Analisis cross section adalah perbandingan data keuangan suatu perusahaan dengan

perusahaan atau industi yang sejenis. akan bermanfaaat untuk melihat prestasi perusahaan
relatif terhadap industri dan juga bermanfaat dalam kasus khusus seperti untuk menentukan
bonus bagi manjemen perusahaan. Bonus bagi manajemen perusahaan pada beberapa
perusahaan ditentukan berdasarkan keuntungan perusahaan relatif terhadap industri.
Definisi industri sejenis adalah kesamaan dalam jenis bahan baku atau supplier, contoh
standar klasifikasi industry listing di BEJ, dan kesamaan dari sisi permintaan.
Kriteria pengelompokan industry didasarkan atas produk yang di hasilkan .contoh : misal
kebutuhan komunikasi, penghasil computer PC dengan mesin fax bisa bersaing, kamera dan
HP.
Industri merupakan suatu kegiatan ekonomi yang mengolah barang mentah, bahan
baku, barang setengah jadi atau barang jadi untuk dijadikan barang yang lebih tinggi
kegunaannya.

Analisis cross section ( perbandingan dengan perusahaan atau industri yang sejenis)
akan bermanfaat untuk melihat prestasi perusahaan relatif terhadap industri dan juga
bermanfaat dalam kasus khusus seperti untuk menentukan bonus bagi manajemen
perusahaan. Bonus bagi manajemen perusahaan pada beberapa perusahaan ditentukan
berdasarkan keuntungan perusahaan relatif terhadap industri. Apabila perusahaan
memeperoleh untung di atas industri, manajemen perusahaan akan memperoleh bonus, dan
tidak memperoleh bonus apabila terjadi sebaliknya.
Mendefinisikan perusahaan sejenis bukan merupakan pekerjaan mudah. Industri yang
bisa diperbandingkan pada dasarnya mempunyai satu atau beberapa elemen yang sama
dengan perusahaan. Kesamaan tersebut antara lain :
(1) Kesamaan dalam jenis bahan baku atau supplier. Perusahaan  bisa dikelompokan
berdasarkan bahan baku yang  dipakai, bisa juga berdasarkan proses produksi yang dipunyai.
Standard Industrial Classification biasanya menggunakan kriteria semacam ini (struktur fisik
dan tekhnologi proses produksi dalam homogenitas produksi). (2). Kesamaan dari sisi
permintaan. Pendekatan ini menggunakan produk-produk yang dihasilkan sebagai kriteria
pengelompokan industri. Apabila produk-produk memenuhi kebutuhan yang sama, dan
produk-produk tersebut merupakan substitusi satu sama lainnya, maka produk-produk
tersebut masuk dalam industri yang sama. Produk-produk tersebut bisa mempunyai horizon
yang pendek yaitu produk-produk yang sama saat ini, tetapi bisa juga mempunyai horizon
jangka panjang yaitu produk-produk yang saling berkompetisi pada beberapa tahun
 mendatang. (3) kesamaan dalam atribut keuangan. Dari sudut pandang investasi, saham-
saham yang mempunyai berapa kesamaan atribut bisa dimasukan kedalam satu kelompok.
Dalam memilih perusahaan  yang akan dipakai sebai perbandingan, analisis juga bisa
menggabungkan ketiga atribut diatas, misalkan perusahaan transportasi dengan asset yang
tidak terlalu besar ( misal Rp. 1,5 miliar), maka perbandingan yang tepat adalah perusahaan
transportasi  lainnya yang mempunyai  asset yang hampir sama besarnya. Membandingkan
perusahaan tersebut dengan perusahaan transportasi lain yang yang mempunyai asset Rp. 1
miliar barangkali tidak sepenuhnya tepat.
erhitungan rata-rata industri

Untuk menghitung rata-rata industri seorang analis mempunyai beberapa alternatif:

1.      Menghitung nilai tunggal sebagai perbandingan

2.      Menghitung nilai tunggal dengan dispersinya ( standar devisiasinya)
3.     Menghitung nilai untuk presentil tertentu  ( misal menghitung  nilai untuk perusahaan  yang
mempunyai ukuran 25% paling kecil.

