BAB I

PENDAHULUAN

1.1 Latar Belakang

Bab ini akan membicarakan analisis perbandingan data, bukan secara cross

sectional tetapi dengan data keuangan periode sebelumya (perbandingan dengan data

historis). Kemudian pada bagian akhir bab ini, forecasting data keuangan akan

dibicarakan. Forecasting digunakan untuk memproyeksi kondisi keuangan pada masa

datang.

1.2 Rumusan Masalah

1. Apa yang dimaksud dengan analisis time series?

2. Apa yang dimaksud dengan analisis data keuangan?

3. Apa saja metode-metode peramalaan dalam analisis time series?

1.3 Tujuan

1. Untuk mengetahui pengertian dari analisis time series.

2. Untuk mengetahui pengertia analisis data keuangan

3. Untuk mengetahui metode-metode peramalan dalam annalisis time series.

1
 BAB II

PEMBAHASAN

2.1 Analisis Time Series

Dalam analisis keuangan, analisis terhadap data historis diperlukan untuk melihat

tren-tren yang mungkin timbul. Kemudian kita bisa menganalisis apa yang terjadi dibalik

tren-tren angka tersebut. Data historis perusahaan sebaiknya dibandingkan dengan data

historis industri untuk melihat apakah tren suatu perusahaan bergerak relatif lebih baik

terhadap tren industri.

Dalam analisis time series perubahan-perubahan struktural yang akan berpengaruh

terhadap angka-angka keuangan harus diperhatikan. Beberapa contoh perubahan struktural

yang akan mempengaruhi tren keuangan suatu perusahaan:

a. Peraturan pemerintah

b. Perubahan kompetisi

c. Perubahan teknologi

d. Akusisi dan merger (penggabungan Perusahaan)

Tiga macam pendekatan dalam analisis time series yaitu :

a. Peendekatan ekonomi

b. Pendekatan statistik

c. Pendekatan visual

2.2 Analisis Data Keuangan

Dalam analisis time series, perhatian terhadap data historis (ex-post) sering digunakan

untuk melihat pola-pola yang sistematik terhadap data tersebut. Dalam konteks analisis

historis semacam itu analis, analis mempunyai pilihan yang banyak terhadap faktor-faktor

yang di perkirakan akan mempengaruhi suatu variabel. Dalam konteks analisis masa

2
mendatang (ex-ante), seperti forecasting, pilihan seorang analisis menjadi serba terbatas.

Seorang analis tidak tahu pasti berapa nilai faktor- faktor di atas, dia harus memperkirakan

nilai tersebut sebelum memperkirakan nilai variabel yang diteliti tersebut. Analisis tersebut

terpaksa harus memfokuskan pada beberapa variabel saja yang lebih sedikit dan bisa

diperkirakan lebih pasti. Analisis time series klasik biasanya memfokuskan pada analisis

musiman.

Data-data,seperti data penjualan mencerminkan empat macam faktor:

1. Tren

Tren 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.

2. Siklus

Siklus merupakan fluktuasi bisnis dalam jangka yang lebih pendek (selitar 2-10

tahun). Belum ada penjelasan yang memuaskan terhadap timbulnya fluktuasi siklus

semacam ini.

3. Musiman

Musiman merupakan fluktuasi yang terjadi dalam lingkup satu tahun. Ada beberapa

penyebab timbulnya fluktuasi musiman seperti disebabkan di muka: (1) Karena

peristiwa tertentu, misal seperti peristiwa lebaran atau tahun baru, (2) Karena cuaca,

misal musim hujan dan musim kemarau.

4. Ketidakteraturan (Irregularities)

Fluktuasi semacam ini disebabkan karena faktot-faktor yang munculnya tidal teratur,

dengan jangka waktu yang pendek.

3
 2.2.1 Mengukur Pengaruh Tren

Tren suatu data bisa dilihat dengan beberapa cara:

1. Menggambar dengan tangan.

2. Menggunakan model matematika.

Penggambaran secara langsung bisa dilakukan dengan menarik garis lurus di sekitar

data-data yang ada. Cara semacam ini sangatpraktis dan sederhana, tetapi mempunyai

kelemahan karena konsistensi cara semacam itu sangat kurang.

Dengan menggunakan model matematik, garis tren bisa dibuat dengan metide 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.

2.2.2 Tren sebagai Proyeksi Masa Depan

Untuk memakai persamaan tren di atas sebagai proyeksi masa depan, seorang analis

harus hati-hati terhadap asumsi yang digunakan. Tren garis lurus di atas 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. 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.

