NAMA : OKTAVIANUS JONATHAN

KELAS : 3C3
NIM : 19410741
ANALISIS FORECASTING DATA KEUANGAN
 ANALISIS FORECASTING DATA KEUANGAN

• MENGUKUR PENGARUH TREN 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, DAN SEMACAMNYA. MENGUKUR
PENGARUH TREN TREN SUATU DATA BISA DILIHAT DENGAN BEBERAPA CARA:
• A.

MENGGAMBAR DENGAN TANGAN PENGGAMBARAN SECARA LANGSUNG BISA DILAKUKAN

DENGAN MENARIK GARIS LURUS DISEKITAR

DATA-DATA YANG ADA. CARA SEMACAM INI SANGAT PRAKTIS DAN SEDERHANA, TETAPI
MEMPUNYAI KELEMAHAN KARENA KONSISTENSI CARA SEMACAM ITU SANGAT KURANG. DUA
ORANG, DENGAN DATA YANG SAMA, BISA MENGASILKAN GARIS TREND YANG BERLAINAN.
DEMIKIAN SEORANG ANALIS APABILA MENGGAMBAR DUA KALI PADA WAKTU YANG
BERBEDA, DENGAN MENGGUNAKAN DATA YANG SAMA, BISA MENGHASILKAN GARIS TREND
YANG BERLAINAN. CARA SEMACAM INI MENIMBULKAN MASALAH APABILA TEKNIK
KUANTITATIF AKAN DIGUNAKAN UNTUK ANALISIS LEBIH LANJUT.
• B.

MENGGUNAKAN MODEL MATEMATIKA DENGAN MENGGUNAKAN MODEL MATEMATIK, GARIS TREND BISA DIBUAT
DENGAN

METODE LEAST SQUARE. METODE TERSEBUT PADA DASARNYA MENGGAMBARKAN GARIS LURUS SEDEMIKIAN
RUPA SEHINGGA SELISIH KUADRAT ANTARA GARIS LURUS TERSEBUT DENGAN DATA YANG SESUNGGUHNYA,
YANG PALING KECIL. MODEL TERSEBUT SERUPA DENGAN MODEL REGRESI, KECUALI ASUMSI YANG DIGUNAKAN
UNTUK METODE REGRESI TIDAK BISA DIPAKAI UNTUK ANALISIS TIME SERIES. DALAM ANALISIS REGRESI
DIASUMSIKAN BAHWA KORELASI ANTARA RESIDUAL PADA PERIODE T DENGAN RESIDUAL PADA PERIODE T-1
SAMA DENGAN 0. DALAM ANALISIS TIME SERIES UNTUK PENJUALAN SEBAGAI CONTOH, TENTUNYA ASUMSI
SEMACAM ITU TIDAK MASUK AKAL. PENJUALAN PADA PERIODE T AKAN BERKOLERASI DENGAN PENJUALAN PADA
T-1. MESKIPUN DEMIKIAN METODELEAST SQUARE DIPAKAI KARENA PENGGUNAANNYA YANG SEDERHANA.
• CONTOH PERHITUNGAN TREND DATA GANJIL : TABEL : VOLUME PENJUALAN BARANG
“X” (DALAM 000 UNIT) TAHUN 1995 SAMPAI DENGAN 2003 TAHUN 1995 1996 1997 1998 1999
2000 2001 2002 2003 JUMLAH

