ANALISIS

LAPORAN KEUANGAN
ANALISIS TIME SERIES

Disusun Oleh :

Imron Rosady (C1C014015)

Jurusan Akuntansi
Fakultas Ekonomi
Universitas Jambi
2016

1
 KATA PENGANTAR

Puji dan puji syukur penulis panjatkan kepada Allah SWT, karena atas
rahmat, hidayah, dan inayah-Nya sehingga penulis dapat menyelesaikan tugas
makalah Analisis Laporan Keuangan ini sesuai dengan batas waktu yang telah
ditentukan. Tak lupa pula, penulis kirimkan salam dan salawat kepada junjungan
kita semua, Rasulullah Muhammad SAW, keluarga, dan seluruh sahabatnya.

Makalah Analisis Laporan Keuangan yang telah kami buat berjudul

“Analisis Time Series”. Makalah ini dapat hadir seperti sekarang ini tak lepas dari
bantuan banyak pihak. Untuk itu sudah sepantasnyalah kami mengucapkan rasa
terima kasih yang sebesar-besar buat mereka yang telah berjasa membantu penulis
selama proses pembuatan makalah ini dari awal hingga akhir.

Jambi, September 2016

Penulis

2
 DAFTAR ISI

Bab I Pendahuluan...................................................................................................................4

1.1 Latar Belakang...........................................................................................................4

1.2 Rumusan Masalah.....................................................................................................5

1.3 Tujuan Penelitian.......................................................................................................5

1.4 Manfaat Penelitian....................................................................................................5

Bab II Pembahasan...................................................................................................................6

2.1 Analisis Time Series...............................................................................................6

2.2 Analisis Data Keuangan.....................................................................................13

2.2.1. Mengukur Pengaruh Tren................................................................................14

2.2.2. Tren Sebagai Proyeksi Masa Depan.............................................................17

2.2.3. Analisis Siklus.....................................................................................................18

2.2.4. Analisis Musiman..............................................................................................19

2.3 Metode-Metode Peramalan..............................................................................20

2.3.1. Metode Penghalusan Eksponensial...............................................................21

2.3.2. Perbandingan Model-model Forecast..........................................................22

Bab III Penutup.......................................................................................................................24

3.1. Kesimpulan..............................................................................................................24

3.2. Saran..........................................................................................................................24

Daftar Pustaka.........................................................................................................................25

BAB I
 PENDAHULUAN

1.1. Latar Belakang

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 finansialnya yang
bertujuan untuk melihat keadaan suatu perusahaan yang berguna dalam
pengambilan keputusan. Berbagai alat analisa telah dikembangan dalam kaitannya
dengan tujuan tersebut dan untuk mempermudah proses dalam menganalisa.

Analisis semacam itu mengharuskan seorang analisis untuk melakukan

beberapa hal, yakni dengan menentukan dengan jelas tujuan analisis, kemudian
memahami konsep-konsep dan prinsip-prinsip yang mendasari laporan-laporan
keuangan dan rasio-rasio keuangan yang diturunkan dari laporan keuangan
tersebut, serta memahami kondisi perekonomian dan kondisi bisnis lain pada
umumnya yang berkaitan dengan perusahaan dan mempengaruhi usaha
perusahaan.

4
1.2. Rumusan Masalah

Berdasarkan latar belakang diatas, penulis merumuskan rumusan masalah

sebagai berikut :

1) Bagaimanakah penerapan Analisis Time Series pada perusahaan dan

industri?
2) Apa saja faktor analisis data keuangan yang terdapat dalam time series?
3) Apa saja metode-metode peramalan yang dibahas dalam analisis time
series?

1.3. Tujuan Penulisan

1) Menjelaskan apa saja penerapan Analisis Time Series pada perusahaan

dan Industri?
2) Menjelaskan faktor-faktor yang terdapat dalam analisis data keuangan
pada time series.
3) Menjelaskan metode-metode peramalan dalam analisis time series?

1.4. Manfaat Penulisan

Makalah ini dibuat dengan tujuan agar menambah ilmu dan wawasan bagi
para pembaca serta penulis sendiri mengenai Analisis Time Series dan diharapkan
dapat bermanfaat dikemudian hari.