4
 2.2.3 Analisis Siklus

Seperti dikatakan di muka, fluktuasi siklus bisnis muncul dalam jangka waktu

menengah (2-10 tahun).

2.2.4 Analisis Musiman

Analisis musiman akan bermanfaat pada beberapa situasi. Pertama, apabila analisis

ingin melihat pengaruh musiman dan memanfaatkan informasi tersebut untuk tujuan tertentu.

Kedua, apabila analisis ingin menghilangkan pengaruh musiman untuk melihat pengaruh

trend, siklus, dan ketidakteraturan secara lebih jelas

2.3 METODE-METODE PERAMALAN

Pada dasarnya ada empat kategori peramalan seperti terlihat dari matriks berikut ini:

Univariate Multivariate

Mekanis Model Rata-rata Model Regresi

Bergerak Model FungsiTransfer

Model Box-Jenkins Box-Jenkins

Univariate

Nonmekanis Pendekatan Visual Pendekatan Analisis

Sekuritas

Dalam pendekatan univariate, hanya satu variabel yang dilihat ketika analisis

melakukan perkiraan. Contoh pendekatan pendekatan ini yang mekanis adalah perkiraan

degan cara penghalusan eksponensial atau model rata-rata bergerak tertimbang. Model ini

akan dibicarakan lebih bnyak pada bagian berikut. Dalam pendekatan multivariate, beberapa

variabel dan interaksi antar variabel-variabel tersebut dipertimbangkan dalam perkiraan data.

5
Contoh model multivariate, mekanis adalah model regresi berganda yang menggunakan

beberapa variabel, model ekonometris yang memperhitungkan hubungan secara simultan

persamaan-persamaan dalam suatu sistem.

2.3.1 Model Penghalusan Eksponensial

Salah satu contoh peramalan metode univariate adalah penghalusan eksponensial.

Model penghalusan eksponensial mempunyai kelebihan karena kesederhanaannya, di

samping data yang dibutuhkan juga tidak banyak. Formula umum tersebut bisa di tuliskan

sebagai berikut ini.

Ft = w At-1 + (1-w) Ft-1

Dimana :

Ft = forecast untuk periode t

At-1 = data sesungguhnya pada periode t-1

Ft-1 = forecast pada periode t-1

W = konstanta dengan nilai antara 0 dan 1

Model diatas juga bisa dibaca sebagi berikut ini.

Forescast baru = w (Data sesungguhnya saat ini) + (1w) (Forecast saat ini)

Model diatas bisa dituliskan kembali sebagai berikut ini.

Ft = At-1 + (1-w) ((Ft-1)-(At-1))

Data diatas bisa dibaca sebagai berikut ini. Forecast yang baru sama dengan data

sesungguhnya pada periode sebelumnya ditambah bagian dari eror (atau penyimpangan) pada

periode sebelumnya.

6
 Apabila ada 3 periode, bisa dituliskan model forecast untuk periode 2,3 dan 4 sebagai

berikut ini.

F2 = wA1 + (1-w) F1

F3 = Wa2 + (1-w) F2

F4 = wA3 + (1-w) F3

Persamaan F2 dan F3 bisa disubsidikan untuk memperoleh nilai F4 sebagai berikut ini.

F4 = wA3 + (1-w) w A2 + (1−w)2 w A1 + (1−w)3 F1

2.3.2 Perbandingan Model-model Forecast

Kelebihan dan kelemahan alternatif model-model forecast bisa dilihat berikut ini

(untuk analisis univariate mekanis dan pendekatan analisis sekuritas). Pendekatan Analisis

Sekuritas ( Multivariate) untuk Forecasting.

Kelebihan

1. Mampu menyesuaikan terhadap informasi dari berbagai sumber

2. Mampu menyesuaikan terhadap perubahan struktural secara cepat

3. Mampu memperbaruhi secara kontinu apabila ada informasi baru masuk

Kelemahan

1. Biaya yang cukup tinggi untuk persiapan dan pelaksanaan, untuk monitoring

beberapa variabel dan biaya-biaya lainnya.

2. Ketergantungan yang tinggi terhadap kemampuan individu analisisnya

3. Analisis barangkali mempunyai insentif untuk tidak menampilkan forecast yang

tidak bias.

4. Analisis barang kali bisa dimanfaatkan oleh perusahaan-perusahaan tertentu untuk

kepentingan perusahaan tersebut.

