Analisis Time Series

A.                 Analisis Time Series

            Dalam analisis keuangan, analisis terhadap data histori diperlukan untuk melihat tren-tren yang mungkin timbul. Kemudian kita bisa menganalisis apa yang terjadi dibalik tren-tren angka tersebut. Data histori perusahaan sebaiknya juga dibandingkan dengan data historis industri untuk melihat apakah tren suatu perusahaan bergerak relatif lebih baik terhadap tren industri. Dalam analisis time series perubahan-perubahan struktural yang akan berpengaruh terhadap angka-angka keuangan harus diperhatikan. Berikut ini beberapa perubahan struktural yang akan mempengaruhi tren keuangan suatu perusahan:

1.      Peraturan Pemerintah

2.      Perubahan Kompetisi

3.      Perubahan Teknologi

4.      Akuisisi dan merger

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

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

1.      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.

2.      Menghitung angka indeks tahun-tahun lainnya dengan menggunakan angka pos laporan keuangan tahun dasar sebagai penyebut.

3.      Memprediksi kecenderungan yang mungkin bakal terjadi berdasarkan arah dan kecenderungan historis pos laporan keuangan yang dianalisa.

4.      Mengambil keputusan mengenai hal-hal yang harus dilakukan untuk mengantisipasi kecenderungan itu.

B.                 Analisis Data Keuangan

Dalam analisis time series, perhatian terhadap data histories (ex-post) sering digunakan untuk melihat pola-pola yang sistematik terhadap data tersebut. Dalam konteks analisis histories semacam itu, analisis mempunyai pilihan yang banyak terhadap faktor-faktor yang diperkirakan akan mempengaruhi suatu variable. Dalam konteks analisis masa mendatang (ex-ante) seperti forecasting, pilihan seorang analisis menjadi serba terbatas. Seorang analisis tidak tahu pasti beberapa nilai faktor-faktor di atas, dia harus memperkirakan nilai tersebut sebelum memperkirakan nilai variable yang diteliti tersebut. Analis tersebut terpaksa harus memfokuskan pada beberapa variable saja yang lebih sedikit dan bisa diperkirakan lebih pasti. Analisis time series klasik biasanya memfokuskan pada analisis musiman. Data-data seperti penjualan mencerminkan empat macam faktor

1.      Trend Trend merupakan pergerakan time-series dalam jangka panjang, bisa merupakan trend naik atau turun. Diperlukan waktu 15 – 20 th untuk melihat pola tren tersebut. Tren tersebut bisa dipengaruhi oleh perubahan jumlah penduduk, perubahan tehnologi dll.

2.      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. Fluktuasi siklus bisnis muncul dalam jangka waktu menengah 2 – 10 tahun. Pengaruh siklus dapat dilihat dengan persentase trend yang dirumuskan sbb: Di mana Y merupakan data tahunan yang sesungguhnya, dan Yt merupakan data tren yang dihitung berdasarkan persamaan trend.

3.      Musiman 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). Analisis musiman akan bermanfaat pada beberapa situasi. Pertama apabila analis ingin melihat pengaruh musiman dan memanfaatkan informasi tersebut untuk tujuan tertentu. Misalnya ia menggambarkan penjualan tahun depan sebesar 400 juta, dan mempunyai indeks musiman dengan data triwulan untuk yang pertama 0,97, untuk yang kedua 1,1, ketiga 0,85. Ke empat 1,08, analis bisa mengalokasikan anggaran penjualan tahun mendatang ke dalam triwulanan berikut ini.

Triwulan I        : 0,97 x 100.000.000   =   97.000.000

Triwulan II       : 1,10 x 100.000.000   = 110.000.000

Triwulan III     : 0,85 x 100.000.000   =   85.000.000

Triwulan IV     : 1,08 x 100.000.000   = 108.000.000

            Total Anggaran Penjualan                    = 400.000.000

Kedua, apabila analis ingin menghilangkan pengaruh musiman untuk melihat pengaruh trend, siklus dan ketidakteraturan secara lebih jelas. Dalam analisis 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 bergerak relatif lebih baik terhadap tren industri.

4.      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.

C.                 Mengukur Trend an Model Time Series

Trend suatu data dapat dilihat dengan cara menggambar dengan tangan Atau dengan Menggunakan model matematika (metode least square). Umumnya, Dua orang dengan data yang sama, bisa menghasilkan garis tren yang berlainan. Demikian seorang analis apabila menggambarkan 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.

Model times series dapat dirumuskan sbb:

Yt = a + bX     ,

a dan b dapat dihitung sebagai berikut:

a = E ( Y ) – b E ( X )

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. Misal suatu produk baru diluncurkan, pertumbuhan pada awal periode akan sangat cepat. Kemudian memasuki tahap kedewasaan, pertumbuhan tersebut akan semakin melambat.

