Bab 6 Perhitungan Biaya dan Estimasi
Summarized by Taufiq Kurniawan & Retno Endah Windiani
(Graduate Program of Management and Bussiness, Bogor Agriculture University, Bogor, Indonesia)
Based on Ujang Sumarwan, et al (2010). Pemasaran Strategik : Perspektif Value-Based Marketing & Pengukuran Kinerja
Perhitungan Biaya dimulai dengan membuat struktur biaya yang tergantung dari klasifikasi biaya yang digunakan. Tergantung pula pada konsep biaya yang digunakan. Diantar konsep biaya tersebut adalah :
1. Konsep biaya opportunitas
2. Konsep biaya implisit dan eksplisit
3. Konsep biaya inkremental dan sunk cost
4. Konsep biaya jangka pendek dan jangka panjang
Tujuan penetapan struktur biaya :
1. Melaksanakan aktivitas produksi pada tingkat biaya minimum
2. Menetapkan harga produk yang kompetitif di pasaran
3. Memperluas pangsa pasar melalui keunggulan kompetitif
4. Memperoleh penerimaan total dan keuntungan total yang terus meningkat
5. Meningkatkan kesejahteraan bagi stakeholder
Pada konsep biaya jangka pendek dan jangka panjang ada konsep biaya tetap dan variabel. Di industri manufaktur ada pengelompokkan biaya produksi, penjualan dan biaya lain yang bisa dipisahkan atau di break down menjadi biaya tetap dan variabel.
Tujuan pendirian bisnis atau usaha adalah untuk mengumpulkan customer sehingga dapat menjual barang yang ujungnya adalah mendatangkan keuntungan. Dalam bisnis tersebut ada divisi marketing yang berusaha untuk mensegmentasi pasar sehingga dapat diketahui apa yang menjadi kebutuhan dari customer. Tujuan pencapaian keuntungan harus dibarengi dengan kepedulian akan apa yang menjadi kebutuhan customer. Sehingga terjadi keseimbangan akan pemenuhan kebutuhan kedua belah pihak.
Dasar pengukuran kinerja marketer adalah mengukur profit customer dan menghitung input kerja yang mendorong aktivitas hubungan customer. Banyak jenis pengukuran yang dapat digunakan untuk menilai kinerja ini yaitu balance scorecard, activity based costing dan time driven activity based costing (TDABC).
Tujuan TDABC :
1. Biaya per jam dari setiap departemen yang bekerja terhadap customer
2. Produk atau aktivitas yang berhubungan dengan jasa sertawaktu khusus yang dibebankan bagi suatu aktivitas.
Rumus : TC = ChxTh
Dimana :
TC : Biaya Total
C : Biaya per jam kerja
Th : Unit waktu yang digunakan
Hubungan biaya pada suatu aktivitas dengan pengambilan keputusan adalah tercapainya efisiensi dari suatu aktivitas tanpa mengorbankan layanan kepada para customer perusahaan. Marketer bertanggung jawab untuk memahami dan melayani customer sebaik-baiknya sehingga profitabilitas dari suatu aktivitas bisa tercapai. Strategi penentuan harga jual dirancang untuk dapat menempatkan produk pada harga yang bersaing dan differensiasi produk akan memudahkan customer untuk melihat keunggulan produk kita di banding yang lain.
TDABC membantu perusahaan menghitung profitabilitas customer. Karena profitabilitas customer penting untuk mengetahui semua biaya , baik biaya tetap maupun biaya variabel, biaya langsung dan biaya tidak langsung, terlebih lagi bila hal tersebut menyangkut customer pertama.
Ramalan Data Pemasaran
Ramalan data pemasaran iyang didasarkan pada hubungan kausal akan membantu manajer mengukur pemasaran dengan mempelajari hubungan perilaku antara variabel bebas (predictox) dan variabel terikat yang bertindak sebagai respons. Hubungan antara produk yang terjual dengan pengeluaran di bidang pemasaran sangat penting untuk dianalisis guna menentukan derajat hubungan /asosiasi antara produk yang dijual dengan anggaran pemasran tertentu. Pemasar juga harus bisa mengetahui perubahan kecenderungan di pasaran sehingga bisa mengantisipasi yang perubahan minat dan situasi persaingan produk sejenis.
Tehnik yang digunakan dalam prediksi kausal adalah regresi linier. Analisis regresi menunjukkan hubungan fungsional antara data (variabel bebas atau predictor) dengan data lain (variabel terikat atau respons). Secara sederhana regresi linier dipakai untuk menentukan apakah ada hubungan positif/negatif ataupn netral dari dua jenis data variabel yang dipelajari.
Persamaannya : Y = a+bX
Dimana :
Y = variabel terikat/response
Y^ = prediksi nilai Y pada X tertentu
a = intercept (perkiraan nilai Y jika X = 0)
b = slope atau kemiringan garis regresi
X = Variabel bebas (predictor)
n = jumlah pengamatan
dari rumus diatas bisa dijelaskan :
1. a merupakan nilai prediksi Y^ jika X sama dengan nol tapijika x berupa satu satuan maka yang dipakai adalah b. Jika x adalah biaya promosi dan Y merupakan hasil penjualan maka nilai b akan besar. Yang berarti program promosi yang dijalankan dapat ditingkatkan atau di pertahankan karena berpengaruh pada kinerja pemasaran
2. jika nilai a besai berarti tanpa melakukan promosi yang besar, perusahaan telah mendapatkan kinerja yang besar berarti pengukurannya bisa dikaji ulang agar lebih layak menjadi alat analisa.
Marketer harus secara rutin memprediksi apa yang terjadi di masa depan. Semua pihak dalam perusahaan harus dilibatkan dalam perencanaan marketing. Termasuk pada proyeksi penjualan. Performa sales dapat dijadikan dasar dalam melakukan antisipasi trend bisnis masa depan.
Analisa time series adalah metode statistik yang menggunakan data kuantitatif masa lalu untuk memprediksi performa bisnis di masa depan. Dari persamaan regresi linier Y = a + bX dapat digunakan metode sebagai berikut :
1. Metode kuadrat terkecil (least square)
Prediksi data dengan menggunakan metode ini akan dapat menjelaskan kondisi permintaan di masa depan dengan kondisi data sebelumnya. Hal ini penting dilakukan karena prediksi yang konsisten akan membantu pemasar menentukan langkah-langkah di masa depan.
2. Metode setengah rata-rata (semi average)
Metode ini hampir sama dengan least square , perbedaannya adalah pada prinsip nilai total unit waktunya jika metode least square mengharuskan jumlah unit waktunya sama dengan nol, maka di metode semi average justru jumlah total waktunya tidak sama dengan nol.
3. Metode rata-rata bergerak (moving average)
Metode ini ada 2 jenis yaitu :moving average tidak tertimbang dan weighted moving average.
a. Dalam moving average tidak tertimbang ahli prediksi akan meilih jumlah periode yang dapat mewakili data. Kelemahan dari metode ini adalah tidak adanya nilai trend pada data pertama dan akhir serta tidak dapat digunakan untuk memprediksi data di luar nilai data historisnya karena tidak ada adanya persamaan trend.
b. Weighted moving average menjelaskan timbangan (weighs) dalam periode pergerakan yang dipelajari. Jadi data yang untuk tahun ketiga akan menggunakan data 1 dan 2.
