ANALISIS CROSS

SECTION DAN TIME

SERIES
Agus Saur Utomo,MSc.
PENGERTIAN
◼ Analisis Cross Section adalah analisis komparasi dengan
membandingkan data laporan keuangan suatu
perusahaan dengan perusahaan lain atau industri yang
sejenis dalam periode tertentu.
◼ Analisis keuangan akan lebih baik jika pembandingnya
adalah standar tertentu, misalnya standar internal, data
historis, perusahaan lain yang sejenis atau rata-rata
industry
◼ Manfaat analisis cross section adalah untuk mengetahui
prestasi keuangan suatu perusahaan dibandingkan
perusahaan lain/ industri sehingga bisa menentukan
bonus bagi manajemen perusahaan
PARAMETER PEMBANDING

◼ Kesamaan dalam jenis bahan baku atau supplier ,

termasuk proses produksi dan homogenitas
produksi.
◼ Kesamaan dari sisi permintaan termasuk di
dalamnya perusahaan produk subtitusi
◼ Kesamaan dalam atribut keuangan seperti nilai
kapitalisasi dan risiko
 PENGELOMPOKAN SEKTOR INDUSTRI DI
INDONESIA
1.Sektor Energi
2.Sektor Barang Baku
3.Sektor Perindustrian
4.Sektor Konsumen Primer
5.Sektor Konsumen Non-Primer
6.Sektor Kesehatan
7.Sektor Keuangan
8.Sektor Properti dan Real Estat
9.Sektor Teknologi
10.Sektor Infrastruktur
11.Sektor Transportasi dan Logistik
12.Sektor Produk Investasi Tercatat
 BEBERAPA ISU DALAM DEFINISI INDUSTRI

◼ Bagaimana memperoleh data rata-rata industri?

◼ Bagaimana dengan perusahaan yang belum go-
public?
◼ Apakah data rata-rata industri sudah cukup
representatif?
◼ Bagaimana dengan definisi industri, atau
bagaiaman suatu perusahaan bisa dibandingkan
dengan industri?
KEJELASAN SUATU INDUSTRI SUATU PERUSAHAAN
DAN KETERSEDIAAN LAPORAN KEUANGAN
A. Perusahaan dengan kegiatan tunggal pada sektor yang
relevan. Laporan keuangan tersedia.
B. Perusahaan dengan beberapa aktivitas, tetapi mempunyai
kegiatan yang dominan pada sektor yang relevan. Laporan
keuangan tersedia.
C. Perusahaan dengan banyak aktivitas, tidak ada aktivitas yang
paling dominan (mirip dengan konglomerasi). Sulit
menentukan sektor usaha yang relevan. Laporan keuangan
persegmen tersedia.
D. Perusahaan dengan banyak aktivitas, tidak ada aktivitas yang
paling dominan. Sulit menentukan sektor usaha yang relevan.
Laporan keuangan hanya berupa laporan konsolidasi.
E. Perusahaan private, tidak ada laporan keuangan yang
dipublikasikan (sektor usaha yang relevan adalah sektor usaha
yang akan dijadikan bahan perbandingan).
PERHITUNGAN RATA-RATA INDUSTRI

◼ Untuk menghitung rata-rata industri seorang analis

mempunyai beberapa alternatif:
(1) Menghitung nilai tunggal sebagai perbandingan,
(2) Menghitung nilai tunggal dengan dispersinya (standar
deviasinya),
(3) Menghitung nilai untuk percentile tertentu (misal menghitung
nilai untuk perusahaan-perusahaan yang mempunyai ukuran 25%
paling kecil).
◼ Untuk perhitungan (1) di atas ada beberapa alternatif yang
bisa dipakai:
(1) Menghitung rata-rata aritmatika,
(2) Menghitung rata-rata tertimbang,
(3) Menggunakan median,
(4) Menggunakan modus.
CONTOH PERHITUNGAN RATA-RATA INDUSTRI

