RESUME ANALISIS TIMES SERIES DAN FORECASTING DATA KEUANGAN

ANALISIS TIMES SERIES DAN FORECASTING DATA KEUANGAN

Salah satu tujuan dari analisa Laporan Keuangan suatu perusahaan adalah untuk membuat estimasi/penelitian tentang laba, hasil penjaualan perusahaan di masa mendatang dan lain-lain aspek finansial perusahaan atau secara umum dapat dikatakan sebagai usaha untuk memproyeksikan ratio-ratio finansilanya. Berbagai alat analisa telah dikembangan dalam kaitannya dengan tujuan tersebut.

1. Analisa (Hubungan) Trend – Trend Statements

Untuk memperoleh gambaran trend  terhadap informasi yang terdapat  dalam  laporan-laporan keuangan perlu dipilih/ditentukan suatu laporan keuangan yang akan dipakai sebagai dasar untuk mengukur adanya kenaikan dan penurunan dari informasi tertentu di dalam laporan-laporan keuangan yang lain.

2. Analisa Hubungan Trend dalam Prosentase Per Komponen (Common – Size Statements)

Laporan keuangan per komponen dapat digunakan jika di dalam analisa trend-series. Melalui trend dalam presentase per komponen, dapat diketahui berbagai perubahan penting dalam; struktur dan komposisi aktiva dan pasiva, posisi finansial, unsur-unsur yang membentuk laba dan sebagainya. Berbagai macam hubungan Trend :      

• Sifat-sifat hubungan Trend

Saling hubungan antar rekening atau kelompok rekening di dalam suatu neraca atau laporan perhitungan laba rugi secara individual disebut sebagai hubungan struktural, karena menggambarkan berbagai aspek tentang struktur finansial perusahaan pada tanggal neraca atau berbagai aspek tentang struktur laba (rugi) dalam periode yang tercakup di dalam laporan perhitungan rugi – laba.hubungan struktural kadang-kadang disebut juga sebagai hubungan vertikal karena saling hubungan itu diukur dengan memperbandingkan saldo rekening atau kelompok rekening yang di dalam suatu neraca dan laporan perhitungan rugi – laba pada umumnya disajikan dalam bentuk suatu laporan yang disusun secara vertikal.

• Hubungan-hubungan Trend yang Pokok

Seperti halnya pada hubungan-hubungan struktural, hubungan-hubungan trend bisa diukur atau dihitung untuk setiap rekening atau kelompok rekening di dalam neraca atau laporan perhitungan rugi-laba.

• Penentuan dan penggunaan hubungan trend

Hubungan  trend  seperti telah dikemukakan pada dasarnya dapat dinyatakan dalam 3 macam  bentuk. Tiap-tiap bentuk diukur/dihitung dengan cara tersendiri dan mempunyai kegunaan serta memiliki kebaikan dan kelemahannya sendiri-sendiri

• Pemilihan tahun dasar untuk perhitungan atau pengukuran dalam hubungan dalam trend

Analisa terhadap hubungan trend hanya dapat dilakukan apabila perbandingan itu meliputi data finansial dalam bebrapa periode, karena fluktuasi dari periode yang satu dengan periode yang lain mungkin akan dinetralisir oleh trend yang tercermin dalam jangka panjang. Untuk itu, pada  umumnya dapat digunakan dengan salah satu dari empat alternatif berikut ini:

• Data dalam periode yang mendahului
• Data dalam periode yang paling awal
• Data rata-rata dalam periode yang diperbandingkan
• Data dalam periode tertentu yang dianggap sebagai data yang representatip untuk dipakai sebagai data pembanding

3. Analisa Hubungan Trend dalam Ratio

     Analisa trend-series melalui trend dalam bentuk ratio-ratio finansial, juga merupakan salah satu teknik analisa terhadap laporan keangan. Dalam beberapa hal teknik analisa ini bahkan merupakan teknik analisa yang sangat handal, karena kemampuannya untuk dipakai sebagai dasar membuat proyeksi tentang ratio-ratio finansial perusahaan di masa yang akan datang.