PENJUALAN (Y) 200 245 240 275 285 300 290 315 310 2.460

X -4 -3 -2 -1 0 1 2 3 4

XY - 800 - 735 - 480 - 275 0 300 580 945 1.240 775

X2 16 9 4 1 0 1 4 9 16 60
• UNTUK MENCARI NILAI A DAN B ADALAH SEBAGAI BERIKUT : A= 2.460 / 9 = 273,33
DAN B = 775 / 60 = 12,92 PERSAMAAN GARIS LINIERNYA ADALAH : Y = 273,33 + 12,92
X. DENGAN MENGGUNAKAN PERSAMAAN TERSEBUT, DAPAT DIRAMALKAN
PENJUALAN PADA TAHUN 2010 ADALAH : Y = 273,33 + 12,92 (UNTUK TAHUN 2010
NILAI X ADALAH 11), SEHINGGA : Y = 273,33 + 142,12 = 415,45 DAPAT DISIMPULKAN
BAHWA PENJUALAN BARANG “X” PADA TAHUN 2010 DIPERKIRAKAN SEBESAR
415.450 UNIT. CONTOH PERHITUNGAN TREND DATA GENAP : TABEL : VOLUME
PENJUALAN BARANG “X” (DALAM 000 UNIT) TAHUN 1995 SAMPAI DENGAN 2002
TAHUN 1995 1996 1997 1998 1999 2000 2001 2002 JUMLAH
• PENJUALAN (Y) 200 245 240 275 285 300 290 315 2.150

X -7 -5 -3 -1 1 3 5 7

XY - 1.400 - 1.225 - 720 - 275 285 900 1.450 2.205 1.220

X2 49 25 9 1 1 9 25 49 168
• UNTUK MENCARI NILAI A DAN B ADALAH SEBAGAI BERIKUT : A = 2.150 / 8 = 268,75
DAN B = 1.220 / 168 = 7,26 PERSAMAAN GARIS LINIERNYA ADALAH : Y = 268,75 +
7,26 X. BERDASARKAN PERSAMAAN TERSEBUT UNTUK MERAMALKAN
PENJUALAN PADA TAHUN 2008 ADALAH : Y = 268,75 + 7,26 (UNTUK TAHUN 2008
NILAI X ADALAH 19), SEHINGGA : Y = 268,75 + 137,94 = 406,69 DAPAT DISIMPULKAN
BAHWA PENJUALAN BARANG “X” PADA TAHUN 2008 DIPERKIRAKAN SEBESAR
406,69 ATAU 406.690 UNIT.
• TREN SEBAGAI PROYEKSI MASA DEPAN TREN SEBAGAI PROYEKSI MASA DEPAN UNTUK
MEMAKAI PERSAMAAN TREN SEBAGAI PROYEKSI MASA DEPAN, SEORANG ANALIS
HARUS HATIHATI TERHADAP ASUMSI YANG DIGUNAKAN. TREN GARIS
MENGASUMSIKAN PERKEMBANGAN YANG KONSTAN UNTUK MASA-MASA
MENDATANG. PADAHAL PADA BEBERAPA SITUASI, PENJUALAN TUMBUH DENGAN
TINGKAT SANGAT CEPAT PADA AWAL-AWAL PERIODE, KEMUDIAN TUMBUH
MELAMBAT PADA PERIODE BERIKUTNYA. MISALKAN SUATU PRODUK MASIH BARU
DILUNCURKAN, PERTUMBUHAN PADA AWAL PERIODE AKAN SANGAT CEPAT.
KEMUDIAN SETELAH MEMASUKI TAHAP KEDEWASAAN, PERTUMBUHAN TERSEBUT
AKAN SEMAKIN MELAMBAT. 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.
• ANALISIS SIKLUS SIKLUS MERUPAKAN FLUKTUASI BISNIS DALAM JANGKA
YANG LEBIH PENDEK (SEKITAR 2-10 TAHUN). BELUM ADA PENJELASAN YANG
MEMUASKAN TERHADAP PENYEBAB TIMBULNYA FLUKTUASI SIKLUS SEMACAM
INI. LAMANYA DAN BESARNYA FLUKTUASI JUGA SANGAT BERAGAM DARI
PERUSAHAAN KE PERUSAHAAN, DAN DARI INDUSTRI KE INDUSTRI. SEPERTI
DIKATAKAN DI ATAS, FLUKTUASI SIKLUS BISNIS MUNCUL DALAM JANGKA
WAKTU MENENGAH (210 TAHUN). PENGARUH SIKLUS BISA DILIHAT DENGAN
PERSENTASE TREN YANG DIRUMUSKAN SEBAGAI BERIKUT: % TREN = (Y/YT) X
100
• ANALISIS MUSIMAN MUSIMAN MERUPAKAN FLUKTUASI YANG TERJADI DALAM LINGKUP SATU TAHUN. ADA
BEBERAPA PENYEBAB TIMBULNYA FLUKTUASI SEPERTI: A.

KARENA PERISTIWA TERTENTU, MISAL KARENA PERISTIWA LEBARAN ATAU TAHUN BARU. B.

