MAKALAH ANALISA LAPORAN KEUANGAN

“ANALISIS TIME SERIES, PERGERAKAN TREND, DAN

FORECASTING DATA KEUANGAN”

Diajukan untuk memenuhi tugas kelompok mata kuliah Analisa Laporan

Keuangan diampu oleh Ibu Vina Olivia Pebrianty, SE., ME.

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

Assalamualaikum Warrahmatullahi Wabarakatuh

Puji syukur kehadirat Tuhan Yang Maha Esa yang telah menganugerahkan
rahmat, karunia, dan ridha-Nya, sehingga kami dapat menyelesaikan tugas
pembuatan makalah ini yang berjudul “Analisis Time Series, Pergerakan Trend,
dan Forecasting Data Keuangan”. Adapun tujuan pembuatan makalah ini adalah
sebagai salah satu tugas Kelompok pada mata kuliah “Analisa Laporan
Keuangan”.
Dalam kesempatan ini kami tidak lupa mengucapkan terima kasih kepada
Dosen pembimbing Ibu Vina Olivia Pebrianty, SE., ME. serta semua pihak yang
telah membantu kami dalam penyusunan makalah ini, sehingga makalah ini dapat
diselesaikan tepat pada waktunya.
Kami menyadari bahwa dalam pembuatan makalah ini jauh dari
kesempurnaan, untuk itu kami sangat mengharapkan kritik dan saran perbaikan
dari semua pihak yang terkait. Sehingga kekurangan yang ada dapat diperbaiki
dan disempurnakan.
Dalam penyusunan makalah ini, kami berharap semoga makalah ini dapat
berguna dan bermanfaat sebagaimana mestinya, khususnya bagi mahasiswa.
Wassalamualaikum Warrahmatullahi Wabarakatuh

Kendari, 21 Mei 2022

Kelompok 1

i
 DAFTAR ISI

KATA PENGANTAR ............................................................................................ i

DAFTAR ISI .......................................................................................................... ii
BAB I: PENDAHULUAN..................................................................................... 1
1.1 LATAR BELAKANG ...............................................................................1
1.2 RUMUSAN MASALAH ..........................................................................1
1.3 TUJUAN PENULISAN ............................................................................2
BAB II: PEMBAHASAN...................................................................................... 3
2.1 ANALISIS TIME SERIES ........................................................................3
2.2 TIME SERIES INDEKS ...........................................................................5
2.3 ANALISA TREND ...................................................................................6
2.4 ANALISIS FORCASTING DATA KEUANGAN ...................................7
2.5 METODE-METODE PERAMALAN ....................................................12
BAB III: PENUTUP............................................................................................ 16
3.1. KESIMPULAN .......................................................................................16
DAFTAR PUSTAKA .......................................................................................... 17

ii
 BAB I
PENDAHULUAN

1.1 LATAR BELAKANG

Salah satu tujuan dari analisa laporan keuangan suatu perusahaan
adalah untuk membuat estimasi/penelitian tentang laba, hasil penjualan
perusahaan di masa mendatang, dan lain-lain aspek finansial perusahaan
atau secara umum dapat dikatakan sebagai usaha untuk memproyeksikan
rasio-rasio 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 ataus erangkaian 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.

1.2 RUMUSAN MASALAH

Berdasarkan latar belakang diatas dapat di rumus kan permasalahan

dalam makalah ini, yaitu :

1. Menjelaskan tentang analisis time series?

2. Menjelaskan mengenai time series indeks?

1
 3. Menjelaskan mengenai analisa trend?
4. Menjelaskan mengenai analisis data keuangan?
5. Apa saja metode-metode peramalan dalam analisis time series?

1.3 TUJUAN PENULISAN

Berdasarkan rumusan masalah diatas dapat dituliskan bahwa tujuan

penulisan dalam makalah ini, yaitu:
1. Mengetahui tentang analisis time series.
2. Mengetahui mengenai time series indeks.
3. Mengetahui mengenai analisa trend.
4. Mengetahui mengenai analisis data keuangan.
5. Mengetahui metode-metode peramalan dalam analisis time series.

2
 BAB II
PEMBAHASAN

2.1 ANALISIS TIME SERIES

Analisis time-series adalah membandingkan secara antar waktu atau

antar periode, dengan tujuan itu nantinya akan terlihat dalam bentuk angka-
angka dan juga secara grafik. Sedangkan menurut Lukas Setia Atmaja
“Suatu rangkaian atau seri dari nilai-nilai suatu variabel yang dicatat dalam
jangka waktu yang berurutan disebut time-series atau deret berkala”.
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.

