TUGAS MAKALAH MATA KULIAH ANALISIS LAPORAN KEUANGAN ANALISIS TIME SERIES Disusun Oleh : Ria Resti Yunita (C1C014006) Mudia Ilrani (C1C014011) Imron Rosady (C1C014015) Konsentrasi : Akuntansi Keuangan Jurusan Akuntansi Fakultas Ekonomi dan Bisnis Universitas Jambi Tahun Ajaran 2016 1
KATA PENGANTAR Puji dan puji syukur penulis panjatkan kepada Allah SWT, karena atas rahmat, hidayah, dan inayah-nya sehingga penulis dapat menyelesaikan tugas makalah Analisis Laporan Keuangan ini sesuai dengan batas waktu yang telah ditentukan. Tak lupa pula, penulis kirimkan salam dan salawat kepada junjungan kita semua, Rasulullah Muhammad SAW, keluarga, dan seluruh sahabatnya. Makalah Analisis Laporan Keuangan yang telah kami buat berjudul Analisis Time Series. Makalah ini dapat hadir seperti sekarang ini tak lepas dari bantuan banyak pihak. Untuk itu sudah sepantasnyalah kami mengucapkan rasa terima kasih yang sebesar-besar buat mereka yang telah berjasa membantu penulis selama proses pembuatan makalah ini dari awal hingga akhir. Namun, kami menyadari bahwa makalah ini masih terdapat hal-hal yang belum sempurna dan luput dari perhatian penulis. Baik itu dari bahasa yang digunakan maupun dari teknik penyajiannya. Oleh karena itu, dengan segala kekurangan dan kerendahan hati, kami sangat mengharapkan kritik dan saran dari para pembaca sekalian demi perbaikan makalah ini kedepannya. Akhirnya, besar harapan penulis agar kehadiran makalah ini dapat memberikan manfaat yang berarti untuk para pembaca. Dan yang terpenting adalah semoga dapat turut serta memajukan ilmu pengetahuan. Jambi, September 2016 Penulis 2
DAFTAR ISI Bab I Pendahuluan...4 1.1 Latar Belakang...4 1.2 Rumusan Masalah...5 1.3 Tujuan Penelitian...5 1.4 Manfaat Penelitian...5 Bab II Pembahasan...6 2.1 Analisis Time Series...6 2.2 Analisis Data Keuangan...13 2.2.1. Mengukur Pengaruh Tren...14 2.2.2. Tren Sebagai Proyeksi Masa Depan...17 2.2.3. Analisis Siklus...18 2.2.4. Analisis Musiman...19 2.3 Metode-Metode Peramalan...20 2.3.1. Metode Penghalusan Eksponensial...21 2.3.2. Perbandingan Model-model Forecast...22 Bab III Penutup...24 3.1. Kesimpulan...24 3.2. Saran...24 Daftar Pustaka...25 3
BAB I PENDAHULUAN 1.1. Latar Belakang Salah satu tujuan dari analisa Laporan Keuangan suatu perusahaan adalah untuk membuat estimasi/penelitian tentang laba, hasil penjaualan perusahaan di masa mendatang dan lain-lain aspek finansial perusahaan atau secara umum dapat dikatakan sebagai usaha untuk memproyeksikan ratio-ratio finansialnya yang bertujuan untuk melihat keadaan suatu perusahaan yang berguna dalam pengambilan keputusan. Berbagai alat analisa telah dikembangan dalam kaitannya dengan tujuan tersebut dan untuk mempermudah proses dalam menganalisa. Analisis semacam itu mengharuskan seorang analisis untuk melakukan beberapa hal, yakni dengan menentukan dengan jelas tujuan analisis, kemudian memahami konsep-konsep dan prinsip-prinsip yang mendasari laporan-laporan keuangan dan rasio-rasio keuangan yang diturunkan dari laporan keuangan tersebut, serta memahami kondisi perekonomian dan kondisi bisnis lain pada umumnya yang berkaitan dengan perusahaan dan mempengaruhi usaha perusahaan. Analisis Time series atau Analisa runtun waktu atau deret berkala adalah analisa yang digunakan untuk mengetahui tren-tren yang timbul, dengan cara menganalisis data historis atau serangkaian pengamatan terhadap peristiwa, kejadian atau variabel yang diambil dari waktu ke waktu, dicatat secara teliti menurut urut-urutan waktu terjadinya, kemudian disusun sebagai data statistik. Oleh karena itu, dalam makalah ini penulis akan menjelaskan mengenai Analisis Time Series dalam perbandingan dengan perusahaan atau industri yang sejenis dengan data keuangan dalam beberapa periode yang telah lalu. 4
