FORECASTING FINANCIAL STATEMENT INFORMATION

8.1) PENDAHULUAN
Peramalan digunakan oleh banyak pihak termasuk analis sekuritas, lembaga pemberi kredit,
dan manajemen:
a. Analis sekuritas: peramalan laba dan variabel lainnya disajikan dalam hampir setiap
laporan analis sekuritas. Peramalan ini bervariasi dari jangka pendek sampai jangka
panjang.
b. Pemberi kredit: prosedur pinjaman diikuti di banyak lembaga keuangan meliputi perkiraan
dari penghasilan pemohon atau klien dan arus kas selama jangka waktu pinjaman.
c. Manajemen: aktivitas manajemen yang penting adalah strategi analisis perusahaan,
merupakan bagian intergal di antaranya meramalkan arus kas atau mencari implikasi dari
kombinasi alternatif pembiayaan, investasi, dan keputusan operasi. lain aktivitas
manajemen adalah pengungkapan perusahaan, yang meliputi keputusan tentang apakah
akan merilis secara terbuka proyeksi laba.
8.2 ) ALTERNATIVE FORECASTING APPROACHES
Mechanical VS nonmechanical approaches
Pada pendekatan e!"an#!a$, data inputs dikombinasikan dalam cara yang
prespecified sehingga memberikan data base dan pilihan model yang sama, forecast yang sama
akan selalu di buat. Contohnya yaitu equally weighted average dan regresi.
Pada pendekatan n%ne!"an#!a$, tidak ada sambungan antara data yang diuji dan
forecast yang dibuat. ebagai contoh, analis mungkin mempersatukan sebuah faktor
judgemental dengan forecast, dan faktor ini dapat mencerminkan sebuah kombinasi yang selalu
berubah dari economic inputs.
Single variable (Univariate) VS Multiple Variable (Multivariate) approaches
Pendekatan &n#'a(#ate adalah pendekatan yang menguji hanya satu variabel ketika
melakukan forecasting. Contonya yaitu equally weighted average.
Pendekatan &$t#'a(#ate adalah pendekatan yang menggunakan lebih dari satu
variabel ketika melakukan forecasting. Contohnya yaitu regresi.
!abel dibawah akan menyajikan klasifikasi dari pendekatan forecasting.
Ta)e$ 1* klasifikasi pendekatan forecasting
8.+) CRITERIA TO EVALUATE FORECAST
Pada umumnya, kualitas forecast yang lebih baik adalah forecast yang menuntun kita pada
sebuah kualitas keputusan yang lebih baik. Ada beberapa konteks keputusan yang secara spesifik
berhubungan langsung dengan kualitas forecast ini, yaitu:
Investment context dimana tujuannya adalah untuk mendeteksi sekuritas yang salah nilai.
Investment context dimana tujuannya adalah untuk menjaga portofolio yang telah
didiversifikasikan dengan baik dengan tingkat resiko yang spesifik.
Credit lending context dimana tujuannya adalah untuk menyeimbangkan pembayaran bunga
yang lebih tinggi dengan kemungkinan bangkrut.
ivestiture context dimana tujuannya adalah untuk meramalkan earning di masa mendatang
yang diperoleh dari devisi perusahan.
"orecast dievaluasi dalam research literature dengan menggunakan pengukuran error seperti
yang akan dijelaskan di bawah ini, namun, pengukuran error ini mungkin tidak cukup
menggambarkan fungsi kerugian secara implicit pada keputusan investasi, kredit, divestiture, atau
keputusan lainnya yang spesifik.
a. F%(e!a,t E((%( Mea,&(e,
Pengukuran ini akan fokus pada dispersion dan bias dari forecast.
Dispersion
#ua pengukuruan yang biasanya digunakan dalam penyebaran dari forecast error adalah
mean absolute error $MA%&' dan mean s(uare error $M&':
MA%&i )
*
!

t"*
!
#
i$t
% #
i$t

M&i )
*
!