KARENA CUACA, MISAL MUSIM HUJAN DAN MUSIM KEMARAU.

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
• METODE – METODE FORECASTING SECARA UMUM TEKNIK ATAU METODE
PERAMALAN DAPAT DIBAGI MENJADI DUA KATEGORI, YANG MASING-MASING
KATEGORI TERDIRI DARI BEBERAPA MODEL. HAL INI DAPAT DIJELASKAN
SEBAGAI BERIKUT (SPYROS MAKRIDAKIS, 1993 HAL 8-10)
• 1. METODE KUALITATIF METODE INI LEBIH MENEKANKAN PADA
KEPUTUSAN-KEPUTUSAN HASIL DISKUSI PENDAPAT PRIBADI SESEORANG, DAN
INTUISI YANG MESKIPUN KELIHATANNYA KURANG ILMIAH TETAPI DAPAT
MEMBERIKAN HASIL YANG BAIK. METODE INI DIBAGI MENJADI 2 YAKNI A)
METODE EKSPLORITAS B) METODE NORMATI
• 2. METODE KUANTITATIF MERUPAKAN PROSEDUR PERAMALAN YANG
MENGIKUTI ATURAN-ATURAN MATEMATIS DAN STATISTIK DALAM
MENUNJUKAN HUBUBGAN ANTARA PERMINTAAN DENGAN SATU ATAU LEBIH
VARIABEL YANG MEMPENGARUHINYA. PERAMALAN KUANTITATIF
MENGASUMSIKAN BAHWA TINGKAT KEERATAN DAN MACAM DARI HUBUNGAN
ANTARA VARIABEL-VARIABEL BEBAS DENGAN PERMINTAAN YANG TERJADI
PADA MASA LALU AKAN BERULANG PADA MASA AKAN DATANG. PROSEDUR
UMUM YANG DIGUNAKAN DALAM PERAMALAN SECARA KUANTITATIF ADALAH:
• 1. DEFINISIKAN TUJUAN PERAMALAN. 2. PEMBUATAN DIAGRAM PENCAR. 3. PILIH
MINIMAL DUA METODE PERAMALAN YANG DIANGGAP SESUAI. 4. HITUNG
PARAMETER – PARAMETER FUNGSI PERAMALAN. 5. HITUNG KESALAHAN SETIAP
METODE PERAMALAN. 6. PILIH METODE YANG TERBAIK, YAITU YANG MEMILIKI
KESALAHAN TERKECIL. 7. LAKUKAN VERIFIKASI PERAMALAN. PERAMALAN
KUANTITATIF DAPAT DITERAPKAN BILA TERDAPAT TIGA KONDISI BERIKUT: A)
TERSEDIANYA INFORMASI TENTANG MASA LALU
• B) INFORMASI TERSEBUT DAPAT DIKUANTITATIFKAN DALAM BENTUK DATA
NUMERIK
• C) DAPAT DIASUMSIKAN BAHWA BEBERAPA ASPEK POLA MASA LALU AKAN TERUS BERLANJUT DIMASA
YANG AKAN DATANG. PERBANDINGAN MODEL – MODEL FORECAST KELEBIHAN DAN KELEMAHAN
ALTERNATIF MODEL-MODEL FORECAST BISA DILIHAT BERIKUT INI UNTUK ANALISIS UNIVARIATE
MEKANIS DAN PENDEKATAN ANALIS SEKURITAS. PENDEKATAN ANALIS SEKURITAS (MULTIVARIATE)
UNTUK FORECASTING, YAITU : 1. KELEBIHAN-KELEBIHANNYA, ANTARA LAIN : A. MAMPU
MENYESUAIKAN TERHADAP INFORMASI DARI BERBAGAI SUMBER B. MAMPU MENYESUAIKAN
TERHADAP PERUBAHAN STRUCTURAL SECARA CEPAT C. MAMPU MEMPERBAHARUI SECARA KONTINU
APABILA ADA INFORMASI BARU MASUK 2. KELEMAHAN-KELEMAHANNYA, ANTARA LAIN : A. BIAYA
YANG CUKUP TINGGI UNTUK PERSIAPAN DAN PELAKSANAAN,UNTUK MONITORING BEBERAPA
