forecast 2

MODUL 6 dan 7

Analisa Laporan Keuangan(2 SKS)

Oleh: Rahmawati,SE,MM

ANALISIS TIME SERIES DAN FORECASTING

Spyros Makridakis, seorang Perancis, pernah mempunyai gagasan yang unik.

Dia menggelar suatu kompetisi yang cukup menghabiskan tenaga dan melibatkan

banyak orang.Sebagai seorang ahli statistic khususnya dalam hal forecasting, mudah

ditebak bahwa kompetisi yang ia gelar ada hubungannya dengan forecasting.

Singkatnya, tuan Makridakis ini tertarik untuk menguji keampuhan dari metode-metode

forecasting yang sudah diformulasikan dan dipopulerkan oleh para ahli statistik, baik

yang paling sederhana maupun yang sudah sangat kompleks. Tidak tanggung-

tanggung, lebih dari 10 metode forecasting diikutsertakan dan sejumlah 1001 seri data

yang diambil dari berbagai belahan dunia digunakan sebagai bahan penguji dan banyak

ahli forecasting dari Amerika, Eropa dan Australia dimintai bantuan sebagai juri dalam

kompetisi yang panjang dan melelAhkan ini.

Banyak kesimpulan dan implikasi yang menarik bagi para praktisi dari kompetisi

tersebut. Yang membuat para manajer sedikit “shock” dengan hasilnya adalah pertama,

bahwa metode forecasting yang canggih seringkali tidak menghasilkan akurasi yang

lebih baik dibandingkan dengan metode yang paling sederhana. Kedua, untuk data-data

bisnis atau ekonomi yang sangat berfluktuasi dan tidak memiliki pola yang jelas,

forecasting secara kualitatif seringkali memberikan hasil yang lebih baik dari pada hasil

forecast secara kuantitatif.

Secara umum, implikasi dari kompetisi itu turut memberikan sumbangan untuk

menyaringkan lonceng kematian metode forecast secara kuantitatif. Manager makin

menyadari bahwa data-data penjualan yang diperoleh dari pasar atau dalam bisnis

sudah tidak mengikuti aturan atau pola yang jelas. Akibatnya, kemampuan para manajer

semakin lemah untuk melakukan ekstrapolasi walaupun dengan bantuan metode yang

paling canggih sekalipun. Dan inilah juga awal kehancuran long-term planning yang

sering didengungkan sebagai hal yang penting untuk dilakukan oleh suatu perusahaan

Pusat Pengembangan Bahan Ajar - UMB Rahmawati,SE,MM ANALISIS LAPORAN KEUANGAN

bila ingin sukses. Jangankan membuat forecast penjualan untuk lima tahun kedepan

seperti biasanya dalam long-term planning, hanya untuk membuat forecast satu tahun

saja, keyakinan manajer sudah terkikis terhadap akurasi dari forecast yang dibuat.

Kondisi pasar saat ini, baik untuk industrial product maupun consumer product

sudah terlalu kompleks. Terlalu banyak factor dari lingkungan bisnis yang

mempengaruhi pasar, mulai dari peraturan pemerintah, perubahan teknologi, pengaruh

globalisasi dan tingkat persaingan yang semakin tinggi. Sejak awal decade 90-an,

terlihat sekali bahwa perubahan-perubahan yang terjadi kadang-kadang tidak bersifat

incremental lagi tetapi juga sudah mengandung elemen surprising.

Peraturan pemerintah sering berganti-ganti, membuat manajer Indonesia sering

mengeluh terutama dalam hal forecasting. Perubahan bea masuk atau perubahan

dalam hal ekspor dan impor dapat mengubah kondisi pasar dan peta persaingan

berubah dalam waktu sebulan. Dapat dibayangkan apa yang terjadi bila pemerintah

Hasil observasi, dengan para manajer di beberapa perusahaan menunjukkan

bahwa kegiatan pembuatan forecast selalu merupakan bagian yang penting bagi para

manajer terutama manajer pemasaran. Marketing Manajer pada umumnya masih

senang menggunakan persentase dari forecast penjualan untuk menentukan berapa

uang yang harus dikeluarkan untuk melakukan aktifitas promosi. Oleh karena itu,

pembuatan forecast adalah tahap awal dari pembuatan rencana pemasaran. Demikian

juga para accounting manajer, tetap mengandalkan forecast dalam pembuatan budget

mereka. Bahkan untuk bagian sales, kinerja dari seorang kepala cabang kadang-kadang

diukur dari kemampuan mereka untuk membuat forecast dan bonus dari si salesman

sering dikaitkan dengan pencapaian dari penjualan dibandingkan dengan forecast.

