Materi 06Financial Forecasting

Matakuliah : F0242 - Lab Modeling KeuanganTahun : 2009

Bina Nusantara

Forecasting• Peramalan (forecasting) berhubungan erat dengan

penyusunan sales Projection dan Cost Budgeting, yang selanjutkan akan dihubungkan dengan Capital Budgeting – bahkan sampai dengan evaluasi kinerja perusahaan.

• Metode yang akan digunakan meliputi Linear dan Non Linear

• Tampilan grafik metode linear akan seperti garis lurus, karena faktor-faktor dalam model (formula) tersebut hanya pangkat satu (X1)

• Metode non-linear meliput persamaan kuadratis, logaritma ataupun persamaan akar kuadrat, sehingga tampilan grafiknya akan melengkung tidak berupa garis lurus / linear)

Bina Nusantara

Metode GrafikSebenarnya cukup banyak alat / metode / formula yang bisa digunakan untuk melakukan analisis dan forecasting, saat ini dibatasi pada :

• Moving Average Analysis (MA) untuk ANALISIS rata-rata bergerak menurut periode tertentu (interval). Semakin panjang periode interval, maka garis MA akan semakin landai.

• Trend Analysis, baik dengan Single Regression (satu variabel independen) ataupun Multi Regression (banyak variabel independen). Model (persamaan) regresi liniernya digunakan untuk FORECASTING

Kedua metode di atas sering digunakan dalam penyusunan riset (skripsi, thesis, disertasi), bahkan digunakan juga dalam analisis teknikal pergerakan harga saham di bursa.

Bina Nusantara

Moving Average• Moving Average (MA)

tergantung pada periode data (interval)

• Misalkan kita memiliki data jumlah unit yang terjual (unit sold) dari tahun 1990 sampai 2006 seperti di samping ini.

• Rata-rata bergerak setiap dua tahun (n = 2) dari tahun 1990 s/d 1991 adalah (222+388) : 2 = 305, sedangkan utk tahun 1991 s/d 1992 adalah (388+228) : 2 = 308 … dst

• Rata-rata bergerak setiap tiga tahun dari tahun 1990 s/d 1993 adalah (222+388+228) : 3 = 279 … dst

Bina Nusantara

Data Analysis : Moving Average• Saat semua data telah terisi, pilih

menu Tools, Data Analysis, pilih Moving Average.

• Pilih Moving Average, tekan OK

Bina Nusantara

Data Analysis : Moving Average

Centang untuk membuat grafiknya

Bina Nusantara

Grafik Moving Average

Edit (sesuaikan) Source Data untuk sumbu horizontal agar dapat menampilkan data tahun (1990 s/d 2006)

Edit (ubah) judul sumbu vertikal menjadi SALES (Unit Sold)

Bina Nusantara

Contoh : Analisis dengan Moving Average

• Hasil analisis grafik MA terakhir dengan interval 2 tahun (n = 2) menunjukkan trend menurun dari tahun 2003-2006.

• Maka analisis awal untuk prediksi tahun 2007 masih akan mengalami down trend juga.

• Bila manajer akan menggunakan hasil analisis ini, maka untuk tahun 2007 manajer perlu membuat anggaran jumlah unit yang terjual (unit sold -> Sales) yang lebih rendah dari tahun 2006

LATIHAN : Buatlah grafik MA dengan n = 3 dan 4 dan lengkapi kolom tabel yang kosong dalam lembar kerja (sheet) anda. Apakah hasil analisisnya sama? Mengapa ?

Down Trend

Bina Nusantara

Trend AnalysisTrend Analysis akan menggunakan model (persamaan) sbb :

Y = a + bXa = intercept (nilai tertentu pada saat X = 0)

b = slope (tingkat kemiringan garis), semakin besar SLOPE maka garis akan

semakin miring. Nilai b dapat negatif (turun ke kanan

bawah) atau positif (naik ke kanan atas)Y = Variabel terikat (dependend variable) yang ditentukan oleh

XX = Variabel bebas (independed variable)

Pada saat ini hanya terdapat 1 (satu) variabel terikat dan 1 (satu) variabel bebas, artinya kita menggunakan Simple Linear Regression.

