ESTIMASI PENDAPATAN

Oleh : Halkadri Fitra

10/13/2019 1
 Prakiraan dan Penganggaran
• Prakiraan tidak sama dengan penganggaran
• Prakiraan hanya prediksi dan estimasi
• Penganggaran memerluka komitmen dan
tanggung jawab
• Namun prakiraan dan penganggaran juga
saling memiliki keterkaitan

10/13/2019 2
 Teknik Prakiraan Pendapatan

• Teknik Kualitatif
• Teknik Kuantitatif

10/13/2019 3
 Teknik Kualitatif

• Teknik Delphi
• Teknik Judgment

10/13/2019 4
 Teknik Delphi
• Mengumpulkan para ahli
• Meminta pendapatnya
• Pendapat tersebut dirangkum
• Menghasilkan kesepakatan prediksi
pendapatan

10/13/2019 5
 Teknik Judgment
• Berdasarkan pengalaman masa lalu
• Meskipun bersifat kualitatif, namun terkadang
juga memakai data kuantitatif
• Menghasilkan prediksi pendapatan

10/13/2019 6
 Teknik Kuantitatif
• Simple Moving Average
• Exponential Smoothing
• Transformation Moving Average
• Regresi

10/13/2019 7
 1. Simple Moving Average (SMA)
• Memprediksi pendapatan tahun depan
dengan berdasarkan perhitungan rata-rata
pendapatan periode masa lalu (periode
ramalan)
• Sebelum menghitung rata-rata pendapatan
periode lalu, terlebih dahulu perlu ditentukan
jumlah tahun yang akan dijadikan sebagai
periode ramalan

10/13/2019 8
Contoh
Tahun Pendapatan
2000 325.500.000.000
2001 365.000.000.000
2002 340.500.000.000
2003 380.000.000.000
2004 425.500.000.000
2005 435.000.000.000
2006 445.000.000.000

2007 ?
10/13/2019 9
 jawab
• Misalkan periode ramalan adalah 5 tahun
terakhir yaitu 2002 – 2006
• Rata-rata pendapatan 2002 s.d 2006 adalah
405.200.000.000
• Maka estimasi pendapatan tahun 2007 adalah
Rp405.200.000.000

10/13/2019 10
 Keuntungan SMA
• Mudah dan sederhana

Kelemahan SMA

• Memberikan bobot yang sama untuk pendapatan

pada periode sebelumnya secara rata-rata

10/13/2019 11
 2. Exponential Smoothing (EXS)

• Lebih baik dari SMA karena memberikan

bobot yang berbeda untuk periode yang
berbeda

10/13/2019 12
Contoh
Tahun Pendapatan
2000 325.500.000.000
2001 365.000.000.000
2002 340.500.000.000
2003 380.000.000.000
2004 425.500.000.000
2005 435.000.000.000
2006 445.000.000.000

2007 ?
10/13/2019 13
 Langkah-Langkah
Metode Exponensial Smoothing
dumping faktor = 0,6
Tahun (c) Pendapatan (d) langkah hasil estimasi (e)

2000 325.500.000.000 - #N/A

2001 365.000.000.000 =d6 325.500.000.000

2002 340.500.000.000 =(0,4*d7)+(0,6*e7) 341.300.000.000

2003 380.000.000.000 =(0,4*d8)+(0,6*e8) 340.980.000.000

2004 425.500.000.000 =(0,4*d9)+(0,6*e9) 356.588.000.000

2005 435.000.000.000 =(0,4*d10)+(0,6*e10) 384.152.800.000

2006 445.000.000.000 =(0,4*d11)+(0,6*e11) 404.491.680.000

2007 =(0,4*d12)+(0,6*e12) 420.695.008.000

10/13/2019 14
 Hasil estimasi EXS

Tahun Pendapatan
2000 325.500.000.000 #N/A
2001 365.000.000.000 325.500.000.000
2002 340.500.000.000 341.300.000.000
2003 380.000.000.000 340.980.000.000
2004 425.500.000.000 356.588.000.000
2005 435.000.000.000 384.152.800.000
2006 445.000.000.000 404.491.680.000

2007 420.695.008.000

10/13/2019 15
 Keuntungan EXS
• Adanya perlakukan yang berbeda untuk
tahun-tahun yang berbeda

Kelemahan EXS
• Penentuan bobot lebih bersifat subjektif (dasar
penentuanya tergantung pada kemauan)