Kegiatan Peramalan adalah suatu kegiatan memprediksi masa depan menggunakan

kondisi ataupun data dimasa lalu. Hasil ramalan adalah situasi/kondisi yang diperkirakan
akan terjadi pada masa yang akan datang. Ramalan dapat diperoleh dengan bermacam‐
macam cara yang dikenal dengan metode peramalan. Metode peramalan dapat
diklasifikasikan 2 (dua) kelompok yaitu metode kualitatif dan metode kuantitatif. Metode
peramalan kualitatif lebih mendasarkan kualitatif dimasa lalu yaitu berdasarkan pemikiran
yang bersifat intuisi, pendapat dan pengetahuan serta pengalaman. Metode peramalan
kuantitatif merupakan peramalan yang didasarkan pada data kuantitatif dimasa lalu. Hasil
yang dibuat tergantung dari metode yang digunakan untuk melakukan peramalan.
Menurut Australia Bureau of Statistics, data time series adalah sekumpulan data
pengamatan yang diperoleh dari perhitungan dari waktu ke waktu. Pada umumnya
pengumpulan dan pencatatan itu dilakukan dalam jangka waktu tertentu misalnya tiap bulan,
tiap akhir tahun, sepuluh tahun dan sebagainya. Contoh data time series adalah pertumbuhan
ekonomi suatu negara pertahun, jumlah produksi minyak perbulan, indeks harga saham
perhari. Untuk meramalkan data time series dibutuhkan teknik peramalan yang baik. Teknik
 peramalan dapat bermacam-macam tergantung pada pola data yang ada.  Menurut Hanke dan
Wichern (2005:58), ada empat macam tipe pola data yaitu:
1.      Pola Data Horizontal
Pola data horizontal terjadi saat data observasi berfluktuasi di sekitaran suatu nilai
konstan atau mean yang membentuk garis horizontal. Data ini disebut juga dengan data
stasioner. Jumlah penjualan selalu meningkat atau menurun pada suatu nilai konstan secara
konsisten dari waktu ke waktu.
2.      Pola Data Trend
Pola data trend terjadi bilamana data pengamatan mengalami kenaikan atau penurunan
selama periode jangka panjang. Suatu data pengamatan yang mempunyaitrend disebut data
non stasioner.
3.      Pola Data Musiman
Pola data musiman terjadi  bilamana suatu deret dipengaruhi oleh faktor musiman. Pola
data musiman dapat mempunyai pola musim yang berulang dari periode ke periode
berikutnya. Misalnya pola yang berulang setiap bulan tertentu, tahun tertentu  atau pada
minggu tertentu.
4.      Pola Data Siklis
Pola data siklis terjadi bilamana deret data dipengaruhi oleh fluktuasi ekonomi jangka
panjang seperti yang berhubungan dengan siklus bisnis.

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.
Kegiatan Peramalan adalah suatu kegiatan memprediksi masa depan menggunakan
kondisi ataupun data dimasa lalu. Hasil ramalan adalah situasi/kondisi yang diperkirakan
akan terjadi pada masa yang akan datang. Ramalan dapat diperoleh dengan bermacam‐
macam cara yang dikenal dengan metode peramalan. Metode peramalan dapat
diklasifikasikan 2 (dua) kelompok yaitu metode kualitatif dan metode kuantitatif. Metode
peramalan kualitatif lebih mendasarkan kualitatif dimasa lalu yaitu berdasarkan pemikiran
yang bersifat intuisi, pendapat dan pengetahuan serta pengalaman. Metode peramalan
kuantitatif merupakan peramalan yang didasarkan pada data kuantitatif dimasa lalu. Hasil
yang dibuat tergantung dari metode yang digunakan untuk melakukan peramalan.
Menurut Australia Bureau of Statistics, data time series adalah sekumpulan data
pengamatan yang diperoleh dari perhitungan dari waktu ke waktu. Pada umumnya
pengumpulan dan pencatatan itu dilakukan dalam jangka waktu tertentu misalnya tiap bulan,
tiap akhir tahun, sepuluh tahun dan sebagainya. Contoh data time series adalah pertumbuhan
ekonomi suatu negara pertahun, jumlah produksi minyak perbulan, indeks harga saham
perhari. Untuk meramalkan data time series dibutuhkan teknik peramalan yang baik. Teknik
 peramalan dapat bermacam-macam tergantung pada pola data yang ada.  Menurut Hanke dan
Wichern (2005:58), ada empat macam tipe pola data yaitu:
1.      Pola Data Horizontal
Pola data horizontal terjadi saat data observasi berfluktuasi di sekitaran suatu nilai
konstan atau mean yang membentuk garis horizontal. Data ini disebut juga dengan data
stasioner. Jumlah penjualan selalu meningkat atau menurun pada suatu nilai konstan secara
konsisten dari waktu ke waktu.
2.      Pola Data Trend
Pola data trend terjadi bilamana data pengamatan mengalami kenaikan atau penurunan
selama periode jangka panjang. Suatu data pengamatan yang mempunyaitrend disebut data
non stasioner.
3.      Pola Data Musiman
Pola data musiman terjadi  bilamana suatu deret dipengaruhi oleh faktor musiman. Pola
data musiman dapat mempunyai pola musim yang berulang dari periode ke periode
berikutnya. Misalnya pola yang berulang setiap bulan tertentu, tahun tertentu  atau pada
minggu tertentu.
4.      Pola Data Siklis
Pola data siklis terjadi bilamana deret data dipengaruhi oleh fluktuasi ekonomi jangka
panjang seperti yang berhubungan dengan siklus bisnis.