1. 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 (Hanafi;2008;135)

ROA Hipotesis Untuk Perusahaan dan Industri

Tahun	ROA Perusahaan	ROA Industri
1981	20,0%	16,0%
1982	21,1%	18,5%
1983	23,5%	21,1%
1984	24,5%	22,0%
1985	22,4%	25,0%
1986	23,6%	21,5%
1987	24,4%	23,1%
1988	25,1%	24,7%
1989	25,0%	24,8%

Sumber: (hanafi;2008;135)

            Dalam analisis times series perubahan-perubahan struktural yang akan berpengaruh terhadap angka-angka keuangan  harus diperhatikan. Perubahan-perubahan struktural terdiri:

1.      Peraturan pemerintah

2.      Perubahan kompetisi

3.      Perubahan tehnologi

4.      Akuisi dan merger (penggabungan perusahaan).

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 dat ahistoris 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 melakukannnya melalui :

• Metode statistik dengan cara menghitung garis trend dari laporan keuangan beberapa periode
• Menggunakan angka indeks

Dalam bab ini kita menggunakan metode angka indeks. Langkah-langkah untuk melakukan analisa trend berindeks ini adalah sebagai berikut :

• 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.
• Menghitung angka indeks tahun-tahun lainnya dengan menggunakan angka pos laporan keuangan tahun dasar sebagai penyebut.
• Memprediksi kecenderungan yang mungkin bakal terjadi berdasarkan arah dan kecenderungan historis pos laporan keuangan yang dianalisa.
• Mengambil keputusan mengenai hal-hal yang harus dilakukan untuk mengantisipasi kecenderungan itu.

Data penjualan PT A & PT B

Tahun	Penjualan		Gabungan
	PT A	PT B
2004	Rp.  9.000.000.000	Rp.5.000.000.000	Rp.14.000.000.000
2005	Rp.10.000.000.000	Rp.6.000.000.000	Rp.16.000.000.000
2006	Rp.12.000.000.000	Rp.7.000.000.000	Rp.19.000.000.000
2007	Rp.21.000.000.000	-	Rp.21.000.000.000
2008	Rp.23.000.000.000	-	Rp.23.000.000.000
2009	Rp.24.000.000.000	-	Rp.24.000.000.000

2. Analisis Data keuangan

Ada 4 faktor yang mempengaruhi data time series, Dalam data ekonomi biasanya kita mendapatkan adanya fluktuasi/ variasi dari waktu ke waktu atau disebut dengan variasi time series. 

Menurut (hanafi:2008;141)Data-data penjualan mencerminkan emapat macam faktor yaitu:

• Trend

Trend merupakan pergerakan time-series dalam jangka panjang, bisa merupakan trend naik atau turun. Diperlukan waktu  jangka panjang (15 – 20 th)  untuk melihat pola tren tsb. Tren tsb bisa. Contoh yang menunjukkan trend menaik yaitu pendapatan per kapita, jumlah penduduk,peruahan teknologi.

• Musiman

Yaitu 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). Contoh yang menunjukan variasi  musiman seperti penjualan pakaian akan meningkat pada saat hari raya, penjualan buku dan tas sekolah akan meningkat pada saat awal sekolah. 

• Siklus

            Siklus merupakan fluktuasi bisnis dalam jangka yang lebih pendek 2 – 10 th. 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.

Contoh yang menunjukkan variasi siklis seperti industri konstruksi bangunan mempunyai gerakan siklis antara 15-20 tahun sedangkan industri mobil dan pakaian gerakan siklisnya lebih pendek lagi. 

• 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.

B.1 Mengukur Pengaruh Trend

Trend suatu data bisa dilihat dengan cara:

1. Menggambar dengan  tangan

Misal, dengan menarik garis diantara titik-titik observasi

Kelemahan: subyektif, Kelebihan: mudah

2. Menggunakan model matematika

Misal, membuat garis lurus dengan menggunakan rumus least square

Kelebihan: obyektif, Kelemahan: terlalu mekanistis

Model times series bisa dirumuskan sebagai berikut:

Y_t = a + b X

   a  dan b dihitung dengan cara sebagai berikut

a = E ( Y ) – b E ( X )

            ∑ XY – n ∑ ( X ) ∑ ( Y )

b =

                   ∑ X² - n∑( X)²

Misalkan kita mempunyai data seperti dalam tabel ini, garis trend bisa dihitung dengan  modeel diatas.

