ANALISIS LAPORAN KEUANGAN

“ANALISIS PERBANDINGAN LAPORAN KEUANGAN”

Dosen:
Sagung Oka Pradnyawati, SE., M.Si

Oleh:

NAMA KELOMPOK 3 :
1. Ni Kadek Arik Darmayanti (1902622010463 / 06)
2. Ni Putu Fitri Ardiani (1902622010469 / 12)
3. Ni Made Devi Mariyani (1902622010470 / 13)
4. Ni Luh Santika Dewi (1902622010471 / 14)
5. Ni Putu Novita Eka Yanti (1902622010477 / 20)
6. Ni Ketut Wahyu Werdhi Arini (1902622010484 / 27)
KELAS : J MALAM

PRODI / SEMESTER : AKUNTANSI / ANTARA

FAKULTAS EKONOMI DAN BISNIS

UNIVERSITAS MAHASARASWATI DENPASAR

2022
1.1 Analisis time series
Analisis time series adalah salah satu prosedur statistika yang digunakan pada
peramalan kejadian di masa depan. Analisis time series menggunakan data yang terpaut
oleh waktu, sehingga korelasi antara kejadian saat ini dengan periode waktu sebelumnya
akan terjadi. Selain berhubungan antara waktu time seris juga terdapat kemungkinan
adanya hubungan antara dimensi lain seperti wilayah ataupun dimensi lain yang saling
berkaitan. Analisis time series biasanya membutuhkan sejumlah besar titik data untuk
memastikan konsistensi dan keandalan. Kumpulan data yang ekstensif memastikan
sahabat data memiliki ukuran sampel yang representatif dan analisis itu dapat memotong
data yang bising. Ini juga memastikan bahwa tren atau pola apa pun yang ditemukan
bukanlah outlier dan dapat menjelaskan varians musiman. Selain itu, data time series
dapat digunakan untuk peramalan memprediksi data masa depan berdasarkan data
historis. Analisis time series membantu organisasi memahami penyebab yang mendasari
tren atau pola sistemik dari waktu ke waktu. Menggunakan visualisasi data, pengguna
bisnis dapat melihat tren musiman dan menggali lebih dalam mengapa tren ini terjadi.
Dengan platform analitik modern, visualisasi ini dapat melampaui grafik garis. Ketika
organisasi menganalisis data dalam interval yang konsisten, mereka juga dapat
menggunakan peramalan time series untuk memprediksi kemungkinan kejadian di masa
depan. Peramalan time series adalah bagian dari analitik prediktif. Ini dapat menunjukkan
kemungkinan perubahan dalam data, seperti perilaku musiman atau siklus, yang
memberikan pemahaman yang lebih baik tentang variabel data dan membantu
memperkirakan dengan lebih baik.
Analisis time series bukanlah studi baru, meskipun teknologi membuatnya lebih
mudah untuk diakses. Banyak dari teks yang direkomendasikan yang mengajarkan teori
dan praktik dasar subjek telah ada selama beberapa dekade. Industri seperti keuangan,
ritel, dan ekonomi sering menggunakan analisis time series karena mata uang dan
penjualan selalu berubah. Analisis pasar saham adalah contoh yang sangat baik dari
analisis time series dalam tindakan, terutama dengan algoritme perdagangan otomatis.
Demikian juga, analisis time series sangat ideal untuk meramalkan perubahan cuaca,
membantu ahli meteorologi memprediksi semuanya, mulai dari laporan cuaca besok
hingga tahun-tahun mendatang perubahan iklim.

Jenis Analisis Time Series

Dalam analisis time series, ada berbagai jenis dan model analisis yang akan mencapai
hasil yang berbeda,yaitu :
1. Klasifikasi: Mengidentifikasi dan menetapkan kategori ke data.
2. Curve fitting: Memplot data sepanjang kurva untuk mempelajari hubungan
variabel dalam data.
3. Analisis deskriptif: Mengidentifikasi pola dalam data time series, seperti tren,
siklus, atau variasi musiman.
4. Analisis eksplanatif: Upaya untuk memahami data dan hubungan di dalamnya,
serta sebab dan akibat.
 5. Analisis eksplorasi: Menyoroti karakteristik utama data time series, biasanya
dalam format visual.
6. Peramalan: Memprediksi data masa depan. Tipe ini didasarkan pada tren historis.
Ini menggunakan data historis sebagai model untuk data masa depan,
memprediksi skenario yang bisa terjadi di sepanjang titik plot masa depan.
7. Analisis intervensi: Mempelajari bagaimana suatu peristiwa dapat mengubah data.
8. Segmentasi: Membagi data menjadi segmen-segmen untuk memperlihatkan
properti yang mendasari informasi sumber.