7
Pendekatan Univariate Mekanis untuk Forecasting

Kelebihan

1. Kemampuan untuk mendeteksi dan memanfaatkan pola tertentu pada data masa

lalu.

2. Tingkat subyektivitas yang rendah, terutama apabila metode statistik digunakan

3. Biaya yang relatif lebih rendah

4. Mudah diperbaruhi

5. Kemampuan menganalisis lebih lanjut dengan menggunakan metode statistik

Kelemahan

1. Jumlah observasi yang tebatas pada situasi tertentu

2. Laporan keuangan barang kali memenuhi asumsi-asumsi yang diperlukan dalam

analisis statistik.

3. Sulit mengkomunikasikan hasil analisis kepada luar, terutama dalam hal

metodologia

Secara umum Forecast yang diberikan oleh analisis keuangan biasanya lebih akurat

dibandinkan dengan forecast dengan menggunakan model analisis time series, hal ini

disebabkan oleh beberapa alasan :

1. Analisis mempunyai akses terhadap informasi terbaru. Informasi baru tersebut

bisa dipakai untuk memperbaiki forecast ,mereka.

8
 2. Analisis mempunyai akses terhadap informasi yang lebih lius, seperti forecast

perekonomian, struktur industri, kejadian-kejadian lainyang relevan. Sedangkan

analisis time series hanya memfokuskan pada perilaku data tunggal pada masa

lalu.

BAB III
SAMPEL

ROA ROA
Tahun Perusahaan Industri
2007 20,20% 16,00%
2008 21,10% 18,50%
2009 23,50% 21,10%
2010 24,50% 22,00%
2011 22,40% 25,00%
2012 23,60% 21,50%
2013 24,40% 23,10%
2014 25,10% 24,70%
2015 25,00% 24,80%

Dari tabel diatas nampak bahwa tren ROA perusahaan mengalami kenaikan dari tahun

ke tahun. Demikian juga dengan ROA industri. Dari analisis tren diatas nampak juga bahwa

kenaikan ROA industri lebih cepat dibandimgkan dengan kenaikan ROA perusahaan.

Meskipun tahun 2015 ROA perusahaan masih lebih tinggi dibanding dengan ROA industri,

tetapi masa datang ROA perusahaan kemungkinan lebih besar akan dibawah ROA industri.

Tentunnya tren semacam ini bukan merupakan tren yang menguntungkan buat perusahaan.

Kejadian semacam itu bisa terjadi apabila industri tumbuh pesat, tetapi perusahaan

mengalami penurunan market share.

9
 BAB IV
PENUTUP

3.1 Rangkuman

Supaya analisis keuangan lebih tajam, analisis keuangan bisa memperoleh gambaraan

lebih jelas mengenai prestasi perusahaan, analisis perbandingan bisa dilakukan. Analisis ini

bisa dilakukan dengan perbandingan terhadap data masa lalu (analisis time series) maupun

dengan perbandingan terhadap perusahaan lain atau rata-rata industri (analisis cross section)

pada titik waktu tertentu. Mendefinisikan industri bukan merupakan pekerjaan yang mudah.

Ada beberapa cara untuk mendefinisikan industri :

1. Kesamaan dalam jenis bahan baku

2. Kesamaan dari sisi permintaan

3. Kesamaan dalam atribut keuangan

Masalah lain yang mungkin timbul dalam analisis perbandingan cross section adalah

tidak jelasya industri yang relevan. Sebagai contoh, apabila ada suatu perusahaan yang tidak

go public, padahal perusahaan tersebut cukup dominan, angka-angka industri barangkali

tidaak representatif. Masalah lain adalah adanya beberapa perusahaan yang bergerak dalam

berbagai bidang (industri), dan laporan keuangan yang diterbitkan adalah laporan keuangan

konsolidasi. Informasi per segmen industri tidak dipublikasikan. Dalam situasi dimana tidak

ada industri domestik yang bisa dijadikan perbandingan, perbandingan internasional bisa

10
dilakukan. Interprestasi harus dilakukan lebih berhati-hati, dengan mengingat latar belakang

bisnis yang berbeda.

Perhitungan rata-rata indusstri bisa dilakukan dengan rata-rata aritmatika, rata-rata

tertimbang, median atau modus. Data-data outlier bisa dihilangkan apabila kita berasumsi

bahwa data tersebut merupakan kejadian yang luar biasa. Perbandingan industri mempunyai

asumsi implikasi bahwa resiko bisnis antar industri berbeda, dan dengan demikian

perbandingan dengan industri bisa dilakukan.

11