10/13/2019 16
 3. Transformation Moving Average
(TMA)
• Teknik perkiraaan dengan melihat kecendrungan
(trend) data masa lalu.
• Prakiraan pendapatan dilakukan dengan cara
menghitung perubahan pendapatan tahun t
dengan tahun t-1, selanjutnya dihitung rata-rata
penambahan pendapatan selama periode
tertentu
• Prediksi pendapatan tahun depan dihitung dari
pendapatan tahun sekarang ditambah rata-rata
penambahan pendapatan
10/13/2019 17
Contoh
Tahun Pendapatan
2000 325.500.000.000
2001 365.000.000.000
2002 340.500.000.000
2003 380.000.000.000
2004 425.500.000.000
2005 435.000.000.000
2006 445.000.000.000

2007 ?
10/13/2019 18
 jawab
Tahun Pendapatan Perubahan Pendapatan
2000 325.500.000.000 -
2001 365.000.000.000 39.500.000.000
2002 340.500.000.000 (24.500.000.000)
2003 380.000.000.000 39.500.000.000
2004 425.500.000.000 45.500.000.000
2005 435.000.000.000 9.500.000.000
2006 445.000.000.000 10.000.000.000

Total Perubahan Pendapatan 119.500.000.000

Rata-rata perubahan
10/13/2019 19.916.666.667 19
• Prediksi pendapatan = 445.000.000.000 +
19.916.666.667 = 464.916.666.667

10/13/2019 20
 Keuntungan TMA
• Lebih akurat dibandingkan SMA dan EXS

Kelemahan
• Kalau terdapat perubahan yang extrim terhadap
pendapatan pada tahun-tahun tertentu

10/13/2019 21
 4. Regresi

• Hampir mirip dengan TMA

• Persamaan Y = a + bx
• Lebih mudah menggunakan software / excel

10/13/2019 22
 Mencari nilai dan b

10/13/2019 23
10/13/2019 24
Contoh
Tahun Pendapatan
2000 325.500.000.000
2001 365.000.000.000
2002 340.500.000.000
2003 380.000.000.000
2004 425.500.000.000
2005 435.000.000.000
2006 445.000.000.000

2007 ?
10/13/2019 25
 Hasil pengolahan excel
• Y = 304.714.285.714,29 + 20.839.285.714,29 (X)
• Tahun 2007 adalah x = 8
• Maka Y =
• 471.428.571.428,61

10/13/2019 26
Contoh estimasi dengan Regresi

Data Yang dikumpulkan

X (Tahun) 2010 2011 2012 2013 2014 2015 2016
Y (Pendapatan 4.000 4.100 4.200 4.300 4.400 4.500 5.000
 Tabel Pengolahan

X Y XY X2 Y2
2010 4.000 8.040.000 4.040.100 16.000.000
2011 4.100 8.245.100 4.044.121 16.810.000
2012 4.200 8.450.400 4.048.144 17.640.000
2013 4.300 8.655.900 4.052.169 18.490.000
2014 4.400 8.861.600 4.056.196 19.360.000
2015 4.500 9.067.500 4.060.225 20.250.000
2016 5.000 10.080.000 4.064.256 25.000.000
14.091 30.500 61.400.500 28.365.211 133.550.000

Sigma x dikuadratkan = 14.091 x 14.091 = 333.062.500

28
 n( XY )  ( X )( Y )
b
n( X 2 )  ( X ) 2

b= ((7 x 61.400.500 ) – (14.091 x 30.500 )) / ((7 x 28.365.211 ) – (333.062.500 ))

b=142,9

a
 Y  b( X )
n a = (30.500 – (142,9x 14.091)) / 7

a= -283.214,3

Y= - 283.214,3 + 142,9 x
Berapa estimasi pendapatan untuk tahun 2017 ?
Jawab :

Y= - 283.214,3 + 142,9 x

Y tahun 2017 = -283.214,3 + (142,9 x 2017)

Y tahun 2017 = 5.015,01

10/13/2019 30
 b. Trend moment

 Rumus : Y = a + bx

∑ Yi = n.a + b.∑ xi

∑xi yi = a ∑ xi + b ∑ xi2

13/10/2019 31
contoh
Tahun (x) Pendapatan (Y)

2004 130

2005 145

2006 150

2007 165

2008 170

2009 185

2010 190

2011 ???
13/10/2019 32
 Tabel Moment
Tahun Xi Yi Xi Yi Xi2
2004 0 130 - 0
2005 1 145 145 1
2006 2 150 300 4
2007 3 165 495 9
2008 4 170 680 16
2009 5 185 925 25
2010 6 190 1.140 36
Jumlah 21 1.135 3.685 91

13/10/2019 33
  Rumus : Y = a + bx

∑ Yi = n.a + b.∑ xi

∑xi yi = a ∑ xi + b ∑ xi2

∑ Yi = n.a + b.∑ xi
1.135 = 7 .a + b . 21 ............................................................... (1)

∑xi yi = a ∑ xi + b ∑ xi2
3.685 = a.21 + b. 91 .................................................................(2)