t"*
!
[
#
i$t
% #
i$t

]
+
,eterangan: -i$t ) realisasi dari variabel peramalan pada periode t untuk perusahan i
&$-i$t' ) peramalan dari variabel pada periode t untuk perusahan i
. ) jumlah peramalan yang di uji.
emakin besar pengukuran MA%& $M&', semakin besar pula tingkat kepentingan
untuk forecast error pada periode yang diuji. Pengukuran MA%& memberikan bobot yang
sama pada semua forecast error $dimana dia konsisten dengan linear loss function'.
Pengukuran M& memberikan bobot yang paling besar untuk forecast error yang besar
$dimana dia konsisten dengan (uadratic loss function'. bila digunakan dalam kaitannya
dengan peramalan, akurasi biasanya mengacu pada penyebaran kesalahan ramalan/ semakin
rendah ukuran penyebaran, semakin akurat ramalan ini dikatakan..
0ariabel1variabel yang dapat digunakan untuk menurunkan forecast error dari masing1
masing perusahan adalah:
*. Pengukuran pada mutu dari rangkaian yang akan di forecast
+. Pengukuran pada karagaman dari rangkaian yang akan di forecast
2. 0ariabel yang menjadi perthatian dalam decision conte3t dimana forecast tersebut
digunakan, seperti market capitali4ation dari perusahan tersebut.
Bias
ebuah ramalan dikatakan tidak bias jika nilai yang diharapkan dari forecast error adalah
nol. ebuah pengukuran yang menyediakan bukti pada bias adalah average error $A0&'
A0&i )
*
!

t"*
!