BAB II

5
 PEMBAHASAN

1. ANALISIS TIME SERIES

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.

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:

ROA
Tahun Perusahaan ROA Industri
1981 20,2% 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%

Data-data tersebut kemudian bisa diplot ke dalam suatu grafik sebagai berikut ini:

6
 Dari grafik di atas nampak bahwa tren ROA perusahaan mengalami
kenaikan dari tahun ke tahun. Demikian juga halnya dengan ROA industri. Dari
analisis tren di atas nampak juga bahwa kenaikan ROA industri lebih cepat
dibandingkan dengan kenaikan ROA perusahaan. Meskipun pada tahun 1989
ROA perusahaan masih lebih tinggi dibandingkan dengan ROA industri, tetapi
pada masa mendatang ROA perusahaan kemungkinan besar akan di bawah ROA
industri. Tentunya tren semacam ini bukan merupakan tren yang menguntungkan
buat perusahaan. Kejadian semacam itu bisa terjadi apabila indurstri tumbuh
pesat, tetapi perusahaan mengalami penurunan market share. Barangkali karena
industri tersebut sedang tumbuh, banyak pesaing-pesaing baru masuk dan
mengurangi pangsa pasar yang dipunyai perusahaan. Manajemen tentunya harus
melakukan perubahan-perubahan yang perlu untuk mengatasi permasalahan
tersebut. Analisis tren semacar itu bisa dilakukan untuk setiap rasio atau angka
keuangan dan dibandingkan dengan tren dalam industri.

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)

7
 Jika ada perubahan semacam itu, seorang analis mempunyai beberapa
alternatif analisis. Misalkan analis menganalisis industri perbankan dan ia tahu
ada deregulasi perbankan sekitar tahun 1988, analis bisa membagi periode analisis
ke dalam dua periode yaitu periode sebelum dan sesudah deregulasi. Kemudian
analisis menggunakan data-data sesudah tahun 1988 untuk memproyeksikan
kondisi keuangan pada masa mendatang. Sebaliknya, misalkan analis
mengasumsikan bahwa deregulasi semacam itu merupakan hal yang biasa dalam
bisnis perbankan, seorang analis bisa menggunakan data-data untuk semua
periode (periode sebelum dan sesudah deregulasi) untuk memproyeksikan kondisi
keuangan perusahaan pada masa mendatang. Tetapi kalau deregulasi semacam di
atas merupakan kebijakan yang jarang dan merupakan kejadian yang luar biasa,
pembagian periode analisis ke dalam dua periode, yaitu sebelum dan sesudah
deregulasi, merupakan cara yang realistis.

Data penjualan PT ABC dan PT XYZ

Penjualan
Tahun Gabungan
PT ABC PT B
1971 1.000 500 1.500
1972 1.500 750 2.250
1973 1.600 770 2.370
1974 1.750 750 2.500
1975 2.000 800 2.800
1976 2.100 850 2.950
1977 3.200 - 3.200
1978 3.300 - 3.300
1979 3.350 - 3.350
1980 3.400 - 3.400
1981 3.500 - 3.500

Dengan melihat data-data penjualan PT ABC saja (tanpa mencari

informasi lain) nampak bahwa ada perubahan struktural yang terjadi, karena tahun

8
1977 penjualan PT ABC mengalami peningkatan yang tajam dari 2.100 menjadi
3.200. Ada beberapa alternative analisis yang bisa dipakai:
1. Analis bisa menggunakan data penjualan gabungan (kolom ketiga) untuk
menganalisis prospek perusahaan pada masa mendatang. Penggunaan analisis
semacam ini mempunyai asusmsi implisit bahwa perusahaan gabungan
merupakan fungsi penambahan perusahaan individualnya. Kemungkinan
munculnya sinergi tidak diperhitungkan dalam hal ini.
2. Analis bisa membagi periode analisis ke dalam dua periode, sebelum dan
sesudah akuisisi, dan kemudian memakai data sesudah akuisisi untuk analisis
selanjutnya. Analisis semacam ini mengasumsikan bahwa ada perbedaan
struktural antara kedua periode tersebut, sehingga kedua periode tersebut harus
dipisahkan. Misalkan diduga ada efek sinergi yang cukup signifikan sesudah
akuisisi, penggunaan cara semacam ini lebih realistis dilakukan.
3. Analis bisa memfokuskan hanya pada data penjualan perusahaan ABC. Cara
ini bisa dilakukan apabila besarnya perusahaan yang diakuisisi (XYZ) tidak
terlalu signifikan dibandingkan besarnya perusahaan ABC. Apabila besarnya
perusahaan yang diakuisisi cukup signifikan, cara semacam ini tidak bisa
dilakukan. Dari data di atas nampak bahwa besarnya perusahaan XYZ cukup
signifikan karena mencapai sekitar 50% dari besarnya perusahaan ABC. Cara
semacam ini barangkali tidak bisa dilakukan untuk data-data di atas.

