Analisis time
series adalah analisis perbandingan data dengan
data keuangan periode sebelumnya (perbandingan dengan data historis). Forecasting digunakan untuk memproyeksikan
kondisi keuangan pada masa mendatang.
ANALISIS
TIME SERIES
Dalam
analisis data 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
juga dibandingkan dengan data historis industri untuk melihat apakah tren suatu
perusahaan begerak relatif lebih baik terhadap tren industri.
Perbandingan ROA PT A dengan ROA
Industri:
Tahun
|
ROA PT A
|
ROA Industri
|
2003
|
10%
|
9%
|
2004
|
12%
|
11%
|
2005
|
13%
|
12%
|
2006
|
17%
|
19%
|
2007
|
15%
|
14%
|
2008
|
14%
|
13%
|
2009
|
13,50%
|
12,50%
|
Dalam
analisis times series, perubahan-perubahan struktural yang akan
berpengaruh terhadap angka-angka keuangan harus diperhatikan. Perubahan-perubahan
struktural yang akan mempengaruhi tren keuangan suatu perusahaan antara lain:
1.
Peraturan Pemerintah
2.
Perubahan Kompetisi
3.
Perubahan Teknologi
4.
Akuisi dan Merger (Penggabungan Perusahaan)
Data penjualan
PT A & PT B:
Tahun
|
Penjualan
|
Gabungan
|
|
PT A
|
PT B
|
||
2004
|
Rp 9.000.000.000,00
|
Rp 5.000.000.000,00
|
Rp 14.000.000.000,00
|
2005
|
Rp 10.000.000.000,00
|
Rp 6.000.000.000,00
|
Rp 16.000.000.000,00
|
2006
|
Rp 12.000.000.000,00
|
Rp 7.000.000.000,00
|
Rp 19.000.000.000,00
|
2007
|
Rp 21.000.000.000,00
|
-
|
Rp 21.000.000.000,00
|
2008
|
Rp 23.000.000.000,00
|
-
|
Rp 23.000.000.000,00
|
2009
|
Rp 24.000.000.000,00
|
-
|
Rp 24.000.000.000,00
|
Tiga
pendekatan dalam analisis time series:
1.
Pendekatan Ekonomi
2.
Pendekatan Statistik
3.
Pendekatan Visual
TIME SERIES INDEKS - Teknik ini bisa menggunakan
angka indeks bisa juga angka-angka yang ada dalam laporan keuangan disusun dan
disajikan dalam rentang waktu berseri misalnya 5 atau 10 tahun. Jika laporan
ini dikonvensi menjadi angka indeks maka menjadi laporan indeks berseri. Semua
laporan keuangan yang dibandingkan secara berseri dikonvensikan ke indeks.
Untuk menentukan indeks ini maka menentukan tahun dasar. Tahun dasar ini
dipilih menurut kriteria tertentu misalnya dipilih tahun pendirian sebagai
tahun dasar atau tahun tertentu yang bisa dijadikan sebagai suatu moment
penting agar kita lebih mudah dan lebih cepat melakukan perbandingan dengan
indeks tahun lainnya.
ANALISA TREND - Analisa trend ini bertujuan untuk
mengetahui tendensi atau kecenderungan keadaan keuangan suatu perusahaan di
masa yang akan datang baik kecenderungan naik, turun, maupun tetap. Teknik
analisa ini biasanya dipergunakan untuk menganalisa laporan keuangan yang
meliputi minimal 3 periode atau lebih. Analisa ini dimaksudkan untuk mengetahui
perkembangan perusahaan melalui rentang perjalanan waktu yang sudah lalu dan
memproyeksi situasi masa itu ke masa yang berikutnya. Berdasarkan data historis
itu, dicoba melihat kecenderungan yang mungkin akan muncul di masa yang akan
datang.
Analisa
trend ini bermanfaat untuk menilai situasi “trend” perusahaan yang telah lalu
serta dapat memprediksi “trend” perusahaan di masa yang akan datang berdasarkan
garis trend yang sudah terjadi itu.
Untuk
melakukan analisa trend series berindeks (untuk hal-hal tertentu bisa dipakai
dalam teknis trend) ini maka dapat melakukannya melalui:
1.
Metode statistik dengan cara menghitung garis trend dari
laporan keuangan beberapa periode.
2.
Menggunakan angka indeks.
Langkah-langkah untuk melakukan analisa
trend berindeks ini adalah sebagai berikut:
a. Menentukan tahun
dasar. Tahun dasar ini ditentukan dengan melihat arti suatu tahun bisa tahun
pendirian, tahun perubahan, atau reorganisasi, dan tahun bersejarah lainnya.