#
i$t
% #
i$t

A0& fokus pada rata1rata error pada keseluruhan forecast bukan pada individual forecast.
). F%(e!a,t H%(#-%n I,,&e,
#alam beberapa decision conte3t, fokusnya adalah pada meramalkan susunan dari
observasi di masa mendatang pada satu titik waktu tertentu. Anggaplah peramalan &P untuk
tiap tahun dalam 5 tahun dilakukan oleh tiga analis. Peramalan tersebut dimulai pada tahun
pertama:
Actual &P adalah:
#engan menggunakan pengukuran persentase error di bawah ini
Actual &P 6 "orecast &P 3 *77
Actual &P
Maka selisih untuk tiap tahun yang di ramalkan adalah
%erdasarkan data diatas, dapat ditarik beberapa kesimpulan:
Analis A secara konsisten melakukan underestimate terhadap actual earnings, sedangkan
analis % secara konsisten melakukan overestimate terhadap actual earnings.
#engan menggunakan percentage absolute error criterion $yang mengabaikan tanda
dari forecast error diatas', analis C mendominasi analis A dan % dalam setiap tahun
farecast hori4on.
Contoh tersebut juga memfasilitasi diskusi mengenai consensus forecast. Consensus
forecast menyajikan ramalan rata1rata dari individual forecasters.
8..) PROPERTIES OF SECURIT/ ANAL/ST FORECASTS
8amalan analis sekuritas pada earnings dapat diperoleh dari sumber utama $laporan yang
dikeluarkan oleh analis' dan sumber sekunder $laporan dari servis yang meramalkan pengumpulan
dan penyebaran earnings yang dibuat oleh analis pada banyak institusi'.
a. F%(e!a,t Re'#,#%n E'#den!e
Penelitian pada security analyst forecast revisions menemukan beberapa hasil yang
relative kuat.
9anya minoritas dari analis sekuritas yang melaporkan revisi dari earning forcasts yang
mereka lakukan. ebagai contoh, %rown, "oster, dan .oreen $*:;5' melaporkan bahwa
selama *:<=1*:;7, >%& data base menunjukan statistic rata1rata revisi bulanan dari
individual security analis sebagai berikut:
Penjelasan yang mungkin untuk jumlah yang besar dari observasi pada kategori ?no
change@ untuk masing1masing bulan adalah $*' kebanyakan analis mengikuti jumlah yang
besar dari sekuritas dan tidak memiliki waktu untuk melakukan analisa yang detail dari
masing1masing perusahan tiap bulan nya. $+' hanya sebagian kecil dari saham dalam satu
bulan yang merilis informasi yang tidak diperkirakan secara signifikan yang mendorong
analis untuk merevisi ramalan mereka.
,etika analis meramalkan &P untuk masing1masing tahun dari beberapa tahun pada
forecast hori4on, ada korelasi positif pada tanda dari revisi ramalan yang dilakukan
serentak melalui tahun1tahun pada hori4on tersebut. ,onsekuensi nya adalah pengurangan
pada isi informasi yang incremental dari revisi ramalan pada tahun berikutnya pada hori4on
tersebut.
). F%(e!a,t E((%( E'#den!e
%anyak penelitian telah dilakukan pada properties of forecast errors oleh analis1analis
sekuritas. Penemuan yang paling konsisten pada literature adalah bahwa besarnya forecast
errors yang dibuat oleh analis sekuritas berkurang seiring dengan dilakukan nya pendekatan
forecast pada pengumuman bulanan dari &P.
&lton, Aruber, dan Aultekin $*:;B' meneliti mengenai sumber dari error yang dilakukan
oleh analis sekuritas pada earnings forecast, dan hasilnya adalah bahwa mayoritas dari error
pada forecasting disebabkan oleh salah perkiraan mengenai kinerja industri dan perusahan.
!. Se!&(#t0 Ana$0,t, VS T#e1Se(#e, M%de$,
#ua sumber yang paling dapat di terima dari earnings forecasts adalah security analysts
dan model mechanical $univariate time1series'. %erikut adalah pro dan kontra dari kedua jenis
pendekatan:
Ta)e$ 2* pro dan kontra atas pendekatan ramalan security analysts dan model univariate
time1series
%erdasarkan penelitian yang dilakukan selama beberapa tahun terakhir, temuan yang
paling dominant adalah bahwa security analysts menyediakan forecast yang lebih akurat dari
pada model time1series.
Ada beberapa penjelasan mengapa security analysts menghasilkan forecast yang lebih
akurat dari pada univariate time1series model:
Analysts memiliki keunggulan waktu dari pada forecast yang dibuat oleh time1series
models.
Analysts memiliki akses terhadap perangkat informasi yang lebih luas dari pada hanya
rangkaian di waktu lampau yang digunakan oleh univariate model. ebagai contoh,
analysts dapat langsung meng1akses informasi mengenai ramalan makroekonomi, struktur
kompetitif dari industri, peristiwa1peristiwa seperti akuisisi atau divestitures, dan
sebagainya.
8.2) PROPERTIES OF MANAGEMENT FORECASTS
8amalan atas earnings, penjualan, atau variable lain nya yang dirilis secara umum oleh
manajemen berbeda dengan dari yang disebarkan oleh security analysts pada beberapa dimensi:
*. Management forecast dirilis hanya oleh perangkat perusahan, sedangkan, security analysts
forecast biasanya tersedia untuk kelompok yang luas.
+. Perusahan yang merilis management forecast biasanya membuat hanya satu forecast setiap
tahun, sedangkan security analysts mempublikasikan revisi1revisi dari forecast mereka
sepanjang tahun.
2. Management forecasts tidak selalu disebarkan sebagai angka perkiraan.
a. C"a(a!te(#,t#!, %3 3#(, '%$&nta(#$0 d#,!$%,#n4 3%(e!a,t
%eberapa karakteristik dari firms voluntary disclosing forecast:
Perusahan yang secara umum merilis management forecast tidak muncul sebagai rondom
sample dari semua perusahan. atu penemuan yang konsisten adalah bahwa disclosing
firms mempunyai lebih sedikit rangkaian variabel earnings $&P'. $>mhoff, *:<;/
Cymire, *:;5'.
,arakteristik lain nya adalah ukuran perusahan. ,ebanyakan penelitian melaporkan
bahwa disclosing firms lebih besar daripada non1disclosing firms. ebagai contoh,
perbandingan dari ukuran net ssets mengungkapkan bahwa neta assets dari disclosing
firms adalah D2:= juta sedangkan nonreporting firms adalah D*22 juta. $8uland, *:<:, p.