Perusahaan A B C D E F G H
ROA 10% 12% 12% 13% 9% 12% 8% 9%
Nilai Buku Saham 300 420 250 200 250 210 310 335
Nilai Pasar Saham 350 400 420 450 460 350 340 400
▪ Aritmatka: 1/8 x ( 10+12+12+13+9+12+8+9) = 10,6%
▪ Rata-rata tertimbang ( bisa menggunakan Nilai Buku Saham atau Nilai Pasar Saham) :
• Nilai Buku: 300/2275 (10%) + 420/2275(12%)…..335/2275(9%) = 10,5%
• Nilai Pasar: 350/3170 (10%) + 400/3170(12%)…..400/3170(9%) = 10,6%
▪ Median: 11%
▪ Modus: 12%
 ANALISIS TIME SERIES
◼ Analisis time series adalah analisis komparasi
data keuangan dengan data keuangan periode
sebelumnya ( perbandingan dengan data historis)
◼ Analisis terhadap data historis diperlukan untuk
melihat tren-tren yang mungkin timbul.
◼ Analis juga perlu menganalisis apa yang terjadi
dibalik tren-tren angka tersebut.
◼ Data historis perusahaan sebaiknya juga
dibandingkan dengan data historis industri untuk
melihat apakah tren suatu perusahaan bergerak
relatif lebih baik terhadap tren industri.
Analisis tren ROA perusahaan dengan Industri

Tahun ROA Perusahaan ROA Industri

2010 20,2 16
2011 21,1 18,5
2012 23,5 21,1
2013 24,5 22
2014 22,4 25,5
2015 23,6 21,5
2016 24,4 23,1
2017 25,1 24,7
2018 25 24,8
2019 24,7 25
2020 26,1 25,2
2021 26,5 26 Bagaimana analisisnya? Apakah tren
2022 27 28 perusahaan seperti ini mengunutngkan
bagi perusahaan?
PERUBAHAN STRUKTURAL YANG PELU
DIPERHATIKAN DALAM ANALISIS TIME
SERIES

◼ Peraturan Pemerintah
◼ Perubahan Kompetisi

◼ Perubahan Teknologi

◼ Akuisisi dan Merger (Penggabungan

Perusahaan)
KOMPONEN DATA TIME-SERIES

◼ Tren (Trend)
◼ Siklus (Cyclical)
◼ Musiman (Seasonal)
◼ Ketidakeraturan (Irregularities)
KOMPONEN TIME SERIES
TREN
◼
MENGUKUR PENGARUH TREN

◼ Menggambar dengan tangan

◼ Misal, dengan menarik garis diantara titik-titik
observasi
◼ Kelemahan: subyektif, Kelebihan: mudah

◼ Menggunakan model matematika

◼ Misal, membuat garis lurus dengan menggunakan
rumus least square
◼ Kelebihan: obyektif, Kelemahan: terlalu mekanistis
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.
◼ Siklus bisnis muncul dalam jangka waktu menengah (2-10 tahun).
◼ Pengaruh siklus bisa dilihat dengan persentase tren yang
dirumuskan sebagai berikut ini.
Y
◼ % Tren = ----------- x 100
Yt
◼ dimana Y merupakan data tahunan yang sesungguhnya, dan Yt
merupakan data tren yang dihitung berdasarkan persamaan trend.
 LAPORAN PENJUALAN PT.A
Tahun X Penjualan (Y) XY Tren Siklus (Y/Yt*100 (%))
1992 1 30 30 1 33,2 90%
1993 2 35 70 4 35,2 99%
Persamaan tren: Yt = 31,2 + 2,04X
1994 3 37 111 9 37,2 99%
1995 4 40 160 16 39,3 102%
1996 5 45 225 25 41,3 109%
1997 6 46 276 36 43,4 106%
1998 7 50 350 49 45,4 110%
1999 8 40 320 64 47,5 84%
2000 9 52 468 81 49,5 105%
2001 10 53 530 100 51,6 103%
2002 11 53 583 121 53,6 99%
2003 12 70 840 144 55,6 126%
2004 13 65 845 169 57,7 113%
2005 14 56 784 196 59,7 94%
2006 15 40 600 225 61,8 65%
2007 16 57 912 256 63,8 89%
2008 17 68 1156 289 65,9 103%
2009 18 90 1620 324 67,9 133%
2010 19 70 1330 361 70,0 100%
2011 20 50 1000 400 72,0 69%
2012 21 63 1323 441 74,0 85%
2013 22 80 1760 484 76,1 105%
2014 23 90 2070 529 78,1 115%
2015 24 73 1752 576 80,2 91%
2016 25 85 2125 625 82,2 103%
2017 26 76 1976 676 84,3 90%
2018 27 80 2160 729 86,3 93%
2019 28 90 2520 784 88,4 102%
2020 29 100 2900 841 90,4 111%
2021 30 100 3000 900 92,4 108%
Jumlah 465 1884 33796 9455
Rata-rata 16 62,8 315
MUSIMAN
◼ Musiman merupakan fluktuasi yang terjadi dalam lingkup satu
tahun.
◼ Ada beberapa penyebab timbulnya fluktuasi musiman seperti :
(1) Karena peristiwa tertentu, misal karena peristiwa lebaran atau
tahun baru,
(2) Karena cuaca, misal musim hujan dan musim kemarau.
❑ Analisis musiman sangat bermanfaat jika analis ingin mengetahui
pengaruh musiman untuk tujuan tertentu atau ingin
menghilangkan pengaruh musiman untuk melihat tren, siklus dan
ketidakteraturan
❑ Analis bisa membuat indeks musiman untuk mengalokasikan
kegiatan bisnisnya seperti penjualan atau biaya per musim atau
untuk menghilangkan pengaruh musiman pada datanya.
 CARA MEMBUAT INDEKS MUSIMAN DAN
PENGGUNAANYA
DATA PENJUALAN DAN PERHITUNGAN INDEKS MUSIMAN