Dalam analisis keuangan, analisis terhadap data historis diperlukan

untuk melihat tren-tren yang mungkin timbul. Kemudian kita bisa
mengalisis apa yang terjadidibalik tren-tren angka tersebut. Data historis
perusahaan sebaiknya juga dibandingkandengan data historis industri untuk
melihat apakah tren suatu perusahaan bergerak relatif lebih baik terhadap
tren industri. Misalkan diketahui data ROA perusahaan dan data ROA
industry sebagai berikut:
Tabel 1. ROA Hipotesis Untuk Perusahaan dan Industri

Data-data tersebut kemudian biasa diplot ke dalam suatu grafik

berikut ini.

3
 Gambar 1. Grafik ROA Perusahaan dan Industri

Dari grafik diatas nampak bahwa tren ROA perusahaan mengalami

kenaikan dari tahun ke tahun. Demikian juga halnya dengan ROA industri.
Dari analisis tren diatas nampak juga bahwa kenaikan ROA industri lebih
cepat dibandingkan dengan ROA perusahaan. Meskipun pada tahun 2015
ROA perusahaan masih lebih tinggi dibandingkan ROA industri, tetapi pada
masa mendatang ROA perusahaan kemungkinan akan dibawah ROA
industri. Tentunya tren semacam ini bukan merupakan tren yang
menguntungkan buat perusahaan. Kejadian semacam itu bisa terjadi apabila
industri tumbuh lebih pesat, tetapi perusahaan mengalami penurunan markel
share. Barangkali karena industri tersebut sedang tumbuh, banyak pesaing-
pesaing baru masuk dan mengurangi pangsa pasar yang dipunyai
perusahaan. Manajemen tentunya harus melakukan perubahan-perubahan
yang perlu untuk mengatasi permasalahan tersebut. Analisis tren semacam
itu bisa dilakukan untuk setiap rasio atau angka keuangan dan dibandingkan
dengan tren dalam industri.

Dalam analisis time series, seperti tren di atas, perubahan-perubahan

strukturalyang akan berpengaruh terhadap angka-angka keuangan harus

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)

Jika ada perunahan semacam itu, seorang analis mempunyai beberapa

alternatif analisis. Misalkan menganalisis industri perbankan dan ia tahu ada
deregulasi perbankan sekitar tahun 2014, analis bisa membagi periode
anlisis ke dalam dua periode yaitu periode sebelum dan sesudah deregulasi.
Kemudian analis menggunakan data-data sesudah tahun 2014 untuk
memproyeksikan kondisi keuangan pada masa mendatang. Sebaliknya,
misalkan analisis mengasumsikan bahwa deregulasi semacam itu
merupakan hal yang biasa dalam bisnis perbankan, seorang analis bisa
menggunakan data-data untuk semua periode (periode sebelum dan sesudah
deregulasi) untuk memproyeksikan kondisi keuangan perusahaan pada masa
mendatang. Tetapi kalauderegulasi semacam di atas merupakan kebijakan
yang jarang dan merupakan kejadian yang luar biasa, pembagian periode
analisis ke dalam dua periode, yaitu sebelum dan sesudah deregulasi,
merupakan cara yang lebih realistis.

2.2 TIME SERIES INDEKS

Teknik ini bisa menggunakan angka indeks bisa juga angka-angka

yang ada dalam laporan keuangan disusun dan disajikan dalam rentang
waktu bersen 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

5
 penting agar kita lebih mudah dan lebih cepat melakukan perbandingan
indeks tahun lainnya.

2.3 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:
a. Metode statistik dengan cara menghitung garis trend dari laporan
keuangan beberapa periode,
b. Menggunakan angka indeks.

Langkah-langkah untuk melakukan analisa trend berindeks ini adalah

sebagai berikut:
• 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.
• Menghitung angka indeks tahun-tahun lainnya dengan menggunakan
angka pos laporan keuangan tahun dasar sebagai penyebut.
• Memprediksi kecenderungan yang mungkin bakal terjadi berdasarkan
arah dan kecenderungan historis pos laporan keuangan yang dianalisa.

6
 • Mengambil keputusan mengenai hal-hal yang harus dilakukan untuk
mengantisipasi kecenderungan itu.