Pos-pos laporan keuangan tahun dasar dicatat sebagai indeks 100.
b. Menghitung angka
indeks tahun-tahun lainnya dengan menggunakan angka pos laporan keuangan tahun
dasar sebagai penyebut.
c. Memprediksi
kecenderungan yang mungkin bakal terjadi berdasarkan arah dan kecenderungan
historis pos laporan keuangan yang dianalisa.
d. Mengambil keputusan
mengenai hal-hal yang harus dilakukan untuk mengantisipasi kecenderungan itu.
ANALISIS DATA KEUANGAN
Data
penjualan mencerminkan empat macam faktor:
1.
Trend
Trend 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. Tren tersebut bisa
dipengaruhi oleh perubahan jumlah penduduk, perubahan teknologi, dll.
- Siklus
- Musiman
- Ketidakteraturan(Irregularities)
A. Mengukur
Pengaruh Tren
Tren
suatu data bisa dilihat dengan cara:
- Menggambar dengan tangan
Yaitu dengan cara menarik garis lurus
disekitar data-data yang ada. Kelebihan: sangat praktis dan sederhana, kelemahan:
kurang konsisten (subyektif).
- Menggunakan model matematika (metode least square)
Yaitu menggambarkan garis lurus
sedemikian rupa sehingga selisih kuadrat antara garis lurus tersebut dengan
data yang sesungguhnya, yang paling kecil. Kelebihan:: obyektif, kelemahan:
terlalu mekanistis.
Rumus:
Yt
= a + b X
a
= ∑ (Y) – b ∑ (X)
b
= (∑ XY – n ∑ (X) ∑ (Y)) / (∑ X2 – n ∑ (X)2)
Perhitungan
trend:
TH
|
X
|
PENJ (Y)
|
XY
|
X2
|
TREND (Yt*)
|
Y/Yt*100
(% trend)
|
2000
|
1
|
8.000.000
|
8.000.000
|
1
|
7.932.888,9
|
100,85
|
2001
|
2
|
8.050.000
|
16.100.000
|
4
|
8.011.472,2
|
100,48
|
2002
|
3
|
8.110.000
|
24.330.000
|
9
|
8.090.055,6
|
100,25
|
2003
|
4
|
8.140.000
|
32.560.000
|
16
|
8.168.638,9
|
99,65
|
2004
|
5
|
8.200.000
|
41.000.000
|
25
|
8.247.222,2
|
99,43
|
2005
|
6
|
8.225.000
|
49.350.000
|
36
|
8.325.805,6
|
98,79
|
2006
|
7
|
8.300.000
|
58.100.000
|
49
|
8.404.388,9
|
98,76
|
2007
|
8
|
8.400.000
|
67.200.000
|
64
|
8.482.972,2
|
99,02
|
2008
|
9
|
8.800.000
|
79.200.000
|
81
|
8.561.555,5
|
102,79
|
JML
|
45
|
74.225.000
|
375.840.000
|
285
|
||
Rata-rata
|
5
|
8.247.222,22
|
b = (∑ XY – n ∑ (X)
∑ (Y)) / (∑ X2 – n ∑ (X)2)
b = (375.840.000
– 9 (5) (8.247.222,22)) / (285 – 9 (5)2)
b = 4.
715.000,10 / 60
b = 78.583,33
a = ∑ (Y) – b ∑ (X)
a = 8.247.222,22
- 78.583,33 (5) = 7.854.305,57
Yt =
a + b X
Yt
= 7.854.305,57 + 78.583,33 X
B. Trend
Sebagai Proyeksi Masa Depan
Untuk
memakai persamaan tren sebagai proyeksi masa depan, seorang analis harus
hati-hati terhadap asumsi yang digunakan. Trend garis lurus mengasumsikan
perkembangan yang konstan untuk masa-masa yang akan mendatang. Padahal beberapa
situasi, penjualan tumbuh merambat pada periode berikutnya. Misalnya suatu
produk baru diluncurkan, pertumbuhan pada awal periode akan sangat cepat.
Kemudian memasuki tahap kedewasaan, pertumbuhan tersebut akan semakin melambat.
Rumus:
Y = a + b X + c X 2
log Y = a + b log X
C. Analisis
Siklus
Fluktuasi
siklus bisnis muncul dalam jangka waktu menengah (2–10 tahun).. Pengaruh siklus
dapat dilihat dengan persentase tren yang dirumuskan sbb:
%
Trend = Y / Yt × 100
Ada
kecenderungan siklus dengan jangka waktu 7 tahun. Tahun 2000 menunjukkan
penjualan tinggi, penjualan tinggi tersebut muncul lagi tahun 2008.