Persoalan lain yang bisa timbul adalah perlakuan untuk data-data yang luar
biasa (outlier). Misalkan pada tahun 1981 PT ABC mengalami kerugian sebesar
1.000, setelah sebelumnya selalu untung di atas 3.000. Kerugian tersebut bisa
dianalisis penyebabnya. Apabila penyebabnya adalah bencana alam (misalkan
gempa bumi), dan kejadian tersebut merupakan hal yang luar biasa, di luar
kendali manajemen, dan kemungkinan munculnya lagi bencana tersebut sangat
kecil, maka lebih baik angka negatif tersebut dihilangkan dari analisis. Kejadian
semacam itu merupakan peristiwa yang sementara sifatnya. Tetapi apabila
kerugian tersebut diakibatkan oleh peristiwa restrukturisasi perusahaan,
barangkali kejadian semacam itu menjadi permulaan munculnya perubahan
struktural. Diperlukan pertimbangan khusus untuk memasukan kerugian semacam
itu ke dalam analisis. Barangkali diperlukan penyesuaian-penyesuaian tertentu
kalau analisis akan memasukan angka kerugian tersebut ke dalam analisis.

9
 Dalam analisis time series, ada tiga macam pendekatan yang bisa dilakukan:

a. Pendekatan Ekonomi
b. Pendekatan Statistik
c. Pendekatan Visual

Ketiga macam pendekatan tersebut tidak saling menghilangkan, tetapi

saling melengkapi. Misalkan sebuah perusahaan mempunyai grafik penjualan
sebagai berikut:

Dengan halnya melihat grafik di atas, nampak bahwa penjualan

perusahaan mempunyai pola yang berfluktuasi secara sistematis. Pola musiman
nampak dari grafik di atas. Setiap kuartal awal penjualan perusahaan
menunjukkan angka yang lebih tinggi dibandingkan dengan rata-rata penjualan
bulanan. Di samping itu nampak bahwa penjualan perusahaan menunjukkan tren
yang semakin menaik dalam jangka panjang, meskipun dalam jangka pendek
terlihat penjualan yang naik turun.
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

11
 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.

2. ANALISIS DATA KEUANGAN

Dalam analisis time series, perhatian terhadap data historis (ex-post) sering
digunakan untuk melihat pola-pola yang sitematik terhadap data tersebut. Dalam
konteks analisis historis semacam itu, analis mempunyai pilihan yang banyak
terhadap faktor-faktor yang diperkirakan akan mempengaruhi suatu variable.
Dalam konteks analisis masa mendatang (ex-ante), seperti forecasting.

12
Pilihan seorang analis menjadi serba terbatas. Seorang analis tidak tahu pasti
berapa nilai faktor-faktor di atas, dia harus memperkirakan nilai tersebut sebelum
memperkirakan nilai variable yang diteliti tersebut. Analis tersebut terpaksa harus
memfokuskan pada beberapa variabel saja yang lebih sedikit dan bisa
diperkirakan lebih pasti. Analisis time series klasik biasanya memfokuskan pada
analisis musiman. Perhatikan data time series berikut ini.

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.
2. Siklus
Siklus merupakan fluktuasi bisnis dalam jangka yang lebih pendek
(sekitar 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

13
 Musiman merupakan fluktuasi yang terjadi dalam lingkup satu tahun.
Ada beberapa penyebab timbulnya fluktuasi seperti:
a. Karena peristiwa tertentu, misal karena peristiwa lebaran atau tahun baru.
b. Karena cuaca, misal musim hujan dan musim kemarau
4. Ketidakteraturan(Irregularities)
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.