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.
Kegiatan Peramalan adalah suatu kegiatan memprediksi masa depan menggunakan
kondisi ataupun data dimasa lalu. Hasil ramalan adalah situasi/kondisi yang diperkirakan
akan terjadi pada masa yang akan datang. Ramalan dapat diperoleh dengan bermacam‐
macam cara yang dikenal dengan metode peramalan. Metode peramalan dapat
diklasifikasikan 2 (dua) kelompok yaitu metode kualitatif dan metode kuantitatif. Metode
peramalan kualitatif lebih mendasarkan kualitatif dimasa lalu yaitu berdasarkan pemikiran
yang bersifat intuisi, pendapat dan pengetahuan serta pengalaman. Metode peramalan
kuantitatif merupakan peramalan yang didasarkan pada data kuantitatif dimasa lalu. Hasil
yang dibuat tergantung dari metode yang digunakan untuk melakukan peramalan.
Menurut Australia Bureau of Statistics, data time series adalah sekumpulan data
pengamatan yang diperoleh dari perhitungan dari waktu ke waktu. Pada umumnya
pengumpulan dan pencatatan itu dilakukan dalam jangka waktu tertentu misalnya tiap bulan,
tiap akhir tahun, sepuluh tahun dan sebagainya. Contoh data time series adalah pertumbuhan
ekonomi suatu negara pertahun, jumlah produksi minyak perbulan, indeks harga saham
perhari. Untuk meramalkan data time series dibutuhkan teknik peramalan yang baik. Teknik
 peramalan dapat bermacam-macam tergantung pada pola data yang ada.  Menurut Hanke dan
Wichern (2005:58), ada empat macam tipe pola data yaitu:
1.      Pola Data Horizontal
Pola data horizontal terjadi saat data observasi berfluktuasi di sekitaran suatu nilai
konstan atau mean yang membentuk garis horizontal. Data ini disebut juga dengan data
stasioner. Jumlah penjualan selalu meningkat atau menurun pada suatu nilai konstan secara
konsisten dari waktu ke waktu.
2.      Pola Data Trend
Pola data trend terjadi bilamana data pengamatan mengalami kenaikan atau penurunan
selama periode jangka panjang. Suatu data pengamatan yang mempunyaitrend disebut data
non stasioner.
3.      Pola Data Musiman
Pola data musiman terjadi  bilamana suatu deret dipengaruhi oleh faktor musiman. Pola
data musiman dapat mempunyai pola musim yang berulang dari periode ke periode
berikutnya. Misalnya pola yang berulang setiap bulan tertentu, tahun tertentu  atau pada
minggu tertentu.
4.      Pola Data Siklis
Pola data siklis terjadi bilamana deret data dipengaruhi oleh fluktuasi ekonomi jangka
panjang seperti yang berhubungan dengan siklus bisnis.

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.
Kegiatan Peramalan adalah suatu kegiatan memprediksi masa depan menggunakan
kondisi ataupun data dimasa lalu. Hasil ramalan adalah situasi/kondisi yang diperkirakan
akan terjadi pada masa yang akan datang. Ramalan dapat diperoleh dengan bermacam‐
macam cara yang dikenal dengan metode peramalan. Metode peramalan dapat
diklasifikasikan 2 (dua) kelompok yaitu metode kualitatif dan metode kuantitatif. Metode
peramalan kualitatif lebih mendasarkan kualitatif dimasa lalu yaitu berdasarkan pemikiran
yang bersifat intuisi, pendapat dan pengetahuan serta pengalaman. Metode peramalan
kuantitatif merupakan peramalan yang didasarkan pada data kuantitatif dimasa lalu. Hasil
yang dibuat tergantung dari metode yang digunakan untuk melakukan peramalan.
Menurut Australia Bureau of Statistics, data time series adalah sekumpulan data
pengamatan yang diperoleh dari perhitungan dari waktu ke waktu. Pada umumnya
pengumpulan dan pencatatan itu dilakukan dalam jangka waktu tertentu misalnya tiap bulan,
tiap akhir tahun, sepuluh tahun dan sebagainya. Contoh data time series adalah pertumbuhan
ekonomi suatu negara pertahun, jumlah produksi minyak perbulan, indeks harga saham
perhari. Untuk meramalkan data time series dibutuhkan teknik peramalan yang baik. Teknik
 peramalan dapat bermacam-macam tergantung pada pola data yang ada.  Menurut Hanke dan
Wichern (2005:58), ada empat macam tipe pola data yaitu:
1.      Pola Data Horizontal
Pola data horizontal terjadi saat data observasi berfluktuasi di sekitaran suatu nilai
konstan atau mean yang membentuk garis horizontal. Data ini disebut juga dengan data
stasioner. Jumlah penjualan selalu meningkat atau menurun pada suatu nilai konstan secara
konsisten dari waktu ke waktu.
2.      Pola Data Trend
Pola data trend terjadi bilamana data pengamatan mengalami kenaikan atau penurunan
selama periode jangka panjang. Suatu data pengamatan yang mempunyaitrend disebut data
non stasioner.
3.      Pola Data Musiman
Pola data musiman terjadi  bilamana suatu deret dipengaruhi oleh faktor musiman. Pola
data musiman dapat mempunyai pola musim yang berulang dari periode ke periode
berikutnya. Misalnya pola yang berulang setiap bulan tertentu, tahun tertentu  atau pada
minggu tertentu.
4.      Pola Data Siklis
Pola data siklis terjadi bilamana deret data dipengaruhi oleh fluktuasi ekonomi jangka
panjang seperti yang berhubungan dengan siklus bisnis.

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.