D. Analisis
Musiman
Analisis
musiman akan bermanfaat pada beberapa situasi. Pertama, apabila analis ingin
melihat pengaruh musiman dan memanfaatkan informasi tersebut untuk tujuan tertentu.
PT A mempunyai anggaran penjualan tahun 2009 sebesar Rp 1.000.000.000 (per triwulan
Rp 250.000.000) dan mempunyai indeks musiman:
Triwulan I : 0,99
Triwulan II : 1,01
Triwulan III : 0,90
Triwulan IV : 1,10
Triwulan
(1)
|
Indeks musiman
(2)
|
Anggaran
Penjualan
(3)
|
Anggaran
penjualan dengan pengaruh musiman
(4)=(2)x(3)
|
I
|
0,99
|
250.000.000
|
247.500.000
|
II
|
1,01
|
250.000.000
|
252.500.000
|
III
|
0,90
|
250.000.000
|
225.000.000
|
IV
|
1,10
|
250.000.000
|
275.000.000
|
Total anggaran
penjualan
|
1.000.000.000
|
Kedua, apabila
analis ingin menghilangkan pengaruh musiman untuk melihat pengaruh trend,
siklus, dan ketidakteraturan secara lebih jelas.
Triwulan
(1)
|
Indeks musiman
(2)
|
Anggaran
Penjualan dengan pengaruh musiman
(3)
|
Anggaran
penjualan tanpa pengaruh musiman
(4) = (3)
/ (2)
|
I
|
0,99
|
247.500.000
|
250.000.000
|
II
|
1,01
|
252.500.000
|
250.000.000
|
III
|
0,90
|
225.000.000
|
250.000.000
|
IV
|
1,10
|
275.000.000
|
250.000.000
|
Total anggaran
penjualan
|
1.000.000.000
|
METODE-METODE
PERAMALAN
Univariate
|
Multivariate
|
|
Mekanis
|
Model
Rata-rata Bergerak
Model
Box-Jenkins Univariate
|
Model Regresi
Model Fungsi
Transfer Box-Jenkins
|
Non-mekanis
|
Pendekatan Visual
|
Pendekatan
analis sekuritas
|
Dalam
pendekatan univariate, hanya satu variabel yang dilihat ketika analis
melakukan perkiraan. Sedangkan dalam pendekatan multivariate, beberapa
variabel dan interaksi antar variabel-variabel tersebut dipertimbangkan dalam
perkiraan data.
A.
Model Penghalusan
Eksponensial
Kelebihannya
karena kesederhanaannya dan data yang dibutuhkan tidak banyak.
Rumus:
Ft = w At - 1 + (1 – w) Ft - 1
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 – 1
Forecast baru = w (data sesungguhnya saat ini) +
(1 – w) (forecast saat ini)
Atau
Ft
= At - 1 + (1 - w) (Ft - 1 – At - 1)
F
2009 = W A 2008 + (1 – W) F 2008
B.
Perbandingan Model-model
Forecast
v Pendekatan Analis
Sekuritas (Multivariate) untuk Forecasting
Kelebihan:
1.
Mampu menyesuaikan terhadap informasi dari berbagai sumber
2.
Mampu menyesuaikan terhadap perubahan struktural secara
cepat
3.
Mampu memperbaharui 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 analisnya
3. Analis barangkali
mempunyai insentif untuk tidak menampilkan forecast yang tidak bias (misal, karena tekanan agar sesuai
dengan konsensus forecast)
4. Analis barangkali
bisa dimanfaatkan oleh perusahaan‑perusahaan tertentu untuk kepentingan perusahaan tersebut
v Pendekatan
Univariate Mekanis untuk Forecasting
Kelebihan:
1.
Kemampuan 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
diperbaharui
5.
Kemampuan menganalisis lebih lanjut dengan metode statistik
Kelemahan:
1.
Jumlah observasi
yang terbatas pada situasi tertentu,
misal pada perusahaan yang baru berdiri
2. Laporan keuangan
barangkali tidak memenuhi asumsi‑asumsi yang diperlukan dalam analisis statistik
3.
Sulit
mengkomunikasikan hasil analisis kepada luar, terutama dalam
hal metodologinya
Referensi:
Hanafi, Mamduh M.
dan Abdul Halim. 2005. Analisis Laporan
Keuangan. Edisi Kedua.
Yogyakarta:
UPP-AMP YKPN.
http://annisaarumartaarfan.blogspot.com/2013/10/analisis-times-series-dan
forecasting.html