Contoh Kasus Akuntansi Manajemen

Contoh Kasus Data Ganjil :

Tabel : Volume Penjualan Barang “X” (dalam 000 unit) Tahun 1995 sampai dengan 2003

Tahun	Penjualan (Y)	X	XY	X2
1995	200	- 4	- 800	16
1996	245	- 3	- 735	9
1997	240	- 2	- 480	4
1998	275	- 1	- 275	1
1999	285	0	0	0
2000	300	1	300	1
2001	290	2	580	4
2002	315	3	945	9
2003	310	4	1.240	16
Jumlah	2.460		775	60

Untuk mencari nilai a dan b adalah sebagai berikut :
a= 2.460 / 9 = 273,33 dan b = 775 / 60 = 12,92
Persamaan garis liniernya adalah : Y = 273,33 + 12,92 X.

Dengan menggunakan persamaan tersebut, dapat diramalkan penjualan pada tahun 2010 adalah : Y = 273,33 + 12,92 (untuk tahun 2010 nilai X adalah 11), sehingga : Y = 273,33 + 142,12 = 415,45 artinya penjualan barang “X” pada tahun 2010 diperkirakan sebesar 415.450 unit

Contoh Kasus Data Genap :

Tabel : Volume Penjualan Barang “X” (dalam 000 unit) Tahun 1995 sampai dengan 2002

Tahun	Penjualan (Y)	X	XY	X2
1995	200	- 7	- 1.400	49
1996	245	- 5	- 1.225	25
1997	240	- 3	- 720	9
1998	275	- 1	- 275	1
1999	285	1	285	1
2000	300	3	900	9
2001	290	5	1.450	25
2002	315	7	2.205	49
Jumlah	2.150		1.220	168

Untuk mencari nilai a dan b adalah sebagai berikut :
a = 2.150 / 8 = 268,75 dan b = 1.220 / 168 = 7,26
Persamaan garis liniernya adalah : Y = 268,75 + 7,26 X. Berdasarkan persamaan tersebut untuk meramalkan penjualan pada tahun 2008 adalah : Y = 268,75 + 7,26 (untuk tahun 2008 nilai X adalah 19), sehingga : Y = 268,75 + 137,94 = 406,69 artinya penjualan barang “X” pada tahun 2008 diperkirakan sebesar 406,69 atau 406.690 unit.
elain dengan menggunakan metode tersebut di atas, juga dapat dipakai dengan metode sebagai berikut :

Tabel : Volume Penjualan Barang “X” (dalam 000 unit) Tahun 1995 sampai dengan 2002

Tahun	Penjualan (Y)	X	XY	X2
1995	200	- 3 1/2	- 700	12,25
1996	245	- 2 ½	- 612,5	6,25
1997	240	- 1 ½	- 360	2,25
1998	275	- ½	- 137,5	0,25
1999	285	½	142,5	0,25
2000	300	1 ½	450	2,25
2001	290	2 ½	725	6,25
2002	315	3 ½	1102,5	12,25
Jumlah	2.150		610,0	42,00

Untuk mencari nilai a dan b adalah sebagai berikut :
a = 2.150 / 8 = 268,75 dan b = 610 / 42 = 14,52
Persamaan garis liniernya adalah : Y = 268,75 + 14,52 X. Berdasarkan persamaan tersebut untuk meramalkan penjualan pada tahun 2008 adalah : Y= 268,75 + 14,52 (untuk tahun 2008 nilai X adalah 9½), sehingga : Y = 268,75 + 137,94 = 406,69 artinya penjualan barang “X” pada tahun 2008 diperkirakan sebesar 406.690 unit.

Analisis Regresi Sederhana

Contoh :
Berdasarkan hasil pengambilan sampel secara acak tentang pengaruh lamanya belajar (X) terhadap nilai ujian (Y) adalah sebagai berikut :

(nilai ujian)	X (lama belajar)	X 2	XY
40	4	16	160
60	6	36	360
50	7	49	350
70	10	100	700
90	13	169	1.170
ΣY = 310	ΣX = 40	ΣX2 = 370	ΣXY = 2.740

Dengan menggunakan rumus di atas, nilai a dan b akan diperoleh sebagai berikut :
a = [(ΣY . ΣX2) – (ΣX . ΣXY)] / [(N . ΣX2) – (ΣX)2]
a = [(310 . 370) – (40 . 2.740)] / [(5 . 370) – 402] = 20,4

b = [N(ΣXY) – (ΣX . ΣY)] / [(N . ΣX2) – (ΣX)2]
b = [(5 . 2.740) – (40 . 310] / [(5 . 370) – 402] = 5,4

Sehingga persamaan regresi sederhana adalah Y = 20,4 + 5,2 X
Berdasarkan hasil penghitungan dan persamaan regresi sederhana tersebut di atas, maka dapat diketahui bahwa : 1) Lamanya belajar mempunyai pengaruh positif (koefisien regresi (b) = 5,2) terhadap nilai ujian, artinya jika semakin lama dalam belajar maka akan semakin baik atau tinggi nilai ujiannya; 2) Nilai konstanta adalah sebesar 20,4, artinya jika tidak belajar atau lama belajar sama dengan nol, maka nilai ujian adalah sebesar 20,4 dengan asumsi variabel-variabel lain yang dapat mempengaruhi dianggap tetap.

Analisis Korelasi

Contoh :
Sampel yang diambil secara acak dari 5 mahasiswa, didapat data nilai Statistik dan Matematika sebagai berikut :

Sampel	X (statistik)	Y (matematika)	XY	X2	Y2
1	2	3	6	4	9
2	5	4	20	25	16
3	3	4	12	9	16
4	7	8	56	49	64
5	8	9	72	64	81
Jumlah	25	28	166	151	186

r = [(N . ΣXY) – (ΣX . ΣY)] / √{[(N . ΣX2) – (ΣX)2] . [(N . ΣY2) – (ΣY)2]}
r = [(5 . 166) – (25 . 28) / √{[(5 . 151) – (25)2] . [(5 . 186) – (28)2]} = 0,94

Nilai koefisien korelasi sebesar 0,94 atau 94 % menggambarkan bahwa antara nilai statistik dan matematika mempunyai hubungan positif dan hubungannya erat, yaitu jika mahasiswa mempunyai nilai statistiknya baik maka nilai matematikanya juga akan baik dan sebaliknya jika nilai statistik jelek maka nilai matematikanya juga jelek.