Teknik dan Alat Utama Untuk Analisis Time Series

Berikut adalah tiga Teknik dan alat utama analisis time series yang paling
umum,antara lain:
1. Model ARIMA Box-Jenkins: Model univariat ini digunakan untuk lebih
memahami variabel tunggal yang bergantung pada waktu, seperti suhu dari waktu
ke waktu, dan untuk memprediksi titik data variabel di masa mendatang. Model-
model ini bekerja dengan asumsi bahwa datanya stasioner. Analis harus
memperhitungkan dan menghapus sebanyak mungkin perbedaan dan musim di
titik data sebelumnya. Untungnya, model ARIMA mencakup istilah untuk
memperhitungkan rata-rata bergerak, operator perbedaan musiman, dan istilah
autoregresif dalam model.
2. Model Multivariat Box-Jenkins: Model multivariat digunakan untuk menganalisis
lebih dari satu variabel tergantung waktu, seperti suhu dan kelembaban, dari
waktu ke waktu.
3. Metode Holt-Winters: Metode Holt-Winters adalah teknik penghalusan
eksponensial. Ini dirancang untuk memprediksi hasil, asalkan titik data mencakup
musiman.
1.2 Perbandingan Cross Section
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
memperoleh untung di atas industri, manajemen perusahaan akan memperoleh bonus,
dan tidak memperoleh bonus apabila yang terjadi sebaliknya.
Mendefinisikan industri 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 ddikelompokkan berdasarkan bahan baku yang dipakai, bisa juga
berdasarkan proses produksi yang dipunyai. Standard Industrial Classification
biasanya menggunakan kriteria semacam ini (struktur fisik dan teknologi proses
 produksi dan homogenitas produksi). Klasifikasi semacam ini juga banyak dipakai
oleh lembaga lain.
2. Kesamaan dari sisi permintaan.
Pendekatan ini menggunakan produk-produk yang dihasilkan sebagai kriteria
pengelompokkan industri. Apabila produk-produk memenuhi kebetuhan yang
sama, dan produk-produk tersebut merupakan substitusi satu sama lainnya, maka
produk-produk tersebut masuk dalam kelompok industri yang sama. Produk-
produk tersebut bisa mempunyai horison yang pendek yaitu produk-produk yang
sama saat ini, tetapi bisa juga mempunyai horison jangka panjang yaitu produk-
produk yang saling berkompetisi pada beberapa tahun mendatang (misal sepuluh
tahun mendatang). Perspektif jangka pendek juga mempunyai relevansi yang
tinggi karena membicarakan situasi saat ini, tetapi perspektif jangka panjang
membuat perusahaan waspada terhadap perubahan persaingan. Produk yang saat
ini bukan merupakan pesaing, barangkali merupakan pesaing potensial yang akan
menjadi pesaing sesungguhnya pada masa mendatang.
3. Kesamaan dalam atribut keuangan.
Dari sudut pandang investasi, saham-saham yang mempunyai beberapa kesamaan
atribut bisa dimasukkan ke dalam satu kelompok. Contoh atribut yang relevan
adalah risiko, rasio PER (Price Earning Ratio), dan kapiatalisasi pasar untuk
menentukan besar kecilnya kapitalisasi saham. Investor yang ingin
menginvestasikan dananya kesaham kecil (kapitalisasi pasar kecil) barangkali
akan memilih 25% saham paling kecil, dan membandingkan saham-saham yang
mempunyai nilai kapiatalisasi yang kecil.
Dalam memilih perusahaan yang akan dipakai sebagai perbandingan, analisis juga
bisa menggabungkan ketiga atribut di atas. Misalkan sebuah perusahaan transportasi
dengan aset tidak terlalu besar (misal Rp 1,5 miliar), maka perbandingan yang tepat
adalah perusahaan transportasi lainnya dan yang mempunyai aset yang hampir sama
besarnya, Membandingkan perusahaan transportasi lain yang mempunyai aset Rp100
miliar barangkali tidak sepenuhnya tepat. Di negara-negara maju , data-data yang
berkaitan dengan industri sejenis biasanya bisa dicari. Tetapi tidak demikian halnya
dengan data industri di negara-negara yang bellum maju seperti di Indonesia. Saat ini
perusahaan yang go public dan listing di BEI mencapai sekitar 400 saham (bandingkan
dengan New York Stock Exchange yang mencapai 1.700 saham). Sebagian besar
perusahaan di Indonesia belum go public. Perusahaan-perusahaan yang belum go public
biasanya tidak memberikan laporan keuangan publik, dan dengan demikian data
perbandingan akan sulit diperoleh. Kecuali bank-bank yang mempunyai datadata
keuangan nasabahnya. Tetapi data seperti ini barangkali akan sulit diakses oleh
perusahaan lain, meskkipun untuk perbandingan.
Masalah lain yang mungkin timbul adalah tidak "jelasnya" industri yang akan
dipakai sebagai perbandingan. Perusahaa yang besar biasanya beroperasi tidak hanya
pada satu sektor usaha saja, tetapi melakukan diversifikasinpada beberapa sektor. Banyak
juga perusahaan yang mempunyai usaha pokok yang tertentu, tetapi juga mempunyai
usaha pada sektor lain yang barangkali tidak terlalu dominan proporsinya. Kebanyakan
 laporan keuangan perusahaan semacam ini juga bersifat konsolidai, tidak melaporkan per
segmen.
1.3 Analisis Trend
Analisis Trend atau tendensi merupakan analisis laporan keuangan yang biasnya
dinyatakan dalam prosentase terntu. Dalam analisis trend perbandingan analisis dapat
dilakukan dengan menggunakan analisis horizontal dan dinamis. Data yang digunakan
adalah data tahunan atau periode yang digunakan biasanya hanya dua atau tiga periode
saja. Hal ini disebabka kerena jika lebih dari tiga periode, Akan mengalami kesulitan
untuk mrnganalisisnya lebih cepat. Jika data yang digunakan lebih dari dua atau tiga
periode, metode yang digunakan adalah angka indeks. Dengan menggunakan angka
indeks akan dapat diketahui kecenderungan atau trend atau arah dari posisi keuangan,
apakah meningkat, menurun, atau tetap. Hasil analisis trend biasanya dihitung dalam
persentase.
Dalam analisis trend harus ditentukan tahun dasar sebagai perbandingan. Kemudian
dicarikan angka indeksnya. Rumus untuk mencari angka indeks adalah sebagai berikut :