Tahun	X	Penj Y	XY	X2	Trend	Y/YT*100
1991	1	224	224	1	217	103,2
1992	2	233	466	4	234	99,5
1993	3	248	744	9	251	98,7
1994	4	258	1.032	16	268	96,2
1995	5	270	1.350	25	285	94,6
1996	6	288	1.728	36	303	95,2
1997	7	315	2.205	49	320	98,6
1998	8	344	2.752	64	337	102,2
1999	9	369	3.321	81	354	104,3
2000	10	393	3.930	100	371	106,0
2001	11	406	4.466	121	388	104,6
2002	12	416	4.992	144	405	102,7
2003	13	425	5.525	169	422	100,7
2004	14	437	6.118	196	439	99,5
2005	15	450	6.750	225	456	98,6
2006	16	462	7.392	256	474	97,6
2007	17	476	8.092	289	491	97,0
	153	6.014	61.087	1.783

∑ XY – n ∑ ( X ) ∑ ( Y )

b =

                   ∑ X² - n∑( X)²

61.087 – 17 (9)  ( 353,8 )

b =

                 1.783   - 17( 9)²

  =  17,1

a = E ( Y ) – b E ( X )

a = 353,8–  17,1 ( 9 ) = 200

Persamaan Trend Yt = 200 + 17,1 Xt

B.2 TREND 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 tsb akan semakin melambat.

Skala Aritmatika                                             Skala Semi Logaritma

           

                                    Waktu (a)                                            Waktu (b)

Persamaan Trend untuk gambar (a):                           Persamaan Trend untuk gambar (b):

 Y = a + bX + cX²                                                                                             log  Y = a + b log X

B.3  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

B.4 Analisis Musiman

Analisis musiman akan bermanfaat pada beberapa situasi. Pertama apabila analis ingin melihat pengaruh musiman dan memanfaatkan informasi tsb untuk tujuan ttt. PT A mempunyai anggaran penjualan th 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	Rp.250.000.000	Rp. 247.500.000
II	1,01	Rp.250.000.000	Rp. 252.500.000
III	0,90	Rp.250.000.000	Rp. 225.000.000
IV	1,10	Rp.250.000.000	Rp. 275.000.000
Total anggaran penjualan			Rp.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	Rp. 247.500.000	Rp.250.000.000
II	1,01	Rp. 252.500.000	Rp.250.000.000
III	0,90	Rp. 225.000.000	Rp.250.000.000
IV	1,10	Rp. 275.000.000	Rp.250.000.000
Total anggaran penjualan			Rp.1.000.000.000

3. Metode-Metode Peramalan

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

C.1 Model Penghalusan Eksponensial

Kelebihannya  karena kesederhanaannya dan data yang dibutuhkan tidak banyak.

F _t = W A _{t – 1} + (1 – W) F _{t – 1}

Keterangan :

F _t        = forecast untuk periode t

A  _{t – 1}   = data sesungguhnya pada periode t – 1

F _{t – 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

F _t = A  _{t – 1} + (1-W) (F _{t – 1} – A _{t – 1})

F ₂₀₀₉ = W A ₂₀₀₈ + (1 – W) F ₂₀₀₈

Pendekatan Analis Sekuritas (Multivariate) untuk Forecasting

1. Kelebihan: Mampu

• menyesuaikan terhadap informasi dari berbagai sumber
• . menyesuaikan terhadap perubahan struktural secara cepat
•  memperbaharui secara kontinu untuk informasi baru

2. Kelemahan

§  Biaya yang cukup tinggi

§  Ketergantungan yang tinggi terhadap kemampuan individu analisnya

§  Analis barangkali mempunyai insentif untuk tidak menampilkan forecast yang tidak bias

§  Analis barangkali bisa dimanfaatkan oleh perusahaan‑perusahaan tertentu

Pendekatan Univariate Mekanis untuk Forecasting

1. Kelebihan

• Mampu mendeteksi pola tertentu pada data masa lalu
• Tingkat subyektivitas yang rendah
• Biaya yang relatif lebih rendah
• Mudah diperbaharui
• Bisa menganalisis lebih lanjut dengan metode statistik

2. Kelemahan

• Jumlah observasi yang terbatas pada situasi tertentu
• Laporan keuangan barangkali tidak memenuhi asumsi‑asumsi yang diperlukan dalam analisis statistik
• Sulit mengkomunikasikan hasil analisis kepada luar, terutama dalam hal metodologinya

Referensi :

Hanafi Mamduh, Abdul halim. 2008. Analisis Laporan Keuangan. Ykpn: Yogyakarta

http://annisaarumartaarfan.blogspot.com/2013/10/analisis-times-series-dan-forecasting.html

imanph.files.wordpress.com/2012/03/pertemuan-6.ppt