IV. ANALISA FAKTOR KELAYAKAN FINANSIAL

Transkripsi

1 32 IV. ANALISA FAKTOR KELAYAKAN FINANSIAL 4.1. Identifikasi Indikator Kelayakan Finansial Pada umumnya ada enam indikator yang biasa dipertimbangkan untuk dipakai dalam penilaian kelayakan finansial dari suatu investasi yaitu Payback Period (PP), Net Present Value (NPV), Internal Rate of Return (IRR), Benefit Cost/Ratio (B C/R) dan Profitability Indek (PI) serta Break Event Point (BEP). Metode Payback Period (PP) adalah suatu periode yang diperlukan untuk menutup kembali pengeluaran investasi (Initial cash investment) dengan menggunakan cash flow dengan kata lain payback period merupakan rasio antara initial cash investment dengan cash inflow-nya yang hasilnya merupakan satuan waktu. Selanjutnya nilai rasio ini dibandingkan dengan maximum payback period yang dapat diterima. Net Present Value (NPV) adalah selisih antara Present Value dari investasi dengan nilai sekarang dari penerimaan-penerimaan kas bersih (cash flow operasional maupun cash flow terminal) dimasa yang akan datang. Untuk menghitung nilai sekarang perlu ditentukan tingkat bunga yang relevan. Metode Internal Rate of Return (IRR) digunakan untuk mencari tingkat bunga yang menyamakan nilai sekarang dari cash flow yang diharapkan dimasa mendatang, atau penerimaan kas dengan mengeluarkan investasi awal. Net B / C adalah kriteria investasi yang didapatkan dengan perbandingan nilai atau jumlah positif cash flow masuk dengan jumlah cash flow keluar pada nilai sekarang. Indikator yang digunakan dalam analisis finansial mengandung variabel yang bersifat tidak pasti. Ketidakpastian dalam analisis finansial ini bisa akibat penyederhanaan yang tak terhindari dalam proses pemodelan, pengetahuan yang tidak utuh terhadap fungsionalitas, faktor-faktor di luar kontrol sebagai hasil interaksi antara stakeholder, bias-bias operasional, serta kesalahan-kesalahan kecil lainnya. Karena itu, ketidakpastian indikator di dalam analisa finansial pendirian pabrik terjadi karena kekaburan satu faktor yang saling mempengaruhi. Indikator indikator yang kabur tersebut mempengaruhi hasil keputusan apakah suatu investasi layak atau

2 33 tidak untuk dikerjakan. Ketidakpastian indikator kelayakan dipengaruhi oleh variabel-variabel yang tidak pasti antara lain tingkat suku bunga, harga bahan baku dan harga jual. Ketidakpastian variabel tersebut dapat mempengaruhi keputusan apakah suatu investasi tersebut layak atau tidak untuk dilaksanakan Menentukan Variabel yang difuzzikan Terdapat beberapa jenis hubungan antara variabel pada model analisa finansial. Umumnya, hubungan ketergantungan di antara variabel tersebut diabaikan oleh para pemegang keputusan. Pada umumnya analisa finansial lemah di bagian ini. Walau bagaimanapun, hubungan ini memang ada dan mungkin memiliki efek yang signifikan terhadap keputusan. Variabel yang digunakan dalam analisa finansial ada yang bersifat pasti dan tidak pasti. Adapun yang bersifat pasti antara lain jumlah biaya tetap yang meliputi penyusutan bangunan, mesin dan peralatan, serta gaji tenaga kerja langsung, pemeliharaan, biaya overhead, biaya semi variabel serta pajak bumi dan bangunan. Sedangkan variabel yang tidak pasti meliputi cash flow, suku bunga bank, harga bahan baku, harga jual produk. Penjualan merupakan hasil dari kuantitas dan harga. Namun kuantitas dan harga bukanlah variabel bebas (independen): makin tinggi harga, makin rendah permintaan global dan jumlah yang terjual. Jika hubungan ini dipertimbangkan, mengakibatkan jumlah penjualan menurun. Dalam penelitian ini variabel yang difuzzikan adalah tingkat suku bunga, harga bahan baku dan harga jual produk. Pemilihan variabel ini dikarenakan suku bunga, harga bahan baku dan harga jual produk bersifat fluktuatif dan mempunyai kecenderungan tidak pasti. Pemilihan variabel tersebut didasarkan pada studi literatur yang ditelah dilakukan Fuzzifikasi Variabel yang Dipilih Penentuan fungsi keanggotaan Fungsi keanggotaan (membership function) adalah suatu kurva yang menunjukkan pemetaan titik-titik input data ke dalam nilai keanggotaannya sering juga disebut dengan derajat keanggotaan yang memiliki interval antara 0 dan 1 (Kusumadewi 2002).

