ANALISIS INFORMASI KEUANGAN

ANALISIS TIME SERIES DAN FORECASTING DATA KEUANGAN

(SAP 7)

Oleh Kelompok 9:

Grace Sarabecca Madaline Manalu (1506305085)

Ni Luh Ketut Sugi Lestari (1607531001)
A.A. Sagung Shinta Devi Darmayani (1607531004)

FAKULTAS EKONOMI DAN BISNIS

UNIVERSITAS UDAYANA
2018
7.1. Analisis Time Series
Dalam analisis keuangan, analisis terhadap data historis diperlukan untuk melihat tren
– tren yang mungkin timbul. Menganalsis apa yang terjadi dibalik tren – tren angka
tersebut. Data historis perusahaan sebaiknya sebaiknya juga dibandingkan data historis
industry untuk melihat apakah tren suatu perusahaan bergerak relatif lebih baik terhadap
tren industry. Dalam analisis time series, perubahan – perubahan structural yang akan
berpengaruh terhadap angka – angka keuangan harus diperhatikan. Berikut ini beberapa
contoh perubahan structural yang akan mempengaruhi tren keuangan suatu perusahaan :
1. Peraturan pemerintah
2. Perubahan kompetisi
3. Perubahan teknologi
4. Akuisisi dan merger

Jika ada perubahan semacam itu, seorang analisis mempunyai beberapa alternative.
Misalkan analisis menganalisis industry perbankan dan ia tahu ada deregulasi perbankan
sekitar tahun 2014, analisis bisa membagi periode analisis menjadi dua periode yaitu
periode sebelum dan sesudah deregulasi. Kemudian analisis menggunakan data – data
sesudah tahun 2014 untuk memproyeksikan keuangan pada masa mendatang. Sebaliknya,
misalkan analisis mengasumsikan bahwa deregulasi semacam itu merupakan hal yang biasa
dalam bisnis perbankan, seorang analisis bisa menggunakan data – data semua periode
untuk memprediksikan kondisi keuangan pada masa mendatang. Tetapi kalau deregulasi
semacam itu diatas merupakan kebijakan yang jarang dan merupakan kejadian yang luar
biasa, pembagian periode analisis kedalam dua periode, yaitu sebelum dan sesudah
deregulasi, merupakan cara yang lebih realistis.

Ada beberapa alternative analisis yang bisa dipakai :

1. Analisis bisa menggunakan data penjualan gabungan untuk menganalisis proyek

perusahaan pada masa mendatang
2. Analisis bisa membagi periode analisis ke dalam dua periode, sebelum dan sesudah
akuisisi dan kemudian memakai data sesudah akuisisi untuk analisis selanjutnya.
3. Analisis bisa memfokuskan hanya pada data penjualan perusahaan

Persoalan lain yang bisa timbul adalah perlakuan data – data yang luar biasa. Kerugian
bisa dianalisis penyebabnya. Apabila penyebabnya adalah bencana alam misalnya gempa
bumi, dan kejadian tersebut merupakan hal yang luar biasa, di luar kendali manajemen, dan

2
 kemungkinan munculnya lagi bencana tersebut sangat kecil, maka lebih baik angka
negative tersebut dihilangkan dari analisis. Kejadian seperti ini merupakan peristiwa yang
sementara sifatnya. Tetapi apabila kejadian tersebut oleh peristiwa restrukturisasi
perubahan, barangkali perubahan semacam itu menjadi permulaan munculnya perubahan
structural. Diperlukan pertimbangan khusus untuk memasukkan kerugian semacam itu ke
dalam analisis. Barangkali diperlukan penyesuaian-penyesuaian tertentu kalau analisis
akan memasukkan angka kerugian tersebut ke dalam analisis.

Dalam analisis time series, ada tiga macam pendekatan yang bisa dilakukan :

1. Pendekatan ekonomi
2. Pendekatan statistic
3. Pendekatan visual

Ketiga macam pendekatan tersebut tidak saling menghilangkan. Tetapi saling

melengkapi. Jika penjualan perusahaan mempunyai pola yang berfluktuasi secara
sistematis. Setiap kuartal awal penjualan perusahaan menunjukkan angka yang lebih tinggi
dibandingkan dengan rata – rata penjualan bulanan. Disamping itu nampak bahwa
penjualan perusahaan menunjukkan tren yang semakin naik dalam jangka panjang,
meskipun dalam jangka pendek terlihat penjualan yang naik turun. Data musiman
disebabkan oleh kejadian atau peristiwa yang mendorong penjualan diatas penjualan
normal. Disamping musiman semacam itu, ada musiman yang disebabkan oleh perubahan
cuaca. Disamping itu ada musiman yang disebabkan karena pada pelaporan keuangan.