13/10/2019 34
 1.135 = 7 .a + b . 21 ................... X 3
3.685 = a.21 + b. 91 .................. X 1

3.405 = 21a + 63b

3.685 = 21a + 91 b
---------------------------------------- -
-280 = -28 b
1.135 = 7a + 21 b
b = 280 / 28 1.135 = 7a + 21.10
b = 10 1.135 = 7a + 210

7a = 1.135 – 210
7a = 925

a=925/7
a=132,14

13/10/2019 35
 Y = a + bx Tahun Xi
2004 0
Y = 132,14 + 10 x
2005 1
2006 2
2007 3
Y 2011 = 132,14 + 10 (7) 2008 4
= 132,14 + 70 2009 5
= 202,14 2010 6
2011 ?

n 2011

13/10/2019 36
c. Metode least square

• Dalam metode ini ∑ x = 0

• Metode kuadrat terkecil

• Bila “n” ganjil x = …,-2,-1,0,+1,+2,+…….
• Bila “ n “ genap x = ….,-5,-3,-1,+1,+3,+5 +…

Rumus :
Y=a+bx
a = ∑ y/n
b = ∑xy / ∑ x2

13/10/2019 37
contoh
Tahun (x) Pendapatan (Y)

2004 130

2005 145

2006 150

2007 165

2008 170

2009 185

2010 190

2011 ???
13/10/2019 38
 Tabel Least Square

Tahun X Y XY X2

2004 -3 130 (390) 9

2005 -2 145 (290) 4

2006 -1 150 (150) 1

2007 0 165 - 0

2008 1 170 170 1

2009 2 185 370 4

2010 3 190 570 9

Jumlah 0 1135 280 28

13/10/2019 39
 a = ∑ y/n = 1135/7 = 162,14
Tahun X

 b = ∑ xy / ∑ x2 = 280 / 28 = 10 2004 -3
2005 -2
 Persamaan trend : Y = 162,14 + 10 X 2006 -1
2007 0
 Penjualan 2011 : Y = 162,14 + 10 (4) 2008 1
= 162,14 + 40 2009 2
= 202,14 2010 3
2011 4

x 2011 = 4
13/10/2019 40
 Menilai Akurasi Prediksi
Pendapatan
Oleh : Halkadri Fitra

13/10/2019 41
 APE dan MAPE
Untuk Menilai Kekakuratan Berbagai Teknik Prakiraan
dapat dilakukan dengan menghitung persentase
kesalahan peramalan, yaitu Absolute Percentage Error
(APE) dan Mean Absolute Percentage Error (MAPE).

APE dan MAPE mengukur perbedaan antara nilai

prakiraan dengan hasil yang sesungguhnya terjadi.
Perbedaan yang terjadi diambil nilai absolutnya sehingga
angkanya selalu positif.

Semakin kecil nilai APE berarti semakin baik keakurasian

Teknik prakiraan yang digunakan.

13/10/2019 42
 Rumus APE

APE = [ (Prediksi – Hasil Sesungguhnya ) / Hasil

Sesungguhnya ] x 100%

Karena nilai APE yang diabsolutkan, maka APE tidak dapat

menunjukkan apakah terjdi prakiraan lebih (over) ataukah
prakiraan kurang (under). Oleh karena itu, untuk
memperkuat penilaian keakuratan Teknik prediksi selain
menghitung APE juga perlu menghitung MAPE. Semakin
kecil MAPE maka semakin akurat Teknik prakiraan yang
digunakan.

13/10/2019 43
 Menilai Akurasi Prediksi

• Gunakan APE (absolute Percentage Error)

• APR = nilai absolut dari (prediksi-hasil
sesungguhnya) / hasil sesungguhnya

10/13/2019 44
 Contoh :
Soal : Realisasi Penerimaan Pajak Daerah di Kota XXX Tahun 2010-2016
Tahun Pajak Restoran Pajak Hiburan Pajak Reklame Pajak Parkir Pajak Pajak Hotel
Penerangan Jalan

2010 640.323.000 11.000.000 136.204.350 207.500.000 5.363.271.000 34.257.000

2011 530.940.700 11.071.000 152.634.400 263.965.000 6.410.340.000 35.762.000
2012 867.646.000 19.096.300 136.535.200 311.460.000 9.546.559.000 1.350.000
2013 914.300.300 19.000.000 184.589.200 437.380.000 8.618.622.000 18.049.000
2014 1.628.796.000 17.000.000 196.764.600 853.577.600 10.168.381.000 29.446.000
2015 1.525.900.000 18.000.000 200.000.000 576.000.000 11.000.000.000 31.000.500
2016 1.675.000.000 18.350.000 202.000.000 775.000.000 11.875.000.000 32.789.000

Tentukan Estimasi Pajak Hotel Tahun 2017 dengan metode :

1. SMA (asumsi dengan menggunakan 5 tahun yang menjadi dasar perhitungan)
2. Exponential Smoothing dengan 2 alternatif dumping factor 0,6 dan 0,7
3. TMA
4. Regresi / Metode Moment / Least Square
5. Metode Moment
6. Metode Kuadrat Terkecil

Apabila diketahui hasil realisasi tahun 2017 adalah Rp 27.500.000,

Metode manakah yang lebih akurat ?