Akurasi suatu forecast untuk beberapa jenis industri sangat bernilai. Kemampuan untuk

memperbaiki satu persen dari tingkat akurasi dapat menambah penjualan atau

mengurangi biaya inventori dalam jumlah yang besar. Bayangkan misalnya dengan

perusahaan seperti United Tractors yang memasarkan alat berat dengan merk Komatsu.

Setiap unit dari alat berat tersebut dapat bernilai lebih dari satu milyar rupiah. Forecast

yang terlalu kecil akan merugikan perusahaan karena gagalnya perusahaan untuk

melakukan deliveri pada waktu yang ditetapkan sehingga pelanggan mungkin akan

memutuskan untuk membeli produk lain. Demikian juga, forecast yang sangat


berlebihan akan memberikan beban biaya inventori yang sangat besar. Oleh karena itu,

perusahaan sekaliber United Tractors, pembuatan forecast dianggap sebagai pekerjaan

yang serius.

Hal yang dapat dilakukan ketika membuat forecasting adalah:

1. Manajer selayaknya menyadari tingkat kompleksitas dari suatu pasar. Mengenal

konsumen secara baik serta mempelajari semua variabel-variabel yang

mempengaruhi suatu forecast haruslah menjadi agenda penting bagi para

manajer. Kegagalan dari mobil Ford “Edsel” yang sering dibuat publikasi adalah

forecast yang salah dalam menghitung potensi dari pasar. Perusahaan di Detroit

dipersalahkan karena mereka sama sekali tidak menyelenggarakan survei untuk

mengetahui selera konsumen tetapi mereka meluncurkan mobil sesuai dengan

apa yang mereka inginkan. Mengenal konsumen, kompetitor serta lingkungan

bisnis dengan baik adalah tahap yang baik dalam pembuatan suatu forecast.

Survei-survei pemasaran secara rutin sebaiknya dilakukan.

2. Untuk manajer yang menggeluti produk-produk yang sangat sensitive terhadap

perubahan lingkungan bisnis, cara-cara forecasting dengan metode kuantitatif

harus diwaspadai. Justru dalam hal ini, forecasting secara kualitatif serta

penggunaan intuisi dari si manajer yang bersangkutan tak pelak lagi adalah cara

yang tidak dapat dihindari lagi. Untuk mempertajam intuisi dari manajer, ansoff

mengingatkan manajer untuk semakin peka terhadap apa yang ia namakan

sebagai weak signal, yaitu gejala dini terhadap suatu perubahan. Hanya manajer

yang mendengarkan suara dari konsumen serta mempunyai komunikasi yang

baik dengan departemen atau bawahan mereka yang dapat melatih kepekaan

mereka.

3. Kepekaan seorang manajer dapat ditingkatkan dengan memperbaiki sistem

informasi perusahaan. Metode yang dinamakan “environmental scanning

system” sudah mulai banyak dipakai di perusahaan-perusaha an besar di US

untuk tujuan pembuatan forecast. Pada dasarnya, environmental scanning terdiri

dari tahap-tahap seperti mengidentifikasi faktor-faktor yang mempengaruhi

bisnis, seberapa besar setiap faktor berpengaruh terhadap bisnis, membuat

diagram yang menunjukkan faktor-faktor yang kritikal dan akhirnya adalah

pembuatan suatu “environment data base”.Proses dalam environmental


scanning system ini akan memakasa manajer untuk semakin peka terhadap

perubahan lingkungan bisnis pada tahap dini. Hal ini jelas akan memberikan

keuntungan kepada perusahaan terutama dalam mengantisipasi terhadap

perubahan yang sangat mendadak. Barangkali akurasi yang baik tetap tidak

dapat dicapai dengan adanya environmental scanning system, tetapi paling tidak,

arah dari perubahan lingkungan bisnis dapat diramal lebih akurat.

