TUGAS MAKALAH MATA KULIAH ANALISIS LAPORAN KEUANGAN

ANALISIS TIME SERIES

Disusun oleh:

Anjaninta Zain

Indah Nur Syamsiah

Novi Handayani

Rumaisha As-silmi Kaaffah

UNIVERSITAS TEKNOLOGI SUMBAWA

FAKULTAS EKONOMI DAN BISNIS

PROGRAM STUDI AKUNTANSI

2020
 KATA PENGANTAR

Assalamualaikum Wr. Wb.

Dengan mengucapkan puji dan syukur kehadirat Tuhan yang maha esa, karena atas berkat rahmat-
Nya kami dapat menyelesaikan makalah untuk memenuhi mata kuliah Analisis Laporan keuangan.
Dalam penulisan makalah ini kami membahas tentang “ANALISIS TIME SERIES” sesuai dengan
tujuan instruksional khusus mata kuliah Analisis Laporan Keuangan, Program Studi S1 Akuntansi,
Jurusan akuntansi, Fakultas Ekonomi dan bisnis, Universitas Teknologi Sumbawa.

Dengan menyelesaikan makalah ini, tidak jarang penulis menemui kesulitan. Namun penulis sudah
berusaha sebaik mungkin untuk menyelesaikannya, oleh karena itu penulis mengharapkan kritik dan
saran, dari semua pihak yang membaca, yang sifatnya membangun untuk dijadikan bahan masukan
guna penulisan yang akan datang sehingga menjadi lebih baik lagi. Semoga makalah ini bisa
bermanfaat bagi penulis khususnya dan bagi pembaca pada umumnya.

Sumbawa, 06 maret 2020

Penulis
 BAB II

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.

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.
 BAB II

PEMBAHASAN

2.1 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:

Tahun ROA PT A ROA Industri

2003 10% 9%

2004 12% 11%

2005 13% 12%

2006 17% 19%

2007 15% 14%

2008 14% 13%

2009 13,50% 12,50%

Dalam analisis times series, perubahan-perubahan struktural yang akan berpengaruh terhadap angka-
angka keuangan harus diperhatikan. Perubahan-perubahan struktural yang akan mempengaruhi tren
keuangan suatu perusahaan antara lain:

1. Peraturan Pemerintah
2. Perubahan Kompetisi
3. Perubahan Teknologi
4. Akuisi dan Merger (Penggabungan Perusahaan)
Data penjualan PT A & PT B:

Tahun Penjualan Gabungan

PT A PT B
2004 Rp 9.000.000.000,00 Rp 5.000.000.000,00 Rp 14.000.000.000,00

2005 Rp 10.000.000.000,00 Rp 6.000.000.000,00 Rp 16.000.000.000,00

2006 Rp 12.000.000.000,00 Rp 7.000.000.000,00 Rp 19.000.000.000,00

2007 Rp 21.000.000.000,00 - Rp 21.000.000.000,00

2008 Rp 23.000.000.000,00 - Rp 23.000.000.000,00

2009 Rp 24.000.000.000,00 - Rp 24.000.000.000,00

2.2 Macam- macam pendekatan time series

Tiga pendekatan dalam analisis time series:

1. Pendekatan Ekonomi
2. Pendekatan Statistik
3. Pendekatan Visual

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 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.

2.3 ANALISIS DATA KEUANGAN

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
Musiman merupakan fluktuasi yang terjadi dalam lingkup satu tahun. Ada beberapa
penyebab timbulnya fluktuasi musiman, misalnya karena peristiwa tertentu (lebaran, tahun
baru), karena cuaca (musim hujan, 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.

2.4 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 dan b dihitung dengan cara sebagai berikut:

a = ∑ (Y) – b ∑ (X)

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

Perhitungan trend:

TH X PENJUALAN XY X2 TREND Y/Yt*100

(Y) (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- 5 375.840.000
RATA

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

2.5 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:

Pada Skala Aritmatik persamaan tren yang lebih sesuai adalah persamaan parabola seperti berikut ini.

Y = a + bX + cX2

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.

2.6 Analisis Siklus

Fluktuasi siklus bisnis muncul dalam jangka waktu menengah (2–10 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. dimana Y adalah nilai yang sesungguhnya dan Yt
adalah data tren yang dihitung berdasarkan persamaan tren.

2.7 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
Triwulan II
Triwulan III
Triwulan IV
Triwulan (1) Indeks Anggaran penjualan Anggaran
musiman (2) dengan pengaruh penjualan tanpa
musiman (3) pengaruh musiman
(4)=(2)x(3)
I 0,99 250.000.000 247.500.000

II 1,01 250.000.000 525.000.000

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 (1) Indeks Anggaran penjualan Anggaran

musiman (2) dengan pengaruh penjualan tanpa
musiman (3) pengaruh musiman
(4)=(3)/(2)
I 0,99 247.500.000 250.000.000

II 1,01 525.000.000 250.000.000

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

2.8 METODE-METODE PERAMALAN

Univariate Multivariate

Mekanis Model Rata-rata Model Regresi Model

Bergerak Model Fungsi Transfer Box-
Box-Jenkins Jenkins
Univariate
Non-mekanis Pendekatan visual Pendekatan analis
sekuritas

Model-model tersebut bukan saling menggantikan, tetapi saling melengkapi. Pendekatan

mekanis pada dasarnya menggunakan teknik-teknik yang 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 model multivariate 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 = forecast pada periode t – 1

w = konstanta dengan nilai antara 0 – 1

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

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

3. Pendekatan Univariate Mekanis untuk Forecasting

Kelebihan:

a. Kemampuan mendeteksi dan memanfaatkan pola tertentu pada data masa lalu
b. Tingkat subyektivitas yang rendah, terutama apabila metode statistic digunakan
c. Biaya yang relatif lebih rendah
d. Mudah diperbaharui
e. Kemampuan menganalisis lebih lanjut dengan metode statistik

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 statistic
c. Sulit mengkomunikasikan hasil analisis kepada luar, terutama dalam hal metodologinya
 BAB III

PENUTUP

3.1 kesimpulan

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.

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.

3.2 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-dan- forecasting.html

http:tugas-alk.blogspot.com/2014/06/analisis-times-series-dan-forecasting.html?m-1