1.2. Rumusan Masalah Berdasarkan latar belakang diatas, penulis merumuskan rumusan masalah sebagai berikut : 1) Bagaimanakah penerapan Analisis Time Series pada perusahaan dan industri? 2) Apa saja faktor analisis data keuangan yang terdapat dalam time series? 3) Apa saja metode-metode peramalan yang dibahas dalam analisis time series? 1.3. Tujuan Penulisan 1) Menjelaskan apa saja penerapan Analisis Time Series pada perusahaan dan Industri? 2) Menjelaskan faktor-faktor yang terdapat dalam analisis data keuangan pada time series. 3) Menjelaskan metode-metode peramalan dalam analisis time series? 1.4. Manfaat Penulisan Makalah ini dibuat dengan tujuan agar menambah ilmu dan wawasan bagi para pembaca serta penulis sendiri mengenai Analisis Time Series dan diharapkan dapat bermanfaat dikemudian hari. BAB II 5
PEMBAHASAN 1. ANALISIS TIME SERIES Analisis time series adalah analisis perbandingan data dengan data keuangan periode sebelumnya (perbandingan dengan data historis). Forecasting digunakan untuk memproyeksikan kondisi keuangan pada masa mendatang. Dalam analisis data keuangan, analisis terhadap data historis diperlukan untuk melihat tren-tren yang mungkin timbul. Kemudian kita bisa menganalisis apa yang terjadi dibalik tren-tren angka tersebut. Data historis perusahaan sebaiknya juga dibandingkan dengan data historis industri untuk melihat apakah tren suatu perusahaan begerak relatif lebih baik terhadap tren industri. Perbandingan ROA PT A dengan ROA Industri: ROA Tahun 1981 1982 1983 1984 1985 1986 1987 1988 1989 Perusahaan 20,2% 21,1% 23,5% 24,5% 22,4% 23,6% 24,4% 25,1% 25,0% ROA Industri 16,0% 18,5% 21,1% 22,0% 25,0% 21,5% 23,1% 24,7% 24,8% Data-data tersebut kemudian bisa diplot ke dalam suatu grafik sebagai berikut ini: 6
Dari grafik di atas nampak bahwa tren ROA perusahaan mengalami kenaikan dari tahun ke tahun. Demikian juga halnya dengan ROA industri. Dari analisis tren di atas nampak juga bahwa kenaikan ROA industri lebih cepat dibandingkan dengan kenaikan ROA perusahaan. Meskipun pada tahun 1989 ROA perusahaan masih lebih tinggi dibandingkan dengan ROA industri, tetapi pada masa mendatang ROA perusahaan kemungkinan besar akan di bawah ROA industri. Tentunya tren semacam ini bukan merupakan tren yang menguntungkan buat perusahaan. Kejadian semacam itu bisa terjadi apabila indurstri tumbuh pesat, tetapi perusahaan mengalami penurunan market share. Barangkali karena industri tersebut sedang tumbuh, banyak pesaing-pesaing baru masuk dan mengurangi pangsa pasar yang dipunyai perusahaan. Manajemen tentunya harus melakukan perubahan-perubahan yang perlu untuk mengatasi permasalahan tersebut. Analisis tren semacar itu bisa dilakukan untuk setiap rasio atau angka keuangan dan dibandingkan dengan tren dalam industri. Dalam analisis times series, perubahan-perubahan struktural yang akan berpengaruh terhadap angka-angka keuangan harus diperhatikan. Perubahanperubahan struktural yang akan mempengaruhi tren keuangan suatu perusahaan antara lain: 1. 2. 3. 4. Peraturan Pemerintah Perubahan Kompetisi Perubahan Teknologi Akuisi dan Merger (Penggabungan Perusahaan) 7