13/10/2019 45
 Hasil Pengolahan diketahui bahwa
hasilnya adalah sebagai berikut :

KESIMPULAN ESTIMASI TAHUN 2017

Metode Nilai Estimasi

SMA 1 23.772.800
SMA 2 23.121.500
SMA 3 22.526.900
Exponential Smoothing df 0,6 29.135.997
Exponential Smoothing df 0,7 28.463.307
TMA 32.544.333
Regresi 28.117.500
Moment 28.117.500
Kuadrat Terkecil 28.117.500

13/10/2019 46
 Nilai APE
HASIL
METODE HASIL PREDIKSI SESUNGGUHNYA NILAI APE

SMA 1 23.772.800 27.500.000 13,6%

SMA 2 23.121.500 27.500.000 15,9%

SMA 3 22.526.900 27.500.000 18,1%

Exponential Smoothing df
0,6 29.135.997 27.500.000 5,9%
Exponential Smoothing df
0,7 28.463.307 27.500.000 3,5%

TMA 32.544.333 27.500.000 18,3%

Regresi 28.117.500 27.500.000 2,2%

Moment 28.117.500 27.500.000 2,2%

Kuadrat Terkecil 28.117.500 27.500.000 2,2%

13/10/2019 47
 Kesimpulan

Nilai APE yang terkecil adalah nilai yang terbaik,

Maka metode terbaik yang digunakan dan lebih akurat
adalah metode :
1. Metode Moment
2. Metode Kuadrat Terkecil
3. Metode Regresi

13/10/2019 48
 Permasalahan Prakiraan Pendapatan
di Sektor Publik

• Faktor teknis
• Ekonomi
• Administratif
• Peran legislatif

10/13/2019 49
 Contoh :
Soal : Realisasi Penerimaan Pajak Daerah di Kota XXX Tahun 2010-2016
Tahun Pajak Restoran Pajak Hiburan Pajak Reklame Pajak Parkir Pajak Pajak Hotel
Penerangan Jalan

2010 640.323.000 11.000.000 136.204.350 207.500.000 5.363.271.000 34.257.000

2011 530.940.700 11.071.000 152.634.400 263.965.000 6.410.340.000 35.762.000
2012 867.646.000 19.096.300 136.535.200 311.460.000 9.546.559.000 1.350.000
2013 914.300.300 19.000.000 184.589.200 437.380.000 8.618.622.000 18.049.000
2014 1.628.796.000 17.000.000 196.764.600 853.577.600 10.168.381.000 29.446.000
2015 1.525.900.000 18.000.000 200.000.000 576.000.000 11.000.000.000 31.000.500
2016 1.675.000.000 18.350.000 202.000.000 775.000.000 11.875.000.000 32.789.000

Tentukan Estimasi Pajak Parkir dan Pajak Penerangan Jalan Tahun 2017
dengan metode :
1. SMA (asumsi dengan menggunakan 5 tahun yang menjadi dasar perhitungan)
2. Exponential Smoothing dengan 2 alternatif dumping factor 0,6 dan 0,7
3. TMA
4. Regresi / Metode Moment / Least Square
5. Metode Moment
6. Metode Kuadrat Terkecil

Apabila diketahui hasil realisasi tahun 2017 adalah :

a. Rp 780.000.000 untuk pajak parkir
b. Rp 10.900.000.000 untuk Pajak Penerangan Jalan
Metode manakah yang lebih akurat masing – masing jenis pajak tsb ?
13/10/2019 50
 Latihan

10/13/2019 51
 Pertanyaan

Metode manakah yang mendekati keakuratan

10/13/2019 52
 Pertanyaan lanjutan
• Apabila ternyata realisasi tahun 2015 untuk :
1. Total PAD Rp 330.000.000.000
2. Pajak daerah Rp 200.000.000.000
3. Retribusi daerah Rp 60.000.000.000
Metode manakah yang mendekati keakuratan
untuk :
1. Menghitung Total PAD ?
2. Menghitung Pajak Daerah?
3. Menghitung retribusi daerah ?
10/13/2019 53
 Sekian dan Terima kasih

10/13/2019 54