3 34 Pada penelitian ini, representasi bilangan triangular fuzzy number (TFN) dengan tiga parameter digunakan untuk merepresentasikan tiga nilai yang mungkin dari suku bunga, harga bahan baku dan harga jual produk. Sebuah bilangan fuzzy segitiga x dapat diwakili oleh (a 1,a 2,a 3 ) dimana a 1 a 2 a 3. a. Penetapan fungsi keanggotan suku bunga Tingkat suku bunga (discount rate/required rate of rutern/cost of capital) merupakan suatu nilai untuk menentukan berapa besarnya tingkat pengembalian suatu investasi. Nilai ini dipengaruhi oleh nilai suku bunga (perbankan, obligasi, SBI dan lainnya), baik suku bunga simpanan maupun pinjaman. Nilai tingkat suku bunga ini tergantung kepada kondisi ekonomi (juga politik dalam negeri) Besarnya tingkat suku bunga ini bisa rendah (kalau kondisi perekonomian baik), sedang (kondisi perekonomian normal) atau tinggi (kalau kondisi dalam negeri tidak stabil). Suku bunga dapat diklasifikasikan dalam rendah, sedang, tinggi. Dimana rendah mempunyai rentang 1% - 17%, sedang 15% - 22% dan tinggi nilai 20% - 50%. Dalam penetapan batas bawah rentang rendah dan batas atas rentang tinggi untuk mengantisipasi apabila terkaji kondisi yang tidak stabil seperti halnya yang pernah terjadi pada Tahun 1998 dimana suku bunga mencapai 49%. Angka-angka tersebut setiap tahun bisa berkorelasi sesuai dengan kondisi nyata di lapangan. Dengan representasi menggunakan TFN segitiga sama kaki diperoleh nilai yang mungkin untuk rendah (1, 1, 17), sedang (15, 18,5, 22) dan tinggi (20, 50, 50). Interval keanggotaan suku bunga untuk masing-masing kategori dengan menggunakan angka fuzzy dengan TFN disajikan pada Tabel 4.1. Tabel 4.1. Himpunan fuzzy untuk suku bunga dengan TFN Klasifikasi FUZZIFIKASI Representasi Rentang TFN Natural Ordinal Tinggi T (20;50;50) Sedang S (15;18.5;22) Rendah R (1;1;17) Keterangan : T = Tinggi, S = Sedang, R = Rendah