Jika ada perubahan semacam itu, seorang analis mempunyai beberapa alternatif analisis. Misalkan analis menganalisis industri perbankan dan ia tahu ada deregulasi perbankan sekitar tahun 1988, analis bisa membagi periode analisis ke dalam dua periode yaitu periode sebelum dan sesudah deregulasi. Kemudian analisis menggunakan data-data sesudah tahun 1988 untuk memproyeksikan kondisi keuangan pada masa mendatang. Sebaliknya, misalkan analis mengasumsikan bahwa deregulasi semacam itu merupakan hal yang biasa dalam bisnis perbankan, seorang analis bisa menggunakan data-data untuk semua periode (periode sebelum dan sesudah deregulasi) untuk memproyeksikan kondisi keuangan perusahaan pada masa mendatang. Tetapi kalau deregulasi semacam di atas merupakan kebijakan yang jarang dan merupakan kejadian yang luar biasa, pembagian periode analisis ke dalam dua periode, yaitu sebelum dan sesudah deregulasi, merupakan cara yang realistis. Data penjualan PT ABC dan PT XYZ Tahun Penjualan Gabungan PT ABC PT B 1971 1.000 500 1.500 1972 1.500 750 2.250 1973 1.600 770 2.370 1974 1.750 750 2.500 1975 2.000 800 2.800 1976 2.100 850 2.950 1977 3.200-3.200 1978 3.300-3.300 1979 3.350-3.350 1980 3.400-3.400 1981 3.500-3.500 Dengan melihat data-data penjualan PT ABC saja (tanpa mencari informasi lain) nampak bahwa ada perubahan struktural yang terjadi, karena tahun 8
1977 penjualan PT ABC mengalami peningkatan yang tajam dari 2.100 menjadi 3.200. Ada beberapa alternative analisis yang bisa dipakai: 1. Analis bisa menggunakan data penjualan gabungan (kolom ketiga) untuk menganalisis prospek perusahaan pada masa mendatang. Penggunaan analisis semacam ini mempunyai asusmsi implisit bahwa perusahaan gabungan merupakan fungsi penambahan perusahaan individualnya. Kemungkinan munculnya sinergi tidak diperhitungkan dalam hal ini. 2. Analis bisa membagi periode analisis ke dalam dua periode, sebelum dan sesudah akuisisi, dan kemudian memakai data sesudah akuisisi untuk analisis selanjutnya. Analisis semacam ini mengasumsikan bahwa ada perbedaan struktural antara kedua periode tersebut, sehingga kedua periode tersebut harus dipisahkan. Misalkan diduga ada efek sinergi yang cukup signifikan sesudah akuisisi, penggunaan cara semacam ini lebih realistis dilakukan. 3. Analis bisa memfokuskan hanya pada data penjualan perusahaan ABC. Cara ini bisa dilakukan apabila besarnya perusahaan yang diakuisisi (XYZ) tidak terlalu signifikan dibandingkan besarnya perusahaan ABC. Apabila besarnya perusahaan yang diakuisisi cukup signifikan, cara semacam ini tidak bisa dilakukan. Dari data di atas nampak bahwa besarnya perusahaan XYZ cukup signifikan karena mencapai sekitar 50% dari besarnya perusahaan ABC. Cara semacam ini barangkali tidak bisa dilakukan untuk data-data di atas. Persoalan lain yang bisa timbul adalah perlakuan untuk data-data yang luar biasa (outlier). Misalkan pada tahun 1981 PT ABC mengalami kerugian sebesar 1.000, setelah sebelumnya selalu untung di atas 3.000. Kerugian tersebut bisa dianalisis penyebabnya. Apabila penyebabnya adalah bencana alam (misalkan gempa bumi), dan kejadian tersebut merupakan hal yang luar biasa, di luar kendali manajemen, dan kemungkinan munculnya lagi bencana tersebut sangat kecil, maka lebih baik angka negatif tersebut dihilangkan dari analisis. Kejadian semacam itu merupakan peristiwa yang sementara sifatnya. Tetapi apabila kerugian tersebut diakibatkan oleh peristiwa restrukturisasi perusahaan, barangkali kejadian semacam itu menjadi permulaan munculnya perubahan struktural. Diperlukan pertimbangan khusus untuk memasukan kerugian semacam itu ke dalam analisis. Barangkali diperlukan penyesuaian-penyesuaian tertentu kalau analisis akan memasukan angka kerugian tersebut ke dalam analisis. 9