*:B'
). F%(e!a,t e((%( e'#den!e
%anyak penelitian melaporkan rangkuman statistic yang menyinggung keakuratan dari
management forecast. 9angerman dan 8uland $*:<:' melaporkan sebuah korelasi yang
signifikan antara panjangnya forecast hori4on dan keakuratan dari management forecast,
dimana keakuratan dari management forecast menigkat seiring dengan berkurangnya hori4on
tersebut.
!. Mana4eent VS ,e!&(#t0 ana$0,t,
Management forecast secara potensial dapat menyatukan informasi internal seperti
rencana produksi di masa mendatang dan dana untuk iklan. ebuah isu yang menjadi perhatian
adalah apakah management forecast lebiha akurat dari pada security analysts forecast.
Penelitian1penelitian melaporkan bahwa satu rasional kutipan oleh management untuk
voluntarily forecasting adalah untuk ?memperbaiki@ forecast yang dilakukan oleh security
analysts $Eees, *:;*'.
%eberapa isu sulit muncul ketika membuat perbandingan antara security analysts dan
management forecast:
Eoss function yang dihadapi oleh management dan security analysts ketika kebutuhan
forecasting tidak sama.
Analysts dan management saling mendapat keuntungan dari interaksi satu dengan yang
lain nya. Ada insentif pada kedua belah pihak untuk informasi yang dikomunikasikan,
meskipun ketika terdapat ?insider trading@ law.
Management mampu untuk mempengaruhi variabel yang akan di1forecast melalui
pendanaan, operasi, atau keputusan produksi dan mungkin memiliki insentif ekonomi
yang kuat $sebagai contoh, efek rencana kompensasi' untuk mengijinkan perusaan
tersebut melaporkan tingkat earnings tertentu. ebaliknya, security analysts tidak dapat
mengambil langkah tersebut untuk membuat forecast mereka lebih akurat.
8.5) GAINS FROM AGGREGATING INDIVIDUAL FORECAST
%agian ini mendiskusikan bukti pada keuntungan dari aggregating forecass yang dibuat oleh
individual security analysts dan dengan aggregating forecasts yang dibuat oleh pendekatan1
pendekatan forecasting yang berbeda1beda.
a. A44(e4at#n4 %'e( #nd#'#d&a$ 3%(e!a,te(,
Farnowit4 $*:;+' melakukan penelitian dan kemudian membandingkan keakuratan dari
peramal individual dengan rata1rata ramalan kelompok, kesimpulan nya adalah Grata1rata
forecast kelompok dari serangkaian survey dari waktu ke waktu lebih akurat dari pada
kebanyakan perangkat koresponden dari prediksi1prediksi individual. >ni adalah kesimpulan
yang kuat, yang berlaku untuk semua variabel dan predictive hori4on yang di cover dan
konsisten dengan bukti untuk periode1periode berbeda dan dari penelitian lain nyaH. !idak
ada peramal individual yang telah diamati mendapatkan catatan lebih superior secara
keseluruhan dalam keakuratan, dan tidak ada satu pun dari penelitian saat ini yang mendorong
kita untuk mengharapkan individual untuk mencapai pemahaman tujuan ini $pp. +7, +*'I
). A44(e4at#n4 a!(%,, 3%(e!a,t#n4 app(%a!"e,
alah satu area penelitian yang paling menjanjikan adalah mengkombinasikan
peramalan yang dibuat dengan pendekatan peramalan terpisah untuk memperoleh peramalan
yang saling berhubungan. Aplikasi laporan keuangan dari pendekatan ini adalah dengan
mengkombinasikan peramalan time&series dan peramalan analis sekuritas menjadi peramalan
gabungan.
PALEPU* PROSPECTIVE ANAL/SIS 1 FORECASTING
Analisa Peramalan adalah cara meringkas apa yang telah dipelajari melalui analisis strategi
bisnis, analisis akuntansi, dan analisis keuangan.
ari analisis strategi bisnis' %erapa lama strategi dan keunggulan kompetitif menghasilkan
jenis kinerja spektakuler itu dilaporkan pada tahun1tahun sebelumnyaJ Pada tingkat apa yang dapat
perusahaan tumbuh baik dalam jangka pendek dan dalam jangka panjang tanpa mengorbankan margin
yang superiorJ
ari analisis a(untansi' Apakah ada aspekKs akuntansi menunjukkan laba masa lalu dan aset
yang berlebihan, atau biaya atau kewajiban bersahajaJ Lika demikian, apa implikasi untuk laporan
akuntansi masa depanJ
ari analisis (euangan' Apakah sumber kinerja unggulJ Apakah berkelanjutanJ
9asilnya adalah bahwa memperkirakan analisis strategi bisnis, analisis akuntansi, dan analisis
keuangan yang mendasarinya. .amun, ada beberapa teknologi:. !ehnik dan pengetahuan yang dapat
membantu seorang manajer atau analis untuk struktur forecast terbaik, tergantung pada apa yang telah
dipelajari di langkah sebelumnya.
Te"n#k Ana$#,#,
Cara terbaik untuk meramalkan kinerja masa mendatang adalah melakukan secara
komprehensif tidak hanya menghasilkan perkiraan pendapatan, namun juga menggunakan perkiraan
arus kas dan neraca.
ebuah pendekatan yang komprehensif melibatkan banyak perkiraan, tetapi dalam banyak
kasus mereka semua terkait dengan perilaku beberapa pendorong utama. #engan menghubungkan
perkiraan jumlah tersebut dengan perkiraan penjualan, seseorang dapat menghindari inkonsistensi
internal dan realistis, asumsi implisit..
#alam beberapa konteks manajer atau analist akhirnya tertarik pada perkiraan arus kas, bukan
laba bersih per share. Lumlah ini kemudian dapat diubah menjadi langkah1langkah arus kas dengan
menyesuaikan dengan dampak dari tidak ada biaya kas dan pengeluaran untuk modal kerja yang
ditanamkan.
Pendekatan yang paling praktis untuk peramalan laporan keuangan sebuah perusahaan adalah
fokus pada proyeksi laporan keuangan yang dipublikasikan, seperti yang digunakan dalam analisis
rasio. Mleh karena itu disarankan peramalan keuangan dengan menggunakan kerangka ini.
Eaporan laba rugi terdiri dari elemen1elemen berikut: penjualan
,
laba operasi bersih setelah
pajak $.MPA!', pembelanjaan bunga bersih setelah pajak, pajak, dan laba bersih. Nntuk
memperkirakan laporan laba rugi, orang perlu untuk memulai dengan assumsi periode penjualan
berikutnya. elain itu, asumsi tentang margin .MPA!, tingkat bunga utang awal, dan tarif pajak