4 35 Secara grafis TFN untuk suku bunga disajikan pada Gambar 4.1 Gambar 4.1. TFN suku bunga b. Penetapan fungsi keanggotan harga bahan baku Dalam penelitian ini bahan baku yang dipakai adalah molase. Berdasarkan data yang diperoleh menunjukkan harga molases dari tahun 2003 sampai tahun 2006 cenderung sama yaitu Rp 600/kg seperti yang disajikan pada Tabel 4.2. Tabel 4.2. Harga molases dalam 4 tahun terakhir. Tahun Produksi Molases Harga (Rp/Kg) (ton) , , , ,1 600 Sumber : PG. Rajawali II (2007) Berdasarkan tabel diatas harga molases mempunyai pola data yang stasioner atau konstan, sehingga dapat diperkiraan harga molase tahun berikutnya sama dengan harga tahun sebelumnya. Namun demikian harga sangat dipengaruhi oleh adanya inflasi. Dengan mempertimbangkan adanya inflasi, maka inflasi diasumsikan sebesar 20 persen. Hasil perkiraan harga molases tersebut dijadikan sebagai dasar dalam penetapan rentang nilai harga bahan baku. Rentang nilai yang digunakan adalah rendah, sedang, tinggi. Dimana rendah mempunyai rentang nilai , sedang dan tinggi Dengan representasi menggunakan TFN segitiga

5 36 sama kaki diperoleh nilai yang mungkin untuk rendah (350; 350; 750), sedang (600; 900; 1200) dan tinggi (1000; 1500; 1500). Interval keanggotaan harga bahan baku untuk masing-masing kategori dengan menggunakan angka fuzzy dengan TFN disajikan pada Tabel 4.3. Tabel 4.3. Himpunan fuzzy untuk harga bahan baku dengan TFN Klasifikasi Representasi FUZZIFIKASI Natural Interval Rentang TFN Tinggi T (1000,1500,1500) Sedang S (600,900,1200) Rendah R (350,350,750) Keterangan : T = Tinggi, S = Sedang, R = Rendah Secara grafis TFN untuk harga bahan baku disajikan pada Gambar 4.2 Gambar 4.2. TFN harga bahan baku c. Penetapan fungsi keanggotan harga jual produk Harga jual produk ditentukan oleh penjumlahan dari biaya variabel ditambah dengan biaya non variabel dibagi dengan jumlah produksi kemudian ditambah dengan profit yang diinginkan. Harga jual bioetanol untuk biofuel selama beberapa tahun disajikan pada Tabel 4.4.

6 37 Tabel 4.4. Harga bioetanol dalam 4 tahun terakhir Tahun Harga (Rp/Liter) Sumber : PG. Rajawali II (2007) Dari data tersebut diolah dengan time series dengan menggunakan metode single moving average, harga bahan bahan baku tahun berikutnya dapat diperkirakan dengan persamaan Yt = t. Gambar hasil olahan data disajikan pada Gambar 4.3. Dengan demikian harga jual untuk tahun depan dapat diperkiraan naik atau lebih tinggi dari tahun sebelumnya. Hasil olahan data tersebut dijadikan dasar dalam penetapan rentang untuk harga jual produk. Namun demikian harga sangat dipengaruhi oleh adanya inflasi. Dengan mempertimbangkan adanya inflasi, maka inflasi diasumsikan sebesar 20 persen. Gambar 4.3. Trend analisis harga jual Dalam penetapan harga jual produk rentang yang digunakan adalah rendah, sedang, tinggi, dan mempunyai nilai ordinal 1, 2 dan 3. Dimana rendah mempunyai rentang nilai , sedang dan tinggi Dengan representasi menggunakan TFN segitiga sama kaki diperoleh nilai yang mungkin

7 38 untuk rendah adalah 2500; 2500; 5500, sedang 4500; 6500; 8500 dan tinggi 7500; 10000; Interval keanggotaan harga jual untuk masing-masing kategori dengan menggunakan angka fuzzy dengan TFN disajikan pada Tabel 4.5. Tabel 4.5. Himpunan fuzzy untuk harga jual produk dengan TFN Klasifikasi Representasi FUZZIFIKASI Natural Ordinal Rentang TFN Tinggi T (7500,10000,10000) Sedang S (4500,6500,8500) Rendah R (2500,2500,5500) Keterangan : T = Tinggi, S = Sedang, R = Rendah Secara grafis TFN untuk harga jual produk disajikan pada Gambar 4.4. Gambar 4.4. TFN harga jual produk