nilai tahun pada saat ini

Trend = x 100 %
nilai tahun dasar

Untuk dapat menghitung trend dinyatakan dalam persentase diperlukan tahun dasar
pengukuran atas tahun dasarnya. Biasanya data atau laporan keuangan dari tahun yang
paling wal dalam deretan laporan keuangan yang dianalisa tersebut dianggap sebagai
tahun dasar. Tiap pos yang terdapat dalam lapora keuangan yang dipilih sebagai tahun
dasar diberikan angka indeks 100%, sedangkan untuk pos-pos yang sama dari periode-
periode yang dianalisis dihubungkan dengan pos yang sama dalam laporan keuangan
tahun dasar dengan cara membagi jumlah rupiah tiap pos-pos dalam periode yang sama
dalam laporan keuangan.
Bentuk atau kolom dalam laporan keuangan yang dianalisis dapat digamberkan sebagai
berikut:

Pos-pos 31 Desember Trend Dalam Persentase

Th 1 (Rp) Th 2 (Rp) Th 3 (Rp) Th 1 (%) Th 2 (%) Th 3 (%)

A B C D E F

Keterangan :
A. Nominal pos tahun ke 1 ( dalam rupiah).
 B. Nominal pos tahun ke 2 ( dalam rupiah).
C. Nominal pos tahun ke 3 ( dalam rupiah).
D. Tahun dasar dengan angka indeks 100%.
E. Meghitung angka indeks dengan membandingkan pada jumlah nominal tahun dasar.
F. Meghitung angka indeks dengan membandingkan pada jumlah nominal tahun dasar.

