifikan dari pengamatan lainnya. Mereka mungkin disebabkan oleh variabilitas abnormal dalam kumpulan data, tetapi juga dapat menunjukkan bahwa kesalahan terjadi di suatu tempat dalam perhitungan. Mereka dapat secara signifikan mempengaruhi hasil, jadi menentukan asal mereka dengan benar sangat penting untuk akurasi regresi.

Dua cara utama untuk mendeteksi outlier ketika mengembangkan model regresi linier adalah:

• Jarak Mahalanobis: Ini terdiri dari pengukuran jarak antara titik yang dipilih (P) dan distribusi (D). Hal ini bertujuan untuk mengukur jarak antara P dan mean D, dihitung dalam jumlah standar deviasi.
• Leverage: Sering digunakan dalam analisis regresi, leverage adalah cara untuk mengukur jarak antara nilai variabel independen suatu observasi dan observasi lainnya.

Contoh regresi linier

Perhatikan contoh regresi linier sederhana ini:

Anda dapat menggunakan regresi linier untuk menentukan hubungan antara usia mobil tertentu dan proyeksi harga jualnya. Sebagai aturan umum, harga mobil secara bertahap menurun seiring bertambahnya usia, yang berarti ada hubungan negatif antara harga mobil (Y) dan usianya (X). Dengan menganalisis hubungan antara usia mobil dan harganya di tahun-tahun sebelumnya, kita dapat membuat model dan memprediksi bagaimana harga akan berubah di tahun-tahun mendatang.