4. Dalam membuat suatu forecast, manajer perlu mempertimbangkan penggunaan

skenario. Skenario adalah kata yang sudah sering diucapkan setiap hari. Hanya

saja, sedikit manajer yang secara formal melakukan sebagai bagian dari

strategic planning. Dalam pembuatan skenario, manajer menyadari bahwa

kemampuan dalam pembuatan forecast sangat terbatas. Oleh karena itu,

pembuatan skenario menunjukkan bahwa daripada mengalokasikan begitu

banyak waktu untuk melakukan forecast yang akurat yang pada dasarnya sangat

sulit, manajer tersebut lebih tertarik untuk melihat implikasi.

ANALISIS KINERJA DENGAN METODE EVA

EVA (Economic Value Added) adalah salah satu cara untuk menilai kinerja keuangan.

EVA merupakan indicator tentang adanya penambahan nilai dari satu investasi. EVA

yang positif menunjukan bahwa manajemen perusahaan berhasil meningkatkan nilai

perusahaan bagi pemilik perusahaan sesuai dengan tujuan manajemen keuangan

memaksimumkan nilai perusahaan

Istilah EVA dipopulerkan oleh Stern Steward Management Service, yaitu perusahaan

konsultan di Amerika Serikat sekitar tahun 90-an. Stern Steward menghitung EVA

dengan cara mengurangi laba operasi setelah pajak dengan total biaya modal. EVA

dapat dirumuskan sebagai berikut:

EVA = EBIT – Pajak – Biaya Modal

EVA dapat ditingkatkan dengan cara :

1. Memperoleh lebih banyak laba tanpa menggunakan lebih banyak modal, caranya

adalah memotong biaya-biaya, bekerja dengan biaya produksi dan pemasaran yang

lebih rendah agar diperoleh margin laba yang lebih besar. Hal ini dapat juga dicapai


dengan meningkatkan perputaran aktiva, baik dengan cara menaikan volume penjualan

atau bekerja dengan aktiva yang lebih rendah (lower assets).

2. Memperoleh pengembalian (return) yang lebih tinggi daripada biaya modal atas

investasi baru. Hal ini sesungguhnya menyangkut pertumbuhan perusahaan.

Indikator EVA :

Bila EVA > 0, terjadi proses nilai tambah perusahaan, kinerja keuangan perusahaan

baik.

Bila EVA = 0, menunjukan posisi impas perusahaan

Bila EVA < 0, berarti total biaya modal perusahaan lebih besar daripada laba operasi

setelah pajak yang diperolehnya, sehingga kinerja keuangan perusahaan tersebut tidak

baik.

Total biaya modal menunjukan besarnya kompensasi atau pengembalian yang diminta

investor atas modal yang diinvestasikan di perusahaan. Besarnya kompensasi

tergantung pada tingkat risiko perusahaan yang bersangkutan, dengan asumsi bahwa

investor bersifat penghindar resiko, semakin tinggi tingkat resiko semakin tinggi tingkat

pengembalian yang diminta investor.

Modal terdiri dari modal sendiri (ekuitas) berasal dari para pemegang saham, dan utang

dari para kreditor atau pemegang obligasi perusahaan. Besarnya tingkat biaya modal

ditentukan brdasarkan rata-rata tertimbang (weighted average cost of capital) dari biaya

modal sendiri (cost of equity) dan biaya utang setelah pajak sesuai dengan proporsi

modal sendiri dan utang dalam struktur modal perusahaan.

A.MetodeDeretWaktu(TimeseriesMethod)

Metode peramalan ini menggunakan deret waktu (time series) sebagai dasar

peramalan.perlukan data aktual lalu yang akan diramalkan untuk mengetahui pola data

yang diperlukan untuk menentukan metode peramalan yang sesuai. Beberapa metode

dalam time series yaitu sebagai berikut:


1. ARIMA (Autoregressive Integrated Moving Average) pada dasarnya menggunakan

fungsi eret waktu, metode ini memerlukan pendekatan model identification serta

penaksiran awal dari paramaternya. Sebagai contoh: peramalan nilai tukar mata uang

asing, pergerakan nilai IHSG.