2.4 ANALISIS FORCASTING DATA KEUANGAN

Data penjualan mencerminkan empat macam faktor:

1) Tren
Tren merupakan pergerakan time series dalam jangka panjang, bisa
merupakan tren naik atau tren 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.
2) Siklus
Siklus merupakan fluktuasi bisnis dalam jangka yang lebih pendek
(sekitar 2 sampai 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, dari industri ke industri.
3) Musiman
Musiman merupakan fluktuasi yang terjadi dalam lingkup 1 tahun.
Ada beberapa penyebab timbulnya fluktuasi musiman seperti : (1)
karena peristiwa tertentu,misal karena peristiwa lebaran atau tahun
baru, (2) karena cuaca, misal musimhujun dan musim kemarau.
4) Ketidakterturan (Irregularities)
Fluktuasi semacam ini disebabkan karena faktor-faktor yang
munculnya tidak teratur, dengan jangka waktu yang pendek.
Misalkan suatu perusahaan mengalami musibah karena salah satu
gudangnya terbakar, maka data keuntungan perusahaan pada periode
tersebut akan terpengaruh.
2.4.1. 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

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

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 Penjualan (Y) X X X

1995 20 -7 Y
- 1.400 42
1996 0
24 -5 - 1.225 29
1997 5
24 -3 - 720 59
1998 0
27 -1 - 275 1
1999 5
28 1 285 1
2000 5
30 3 900 9
2001 0
29 5 1.450 2
2002 0
31 7 2.205 45
Jumlah 5
2.15 1.220 16 9
0 8
Untuk mencari nilai a dan b adalah sebagai berikut :

a = 2.150 / 8 = 268,75 dan b = 1.220 / 168 = 7,26

9
 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.
2.4.2. Trend Sebagai Proyeksi Masa Depan
Untuk memakai persamaan tren sebagai proyeksi masa depan,
seorang analis harus hati- hati 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.
2.4.3. 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

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

Triwulan Indeks Anggaran Penjualan Anggaran penjualan

musiman dengan pengaruh musiman
(1) (2) (3) (4)=(2)x(3)
I 0,99 Rp.250.000.000 Rp. 247.500.000
II 1,01 Rp.250.000.000 Rp. 252.500.000
III 0,90 Rp.250.000.000 Rp. 225.000.000
IV 1,10 Rp.250.000.000 Rp. 275.000.000
Total anggaran penjualan Rp.1.000.000.000

Kedua, apabila analis ingin menghilangkan pengaruh musiman untuk

melihat pengaruh trend, siklus, dan ketidakteraturan secara lebih jelas.

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

2.5 METODE-METODE PERAMALAN

Pada dasarnya ada empat kategori peramalan yang dapat diliat sebagai
berikut.

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
tersebut adalah model regresi. Dengan cara nonmekanis, 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.

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

Salah satu contoh peramalan metode univariate adalah penghalusa

ekponensial. Model penghalusan eksponensial mempunyai kelebihan karena
kesederhanaannya, disamping data yang dibutuhkan juga tidak banyak.
Formula umum model tersebut bisa dituliskan sebagai berikut ini.
Ft= w At-1 + (1-w) Ft-1
Dimana,
Ft = forcast untuk periode t
At-1 = data sesungguhnya pada periode t-1
Ft-1 = forcast pada periode t-1
W = konstanta dengan nilai antara 0 dan 1

Model di atas juga bisa dibaca sebagai berikut ini.

Forecast baru = w (Data sesungguhnya saat ini) + (1-w) (Forecast saat ini)
Model di atas bisa dituliskan kembali sebagai berikut ini.
Ft = At-1 + (1-w) ((Ft-1) – (At-1))
Data di atas bisa dibaca sebagai berikut ini.
Forecast yang baru sama dengan datasesungguhnya pada periode
sebelumnya ditambah bagian dari error (atau penyimpangan) pada periode
sebelumnya

2.5.2. Perbandingan Model-Model Forecast

Kelebihan dan kelemahan alternatif model-model forecast bisa dilihat

berikut ini untuk analisis univariate mekanis dan pendekatan analis
sekuritas.

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.

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.

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

Hanafi, Mamduh, Abdul Halim. 2016. Analisis Laporan Keuangan. Yogyakarta:

STIE YKPN.
Subramanyam, K.R. 2017. Analisis Laporan keuangan Edisi 11. Jakarta: Salemba
Empat.

17