14.

1 Mengukur Pengaruh Tren

Tren suatu data bisa dilihat dengan cara:

1. Menggambar dengan tangan
Yaitu dengan cara menarik garis lurus disekitar data-data yang ada. Kelebihan: sangat praktis
dan sederhana, kelemahan: kurang konsisten (subyektif).
2. Menggunakan model matematika (metode least square)
Yaitu menggambarkan garis lurus sedemikian rupa sehingga selisih kuadrat antara garis lurus
tersebut dengan data yang sesungguhnya, yang paling kecil. Kelebihan:: obyektif, kelemahan:
terlalu mekanistis.
Rumus:
Yt = a + b X
a = (Y) b (X)
b = ( XY n (X) (Y)) / ( X2 n (X)2)

Perhitungan trend:
Y/Yt*100
TH X PENJ (Y) XY X2 TREND (Yt*) (% trend)
2000 1 8.000.000 8.000.000 1 7.932.888,9 100,85
2001 2 8.050.000 16.100.000 4 8.011.472,2 100,48
2002 3 8.110.000 24.330.000 9 8.090.055,6 100,25
2003 4 8.140.000 32.560.000 16 8.168.638,9 99,65
2004 5 8.200.000 41.000.000 25 8.247.222,2 99,43
2005 6 8.225.000 49.350.000 36 8.325.805,6 98,79
2006 7 8.300.000 58.100.000 49 8.404.388,9 98,76
2007 8 8.400.000 67.200.000 64 8.482.972,2 99,02
2008 9 8.800.000 79.200.000 81 8.561.555,5 102,79
JML 45 74.225.000 375.840.000 285
Rata-
rata 5 8.247.222,22

b = ( XY n (X) (Y)) / ( X2 n (X)2)

b = (375.840.000 9 (5) (8.247.222,22)) / (285 9 (5)2)
b = 4. 715.000,10 / 60
b = 78.583,33

a = (Y) b (X)
a = 8.247.222,22 - 78.583,33 (5) = 7.854.305,57

Yt = a + b X
Yt = 7.854.305,57 + 78.583,33 X

14.2 Trend Sebagai Proyeksi Masa Depan

Untuk memakai persamaan tren sebagai proyeksi masa depan, seorang analis harus
hati-hati terhadap asumsi yang digunakan. Trend garis lurus mengasumsikan perkembangan
yang konstan untuk masa-masa yang akan mendatang. Padahal beberapa situasi, penjualan
tumbuh merambat pada periode berikutnya. Misalnya suatu produk baru diluncurkan,
pertumbuhan pada awal periode akan sangat cepat. Kemudian memasuki tahap kedewasaan,
pertumbuhan tersebut akan semakin melambat.
Rumus:
Y=a+bX+cX2
log Y = a + b log X

14.3 Analisis Siklus

Fluktuasi siklus bisnis muncul dalam jangka waktu menengah (210 tahun).. Pengaruh
siklus dapat dilihat dengan persentase tren yang dirumuskan sbb:
% Trend = Y / Yt 100
Ada kecenderungan siklus dengan jangka waktu 7 tahun. Tahun 2000 menunjukkan
penjualan tinggi, penjualan tinggi tersebut muncul lagi tahun 2008.

14.4 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
Triwulan III : 0,90
Triwulan IV : 1,10

Triwulan Indeks Anggaran Penjualan Anggaran penjualan dengan

musiman pengaruh musiman
(4)=(2)x(3)
(1) (2) (3)
I 0,99 250.000.000 247.500.000
II 1,01 250.000.000 252.500.000
III 0,90 250.000.000 225.000.000
IV 1,10 250.000.000 275.000.000
Total anggaran penjualan 1.000.000.000

Kedua, apabila analis ingin menghilangkan pengaruh musiman untuk melihat pengaruh trend,
siklus, dan ketidakteraturan secara lebih jelas.

Triwulan Indeks Anggaran Penjualan dengan Anggaran penjualan tanpa

musiman pengaruh musiman pengaruh musiman
(3) (4) = (3) / (2)
(1) (2)
I 0,99 247.500.000 250.000.000
II 1,01 252.500.000 250.000.000
III 0,90 225.000.000 250.000.000
IV 1,10 275.000.000 250.000.000
Total anggaran penjualan 1.000.000.000
14.5 Metode-Metode Forecasting

Univariate Multivariate
Mekanis Model Rata-rata Bergerak Model Regresi
Model Box-Jenkins Univariate Model Fungsi Transfer Box-Jenkins
Non-mekanis Pendekatan Visual Pendekatan analis sekuritas

Dalam pendekatan univariate, hanya satu variabel yang dilihat ketika analis melakukan
perkiraan. Sedangkan dalam pendekatan multivariate, beberapa variabel dan interaksi antar
variabel-variabel tersebut dipertimbangkan dalam perkiraan data.

14.6 Perbandingan Model-model Forecast

Pendekatan Analis Sekuritas (Multivariate) untuk Forecasting

Kelebihan:
1. Mampu menyesuaikan terhadap informasi dari berbagai sumber
2. Mampu menyesuaikan terhadap perubahan struktural secara cepat
3. Mampu memperbaharui secara kontinu apabila ada informasi baru masuk

Kelemahan:
1. Biaya yang cukup tinggi untuk persiapan dan pelaksanaan, untuk monitoring beberapa
variabel, dan biaya-biaya lainnya
2. Ketergantungan yang tinggi terhadap kemampuan individu analisnya
3. Analis barangkali mempunyai insentif untuk tidak menampilkan forecast yang tidak bias
(misal, karena tekanan agar sesuai dengan konsensus forecast)
4. Analis barangkali bisa dimanfaatkan oleh perusahaan-perusahaan tertentu untuk
kepentingan perusahaan tersebut

v Pendekatan Univariate Mekanis untuk Forecasting

Kelebihan:
1. Kemampuan mendeteksi dan memanfaatkan pola tertentu pada data masa lalu
2. Tingkat subyektivitas yang rendah, terutama apabila metode statistik digunakan
3. Biaya yang relatif lebih rendah
4. Mudah diperbaharui
5. Kemampuan menganalisis lebih lanjut dengan metode statistik

Kelemahan:
1. Jumlah observasi yang terbatas pada situasi tertentu, misal pada perusahaan yang baru
berdiri
2. Laporan keuangan barangkali tidak memenuhi asumsi-asumsi yang diperlukan dalam
analisis statistik
3. Sulit mengkomunikasikan hasil analisis kepada luar, terutama dalam hal metodologinya