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
10/13/2019 11
2. Exponential Smoothing (EXS)
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)
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
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
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
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
28
n( XY ) ( X )( Y )
b
n( X 2 ) ( X ) 2
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
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
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
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
2007 0 165 - 0
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).
13/10/2019 42
Rumus APE
13/10/2019 43
Menilai Akurasi Prediksi
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
13/10/2019 45
Hasil Pengolahan diketahui bahwa
hasilnya adalah sebagai berikut :
13/10/2019 46
Nilai APE
HASIL
METODE HASIL PREDIKSI SESUNGGUHNYA NILAI APE
13/10/2019 47
Kesimpulan
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
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
10/13/2019 51
Pertanyaan
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