Dalam analisis time series, ada tiga macam pendekatan yang bisa dilakukan: a. Pendekatan Ekonomi b. Pendekatan Statistik c. Pendekatan Visual Ketiga macam pendekatan tersebut tidak saling menghilangkan, tetapi saling melengkapi. Misalkan sebuah perusahaan mempunyai grafik penjualan sebagai berikut: Dengan halnya melihat grafik di atas, nampak bahwa penjualan perusahaan mempunyai pola yang berfluktuasi secara sistematis. Pola musiman nampak dari grafik di atas. Setiap kuartal awal penjualan perusahaan menunjukkan angka yang lebih tinggi dibandingkan dengan rata-rata penjualan bulanan. Di samping itu nampak bahwa penjualan perusahaan menunjukkan tren yang semakin menaik dalam jangka panjang, meskipun dalam jangka pendek terlihat penjualan yang naik turun. Dari segi ekonomi, data-data di atas bisa diinterpretasikan lebih lanjut. Pada akhir tahun penjualan menunjukkan kecenderungan naik karena penjualan 10
cenderung naik pada saat tahun baru dan hari raya Natal. Penjualan juga menunjukkan kecenderungan naik yang cukup tinggi pada hari raya Idul Fitri. Dalam jangka panjang perusahaan mengalami perkembangan yang cukup stabil. Karena hari raya Idul Fitri selalu maju sekitar 10 hari setiap tahunnya, maka analis bisa memperhitungkan bahwa suatu ketika hari raya Idul Fitri akan jatuh pada kuartal keempat, yang berakibat akan munculnya penjualan yang sangat tinggi pada kuartal keempat dan penjualan yang normal pada tiga kuartal lainnya. Data musiman di atas disebabkan oleh kejadian atau peristiwa yang mendorong penjualan di atas penjualan normal. Di samping musiman semacam itu ada musiman lain yang disebabkan oleh perubahan cuaca. Pada saat musim kemarau barangkali penjulaan perusahaan pembuat minuman akan menunjukkan kecenderungan yang lebih tinggi. Pada saat musim hujan, perusahaan pembuat jas hujan menunjukkan penjualan yang jauh lebih tinggi dibandingkan pada musim kemarau. Di samping musiman seperti di atas, ada juga musiman yang disebabkan karena pola pelaporan keuangan. Misalkan suatu perusahaan menyusun laporan keuangan kuartalan yang terdiri dari 12 minggu, 12 minggu, 12 minggu, dan 16 minggu (satu tahun ada 52 minggu), apabila faktor-faktor lain konstan, ada kecenderungan penjualan pada kuartal keempat menunjukkan angka yang lebih tinggi karena jumlah minggunya yang lebh banyak. TIME SERIES INDEKS - Teknik ini bisa menggunakan angka indeks bisa juga angka-angka yang ada dalam laporan keuangan disusun dan disajikan dalam rentang waktu berseri misalnya 5 atau 10 tahun. Jika laporan ini dikonvensi menjadi angka indeks maka menjadi laporan indeks berseri. Semua laporan keuangan yang dibandingkan secara berseri dikonvensikan ke indeks. Untuk menentukan indeks ini maka menentukan tahun dasar. Tahun dasar ini dipilih menurut kriteria tertentu misalnya dipilih tahun pendirian sebagai tahun dasar atau tahun tertentu yang bisa dijadikan sebagai suatu moment penting agar kita lebih mudah dan lebih cepat melakukan perbandingan dengan indeks tahun lainnya. ANALISA TREND - Analisa trend ini bertujuan untuk mengetahui tendensi atau kecenderungan keadaan keuangan suatu perusahaan di masa yang akan datang baik kecenderungan naik, turun, maupun tetap. Teknik analisa ini biasanya 11