2. Kalman Filter banyak digunakan pada bidang rekayasa sistem untuk memisahkan

sinyal dari noise yang masuk ke sistem. Metoda ini menggunakan pendekatan model

state space dengan asumsi white noise memiliki distribusi Gaussian.

3. Bayesian merupakan metode yang menggunakan state space berdasarkan model

dinamis linear (dynamical linear model). Sebagai contoh: menentukan diagnosa suatu

penyakit berdasarkan data-data gejala (hipertensi atau sakit jantung), mengenali warna

berdasarkan fitur indeks warna RGB, mendeteksi warna kulit (skin detection)

berdasarkan fitur warna chrominant.

4. Metode smoothing dipakai untuk mengurangi ketidakteraturan data yang bersifat

musiman dengan cara membuat keseimbangan rata-rata dari data masa lampau.

5. Regresi menggunakan dummy variabel dalam formulasi matematisnya. Sebagai

contoh: kemampuan dalam meramal sales suatu produk berdasarkan harganya.

B.MetodeKausal

Metode ini menggunakan pendekatan sebab-akibat, dan bertujuan untuk meramalkan

keadaan di masa yang akan datang dengan menemukan dan mengukur beberapa

variabel bebas (independen) yang penting beserta pengaruhnya terhadap variabel tidak

bebas yang akan diramalkan. Pada metode kausal terdapat tiga kelompok metode yang

sering dipakai :

1. Metoda regresi dan korelasi memakai teknik kuadrat terkecil (least square). Metoda

ini sering digunakan untuk prediksi jangka pendek. Contohnya: meramalkan hubungan

jumlah kredit yang diberikan dengan giro, deposito dan tabungan masyarakat.


2. Metoda ekonometri berdasarkan pada persamaan regresi yang didekati secara

simultan. Metoda ini sering digunakan untuk perencanaan ekonomi nasional dalam

jangka pendek maupun jangka panjang. Contohnya: meramalkan besarnya indikator

moneter buat beberapa tahun ke depan, hal ini sering dilakukan pihak BI tiap tahunnya.

3. Metoda input output biasa digunakan untuk perencanaan ekonomi nasional jangka

panjang. Contohnya: meramalkan pertumbuhan ekonomi seperti pertumbuhan domestik

bruto (PDB) untuk beberapa periode tahun ke depan 5-10 tahun mendatang. Tahapan

perancangan peramalan : Secara ringkas terdapat tiga tahapan yang harus dilalui dalam

perancangan suatu metoda peramalan, yaitu :

1. Melakukan analisa pada data masa lampau. Langkah ini bertujuan untuk

mendapatkan gambaran pola dari data bersangkutan.

2. Memilih metoda yang akan digunakan. Terdapat bermacam-macam metoda yang

tersedia dengan keperluannya. Metoda yang berlainan akan menghasilkan system

prediksi yang berbeda pula untuk data yang sama. Secara umum dapat dikatakan

bahwa metoda yang berhasil adalah metoda yang menghasilkan penyimpangan (error)

sekecil-kecilnya antara hasil prediksi dengan kenyataan yang terjadi.

3. Proses transformasi dari data masa lampau dengan menggunakan metoda yang

dipilih. Kalau diperlukan, diadakan perubahan sesuai kebutuhannya. Menurut John E.

Hanke dan Arthur G. Reitch (1995), metode peramalan dapat dibagi menjadi dua yakni :

a. Metode peramalan kualitatif atau subyektif Yaitu suatu :

“qualitative forecasting techniques relied on human judgments and intuition more than

manipulation of past historical data,” atau metode yang hanya didasarkan kepada

penilaian dan intuisi, bukan kepada pengolahan data historis.

b.MetodePeramalanKuantitatif

Sedangkan peramalan kuantitatif diterangkan sebagai : “quantitative techniques that

need no input of judgments; they are mechanical procedures that produce quantitative

result and some quantitative procedures require a much more sophisticated


manipulation of data than do other, of course”. Sedangkan DeLurgio (1998)

mengilustrasikan jenis-jenis metode peramalan seperti

pada Gambar berikut:


Analisis keuangan akan lebih tajam bila data keuangan dibandingkan dengan standar

tertentu

Standar untuk pembandingan data keuangan

1. Standar internal yg ditetapkan mnjm spt target yg ditetapkan

2. Perbandingan historis

3. Perbandingan dengan prshn atau industri sejenis

4. Tanpa pembandingan tidak akan diketahui apakah prestasi keuangan suatu

perusahaan menunjukkan perbaikan atau sebaliknya menunjukkan penurunan

Analisa Common Size

1. Adalah analisis dengan pembacaan data-data keuangan untuk beberapa periode

(untuk mencari trend-trend tertentu)

2. Analisis common size disusun dengan cara menghitung tiap-tiap rekening dalam

laporan laba-rugi dan neraca menjadi proporsi dari total penjualan (utk laporan

laba-rugi) atau dari total aktiva (untuk neraca)

3. Analisis common size perusahaan dianalisa dengan melihat trend yang muncul.

4. Analisis common size perusahaan selanjutnya dibandingkan dengan analisis

common size industri untuk melihat kekuatan dan kelemahan perusahaan. Untuk

kekuatan akan diupayakan untuk dipertahankan sedang kelemahan diupayan

untuk diperbaiki.

analisis common size

+ Perhitungan Rata-rata Industri

Ada beberapa alternatif

1. Menghitung nilai tunggal sbg pembanding

2. Menghitung nilai tunggal dengan dispersinya (standar deviasi)

3. Menghitung nilai utk percentile tertentu ( mis 25% paling kecil)

Menghitung nilai tunggal sbg pembanding, ada bbrp alternatif:

Mengggunakan rata-rata aritmetika

Mengggunakan rata-rata tertimbang

Mengggunakan median

Mengggunakan modus


Permasalahan analisis cross section

1. Ketidaktersediaan data industri yg tidak listing pasar modal

2. Ketidakjelasan industri yang yang akan dipakai (karena suatu perusahaan/group

bergerak dibeberapa industri)

3. Pada beberapa situasi tidak tersedia angka industri dlm suatu negara mis: SIA,

PT. KA

ANALISA TIME SERIES

a. Analisis time series adalah analisis terhadap data historis untuk melihat tren

yang mungkin timbul

b. Tren angka selanjutnya dianalisis guna mengetahui apa yang terjadi

c. Trend perusahaan sebaiknya dibandingkan dengan tren industri apakah sudah

bergerak lebih baik dari tren industri.

Penerapan

Perubahan struktural dapat berpengaruh pada data keuangan. Perubahan struktural a.l.:

1. Peraturan Pemerintah

2. Perubahan Kompetisi

3. Perubahan Teknologi

4. Akuisisi dan merger

Jika terjadi perubahan struktural, analisis perlu memisahkan data sebelum dan data

sesudah terjadinya perubahan struktural. Utk tren selanjutnya lihat perubahan sesudah

kejadian

5. Adanya outlier (data-data yang ekstrem/luar biasa) juga dapat berpengaruh pada

data keuangan

6. Jika data tersebut muncul karena faktor yang bersifat sementara, sebaiknya

dihapus dari data historis yg akan dianalisis

7. Jika bersifat permanen digunakan analisis sebelum dan sesudah

Suatu data berubah bisa disebabkan oleh

1. Trend

2. Siklus

3. Musiman


4. Ketidakteraturan

Analisa Peramalan

Ada 2 metode: mekanis dan non mekanis

Metode mekanis menggunakan teknik-teknik yang lebih objektif seperti statistik

misal menggunan model regresi (regresi sederhana /univariate maupun regrese

berganda/multivariate)

Metode non mekanis menggunakan teknik yang bersifat subjektif dengan

menggabungkan banyak pertimbangan untuk menentukan garis tren yang dibuat

dengan tangan (pendekatan visual untuk univariate) dan pendekatan analis

sekuritas (multivariate). (pertimbangan bisa dari faktor industri, ekonomi, pasar

dll)

Model peramalan multivariate relatif lebih akurat disebabkan oleh

1. Dapat memasukkan aspek informasi terbaru

2. Dapat mempertimbangkan informasi yang lebih luas seperti forecast

perekonomian, struktur industri, dan kejadian lain yang relevan


Klasifikasi Metode Peramalan …

Forecasting Method

Objective Forecasting Methods

Subjective (Judgmental)Forecasting Methods

Time SeriesMethods

CausalMethods

Analogies

Delphi

PERT

Survey techniques

Simple Regression

Multiple Regression

Neural Networks

Naïve Methods

Moving Averages

Exponential Smoothing

Simple Regression

ARIMA

Neural Networks

Combination of Time Series – Causal Methods Intervention Model Transfer Function (ARIMAX) VARIMA (VARIMAX) Neural Networks

