investasi& studikelayakan - digilib.its.ac.id · • mirr (thuesen dan fabrycky, 1989, omotayo...
TRANSCRIPT
Investasi & Studi Kelayakan
Investasi
• Husnan (1996) : penanamansumber daya (termasuk didalamnya barang-barang untukdijual) untuk mendapatkan hasil
Study Kelayakan
• Kasmir dan Jakfar (2003) : suatukegiatan yang mempelajari secaramendalam tentang kegiatanusaha atau bisnis yang akandijual) untuk mendapatkan hasil
di masa yang akan datang
• Pujawan (2004) : suatupengeluaran atau pengorbananyang dilakukan untuk suatuharapan di masa yang akandatang
usaha atau bisnis yang akandijalankan, dalam rangkamenentukan layak atau tidaknyausaha tersebut dijalankan.
Beberapa metode penilaian kelayakan investasi:
• NPV
• IRR
• Payback Period
Metode Penilaian Kelayakan Investasi
• Payback Period
• B/C Ratio
• MIRR (Thuesen dan Fabrycky, 1989, Omotayo Brown dan Kwansa, 1999, Sullivan et al., 2000,Pujawan, 2004, Kierulff, 2008)
Konsep NPV@Risks(Ye dan Tiong 2000)
• Metode NPV@Risk = simulasi montecarlo untuk mengakomodasi faktorketidakpastian
• Prinsip dasar = memasukkanketidakpastian (risiko) pada alirankas dalam bentuk distribusi
Sumber : Ye dan Tiong 2000
kas dalam bentuk distribusiprobabilitas.
• Output = tingkat pengembalian(mean) dan koefisien variasi dari NPV (representasi dari profil risiko)
Sumber : Ye dan Tiong 2000
Gap Penelitian
Kemungkinan Gagal Kemungkinan Berhasil
Manajemen Risiko AS/NZS ISO 31000:2009
Pengembangan Metode
A. Establish the Context
B. Identify Risks
C. Analyze Risks1. Pencarian Likelyhood
2. Pencarian Consequences
3. Kalibrasi Risk Matriks3. Kalibrasi Risk Matriks
4. Risk Level
5. Risk Map
D. Evaluate Risks
E. Treat Risks
Contoh Studi Kasus
Studi kasus yang digunakan adalah kasusinvestasi mesin kompresor pada PT. Alstomtahun 2011. Kasus ini merupakan kasusperbandingan antara pilihan membeli mesinatau menyewa mesin. Dalam kasus investasi iniatau menyewa mesin. Dalam kasus investasi inimemiliki beberapa variability input meliputibiaya investasi, biaya rental, biaya operasi, nilaikurs rupiah dan eskalasi kenaikan biaya. NPVyang dihasilkan dari investasi ini adalah Rp298,457,056.37.
Distribusi NPV@Risk
Tornado Diagram
Distribusi NPV@Risk
Establish the Context
Tahap pertama dalam manajemen resiko adalah tahapestablish the context. Tahap ini merupakan tahap menentukankriteria resiko dan ruang lingkup dari resiko tersebut. Resikoyang ada dalam analisa kelayakan proyek investasi adalahresiko finansial yang berkaitan langsung dengan cashflow.Resiko ini dapat berupa definisi ketika NPV mencapai satu titikdimana titik tersebut dirasa merugikan bagi manajemen.Resiko ini dapat berupa definisi ketika NPV mencapai satu titikdimana titik tersebut dirasa merugikan bagi manajemen.
Kasus Alstom :Scope Resiko : Resiko Finansial hanya terbatas pada cashflowCriteria Resiko : NPV ≤ Rp. 149,228,528.18
Identify Risks
• Identify Risks dilakukan dengan menentukanvariabel-variabel yang menjadi faktor risiko. Variabel yang termasuk risiko disini adalahVariability Inputs yang telah ditetapkanVariability Inputs yang telah ditetapkandiawal.
Parameter Value Unit
Investment Cost Normal(63000,6300) $
Maintenance Cost Normal(3150,315) $
Overhead Cost Normal(4784,239.2) $
Kurs Normal(9150.74,1428.83) Rp
Escalation Pert(0.02,0.03,0.04) %
Analyze Risks
Pada tahap Analyse Risks, dilakukan analisa danpemetaan risiko yang dapat terjadi. Untuk membentuksuatu peta resiko, diperlukan pencariaan nilai likelyhooddan consequences. Secara lebih jelas, analisa resikodibagi menjadi beberpa tahap sebagai berikut:dibagi menjadi beberpa tahap sebagai berikut:
• Pencarian Likekylihood
• Pencarian Consequences
• Kalibrasi Risk Matrix
• Penentuan Risk Level
• Pembentukan Risk Map
Pencarian Likelyhood
Untuk mengetahui besarnya nilai faktor resiko(Variability Input) tersebut menyebabkanresiko terjadi, dilakukan sebuah metode yang dinamakan sebagai metode goal seek. Metodegoal seek ini dilakukan dengan menggunakanfitur tambahan yang ada pada Palisade @Risk.