Misalkan analis ingin menganalisis tren penjualan suatu perusahaan,

maka akan lebih baik apabila pengaruh-pengeruh musiman, siklus, dan
ketidakteraturan dihilangkan dari data. Data yang dihasilkan merupakan data
yang benar-benar mencerminkan tren penjualan perusahaan tersebut. Demikian
juga kalau ingin menganalisis pengaruh musiman penjualan perusahaan, maka
akan lebih baik apabila pengeruh tren, siklus, dan ketidakteraturan dalam data
penjualan dihilangkan, sehingga akan diperoleh data yang benar-benar
mencerminkan pengaruh musiman perusahaan.

1. Mengukur Pengaruh Tren

Tren suatu data bisa dilihat dengan beberapa cara:

a. Menggambar dengan tangan
Penggambaran secara langsung bisa dilakukan dengan menarik garis
lurus disekitar data-data yang ada. Cara semacam ini sangat praktis dan
sederhana, tetapi mempunyai kelemahan karena konsistensi cara semacam itu
sangat kurang. Dua orang, dengan data yang sama, bisa mengasilkan garis
trend yang berlainan. Demikian seorang analis apabila menggambar dua kali
pada waktu yang berbeda, dengan menggunakan data yang sama, bisa
menghasilkan garis trend yang berlainan. Cara semacam ini menimbulkan
masalah apabila teknik kuantitatif akan digunakan untuk analisis lebih
lanjut. b. Menggunakan model matematika
Dengan menggunakan model matematik, garis trend bisa dibuat dengan
metode least square. Metode tersebut pada dasarnya menggambarkan garis
lurus sedemikian rupa sehingga selisih kuadrat antara garis lurus tersebut
dengan data yang sesungguhnya, yang paling kecil. Model tersebut serupa
dengan model regresi, kecuali asumsi yang digunakan untuk metode regresi

14
 tidak bisa dipakai untuk analisis time series. Dalam analisis regresi
diasumsikan bahwa korelasi antara residual pada periode t dengan residual
pada periode t-1 sama dengan 0. Dalam analisis time series untuk penjualan
sebagai contoh, tentunya asumsi semacam itu tidak masuk akal. Penjualan pada
periode t akan berkolerasi dengan penjualan pada t-1. Meskipun demikian
metodeleast square dipakai karena penggunaannya yang sederhana. Model
time series bisa dirumuskan sebagai berikut:

Yt = a + b X

a dan b dihitung dengan cara sebagai berikut:

a = ∑(Y) – b ∑(X)

b = ∑XY - n ∑ (X) ∑(Y) / ∑ X2 - n ∑ (X)2

Perhitungan trend:
(1) (2) (3) (4) (5) (6) (7)
Penjualan Y/Yt * 100
Tahun X (Y) XY X² Tren (%Tren)
1972 1 224 224 1 217 103,2
1973 2 233 466 4 234 99,5
1974 3 248 744 9 251 98,7
1975 4 258 1.032 16 268 96,2
1976 5 270 1.350 25 285 94,6
1977 6 288 1.728 36 303 95,2
1978 7 315 2.205 49 320 98,6
1979 8 344 2.752 64 337 102,2
1980 9 369 3.321 81 354 104,3
1981 10 393 3.930 100 371 106,0
1982 11 406 4.466 121 388 104,6
1983 12 416 4.992 144 405 102,7
1984 13 425 5.525 169 422 100,7
1985 14 437 6.118 196 439 99,5
1986 15 450 6.750 225 456 98,6
1987 16 462 7.392 256 474 97,6
1988 17 476 8.092 289 491 97,0
153 6.014 61.087 1.785

E(Y) = ∑Y/N = 6.014/17 = 353,8

15
 b= 61.087−17 (9)(353,8)
(1.785)−17(9)² = 17,1

a = 353,8 – 17,1 (9) = 200

Persamaan Tren:
Yt = a + b X
Yt = 200 + 17,1 Xt
Kolom enam (6) merupakan nilai tren yang dihitung berdasarkan
persamaan tren yang dihasilkan di atas. Berikut ini grafik yang menunjukkan nilai
penjualan yang sesungguhnya dan nilai tren penjualan.