7.2. Analisis Data Keuangan

Ada empat faktor yang mempengaruhi data time series, dalam data ekonomi biasanya
kita mendapatkan adanya fluktuasi atau variasi dari waktu ke waktu atau disebut dengan
variasi time series. Menurut (Hanafi, 2008:141) Data-data penjualan mencerminkan
emapat macam faktor yaitu:
1) Trend
Trend merupakan pergerakan time-series dalam jangka panjang, bisa merupakan trend
naik atau turun. Diperlukan waktu jangka panjang (15 – 20 tahun) untuk melihat pola
tren tersebut. Contoh yang menunjukkan trend menaik yaitu pendapatan per kapita,
jumlah penduduk, perubahan teknologi.
2) Siklus

3
 Siklus merupakan fluktuasi bisnis dalam jangka yang lebih pendek 2 – 10 tahun. Belum
ada penjelasan yang memuaskan terhadap timbulnya fluktuasi siklus. Lamanya dan
besarnya fluktuasi juga sangat beragam dari perusahaan ke perusahaan dan dari industri
ke industri.
3) Musiman
Musiman merupakan fluktuasi yang terjadi dalam lingkup satu tahun. Ada beberapa
penyebab timbulnya fluktuasi musiman, misalnya karena peristiwa tertentu (lebaran,
tahun baru), karena cuaca ( musim hujan, kemarau.
4) Ketidakteraturan
Fluktuasi semacam ini disebabkan karena faktor-faktor yang munculnya tidak teratur,
dalam jangka waktu pendek. Misalnya gudang perusahaan terbakar, akibatnya
keuntungan perusahaan pada periode itu terpengaruh.

A. Mengukur Pengaruh Trend

Trend suatu data bisa dilihat dengan cara:
- Menggambar dengan tangan
- Menggunakan model matematika

Model times series bisa dirumuskan sebagai berikut:

Yt = a + b X

a dan b dihitung dengan cara sebagai berikut

a = E (Y) – b E (X)

∑XY − n ̅
X̅Y
b= 2
∑X − n X̅ 2

B. Tren sebagai Proyeksi Masa Depan

Untuk memakai persamaan trend 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. Mis suatu produk baru
diluncurkan, pertumbuhan pada awal periode akan sangat cepat. Kemudian memasuki
tahap kedewasaan, pertumbuhan tersebut akan semakin melambat.

4
 C. Analisis Siklus
Fluktuasi siklus bisnis muncul dalam jangka waktu menengah 2 – 10 tahun. Pengaruh
siklus dapat dilihat dengan persentase trend yang dirumuskan sbb:
Y
% Tren = X 100
Yt

D. Analisis Musiman
Analisis musiman akan bermanfaat pada beberapa situasi. Pertama apabila analis ingin
melihat pengaruh musiman dan memanfaatkan informasi tersebut untuk tujuan tertentu.

7.3. Metode - Metode Peramalan

Univariate Multivariate
Mekanis Model rata-rata Model regresi
bergerak Model fungsi transfer
Model box-jenkins box-jenkins
univariate Pendekatan analis
Non-mekanis Pendekatan visual sekuritas

A. Model Penghalusan Eksponensial

Kelebihannya karena kesederhanaannya dan data yang dibutuhkan tidak banyak.

Ft = w At – 1 + (1 – W) F t – 1
Keterangan :
Ft = forecast untuk periode t
At – 1 = data sesungguhnya pada periode t – 1
F t – 1 = forecast pada periode t – 1
w = konstanta dengan nilai antara 0 dan 1

B. Perbandingan Model – model Forecasting

 Pendekatan Analis Sekuritas (Multivariate) untuk Forecasting

5
- Kelebihan:
1. Mampu menyesuaikan terhadap informasi dari berbagai sumber
2. Mampu menyesuaikan terhadap perubahan struktural secara cepat
3. Mampu memperbaharui secara kontinu untuk informasi baru

- Kelemahan
1. Biaya yang cukup tinggi
2. Ketergantungan yang tinggi terhadap kemampuan individu analisnya
3. Analis barangkali mempunyai insentif untuk tidak menampilkan forecast yang
tidak bias
4. Analis barangkali bisa dimanfaatkan oleh perusahaan‑perusahaan tertentu

 Pendekatan Univariate Mekanis untuk Forecasting

- Kelebihan:
1. Mampu mendeteksi pola tertentu pada data masa lalu
2. Tingkat subyektivitas yang rendah
3. Biaya yang relatif lebih rendah
4. Mudah diperbaharui
5. Bisa menganalisis lebih lanjut dengan metode statistik

- Kelemahan:
1. Jumlah observasi yang terbatas pada situasi tertentu
2. Laporan keuangan barangkali tidak memenuhi asumsi‑asumsi yang diperlukan
dalam analisis statistic
3. Sulit mengkomunikasikan hasil analisis kepada luar, terutama dalam hal
metodologinya

6
Referensi
Hanafi, Mamduh H. dan Halim Abdul. 2016. Analisis Laporan Keuangan Edisi Kelima.
UPP STIM YKPN: Yogyakarta.