1.

3 KRITERIA UNTUK MENGEVALUASI PERAMALAN

Pada umumnya, kualitas peramalan yang lebih baik mengarahkan kita pada kualitas
keputusan yang lebih baik. Dengan pandangan tersebut, evaluasi detail dari kualitas
peramalan akan memerlukan analisis yang spesifik dimana konteks keputusan pada setiap
ramalan yang digunakan. Berikut adalah contoh ilustrasinya :
1. Konteks investasi dimana tujuannya adalah mendeteksi kesalahan harga sekuritas.
2. Konteks investasi dimana tujuannya adalah memelihara portofolio yang baik dengan
tingkat resiko tertentu.
3. Konteks peminjaman kredit dimana tujuannya adalah untuk menyeimbangkan
pembayaran bunga yang lebih tinggi terhadap kemungkinan kebangkrutan.
4. Dalam konteks pembuangan dimana tujuannya adalah untuk meramalkan earnings
masa depan yang berasal dari divisi suatu perusahaan.

A. Pengukuran Kesalahan Peramalan

Pada tahap pertama pengukuran fokus pada penyebaran ramalan, dan selanjutnya tahap
kedua memeriksa bias ramalan.
Penyebaran/Dispersi
Dua pengukuran yang biasa dipakai dalam pengukuran penyebaran dari kesalahan
ramalan adalah mean absolute error (MABE) dan the mean square error (MSE).
Semakin besar MABE (MSE), maka semakin besar pula besarnya kesalahan peramalan.
Keakuratan biasanya dihubungkan dengan dispersi kesalahan ramalan. Variabel-
variabelnya yang dapat digunakan untuk mendeflaasi kesalahan ramalan meliputi:
a. Ukuran tinggi peramalan.
b. Ukuran variabilitas ramalan.
c. Variabel dalam tingkat keputusan dimana ramalan digunakan
Bias
Ketidakbiasan terjadi bila nilai dari kesalahan ramalan sama dengan nol (0). Pengukuran
yang memberikan bukti bias adalah average error (AVE). AVE tidak berhubungan
dengan tiap kesalahan ramalan, melainkan rata-rata kesalahan dari keseluruhan
peramalan.
B. Masalah Horisontal Ramalan
Dalam beberapa konteks keputusan, perhatian tertuju pada urutan pengamatan masa
depan pada satu titik waktu. Penelitian survei oleh Moizer dan Arnold (1982) dan
Arnold, Moizer, dan Noreen (1983) menunjukkan bahwa sebagian besar analis sekuritas
mengklaim memiliki tahun multi horisontal. Bukti ini didasarkan pada tanggapan oleh
analis keamanan untuk pertanyaan mengenai cakrawala yang digunakan dalam perkiraan
penghasilan mereka.

RRA
Penelitian Sebelumnya dan Research Gap
Berdasarkan literatur sebelumnya menunjukkan bahwa pengembalian ekuitas dapat
dicirikan sebagai fungsi dari variabel berbasis akuntansi (Penman, Reggiani, Richardson,
dan Tuna 2012). Dimana peneliti menggunakan literatur ini sebagai dasar untuk
mengembangkan ekspresi varians pengembalian ekuitas sebagai fungsi informasi dari
laporan keuangan. Peneliti menguraikan varians pengembalian ekuitas menjadi tiga
komponen: varians hasil pendapatan, varians dari premi harga ekuitas, dan kovarians
hasil pendapatan dengan premi harga ekuitas. Peneliti menemukan bukti bahwa
penggerak volatilitas berbasis akuntansi menjelaskan sebagian besar perbedaan antara
volatilitas tersirat opsi dan volatilitas yang direalisasikan di masa depan. Perbedaan ini
sering dikaitkan dengan premi yang diminta investor untuk eksposur risiko varians, atau
ketidakpastian tentang realisasi varians di masa depan. Namun, sedikit yang diketahui
tentang bagaimana risiko varians berhubungan dengan fundamental perusahaan. Artikel
ini mengisi perbedaan ini dalam literatur dengan menunjukkan hubungan sistematis
antara informasi fundamental berbasis akuntansi dan perbedaan antara volatilitas tersirat
dan terealisasi.