1.4 Analisis Common Size

Analisis prosentase perkomponen (common size) merupakan teknik analisis laporan
keuangan dengan menganalisis komponen-komponen yang ada dalam laporan keuangan,
baik yang ada dalam neraca maupun dalam laporan laba rugi. Hasil analisis dibuatkan
dalam bentuk persentase. Artinya mengubah jumlah rupiah dalam laporan keuangan
menjadi prosentase.
Analisis ini dilakukan dengan membandingkan setiap perubahan dalam pos-pos
dengan total aktiva atau total passiva arau total penjualan. Dengan demikian, akan
terlihat suatu kenaikkan atau penurunan apakah yang terjadi berarti atau memiliki makna
tertentu. Analisis common size merupakan metode analisis yang menyajikan laporan
keuangan dalam bentuk persentasi. Persentasi itu biasa dikaitkan dengan suatu jumlah
yang dinilai penting misalnya asset untuk neraca, penjualan untuk laba rugi.
Dalam laporan persentase per komponen (common size statement) semua komponen
atau pos dihitung prosentasenya dari jumlah totalnya, tetapi untuk lebih meningkatkan
atau menaikkan mutu atau kwalitas data maka masing-masing pos atau komponen
tersebut tidak hanya dihitung prosentase dari jumlah totalnya tetapi juga dihitung juga
dihitung prosentase masing-masing komponen terhadap sub totalnya. Analisis common
size disusun dengan jalan menghitung tiap-tiap rekening dalam laporan laba rugi dan
neraca menjadi proporsi dari total penjualan (untuk laporan laba rugi) atau dari total
aktiva (untuk neraca). Cara semacam ini memudahkan pembacaan data-data keuangan
untuk beberapa periode (untuk mencari trend-trend tertentu).
Cara menghitung analisis common size adalah sebagai berikut:
pos− pos aktiva
a. Persentase terhadap total aktiva = x 100 %
total aktiva
pos− pos pasiva
b. Persentase terhadap total pasiva = x 100 %
pos− pos pasiva
pos− pos laba rugi
c. Persentase terhadap total laba rugi = x 100 %
penjualan bersih

Dalam laporan persentase per komponen (common size) semua komponen atau pos
dihitung prosentasenya dari jumlah totalnya, tetapi untuk lebih meningkatkan atau
menaikkan mutu kwalitas data maka masing-masing pos atau komponen tersebut tidak
 hanya prosentase dari jumlah totalnya tetapi juga dihitung prosentase dari masing-masing
komponen terhadap sub totalnya, misalnya komponen aktiva lancar dihubungkan atau
ditentukan prosentasenya terhadap jumlah aktiva lancar, komponen hutang lancar
terhadap hutang lancar dan sebagainya. Laporan dengan cara ini juga menunjukkan
distribusi dari pada hutang dan modal, jadi menujukkan sumber-sumber dari mana dana
yang diinvestasikan pada aktiva tersebut.
1.5 Isu dalam Analisis Perbandingan
Isu-isu Dalam Analisis Perbandingan Laporan Keuangan Analisis berdasarkan
laporan keuangan akan melibatkan beberapa perbandingan baik terhadap perusahaan
lainnya atau terhadap data pada periode-periode sebelumnya. Perbedaan-perbedaan yang
muncul membuat perbandinganmenjadi tidak konsisten, harus diidentifikasikan.beberapa
isu yang harus dipertimbangkan dalam analisis laporan keuangan. Isu-isu tersebut
adalah:

