Disusun Oleh :
Kelompok 1
1. Muh Yusril Noprianto B1C119032
2. Nur Halisa H. Batjo B1C119143
3. Riska Damayanti B1C119159
4. Syafira Anggrayani S R B1C119166
5. Yusril Abdul Rahman B1C119175
6. Alma Aprilia R B1C119183
7. Aslan B1C119190
KELAS D
JURUSAN AKUNTANSI
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS HALUOLEO
KENDARI
2022
KATA PENGANTAR
Kelompok 1
i
DAFTAR ISI
ii
BAB I
PENDAHULUAN
1
3. Menjelaskan mengenai analisa trend?
4. Menjelaskan mengenai analisis data keuangan?
5. Apa saja metode-metode peramalan dalam analisis time series?
2
BAB II
PEMBAHASAN
3
Gambar 1. Grafik ROA Perusahaan dan Industri
4
di perhatikan. Berikut ini beberapa contoh perubahan sruktural yang akan
mempengaruhi tren keuangan suatu perusahaan :
1. Peraturan Pemerintah
2. Perubahan Kompetisi
3. Perubahan Teknologi
4. Akuisisi dan merger (penggabungan perusahaan)
5
penting agar kita lebih mudah dan lebih cepat melakukan perbandingan
indeks tahun lainnya.
6
• Mengambil keputusan mengenai hal-hal yang harus dilakukan untuk
mengantisipasi kecenderungan itu.
7
tersebut bisa dipengaruhi oleh perubahan jumlah penduduk, perubahan
teknologi, dan semacamnya.
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
8
Tahun Penjualan (Y) X XY X2
1995 200 - - 800 16
1996 245 4- - 735 9
1997 240 3- - 480 4
1998 275 2- - 275 1
1999 285 10 0 0
2000 300 1 300 1
2001 290 2 580 4
2002 315 3 945 9
2003 310 4 1.240 16
Jumlah 2.460 775 60
10
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 (2- 10 tahun). Pengaruh siklus bisa dilihat
dengan persentase tren yang dirumuskan sebagai berikut:
% Tren = (Y/Yt) X 100
2.4.4. Analisis Musiman
Musiman merupakan fluktuasi yang terjadi dalam lingkup satu
tahun. Ada beberapa penyebab timbulnya fluktuasi seperti:
• Karena peristiwa tertentu, misal karena peristiwa lebaran atau
tahun baru.
• 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
Triwulan II : 1,01
Triwulan III : 0,90
Triwulan IV : 1,10
11
Triwulan Indeks Anggaran Penjualan Anggaran penjualan
musiman dengan pengaruh musiman tanpa pengaruh musiman
(1) (2) (3) (4)=(3)/(2)
I 0,99 Rp. 247.500.000 Rp.250.000.000
II 1,01 Rp. 252.500.000 Rp.250.000.000
III 0,90 Rp. 225.000.000 Rp.250.000.000
IV 1,10 Rp. 275.000.000 Rp.250.000.000
Total anggaran penjualan Rp.1.000.000.000
Pada dasarnya ada empat kategori peramalan yang dapat diliat sebagai
berikut.
12
Dalam pendekatan univariate, hanya satu variabel yang dilihat ketika
analis melakukan perkiaraan. Contoh pendekatan semacam ini yang
mekanis adalah perkiraan dengan cara pengahalusan ekponensial 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 meperhitungkan hubungan secarasimultan persamaan-
persamaan dalam suatu sistem. Contoh pendekatan multivariete
nonekonomis adalah analisis yang digunakan oleh analis keuangan. Analisis
tersebut mempertimbangkan banyak faktor yang diperkirakan mempunyai
pengaruh terhadap data yang dianalisis baik secara kuantitatif maupun
kualitatif, kemudian menentukan angka perkiraan.
2.5.1. Model Penghalusan Eksponensial
13
• 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 statistic
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
14
c. Sulit mengkomunikasikan hasil analisis kepada luar,terutama
dalam hal metodologinya.
15
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 memproyeksi kondisi keuangan pada masa
yang akan datang.
Analisis time seriesyang klasik memfokuskan pada empat hal yang
mempengaruhi suatu data: (1)tren, (2)siklus, (3)musiman, dan
(4)ketidakteraturan. Kadang-kadang ada situasi di mana analis ingin
memfokuskan pada analisis trend saja, analisis siklus saja, analisis musiman
saja. Teknik-teknik penyesuaian bisa digunakan untuk melihat pengaruh
masing-masingkomponen data tersebut.
Ada beberapa pendekatan dalam forcasting: (1) Mekanis versus
nonmekanis dan (2) Univariate versus Multivariate. Contoh pendekatan
mekanis adalah penggunaan statistik, sedangkan penggunaan nonmekanis
adalah penggambaran tren dengan tangan.
Contoh peramalan dengan model univariate adalah penggunaan
penghalusan ekponensial. Contoh model multivariate adalah regregi
berganda atau pendekatan ekonometri. Keempat metode tersebut tidak
saling menghilangkan, tetapi bisa dipakai besama-sama
16
DAFTAR PUSTAKA
17