dipergunakan untuk menganalisa laporan keuangan yang meliputi minimal 3 periode atau lebih. Analisa ini dimaksudkan untuk mengetahui perkembangan perusahaan melalui rentang perjalanan waktu yang sudah lalu dan memproyeksi situasi masa itu ke masa yang berikutnya. Berdasarkan data historis itu, dicoba melihat kecenderungan yang mungkin akan muncul di masa yang akan datang. Analisa trend ini bermanfaat untuk menilai situasi trend perusahaan yang telah lalu serta dapat memprediksi trend perusahaan di masa yang akan datang berdasarkan garis trend yang sudah terjadi itu. Untuk melakukan analisa trend series berindeks (untuk hal-hal tertentu bisa dipakai dalam teknis trend) ini maka dapat melakukannya melalui: 1. Metode statistik dengan cara menghitung garis trend dari laporan keuangan beberapa periode. 2. Menggunakan angka indeks. Langkah-langkah untuk melakukan analisa trend berindeks ini adalah sebagai berikut: a. Menentukan tahun dasar. Tahun dasar ini ditentukan dengan melihat arti suatu tahun bisa tahun pendirian, tahun perubahan, atau reorganisasi, dan tahun bersejarah lainnya. Pos-pos laporan keuangan tahun dasar dicatat sebagai indeks 100. b. Menghitung angka indeks tahun-tahun lainnya dengan menggunakan angka pos laporan keuangan tahun dasar sebagai penyebut. c. Memprediksi kecenderungan yang mungkin bakal terjadi berdasarkan arah dan kecenderungan historis pos laporan keuangan yang dianalisa. d. Mengambil keputusan mengenai hal-hal yang harus dilakukan untuk mengantisipasi kecenderungan itu. 2. ANALISIS DATA KEUANGAN Dalam analisis time series, perhatian terhadap data historis (ex-post) sering digunakan untuk melihat pola-pola yang sitematik terhadap data tersebut. Dalam konteks analisis historis semacam itu, analis mempunyai pilihan yang banyak terhadap faktor-faktor yang diperkirakan akan mempengaruhi suatu variable. Dalam konteks analisis masa mendatang (ex-ante), seperti forecasting. 12
Pilihan seorang analis menjadi serba terbatas. Seorang analis tidak tahu pasti berapa nilai faktor-faktor di atas, dia harus memperkirakan nilai tersebut sebelum memperkirakan nilai variable yang diteliti tersebut. Analis tersebut terpaksa harus memfokuskan pada beberapa variabel saja yang lebih sedikit dan bisa diperkirakan lebih pasti. Analisis time series klasik biasanya memfokuskan pada analisis musiman. Perhatikan data time series berikut ini. Data penjualan mencerminkan empat macam faktor: 1. Trend Trend merupakan pergerakan time series dalam jangka panjang, bisa merupakan tren naik atau turun. Diperlukan waktu jangka panjang (15 atau 20 tahun) untuk melihat pola tren tersebut. Tren tersebut bisa dipengaruhi oleh perubahan jumlah penduduk, perubahan teknologi, dll. 2. Siklus Siklus merupakan fluktuasi bisnis dalam jangka yang lebih pendek (sekitar 2 10 tahun). Belum ada penjelasan yang memuaskan terhadap timbulnya fluktuasi siklus. Lamanya dan besarnya fluktuasi juga sangat beragam dari perusahaan ke perusahaan dan dari industri ke industri. 3. Musiman 13
Musiman merupakan fluktuasi yang terjadi dalam lingkup satu tahun. Ada beberapa penyebab timbulnya fluktuasi seperti: a. Karena peristiwa tertentu, misal karena peristiwa lebaran atau tahun baru. b. Karena cuaca, misal musim hujan dan musim kemarau 4. Ketidakteraturan(Irregularities) Fluktuasi semacam ini disebabkan karena faktor-faktor yang munculnya tidak teratur, dalam jangka waktu pendek. Misalnya gudang perusahaan terbakar, akibatnya keuntungan perusahaan pada periode itu terpengaruh. Misalkan analis ingin menganalisis tren penjualan suatu perusahaan, maka akan lebih baik apabila pengaruh-pengeruh musiman, siklus, dan ketidakteraturan dihilangkan dari data. Data yang dihasilkan merupakan data yang benar-benar mencerminkan tren penjualan perusahaan tersebut. Demikian juga kalau ingin menganalisis pengaruh musiman penjualan perusahaan, maka akan lebih baik apabila pengeruh tren, siklus, dan ketidakteraturan dalam data penjualan dihilangkan, sehingga akan diperoleh data yang benar-benar mencerminkan pengaruh musiman perusahaan. 