Bila terdapat 1 (satu) variabel terikat dan 2 atau lebih variabel bebas (X1, X2 dst), maka kita menggunakan Multiple Linear Regression (tidak dibahas dalam mata kuliah ini).

Bina Nusantara

Trend Analysis : Simple Linear Regression

• Misalkan seorang manajer pemasaran sedang menganalisis hubungan statistik antara penjualan (sales) dan biaya iklan (Advertising), untuk menentukan simple regression model.

• Maka Sales = Dependen Variable dan Advertising = Independend Variable, maka model persamaan menjadi :

BASIC MODEL : Y = a + ( b . X)

MANAGER : Sales = intercept + (Slope x Advertising)

Formula dalam Ms Excel =INTERCEPT(Y,X)

Formula dalam Ms Excel =SLOPE(Y,X)

Bina Nusantara

Contoh : Trend Analysis• Manajer menggunakan data historis selama 12 bulan sbb :

=INTERCEPT(A3:A14,B3:B14)

=SLOPE(A3:A14,B3:B14)

Bina Nusantara

Forecasting dengan Simple Linear Regression Model

Dari slide sebelumnya kita mendapatkan model sebagai berikut :

Sales = 49.064 + (4,69 x Advertising)

Bila untuk bulan Januari tahun depan manajer menganggarkan biaya iklan sebesar USD 20.000 maka diprediksi nilai penjualan yang akan dicapai sebesar USD 142.864, dengan penjelasan sbb :

Sales = 49.064 + (4,69 x 20.000) = 142.864

Bina Nusantara

Grafik Simple Regression• Dari data lembar kerja, buatlah grafik pencar (Scatter),

dimana sumbu vertikal adalah Sales dan sumbu horizontal adalah Advertising.

Bina Nusantara

Trend Analysis dari Scatter Chart• Tekan tombol mouse kanan pada kumpulan titik dalam

grafik, pilih Add Trendline

Bina Nusantara

Trend Analysis dari Scatter Chart• Pilih Type = Linear, tekan Options

Bina Nusantara

Trend Analysis dari Scatter Chart• Centang pada Display

equation on chart (untuk menampilkan model regresi dalam grafik secara otomatis)

• Centang pada Display R-squared value on chart (menampilkan koefisien determinasi dalam grafik secara otomatis)

• Tekan OK

Bina Nusantara

Scatter Chart & Simple Regression Model

• Tampilan grafik Scatter akan menjadi seperti di samping, dengan model regresi SAMA dengan slide sebelumnya (yang dicari secara manual dengan formula INTERCEPT dan SLOPE)

• R2 = 0,7828 berarti bahwa 78,28% perubahan Sales berhubungan dengan perubahan pada Advertising (Coefficient of Determination atau CD)

• Tingkat korelasi = akar kuadrat dari 0,7828 yaitu 0,8847 atau 88,47%, yang berarti antara SALES dan ADVERTISING memiliki tingkat korelasi yang sangat kuat (>70%), sehingga cukup valid digunakan sebagai model untuk memprediksi penjualan pada biaya iklan tertentu.

Bina Nusantara

Tambahan : Klasifikasi Koefisien Korelasi

Koefisien korelasi dengan simbol (baca : Rho) dapat bernilai positif (variabel X dan Y berbanding lurus) atau negatif (berbanding terbalik).

Bila TANPA memperhatikan positif atau negatif maka dapat diklasifikasikan menjadi (menurut beberapa sumber referensi) :

< 0,3 antara X dan Y berkorelasi SANGAT LEMAH

0,3 < 0,5 antara X dan Y berkorelasi LEMAH

0,5 < 0,7 antara X dan Y berkorelasi CUKUP KUAT

> 0,7 antara X dan Y berkorelasi SANGAT KUAT