References :

Makridakis et al. Hanke and Reitsch Wei, W.W.S. Box, Jenkins and Reinsel


Klasifikasi Metode Peramalan :Ilustrasi Model Matematis…

Forecasting Method

Objective Forecasting Methods

Subjective (Judgmental)Forecasting Methods

Time Series MethodsYt= f (Yt-1, Yt-2, … , Yt-k)

Causal MethodsYt= f (X1t, X2t, … , Xkt)

Examples : sales(t) = f (sales(t-1), sales(t-2), …)

Examples : sales(t) = f (price(t), advert(t), …)

Combination of Time Series – Causal MethodsYt= f (Yt-j , j>0 ; Xt-i , i0)

Examples : sales(t) = f (sales(t-1), advert(t), advert(t-1), …)


TIME SERIES MODELS

LINEARTime Series Models

NONLINEARTime Series Models

ARIMA Box-JenkinsModels from time series theory nonlinear autoregressive, etc ...

Flexible statistical parametric models neural network model, etc ...

State-dependent, time-varying para-meter and long-memory models

Nonparametric models

Intervention Model

Transfer Function (ARIMAX)

VARIMA (VARIMAX)

Models from economic theory

References : Timo Terasvirta, Dag Tjostheim and Clive W.J . Granger, (1994)

“Aspects of Modelling Nonlinear Time Series”Handbook of Econometrics, Volume IV, Chapter 48. Edited by R.F. Engle and D.I. McFadden

Klasifikasi Model Time Series : Berdasarkan Bentukatau Fungsi…


PERAMALAN PERMINTAAN DENGAN MENGGUNAKAN FUZZY LOGIC

Inventory (persediaan) pastilah dibutuhkan oleh setiap perusahaan baik itu perusahaan barang

ataupun jasa. Melakukan stok barang yang terlalu besar harus dihindari oleh perusahaan, karena

hal tersebut merupakan suatu pemborosan bagi perusahaan. Oleh karena itu, optimalisasi

persediaan adalah sangat dibutuhkan oleh setiap perusahaan. Sistem Logika Fuzzy memiliki

keunggulan dalam memodelkan aspek kualitatif dari pengetahuan manusia serta pengambilan

keputusan sebagaimana dilakukan oleh manusia dengan menerapkan basis aturan atau basis

kaidah.

Salah satu cara untuk mengoptimalkan persediaan dalam suatu perusahaan adalah dengan

melakukan suatu peramalan terhadap jumlah persediaan barang. Adapun metode Fuzzy Logic

yang dipakai disini adalah Fuzzy Time Series (FTS) dengan beberapa basis model perataan (w).

Dan pengujiaan data akan dilakukan terhadap data penjualan produk Asbes periode 1997-2001, di

sebuah perusahaan bahan bangunan yaitu UD. Moro Seneng. Sedangkan untuk analisa hasil

peramalan nantinya, hasil peramalan Fuzzy Time Series (FTS) akan dibandingkan dengan hasil

peramalan dengan menggunakan metode EWMA (Exponentially Weighted Moving Average),

dimana peramalan dengan Fuzzy Time Series hasilnya akan lebih optimal.

Dan untuk mengukur ketepatan model perhitungan dan peramalan, akan digunakan ukuran

statistik standar Nilai Tengah Galat Kuadrat (Mean Squared Error / MSE) dan ukuran relatif Nilai

Tengah Galat Presentase Absolut (Mean Absolute Precentage Error / MAPE). Hasil peramalan

yang diperoleh dengan metode Fuzzy Time Series.


Analisa Keuangan yang Lain.