1. Mengukur Pengaruh Tren Tren suatu data bisa dilihat dengan beberapa cara: a. Menggambar dengan tangan Penggambaran secara langsung bisa dilakukan dengan menarik garis lurus disekitar data-data yang ada. Cara semacam ini sangat praktis dan sederhana, tetapi mempunyai kelemahan karena konsistensi cara semacam itu sangat kurang. Dua orang, dengan data yang sama, bisa mengasilkan garis trend yang berlainan. Demikian seorang analis apabila menggambar dua kali pada waktu yang berbeda, dengan menggunakan data yang sama, bisa menghasilkan garis trend yang berlainan. Cara semacam ini menimbulkan masalah apabila teknik kuantitatif akan digunakan untuk analisis lebih lanjut. b. Menggunakan model matematika Dengan menggunakan model matematik, garis trend bisa dibuat dengan metode least square. Metode tersebut pada dasarnya menggambarkan garis lurus sedemikian rupa sehingga selisih kuadrat antara garis lurus tersebut dengan data yang sesungguhnya, yang paling kecil. Model tersebut serupa dengan model regresi, kecuali asumsi yang digunakan untuk metode regresi 14
tidak bisa dipakai untuk analisis time series. Dalam analisis regresi diasumsikan bahwa korelasi antara residual pada periode t dengan residual pada periode t-1 sama dengan 0. Dalam analisis time series untuk penjualan sebagai contoh, tentunya asumsi semacam itu tidak masuk akal. Penjualan pada periode t akan berkolerasi dengan penjualan pada t-1. Meskipun demikian metodeleast square dipakai karena penggunaannya yang sederhana. Model time series bisa dirumuskan sebagai berikut: Yt = a + b X a dan b dihitung dengan cara sebagai berikut: a = (Y) b (X) b = XY - n (X) (Y) / X2 - n (X)2 Perhitungan trend: (1) (2) Tahun 1972 1973 1974 1975 1976 1977 1978 1979 1980 1981 1982 1983 1984 1985 1986 1987 1988 X 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 153 (3) Penjualan (Y) 224 233 248 258 270 288 315 344 369 393 406 416 425 437 450 462 476 6.014 (4) (5) (6) XY 224 466 744 1.032 1.350 1.728 2.205 2.752 3.321 3.930 4.466 4.992 5.525 6.118 6.750 7.392 8.092 61.087 X² 1 4 9 16 25 36 49 64 81 100 121 144 169 196 225 256 289 1.785 Tren 217 234 251 268 285 303 320 337 354 371 388 405 422 439 456 474 491 (7) Y/Yt * 100 (%Tren) 103,2 99,5 98,7 96,2 94,6 95,2 98,6 102,2 104,3 106,0 104,6 102,7 100,7 99,5 98,6 97,6 97,0 E(Y) = Y/N = 6.014/17 = 353,8 15
b= 61.087 17 ( 9 ) (353,8) ( 1.785 ) 17( 9)² = 17,1 a = 353,8 17,1 (9) = 200 Persamaan Tren: Yt = a + b X Yt = 200 + 17,1 Xt Kolom enam (6) merupakan nilai tren yang dihitung berdasarkan persamaan tren yang dihasilkan di atas. Berikut ini grafik yang menunjukkan nilai penjualan yang sesungguhnya dan nilai tren penjualan. 2. Trend Sebagai Proyeksi Masa Depan Untuk memakai persamaan tren sebagai proyeksi masa depan, seorang analis harus hati-hati terhadap asumsi yang digunakan. Tren garis mengasumsikan perkembangan yang konstan untuk masa-masa mendatang. Padahal pada beberapa situasi, penjualan tumbuh dengan tingkat sangat cepat pada awal-awal periode, kemudian tumbuh melambat pada periode berikutnya. Misalkan suatu produk masih baru diluncurkan, pertumbuhan pada awal periode akan sangat cepat. Kemudian setelah memasuki tahap kedewasaan, pertumbuhan tersebut akan semakin melambat. 16