1) Laporan Keuangan yang Disesuaikan Kembali

Ada beberapa situasi dimana perusahaan diharuskan menyesuaikankembali laporan
keuangan periode yang lalu:
a) Jika perusahaan pada periode sekarang memutuskan untuk menghentikanlini
bisnis tertentu, maka pendapatan dan biaya yang berkaitan dengan lini bisnis
tersebut dan laba atau rugi yang diharapkan yang disebabkanpelepasan lini
bisnis tersebut akan diklasifikasikan dalam item “Opersiyang dihentikan”
(Discontinued Operations) dalam laporan rugi-laba
b) Jika perusahaan bergabung dengan perusahaan lain dalam transaksi
yangmasuk pada katagori polling of interest, maka laporan keuangan yang
lama(periode lalu) harus menyesuaikan laporan keuangan yang baru
sepertikalau kedua perusahaan tersebut bergabung sejak dulu.
c) Perubahan-perubahan prinsip akuntansi (misal, perubahan dari LIFOmenjadi
FIFO) mengharuskan perusahaan menyesuaikan kembali laporankeuangan
masa lalunya supaya mencerminkan prinsip yang baru tersebut.
2) Perbedaaan klasifikasi rekening.
Seringkali perusahaan melakukan klasifikasi item-item atau rekening-rekening
dalam laporan kuangan berbeda satau sama lainnya. Jika ada informasi yang cukup,
penyesuaian bias dilakukan agar perbandingan lebih konsisten tetapi jika tidak ada
informasi yang cukup barangkali tidak perlu dilakukan penyesuaian. Pada situasi
seperti ini harus memberi cacatan mengenai perbedaan klasifikasi rekening tersebut
agar interpretasi lebih lanjut bisa mengacu pada catatan tersebut.
3) Perbedaan prinsip-prinsip akuntansi.
Sumber lain yang menyebabkan data bisa berbeda satu sama lain adalah
penggunaan prinsip-prinsip akuntansi yang berbeda. Dalam batasan yang telah
ditentukan prinsip akuntansi perusahaan masih mempunyai beberapa alternatif
penggunaan metode atau prinsip akuntansi yang dipakai untuk pelaporan laporan
keuangan.
 Apabila ada informasi yang cukup, sehingga penyesuaian bias dilakukan tanpa
membuat asumsi yang tidak realistis, maka penyesuaian bisa dilakukan. Tetapi
apabila tidak ada i`nformasi yang cukup, barang kali tidak perlu dilakukan
penyesuaian dan perbedaan tadi akan di bicarakan dalam tahap interpretasi.
4) Perbedaaan penanggalan laporan keuangan.
Meskipun kebanyakan laporan keuangan menggunakan Desember sebagai akhir
periode, tetapi ada beberapa perusahaan yang menggunakan penanggalan akhir
periode bulan yang lain. Pilihan semacam ini semakin popular apabila perusahaan
ingin menyesuaikan laporan keuangannya dengan siklus musiman bisnis. Siklus
musiman biasanya tidak harus sesuai dengan penanggalan akhir Desember.
5) Perbandingan dengan data historis dan dengan perusahaan.
Apabila analisis melakukan perbandingan data keuangan dengan data-data
masa lalu maka ia akan melakukan analisis time series. Semakin banyak observasi
yang ia punyai analisis akan semakin baik.
Dalam analisis semacam itu analisis harus memperhatikan factor-faktor yang akan
berpengaruh besar terhadap perilaku data, dan bias menjadi dasar interpretasi
keuangan perusahaan. Contoh factor tersebut adalah :
a) Perubahan lini produk yang signifikan,missal melalui akuisisi atau penjualan anak
perusahaan. Kejadian semacam itu tentu akan mempengaruhi trend data keuangan
dan akan mempengaruhi analisis perbandingan dengan data masa lalu (analisis
time series).
b) Perubahan prinsip dan metode akuntansi. Perubahan ini akan mempengaruhi data
time series.
Beberapa isu dalam pemakaian rata-rata industri antara lain :

a) Definisi industri.
Biasanya perusahaan mempunyai banyak divisi yang bergerak berbeda satu sama
lainya. Pada situasi ini hanya divisi yang bergerak pada industri yang relevan yang
bisa digunakan sebagai perbandingan.
b) Perhitungan rata-rata industri.
c) Distribusi atas nilai rata-rata.
Interprestasi terhadap penyimpangan rasio keuangan suatu perusahaan terhadap
rata-rata industri akan berlainan apabila kita juga mempunyai indormasi standar
deviasinya.
d) Definisi rasio keuangan
Definisi tersebut berbeda dari satu publikasi ke publikasi lain . karena itu seorang
analis harus mencermati definisi rasio-rasio keuangan ini. Dengan memahami
beberapa keterbatasan tersebut analisis keuangan bias lebih berhati-hati dalam
melakukan analisis.
 DAFTAR PUSTAKA
Sari Fitria, Meida (2017). Analisis Trend dan Common Size Atas Lapora Keuangan. Diakses
pada tanggal 2 Juli 2022, dari http://repository.radenfatah.ac.id

https://www.dqlab.id/jenis-data-statistik-dalam-time-series-analysis diakses pada tanggal 1

juli 2022
file:///C:/Users/ACER/Downloads/Modul%20Analisa%20Laporan%20Keuangan
%20[TM9]%20(2).pdf diakses pada tanggal 1 juli 2022
https://www.coursehero.com/file/39496249/ISU-DALAM-ANALISIS-PERBANDINGAN-
LAPORAN-KEUANGANdocx/ diakses pada tanggal 29 juni 2022