Likelyhood
Risk Likelihood
0.50%
0.00%
0.00%
Parameter
Investment Cost ≥ $ 79,193.00
Maintenance Cost ≥ $ 5,535.00 NPV ≤ Rp 149,228, $ 7,196.00 Overhead Cost ≥ 0.00%
27.00%
0.00%Escalation ≤ -2.66%
149,228,528
$ 7,196.00
Kurs ≥ Rp 10,025.00
Overhead Cost ≥
Pencarian Consequences
Pencarian consequences (konsekuensi)dilakukan untuk mengetahui dampak yangterjadi apabila faktor resiko (variability input)tersebut benar-benar terjadi. Untukmengetahui seberapa besar dampak yangterjadi, maka dilakukan suatu metode yangdisebut dengan Stress Analisys.
0.2
0.4
0.6
0.8
1
CDF Summary
Baseline
Kurs H19 73.00% to
100.00%
Name Book Stress Analysis Mean Min Max StdDev
(none) (none) baseline 299,846,766.38 (595,840,315.99) 1,194,552,893.40 251,202,235.70
Kurs Calculation of Compressor for Painting rev-2 @Risk Modif 2.xlsx 73.00% to 100.00% 809,442.66 (677,934,036.86) 298,107,911.43 143,491,366.02
Inputs Ranked by Mean Output
0
0.2
-1E
+0
9
-5E
+0
8 0
50
00
00
00
0
1E
+0
9
1.5
E+
09
Consequence
Risk Parameter Consequences
NPV ≤ Rp 149,228,
Investment Cost ≥ $ 79,193.00
Maintenance Cost ≥ $ 5,535.00
NPV =
NPV =
173,887,188.98Rp
209,388,841.23Rp
149,228,528
Overhead Cost ≥ $ 7,196.00
Kurs ≥ Rp10,025.00
Escalation ≤ -2.66%
NPV =
NPV =
NPV =
230,442,105.69Rp
809,442.66Rp
264,516,020.48Rp
Risk Matriks
Insignificant Minor Moderate Major Catastropic
NPV ≥ $ 223,842,792
$ 149,228,528 ≤ NPV < $
223,842,792
$ 74,614,264 ≤ NPV < $
149,228,528
$ 14,992,853 ≤ NPV < $
74,614,264
NPV < $ 14,992,853
Almost Certain
P(X) > 75%
Likely 50% < P(X) ≤ 75%
Risk Map
Likely 50% < P(X) ≤ 75%
Possible 25% < P(X) ≤ 50%
Unlikely 5% < P(X) ≤ 25% Kurs
Rare P(X) ≤ 5%Overhead Cost,
EscalationInvestment Cost,
Maintenance Cost
Keterangan: Extreme Risk High Risk Moderate Risk Low Risk
Risk Level
Risk Likelihood Risk LevelNPV = 173,887,188.98Rp 0.50%
RareNPV = 209,388,841.23Rp 0.00%
RareNPV = 230,442,105.69Rp 0.00%
RareNPV = 809,442.66Rp 27.00%
Parameter Consequences
Investment Cost ≥ $ 79,193.00 Low RiskMinor
Maintenance Cost ≥ $ 5,535.00 Low RiskMinor
NPV ≤ Rp 149,228,
528Low Risk
InsignificantOverhead Cost ≥ $ 7,196.00
NPV = 809,442.66Rp 27.00%Unlikely
NPV = 264,516,020.48Rp 0.00%Rare
528
≤ -2.66% Low RiskInsignificant
Escalation
Kurs ≥ Rp10,025.00 Extreme RiskCatastropic
Risk Map
Insignificant Minor Moderate Major Catastropic
NPV ≥ $ 223,842,792
$ 149,228,528 ≤ NPV < $
223,842,792
$ 74,614,264 ≤ NPV < $
149,228,528
$ 14,992,853 ≤ NPV < $
74,614,264
NPV < $ 14,992,853
Almost Certain
P(X) > 75%
Likely 50% < P(X) ≤ 75%
Risk Map
Likely 50% < P(X) ≤ 75%
Possible 25% < P(X) ≤ 50%
Unlikely 5% < P(X) ≤ 25% Kurs
Rare P(X) ≤ 5%Overhead Cost,
EscalationInvestment Cost,
Maintenance Cost
Keterangan: Extreme Risk High Risk Moderate Risk Low Risk
Evaluate Risks
Tahap ketiga dari manajemen resiko adalahtahap evaluasi resiko. Pada tahap ini, resikodievaluasi untuk ditentukan resiko mana yangharus diprioritaskan untuk ditangani terlebihharus diprioritaskan untuk ditangani terlebihdahulu. Pada kasus ini, resiko yang akanditunjukkan proses penanganannya adalahresiko kurs. Sedangkan untuk resiko lainnya tidakdibahas.