Pada Skala Aritmatik persamaan tren yang lebih sesuai adalah persamaan parabola seperti berikut ini. = a + bx + cx2 Y Sedangkan untuk Skala Semi-Logaritma persamaan tren yang lebih sesuai adalah persamaan logaritma dengan model seperti berikut ini. log Y = a + b log X Pemilihan model yang akan digunakan sebagai proyeksi pada masa mendatang akan sangat tergantung dari asumsi yang digunakan, apakah data akan tumbuh secara linear atau tidak. Pendekatan linear mengasumsikan besarnya perubahan pada perubahan yang terjadi adalah tidak konstan. 3. Analisis Siklus Fluktuasi siklus bisnis muncul dalam jangka waktu menengah (2 10 tahun).. Pengaruh musiman dalam data table di atas hilang karena data yang digunakan merupakan data tahunan, pengaruh musiman tidak terlihat dalam data tahunan. Pengaruh siklus bisa dilihat dengan persentase tren yang dirumuskan sebagai berikut ini. % Trend = Y / Yt 100 17
Di mana Y merupakan data tahunan yang sesungguhnya, dan Yt merupakan data tren yang dihitung berdasarkan persamaan tren. Kolom (7) pada Tabel 7.3. di atas memperlihatkan hasil perhitungan di atas. Plot angka-angka dalam kolom ke (7) akan terlihat seperti berikut ini Perhatikan bahwa ada kecenderungan siklus dengan jangka waktu sekitar 9 tahun. Tahun 1972 menunjukkan kecenderungan penjualan yang tinggi, relative terhadap angka tren, dan kemudian penjualan yang tinggi tersebut muncul lagi pada tahun 1981. 4. Analisis Musiman Analisis musiman akan bermanfaat pada beberapa situasi. Pertama, apabila analis ingin melihat pengaruh musiman dan memanfaatkan informasi tersebut untuk tujuan tertentu. PT A mempunyai anggaran penjualan tahun 2009 sebesar Rp 1.000.000.000 (per triwulan Rp 250.000.000) dan mempunyai indeks musiman: Triwulan I : 0,99 Triwulan II : 1,01 18
Triwulan III : 0,90 Triwulan IV : 1,10 Triwulan Indeks Anggaran Penjualan Anggaran penjualan dengan musiman pengaruh musiman (4)=(2)x(3) (1) (2) I 0,99 II 1,01 III 0,90 IV 1,10 Total anggaran penjualan (3) 250.000.000 250.000.000 250.000.000 250.000.000 247.500.000 252.500.000 225.000.000 275.000.000 1.000.000.000 Kedua, apabila analis ingin menghilangkan pengaruh musiman untuk melihat pengaruh trend, siklus, dan ketidakteraturan secara lebih jelas. Triwulan Indeks Anggaran musiman dengan pengaruh musiman pengaruh musiman (3) (4) = (3) / (2) 247.500.000 252.500.000 225.000.000 275.000.000 250.000.000 250.000.000 250.000.000 250.000.000 1.000.000.000 (1) (2) I 0,99 II 1,01 III 0,90 IV 1,10 Total anggaran penjualan 3. Penjualan Anggaran penjualan tanpa METODE-METODE PERAMALAN Mekanis Univariate Model Rata-rata Bergerak Multivariate Model Regresi Non-mekanis Model Box-Jenkins Univariate Pendekatan Visual Model Fungsi Transfer Box-Jenkins Pendekatan analis sekuritas Model-model tersebut bukan saling menggantikan, tetapi saling melengkapi. Pendekatan mekanis pada dasarnya menggunakan teknik-teknik yang 19
lebih obyektif seperti statistik, dan cara tersebut menggunakan model yang sama untuk setiap forecast. Salah satu contoh cara mekanis teresebut adalah model regresi. Dengan cara non-mekanis, teknik yang digunakan relatif lebih bebas. Tidak terdapat hubungan yang pasti dan tetap antara data yang dianalisis dengan peramalan yang dibuat. Sebagai contoh, seorang analis bisa menggabungkan banyak pertimbangan untuk menentukan garis trend yang dibuat dengan tangan. Faktor-faktor yang dipertimbangkan bisa diambil dari faktor industri, pasar, kondisi ekonomi dan lainnya. Dalam pendekatan univariate, hanya satu variabel yang dilihat ketika analis melakukan perkiraan. Contoh pendekatan semacam ini yang mekanis adalah perkiraan dengan cara penghalusan eksponensial atau model rata-rata bergerak tertimbang. Dalam pendekatan multivariate, beberapa variabel dan interaksi antar variabel-variabel