Analisis Break Even

1. Pengertian Analisis Break Even

Break even point (BEP) dapat diartikan sebagai suatu titik atau keadaan di mana

perusahaan di dalam operasinya tidak memperoleh keuntungan dan tidak menderita

rugi. Dengan kata lain, pada keadaan itu keuntungan atau kerugian sama dengan

nol. Hal tersebut dapat terjadi bila perusahaan di dalam operasinya menggunakan

biaya tetap, dan volume penjualan hanya cukup untuk menutup biaya tetap dan

variabel. Apabila penjualan hanya cukup menutup biaya variabel dan sebagian biaya

tetap, maka perusahaan menderita rugi. Dan sebaliknya akan memperoleh

keuntungan, bila penjualan melebihi biaya variabel dan biaya tetap yang harus

dikeluarkan.

2. Manfaat Analisis Break Even

Analisis break even secara umum dapat memberikan informasi kepada pimpinan,

bagaimana pola hubungan antara volume penjualan, cost/biaya dan tingkat

keuntungan yang akan diperoleh pada level penjualan tertentu. Analisis break even

dapat membantu pimpinan dalam mengambil keputusan mengenai hal-hal sebagai

berikut:

a. Jumlah penjualan minimal yang harus dipertahankan agar perusahaan tidak

mengalami kerugian

b. Jumlah penjualan yang harus dicapai untuk memperoleh keuntungan tertentu

c. Seberapa jauhkah berkurangnya penjualan agar perusahaan tidak menderita rugi

d. Untuk mengetahui bagaimana efek perubahan harga jual, biaya dan volume

penjualan terhadap keuntungan yang akan diperoleh.

Jenis biaya berdasarkan konsep break even

a. Variable cost (biaya variabel)

Variable cost merupakan jenis biaya yang selalu berubah sesuai dengan perubahan

volume penjualan, dimana perubahannya tercermin dalam biaya variabel secara

total. Dalam pengertian ini biaya variabel dapat dihitung berdasarkan persentase

tertentu dari penjualan, atau variabel cost per unit dikalikan dengan penjualan dalam

unit.


b. Fixed cost (biaya tetap)

Fixed cost merupakan jenis biaya yang selalu tetap dan tidak berpengaruh oleh

volume penjualan melainkan dihubungkan dengan waktu (function of time) sehingga

jenis biaya ini akan konstan selam periode tertentu. Contoh sewa (rent), depresiasi,

bunga, gaji. Berproduksi atau tidaknya perusahaan biaya ini tetap dikeluarkan.

c. Semi Variable costSemi variable cost merupakan jenis biaya yang sebagian variabel dan sebagian

tetap, yang akdang-kadang disebut dengan semi fixed cost. Biaya yang tergolong

dalam jenis biaya ini misalnya : Sales expenses atau komisi bagi salesman dimana

komisi bagi salesman ini tetap untuk range atau volume tertantu, dan akan naik

padalevel yang lebih tinggi.

Contoh

Peramalan penjualan sebagai dasar perencanaan produksi pada PT. Batik Keris SurakartaSigit Prasetyo

Peramalan penjualan merupakan teknik analisa terhadap kuantitas penjualan pada

periode yang akan datang berdasar penjualan yang lalu.Akan tetapi peramalan

penjualan yang dibuat hanya berupa perkiraan dan belum tentu terjadi karena penjualan

dipengaruhi berbagai faktor.

Tujuan peramalan penjualan untuk memperkirakan jumlah penjualan yang akan terjadi

pada periode yangakan datang,kemudian hasil peramalan tersebut digunakan untuk

membuat perencanaan produksi pada periode yang akan datang.

Tujuan yang hendak dicapai dari penelitian untuk menganalisa pola penjualan dan

produksi Batik Keris terjadi pada periode 1998-2002serta hasil peramalan penjualan

danperencanaan produksi pada periode

2003.kemudian hasil peramalan tersebut akan ditentukan standar erroryang merupakan

batas toleransi penjualan Dari hasil peramalan penjualan dan perencanaan produksi bila

dibandingkan dengan pola penjualan dan produksi 1998-2002makam terdapat ketidak

seimbangan antara pola produksi dan penjualan.


Saran yang dapat penulis berikan adalah agar PT.Batik Keris menggunakan pola

peramalan penjualan secara formal agar tercapai efektifitas dan efisiensi dalam

perusahaan sehingga kinerja perusahaan

sehingga kinerja perusahaan dapat berjalan dengan lancar.


forecast 2

Documents