Total bergerak Total bergerak Rata-rata bergerak Presentase Penjualan yang

Tahun Kuartal Penjualan Indeks Musiman
Empat kuartal Dua Empat Kuartal bergerak rata rata bergerak dihilangkan musimannya
2015 I 298 85,2 349,8
II 387 115,5 335,1
III 322 1443 2972 371,5 86,7 92,0 350,0
IV 436 1529 3210 401,3 108,7 107,3 406,3
2016 I 384 1681 3488 436,0 88,1 85,2 450,7
II 539 1807 3722 465,3 115,9 115,5 466,7
III 448 1915 3868 483,5 92,7 92,0 487,0
IV 544 1953 3903 487,9 111,5 107,3 507,0
2017 I 422 1950 3895 486,9 86,7 85,2 495,3
II 536 1945 3905 488,1 109,8 115,5 464,1
III 443 1960 3974 496,8 89,2 92,0 481,5
IV 559 2014 4141 517,6 108,0 107,3 521,0
2018 I 476 2127 4336 542,0 87,8 85,2 558,7
II 649 2209 4502 562,8 115,3 115,5 561,9
III 525 2293 4618 577,3 90,9 92,0 570,7
IV 643 2325 4741 592,6 108,5 107,3 599,3
2019 I 508 2416 4927 615,9 82,5 85,2 596,2
II 740 2511 5073 634,1 116,7 115,5 640,7
III 620 2562 5196 649,5 95,5 92,0 673,9
IV 694 2634 5420 677,5 102,4 107,3 646,8
2020 I 580 2786 5671 708,9 81,8 85,2 680,8
II 892 2885 5867 733,4 121,6 115,5 772,3
III 719 2982 6052 756,5 95,0 92,0 781,5
IV 791 3070 6193 774,1 102,2 107,3 737,2
2021 I 668 3123 6319 789,9 84,6 85,2 784,0
II 945 3196 6494 811,8 116,4 115,5 818,2
III 792 3298 5928 741,0 106,9 92,0 860,9
IV 893 2630 2630 328,8 271,6 107,3 832,2
 PERHITUNGAN RATA-RATA INDEKS MUSIMAN

Presentase Rata-rata Bergerak data Kuartalan

Tahun
I II III IV
2015 86,7 108,7
2016 88,1 115,9 92,7 111,5
2017 86,7 109,8 89,2 108,0
2018 87,8 115,3 90,9 108,5
2019 82,5 116,7 95,5 102,4
2020 81,8 121,6 95,0 102,2
2021 84,6 116,4 106,9 271,6

Rata-rata 85,4 116,1 92,7 107,8

*Total rata-rata 401,9
Faktor penyesuaian 0,995
Indeks Musiman 85,2 115,5 92,0 107,3

* Asumsi anggaran 400 juta

KETIDAKTERATURAN

◼ 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.