tersebut dipertimbangkan dalam perkiraan data. Contoh modelmultivariate mekanis adalah model regresi berganda yang menggunakan beberapa variabel, model ekonometris yang memperhitungkan hubungan secara simultan persamaan-persamaan dalam suatu sistem. Contoh pendekatan multivariate non-mekanis adalah analisis yang digunakan oleh analisis keuangan. Analisis tersebut mempertimbangkan banyak faktor yang diperkirakan mempunyai pengaruh terhadap data yang dianalisis baik secara kuantitatif maupun kualitatif, kemudian menentukan angka perkiraan. 1. Model Penghalusan Eksponensial Kelebihannya karena kesederhanaannya dan data yang dibutuhkan tidak banyak. Rumus: Ft = w At - 1 + (1 w) Ft 1 Ft = forecast untuk periode t At - 1 = data sesungguhnya pada periode t 1 Ft - 1 w = forecast pada periode t 1 = konstanta dengan nilai antara 0 1 20
Forecast baru = w (data sesungguhnya saat ini) + (1 w) (forecast saat ini) Atau Ft = At - 1 + (1 - w) (Ft - 1 At - 1) F 2009 = W A 2008 + (1 W) F 2008 2. Perbandingan Model-model Forecast 1. Pendekatan Analis Sekuritas (Multivariate) untuk Forecasting Kelebihan: a. Mampu menyesuaikan terhadap informasi dari berbagai sumber b. Mampu menyesuaikan terhadap perubahan struktural secara cepat c. Mampu memperbaharui secara kontinu apabila ada informasi baru masuk Kelemahan: a. Biaya yang cukup tinggi untuk persiapan dan pelaksanaan, untuk monitoring beberapa variabel, dan biaya-biaya lainnya b. Ketergantungan yang tinggi terhadap kemampuan individu analisnya c. Analis barangkali mempunyai insentif untuk tidak menampilkan forecast yang tidak bias (misal, karena tekanan agar sesuai dengan konsensus forecast) d. Analis barangkali bisa dimanfaatkan oleh perusahaan-perusahaan tertentu untuk kepentingan perusahaan tersebut 2. Pendekatan Univariate Mekanis untuk Forecasting Kelebihan: a. Kemampuan mendeteksi dan memanfaatkan pola tertentu pada data masa b. lalu Tingkat subyektivitas yang rendah, terutama apabila metode statistik c. d. e. digunakan Biaya yang relatif lebih rendah Mudah diperbaharui Kemampuan menganalisis lebih lanjut dengan metode statistik 21
Kelemahan: a. Jumlah observasi yang terbatas pada situasi tertentu, misal pada perusahaan yang baru berdiri b. Laporan keuangan barangkali tidak memenuhi asumsi-asumsi yang diperlukan dalam analisis statistik c. Sulit mengkomunikasikan hasil analisis kepada luar, terutama dalam hal metodologinya BAB III PENUTUP 1. KESIMPULAN Analisis time series adalah analisis perbandingan data dengan data keuangan periode sebelumnya (perbandingan dengan data 22
historis). Forecasting digunakan untuk memproyeksikan kondisi keuangan pada masa mendatang. Analisis time series digunakan untuk melakukan analisis data yang mempertimbangkan pengaruh waktu. Data-data yang dikumpulkan secara periodik berdasarkan urutan waktu, bisa dalam jam, hari, minggu, bulan, kuartal dan tahun. Selain itu analisis time series bisa digunakan untuk peramalan data beberapa periode ke depan yang sangat membantu dalam menyusun perencanaan ke depan. 2. SARAN Dalam menganalisis laporan keuangan suatu perusahaan secara efektif dan efisien, salah satu cara yang dapat dilakukan yaitu membandingkan data historis perusahaan dan data historis industri (analisis time series) untuk melihat apakah bagaimana perkembangan tren di suatu perusahaan, apakah bergerak relatif baik atau tidak. DAFTAR PUSTAKA Hanafi, Mamduh, Abdul Halim. 2007. Analisis laporan keuangan. Yogyakarta: STIE YKPN. http://annisaarumartaarfan.blogspot.com/2013/10/analisis-times-series-danforecasting.html 23
24