Treat Risks
Tahap keempat adalah tahap penangananrisiko. Pada tahap sebelumnya, telahditentukan bahwa risiko yang akanditangani pada tahap ini adalah risiko kurs.Untuk menangani risiko kurs, digunakanskema hedging. Skema hedging adalahskema mengunci nilai kurs pada suatu nilaikesepakatan antara pihak ketiga sebagai
0.4
0.6
0.8
1
CDF Summary
Baseline
Kurs H19 10000
kesepakatan antara pihak ketiga sebagaipembeli valas dan investor. Pada kasus ini,skema kurs diasumsikan dikunci pada nilaiRp 10,000.00 / USD.
Name Book Stress Analysis Mean Min Max StdDev
(none) (none) baseline 299,433,774 (628,435,261) 1,031,933,354 254,346,959
Kurs Calculation of Compressor for Painting rev-2 @Risk Modif 2.xlsx10,000 153,363,622 (108,931,980) 375,993,328 70,860,151
Inputs Ranked by Mean Output
0
0.2
-8E
+0
8
-6E
+0
8
-4E
+0
8
-2E
+0
8 0
20
00
00
00
0
40
00
00
00
0
60
00
00
00
0
80
00
00
00
0
1E
+0
9
1.2
E+
09
Kesimpulan
Metode integrasi NPV@Risk dan Risk Management ini lebih baikdaripada metode NPV@Risk. Dengan metode ini, risiko yang biasanyahanya dilihat hasil akhirnya, dapat dianalisa lebih mendalam padafaktor-faktor penyebab risiko tersebut. Metode ini telah diujikan kedalam dua buah kasus real dan menghasilkan kesimpulan bahwametode ini dapat bekerja secara teoritis. Adapun dalam penggunaanpada kedua kasus tersebut, ditemukan beberapa kendala yaitu :pada kedua kasus tersebut, ditemukan beberapa kendala yaitu :• Dalam menentukan distribusi dari variability input (faktor risiko),
kadang kala data historis tidak dapat ditemui, sehingga harusdilakukan dengan expert judgement.
• Dalam penentuan kriteria resiko. Kriteria resiko dari setiappengambil keputusan akan berbeda-beda.
• Dalam penentuan penggolongan Konsekuensi risk matriks.Pengambil Keputusan yang berbeda mengakibatkan bentuk riskmatrik yang berbeda.
Saran
Penelitian dalam tugas akhir ini dapatdikembangkan untuk penelitian-penelitianmanajemen risiko secera kuantitatif lainnya, baikuntuk kasus finansial maupun bukan.untuk kasus finansial maupun bukan.
Daftar Pustaka
Goal-seeking analysis [Online]. Computer Business Research. Available: http://sites.google.com/site/b188sjsu/Home/decision-making/goal-seeking-analysis [Accessed 6 March 2012].
Goal seek [Online]. Business Dictionary. Available: http://www.businessdictionary.com/definition/goal-seek.html#ixzz1oJwRuZ4J [Accessed 6 March 2012].
Goal seeking [Online]. Wikipedia. Available: http://en.wikipedia.org/wiki/Goal_seeking [Accessed 6 March 2012].
Use Goal Seek to find the result you want by adjusting an input value [Online]. Microsoft. Available: http://office.microsoft.com/en-us/excel-help/use-goal-seek-to-find-the-result-you-want-by-adjusting-an-input-value-HP010072683.aspx [Accessed 7 March 2012].http://office.microsoft.com/en-us/excel-help/use-goal-seek-to-find-the-result-you-want-by-adjusting-an-input-value-HP010072683.aspx [Accessed 7 March 2012].
Using Analysis Tools : Goal Seek, Solver, and Data Tables [Online]. Available: http://ptgmedia.pearsoncmg.com/images/0789729539/samplechapter/CH25_0789729539.pdf[Accessed 6 March 2012].
Anityasari, M. dan Wessiani, N. A. 2011. Analisa Kelayakan Usaha. Surabaya: Guna Widya.Authority, A. C. T. I. 2004a. Risk management AS/NZS 4360:2004 Australia: Australian Capital Territory
Insurance Authority.
Daftar Pustaka
Authority, A. C. T. I. 2004b. Risk Management Guidelines Companion to AS/NZS 4360:2004 Australia: Australian Capital Territory Insurance Authority.
Authority, A. C. T. I. 2009. AS/NZS ISO 31000:2009 Risk management - Principles and Guidelines. Australia: Australian Capital Territory Insurance Authority.