2. Trend Sebagai Proyeksi Masa Depan

Untuk memakai persamaan tren sebagai proyeksi masa depan, seorang

analis harus hati-hati terhadap asumsi yang digunakan. Tren garis mengasumsikan
perkembangan yang konstan untuk masa-masa mendatang. Padahal pada beberapa
situasi, penjualan tumbuh dengan tingkat sangat cepat pada awal-awal periode,
kemudian tumbuh melambat pada periode berikutnya. Misalkan suatu produk
masih baru diluncurkan, pertumbuhan pada awal periode akan sangat cepat.
Kemudian setelah memasuki tahap kedewasaan, pertumbuhan tersebut akan
semakin melambat.

16
 Pada Skala Aritmatik persamaan tren yang lebih sesuai adalah persamaan
parabola seperti berikut ini.

Y = a + bX + cX2

Sedangkan untuk Skala Semi-Logaritma persamaan tren yang lebih sesuai

adalah persamaan logaritma dengan model seperti berikut ini.

log Y = a + b log X

Pemilihan model yang akan digunakan sebagai proyeksi pada masa

mendatang akan sangat tergantung dari asumsi yang digunakan, apakah data akan
tumbuh secara linear atau tidak. Pendekatan linear mengasumsikan besarnya
perubahan pada perubahan yang terjadi adalah tidak konstan.

3. Analisis Siklus

Fluktuasi siklus bisnis muncul dalam jangka waktu menengah (2–10

tahun).. Pengaruh musiman dalam data table di atas hilang karena data yang
digunakan merupakan data tahunan, pengaruh musiman tidak terlihat dalam data
tahunan. Pengaruh siklus bisa dilihat dengan persentase tren yang dirumuskan
sebagai berikut ini.

% Trend = Y / Yt × 100

17
 Di mana Y merupakan data tahunan yang sesungguhnya, dan Yt
merupakan data tren yang dihitung berdasarkan persamaan tren. Kolom (7) pada
Tabel 7.3. di atas memperlihatkan hasil perhitungan di atas. Plot angka-angka
dalam kolom ke (7) akan terlihat seperti berikut ini

Perhatikan bahwa ada kecenderungan siklus dengan jangka waktu sekitar

9 tahun. Tahun 1972 menunjukkan kecenderungan penjualan yang tinggi, relative
terhadap angka tren, dan kemudian penjualan yang tinggi tersebut muncul lagi
pada tahun 1981.

4. 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 [Link] (per triwulan Rp 250.000.000) dan mempunyai indeks
musiman:
Triwulan I : 0,99
Triwulan II : 1,01

18
Triwulan III : 0,90
Triwulan IV : 1,10

Triwulan Indeks Anggaran Penjualan Anggaran penjualan dengan

musiman pengaruh musiman
(4)=(2)x(3)
(1) (2) (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 [Link]

Kedua, apabila analis ingin menghilangkan pengaruh musiman untuk melihat

pengaruh trend, siklus, dan ketidakteraturan secara lebih jelas.

Triwulan Indeks Anggaran Penjualan Anggaran penjualan tanpa

musiman dengan pengaruh musiman pengaruh musiman
(3) (4) = (3) / (2)
(1) (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 [Link]

3. METODE-METODE PERAMALAN

Univariate Multivariate
Mekanis Model Rata-rata Bergerak Model Regresi
Model Box-Jenkins Univariate Model Fungsi Transfer Box-Jenkins
Non-mekanis Pendekatan Visual Pendekatan analis sekuritas

Model-model tersebut bukan saling menggantikan, tetapi saling

melengkapi. Pendekatan mekanis pada dasarnya menggunakan teknik-teknik yang

19
lebih obyektif seperti statistik, dan cara tersebut menggunakan model yang sama
untuk setiap forecast. Salah satu contoh cara mekanis teresebut adalah model
regresi. Dengan cara non-mekanis, teknik yang digunakan relatif lebih bebas.
Tidak terdapat hubungan yang pasti dan tetap antara data yang dianalisis dengan
peramalan yang dibuat. Sebagai contoh, seorang analis bisa menggabungkan
banyak pertimbangan untuk menentukan garis trend yang dibuat dengan tangan.
Faktor-faktor yang dipertimbangkan bisa diambil dari faktor industri, pasar,
kondisi ekonomi dan lainnya.

