METODE TINGGI RENDAH.Dari geometri dasar diketahui bahwa dibutuhkan dua titik untuk membuat suatu garis. Dengan dua titik, perpotongan (biaya tetap) dan kemiringan (biaya variabel) dapat ditentukan. Metode tinggi randah (high-low method) adalah suatu metode untuk persamaan suatu garis lurus dengan terlebiha dahulu memilih dua titik ( titik tinggi dan rendah) yang akan digunakan untuk menghitung parameter perpotongan dan kemiringan. Titik tinggi didefinisikan sepagai titik dengan tingkat keluaran atau aktivitas tertinggi. Titik rendah didefinisikan sebagai titik dengan tingkat keluaran dan atau aktivitas terendah. Persamaan berikut merupakan persamaan untuk menentukan biaya variabel perunit dan biaya tetap.1. Biaya Variabel Perunit : Perubahan Biaya : Perubahan Keluaran2. Biaya Variabel Perunit : (Biaya Tinggi Biaya Rendah) : (Keluaran Tinggi Keluaran Rendah)3. Biaya Tetap : Jumlah Biaya Titik Tinggi (Biaya Variabel Perunit x Keluaran Tinggi)4. Biaya Tetap : Juamlah Biaya Titik Tinggi ( Biaya Variabel Perunit x Keluaran Tinggi)Metode tinggi rendah memiliki keunggulan Objektivitas. Selain itu metode tinggi rendah juga memungkinkan manajer mendapatakan ketetapan yang cepat mengenai hubungan biaya dengan hanya menggunakan dua titik. Tetapi meode tinggi rendah juga memiliki kekurang yaitu metode tinggi rendah biasanya tidak seakurat motode metode lain. Itu dikarenakan 1) titik tinggi dan rendah bisa jadi adalah merrupakan outlier ( berada diluar jalur). Outlier menunjukan hubungan biaya aktivitas yang tidak umum terjadi dengan demikin rumus biaya dihitung dengan menggunakan dua titik ini tidak mencermikan apa yang biasanya terjadi.METODE SCATTERPLOT.Metode Scartterplot adalah metode penentuan persamaan suatu garis dengan menggambarkan data dalam suatu grafik. Langkah pertama dalam menerapkan metode scatterplot adalah menggambarkan titik titik data sehingga hubungan antara biaya penyetelan dan tingkat aktivitas dapat terilhat.

Plot ini digambarkan dengan grafik seperti gambar dibawah ini :

WAKTU PENYETELANBIAYAPENYETELAN

Sumbu vertikal adalah jumlah biaya penyetelan, sedangkan sumbu horizontal adalah jumlah waktu penyetelan.Salah satu tujuan dari grafik scatter adalah melihat asumsi hubungan liniear wajar atau tidak. Selai itu, beberapa titik yang tampaknya tidak cocok dengan pola umum prilaku biaya mungkin juga akan terungkap dengan melihat grafik scatter.Grafik scatter dapat membantu memberikan pengetahuan tentang hubungan biaya dan penggunaan aktifitas. Selain itu grafi scatter dan dan alat bantu statistik lainnya adalah alat yang dapat membantu para manajer untuk memperbaiki penilaian subjektif mereka.Keunggulan signifikan dari metode scatter plot adalah memungkinkan kita melihat data secara visual. Sedangkan kelemahan metode scatterplot adalah tidak ada kritreria objektif untuk memilih garis terbaik. Kualitas rumus biaya bergantung pada kualitas penilaian subjektif dari analisis. Metode scatterplot dan metode tinggi rendah menghasilkan persamaan dengan perbedaan yang besar dalam komponen biaya tetap dan biaya variabel.METODE KUADRAT TERKECIL.Hingga saat ini, kita telah menyinggung konsep tentang suatu garis yang paling sesuai dengan titik titik yang ditunjukan dalam grafik scatter. Garis yang paling sesuai adalah garis yang dimana titik titik data berada paling dekat dengannya. Metode kuadrat terkecil (method of least square) mengkuadratkan setiap deviasi, dan menjumlahakan deviasi yang dikuadratkan tersebut sebagai ukuran kedekatan keseluruhan. Penguadratan deviasi ini menghindari masalah yang disebabkan oleh bauran angka positif dan negatif. Karena ukuran kedekatan adalah jumlah deviasi kuadrat titik titik dari garis, semakin kecil ukurannya, kesesuaian garis ke semua titik semakin baik.Pada dasarnya, perbandingan ukuran kedekatan perbandingan ukuran kedekatan dapat menghasilkan suatu pemeringkatan semua garis dari yang terbaik sampai yang terburuk. Garis yang lebih mendekati titik dibanding dengan garis lainnya disebut dengan garis kesesuaian terbaik (best fitting line), yaitu garis dengan jumlah kuadrat deviasi terkecil. Metode kuadrat terkecil menidentifikasi garis yang paling sesuai.PENGGUNAAN PROGRAM REGRESIPerhitngan menggunakan rumus regresi secara manua akan mulai sulit dilakukan bahkan dengan lima data saja, namun sekarang perhitungan rumus regresi sudah mulai mudah dilakuakn menggunakan program pada komputer yaitu menggunakan program Microsoft Excel dan paket spreadsheet seperti Lotus. Program program ini menyediakan informasi yang dapat digunakan untuk melihat seberapa besarkah persamaan biaya dapat dipercaya-suatu fungsi yang tidak terdapat pada metode scatterplot dan metode tinggi rendah. Untuk melakukan perhitungan regresi dengan menggunakan program program ini hal yang paling penting dilakukan adalah memaukan data. Jadi program tersebut tidak akan bisa melakukan perhitungan apabila tidak adanya sebuah data atau kumpulan data.KEANDALAN RUMUS BIAYA.Keluaran yang dihasilkan oleh program program komputer seperti diatas dapat menginformasikan koefisien biaya tetap dan biaya variabel, tetapi kegunaan utamanya terletak pada kemampuannya menginformasikan seberapa jauh rumus biaya yang diperkirakan dapat diandalkan. Fitur ini tidak disediakan baik dalam metode scatterplot maupun metode tinggi rendah. Meskipun keluaran menyediakan informasi berguna lainnya untuk menilai keandalan statistik, kita hanya akann melihat goodness of fit. Ukura ini penting karena metode kuadrat terkecil mengidentifikasi garis yang paling sesuai tetapi tidak mengungkapkan seberapa baik kesesuaian tersebut. Garis yang paling sesuai mungkin bukan merupakan garis yang terbaik karena garis yang paling sesuai mungkin tidak dapat memprediksi biaya dengan baik.R KUADRAT KOEFESIEN DETERMINASI.Asumsi awal adalah suatu pemicu aktivitas menjelaskan perubahan (variabilitas) biaya aktivitas. Secara statistik, kita dapat menentukan seberapa besar variabilitas dijelaskan dengan melihat koefisien determinasi atau R kuadrat. Koefisien determinasi atau R Kuadarat adalah persentase variabilitas variabel terikat yang dijelaskan oleh suatu variabel bebas.persentase ini merupakan ukuran goodness of fit. Semakin tinggi persentase variabilitas biaya yang dijelaskan, semakin baik garisnya. Tidak ada batasan yang jelas untuk koefesien determinasi yang baik dan buruk, yang pasti semakin dekat R kuadrat dengan -1 maka semakin baik garisnya. Bergantung dari toleransi kita terhadap kesalahan, kita mungkin ingin memperbaiki persamaan kita dengan menggunakan variabel variabel bebas lainnya atau regresi berganda.