VARIABLE DAN BIAYA-BIAYA LAINNYA. B. KETERGANTUNGAN YANG TINGGI TERHADAP KEMAMPUAN
INDIVIDU ANALISNYA C. SEORANG ANALISNYA BARANGKALI MEMPUNYAI INSENTIF UNTUK TIDAK
MENAMPILKAN FORECAST YANG TIDAK BIAS (MISALNYA;KARENA TEKANAN AGAR SESUAI DENGAN
CONSENSUS FORECAST) D. ANALIS BARANGKALI BISA DI MANFAATKAN OLEH
PERUSAHAAN-PERUSAHAAN TERTENTU UNTUK KEPENTINGAN PERUSAHAAN TERSEBUT.
• PENDEKATAN UNIVARIATE MEKANIS UNTUK FORECASTING, YAITU : 1.
KELEBIHAN-KELEBIHANNYA, ANTARA LAIN : A. KEMAMPUAN UNTUK
MENDETEKSI DAN MEMANFAATKAN POLA TERTENTU PADA DATA MASA LALU B.
TINGKAT SUBYEKTIVITAS YANG RENDAH, TERUTAMA APABILA METODE
STATISTIC DIGUNAKAN C. BIAYA YANG RELATIVE LEBIH RENDAH D. MUDAH
DIPERBAHARUI E. KEMAMPUAN MENGANALISIS LEBIH LANJUT DENGAN
MENGGUNAKAN METODE STATISTIK 2. KELEMAHAN-KELEMAHANNYA, ANTARA
LAIN : A. JUMLAH OBSERVASI YANG TERBATAS PADA SITUASI TERTENTU
• B. LAPORAN KEUANGAN BARANGKALI TIDAK MEMENUHI ASUMSI-ASUMSI YANG
DIPERLUKAN DALAM ANALISIS STATISTIC C. SULIT MENGKOMUNIKASIKAN
HASIL ANALISIS KEPADA LUAR,TERUTAMA DALAM HAL METODOLOGINYA.
SECARA UMUM FORECAST YANG DIBERIKAN OLEH ANALIS KEUANGAN
BIASANYA LEBIH AKURAT DI BANDINGKAN DENGAN FORECAST DENGAN
MENGGUNAKAN MODEL ANALISIS TIME-SERIES. HAL INI DISEBABKAN KARENA
BEBERAPA ALASANNYA,MELIPUTI :ANALIS MEMPUNYAI AKSES TERHADAP
INFORMASI TERBARU.INFORMASI TERBARU TERSEBUT BISA DIPAKAI UNTUK
MEMPERBAIKI FORECAST MEREKA.
• ANALIS MEMPUNYAI AKSES TERHADAP INFORMASI YANG LEBIH LUAS,SEPERTI,
FORECAST PEREKONOMIAN , STRUKTUR INDUSTRY, KEJADIAN-KEJADIAN LAIN
YANG RELEVAN. SEDANGKAN ANALISIS TIME-SERIES HANYA MEMFOKUSKAN
PADA PERILAKU DATA TUNGGAL PADA MASA LALU.
• SECARA UMUM MODEL FORECAST MULTI VARIATE BIASANYA LEBIH AKURAT
DIBANDINGKAN DENGAN MODEL FORECAST UNIVARIATE. HAL INI BISA DI
MENGERTI KARENA ANALISIS MULTI VARIATE MELIBATKAN LEBIH BANYAK
FAKTOR YANG MEMPENGARUHI SUATU VARIABEL. CARA LAIN UNTUK
MENINGKATKAN AKURASI FORECAST ADALAH DENGAN MENGGABUNGKAN
BEBER APA FORECAST INDIVIDUAL. KESALAHAN-KESALAHAN (ERROR) SETIAP
FORECAST INDIVIDUAL AKAN CENDERUNG SALING MENGHILANGKAN DAN
RATA-RATA NILAI FORECAST AKAN MENAMPILKAN FORECAST YANG DI UKUR
DENGAN RATA-RATA % ERROR KUADRAT
 •SEKIAN PRESENTASE DARI SAYA JIKA ADA
KESALAHAN KATA SAAT PEMPUATAN MOHON
DI MAAFKAN. TERIMA KASIH