Dalam pendekatan univariate, hanya satu variabel yang dilihat ketika

analis melakukan perkiraan. Contoh pendekatan semacam ini yang mekanis
adalah perkiraan dengan cara penghalusan eksponensial atau model rata-rata
bergerak tertimbang. Dalam pendekatan multivariate, beberapa variabel dan
interaksi antar variabel-variabel tersebut dipertimbangkan dalam perkiraan data.
Contoh modelmultivariate mekanis adalah model regresi berganda yang
menggunakan beberapa variabel, model ekonometris yang memperhitungkan
hubungan secara simultan persamaan-persamaan dalam suatu sistem. Contoh
pendekatan multivariate non-mekanis adalah analisis yang digunakan oleh
analisis keuangan. Analisis tersebut mempertimbangkan banyak faktor yang
diperkirakan mempunyai pengaruh terhadap data yang dianalisis baik secara
kuantitatif maupun kualitatif, kemudian menentukan angka perkiraan.

1. 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

20
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

2. Perbandingan Model-model Forecast

1. Pendekatan Analis Sekuritas (Multivariate) untuk

Forecasting Kelebihan:

a. Mampu menyesuaikan terhadap informasi dari berbagai sumber

b. Mampu menyesuaikan terhadap perubahan struktural secara cepat
c. Mampu memperbaharui secara kontinu apabila ada informasi baru masuk

Kelemahan:
a. Biaya yang cukup tinggi untuk persiapan dan pelaksanaan, untuk
monitoring beberapa variabel, dan biaya-biaya lainnya
b. Ketergantungan yang tinggi terhadap kemampuan individu analisnya
c. Analis barangkali mempunyai insentif untuk tidak menampilkan forecast
yang tidak bias (misal, karena tekanan agar sesuai dengan konsensus
forecast)
d. Analis barangkali bisa dimanfaatkan oleh perusahaan-perusahaan tertentu
untuk kepentingan perusahaan tersebut

2. Pendekatan Univariate Mekanis untuk

Forecasting Kelebihan:

a. Kemampuan mendeteksi dan memanfaatkan pola tertentu pada data masa

lalu
b. Tingkat subyektivitas yang rendah, terutama apabila metode statistik
digunakan
c. Biaya yang relatif lebih rendah
d. Mudah diperbaharui
e. Kemampuan menganalisis lebih lanjut dengan metode statistik

21
 Kelemahan:
a. Jumlah observasi yang terbatas pada situasi tertentu, misal pada
perusahaan yang baru berdiri
b. Laporan keuangan barangkali tidak memenuhi asumsi-asumsi yang
diperlukan dalam analisis statistik
c. Sulit mengkomunikasikan hasil analisis kepada luar, terutama dalam hal
metodologinya

BAB III

PENUTUP

1. KESIMPULAN

Analisis time series adalah analisis perbandingan data dengan data

keuangan periode sebelumnya (perbandingan dengan data

22
historis). Forecasting digunakan untuk memproyeksikan kondisi keuangan pada
masa mendatang.

Analisis time series digunakan untuk melakukan analisis data yang

mempertimbangkan pengaruh waktu. Data-data yang dikumpulkan secara
periodik berdasarkan urutan waktu, bisa dalam jam, hari, minggu, bulan, kuartal
dan tahun. Selain itu analisis time series bisa digunakan untuk peramalan data
beberapa periode ke depan yang sangat membantu dalam menyusun perencanaan
ke depan.

2. SARAN

Dalam menganalisis laporan keuangan suatu perusahaan secara efektif dan

efisien, salah satu cara yang dapat dilakukan yaitu membandingkan data historis
perusahaan dan data historis industri (analisis time series) untuk melihat apakah
bagaimana perkembangan tren di suatu perusahaan, apakah bergerak relatif baik
atau tidak.

DAFTAR PUSTAKA

Hanafi, Mamduh , Abdul Halim. 2007. Analisis laporan keuangan.

Yogyakarta: STIE YKPN.

23
24