Choi, H. H., Cho, H. N. dan Seo, J. 2004. Risk assessment methodology for underground construction projects. Journal Of Construction Engineering And Management, 130,258.
Franke, A. 1987. Risk Analysis in Project Management. International Journal of Project Franke, A. 1987. Risk Analysis in Project Management. International Journal of Project Management, 5, 29-34.
Husnan, S. 1996. Manajemen Keuangan - Teori dan Penerapan. Yogyakarta: BPFE.Husnan, S. dan Suwarsono, M. 2000. Studi Kelayakan Proyek. Yogyakarta: YKPN.Hyde, J. dan Engel, P. 2002. Investing in a robotic milking system: A Monte Carlo
simulation analysis. Journal of dairy science, 85, 2207-2214.
Daftar Pustaka
Kasmir dan Jakfar 2003. Studi Kelayakan Bisnis. Jakarta: Penerbit Kencana.Kierulff, H. 2008. MIRR: A better measure. Business Horizons, 51, 321-329.Le Roux, J. dan Brodalka, M. 2004. An Excel (TM)-VBA programme for the analysis of current velocity profiles.
Computers & geosciences, 30, 867-879.Omotayo Brown, D. dan Kwansa, F. A. 1999. Using IRR and NPV Models to Evaluate Societal Costs of Tourism Projects in
Developing Countries. International Journal of Hospitality Management, 18, 31-43.Öztaş, A. dan Ökmen, Ö. 2004. Risk analysis in fixed-price design–build construction projects. Building and Environment,
39, 229-237.Palisade 2009. Guide to Using @RISK - Risk Analysis and Simulation Add-In for Microsoft® Excel. New York: Palisade
Corporation.Corporation.Park, C. S. dan Sharp-Bette, G. P. 1990. Advanced engineering economics. New York: John Wiley & Sons, Inc.Pujawan, I. N. 2004. Ekonomi Teknik. Surabaya: Guna Widya.Roy, A. 1987. From what if to what's best in DSS. Decision Support Systems, 3, 27-35.Schmitt, A. J. dan Singh, M. Year. Quantifying supply chain disruption risk using Monte Carlo and discrete-event
simulation. In, 2009. IEEE, 1237-1248.Sullivan, W. G., Wicks, E. M., Luxhoj, J. T. dan Woods, B. M. 2000. Engineering economy. New York: Prentice Hall.Thuesen, G. J. dan Fabrycky, W. J. 1989. Engineering economy. New York: Prentice Hall Wibowo, A. dan Kochendörfer, B. 2005. Financial Risk Analysis of Project Finance in Indonesian Toll Roads. Journal Of
Construction Engineering And Management, 131, 963.Ye, S. dan Tiong, R. L. K. 2000. NPV-At-Risk Method in Infrastructure Project Investment Evaluation. Journal Of
Construction Engineering And Management, 126, 227.
Lampiran A
(Proses Penenetuan Variabilitas Input)
Level 0 : Deteksi bahaya dan identifikasi failure
(hazard detection and failure
modes' Identification).Level 1 : Pendekatan ‘terburuk’ (‘Worst-case'
approach).Level 2 : Quasi-worst cases and plausible
upper boundsupper bounds
Level 3 : Perkiraan terbaik dari nilai-nilaisentral (Best estimates and central
values)
Level 4 : Probabilistic risk assessment, single
risk curve
Level 5 : Probabilistic risk analysis, multiple
risk curves
Sumber: Paté-Cornell (1996)
Lampiran B
(Penentuan Jumlah Replikasi Dan Validasi)
Replikasi Data1 561,555,987.76 2 404,478,053.79 3 455,695,683.16 4 62,489,448.82 5 578,963,905.73 6 396,704,499.87
Nilai β = 29,845,705.64 Derajat kepercayaan 95%.
2
2
=′β
α sZn
2 ×
6 396,704,499.87 7 506,715,779.97 8 390,128,042.69 9 346,017,881.89 10 49,283,504.41
Mean 375,203,278.81 St Dev 184,519,730.98
Var 34,047,531,119,405,700.00
2
.6429,845,705
0.98184,519,7396.1
×=′n
replikasi 147 146.83 ≈=′n
Replikasi yang digunakan dengan Software
@Risk sebanyak 1000 Replikasi
Lampiran B
(Penentuan Jumlah Replikasi Dan Validasi)
Validasi dengan Paired T-Testt-Test: Paired Two Sample for Means
Variable 1 Variable 2Mean 312,122,132.36 298,457,056.37 Variance 59,886,194,455,420,200.00 0.00 Variance 59,886,194,455,420,200.00 0.00 Observations 1,000.00 1,000.00 Pearson Correlation 0.00 Hypothesized Mean Difference - df 999.00 t Stat 1.77 P(T<=t) one-tail 0.04 t Critical one-tail 1.65 P(T<=t) two-tail 0.08 t Critical two-tail 1.96