D.                 Kegunaan Lain Analisis Time Series

Analisis time-series juga penting dalam berbagai konteks non-peramalan seperti:

a.       Evaluasi kinerja manajemen dimana yang menjadi perhatian penting adalah persentase perubahan laba yang disebabkan karena faktor-faktor berorientasi non-perusahaan.

b.      Menguji dugaan bahwa manajemen “memanipulasi” laba untuk menghindari pelanggaran persyaratan hutang dalam perjanjian pinjaman bank.

c.       Mendesain komponen “profit sharing” dari rencana kompensasi eksekutif dimana perhatian utama adalah sharing risiko antara manajemen dengan pihak-pihak lain yang berhubungan dengan perusahaan.

d.      Keputusan manajemen dalam metode akuntansi alternatif dimana faktor penting adalah variabiliats time-series dalam laba yang dilaporkan.

e.       Litigasi dimana dugaan kelebihan laba dibuat dan perhatian utama adalah menjelaskan sumber laba yang dilaporkan.

f.       Litigasi dimana operasi bisnis diganggu oleh kebakaran atau pemogokan dan estimasi laba harus dibuat yang terjadi “secara normal”.

E.                 Masalah-masalah dalam Menganalisis Data Keuangan Time-Series

1.      Masalah perubahan struktural Suatu time-series bersifat statis ketika properti statistik (seperti mean dan varian) pasti konstan sepanjang waktu. Perubahan struktural bisa menyebabkan asumsi ini menjadi validitas yang dipertanyakan. Perubahan struktural bisa dihasilkan dari faktor-faktor seperti: (1) perubahan karena deregulasi pemerintah, (2) perubahan dalam kompetisi, baik dari produk lain atau dari perusahaan baru, (3) pengembangan teknologi yang secara substansial mengubah hubungan biaya-volume-laba, (4) akuisisi atau divestitures. Ada dua pertimbangan yang mengimbangi ketika perubahan struktural. Untuk efisiensi estimasi, diperlukan ukuran sampel yang besar. Dalam time-series, ini berarti kembali ke periode waktu yang lama. Analisis visual akan sering mengidentifikasi kemungkinan masalah perubahan struktural. Analisis statistik bisa digunakan untuk menguji secara formal persamaan varian subperiode dari seri yang diuji.  

2.      Perubahan metode akuntansi Periode waktu yang digunakan dalam model data akuntansi time-series biasanya memiliki rentang dari 10 sampai 50 tahun untuk data tahunan dan 5 sampai 15 tahun untuk data interim. Perubahan akuntansi yang dimaksud disini adalah perubahan sukarela atau diwajibkan oleh badan regulator. Opsi yang tersedia dalam analisis time-series ketika terjadi perubahan akuntansi adalah sebagai berikut:

a.       Opsi satu: jangan membuat suatu penyesuaian pada asumsi bahwa perubahan bersifat immaterial atau bahwa perubahan tersebut merupakan suatu respon tepat oleh manajemen terhadap perubahan dalam lingkungan bisnis yang melandasi.

b.      Opsi dua: menyimpan semua pengamatan dalam time-series, namun membuat penyesuaian sehingga suatu kumpulan aturan akuntansi secara konsisten digunakan pada time-series.

c.       Opsi tiga: hanya menguji pengamatan dalam time-series yang berasal dari metode akuntansi yang sama. Opsi ini bisa dihasilkan hanya satu tahun pengamatan jika terdapat perubahan berulang yang diwajibkan oleh badan regulator atau secara sukarela dibuat oleh manajemen.

3.      Masalah klasifikasi akuntansi Perusahaan memiliki fleksibelitas yang bisa dipertimbangkan pada waktu dari beberapa kejadian dan dalam klasifikasi yang digunakan untuk menyajikan kejadian tersebut dalam laporan keuangan. Seorang analis mungkin berharap mengadopsi bentuk yang berbeda dari waktu atau klasifikasi kejadian dari yang disajikan dalam laporan keuangan.

4.      Perlakuan pengamatan ekstrem Alat-alat time-series terdiri dari stationarity, differencing, submartingales, martingales, random walk, fungsi autokorelasi, dan variasi sampel dan identifikasi model. Alat-alat ini bisa sangat sensitif pada pengamatan ekstrem yang bisa terjadi dengan financial series seperti laba bersih dan laba bersih pada ekuitas pemegang saham. Secara empiris, pengamatan ekstrim lebih mungkin menjadi negatif daripada positif.

F.                  Pendekatan-pendekatan Analisis Time-Series

Paling tidak ada tiga pendekatan untuk menganalisis data time-series yang bisa digunakan, yakni:

1.      Pendekatan Ekonomi. Pendekatan Ini bisa melibatkan hipotesis ex ante mengenai bentuk sistematis yang diharapkan dalam data time-series dan analisis ex post faktor-faktor kausal  yang melandasi perilaku time-series.

2.      Pendekatan Visual. Ini melibatkan plotting data dan selanjutnya mengkaji secara visual plot untuk suatu bentuk sistematis.

3.      Pendekatan Statistical. Ini melibatkan penggunaan alat statistik  seperti suatu autokorelagram untuk mendeteksi bentuk sistematis dalam data. Suatu segmen yang cukup besar dari literature bermaksud untuk mengidentifikasi bentuk statistikal sistematis dalam data keuangan time-series. Bentuk sistematis ini kemudian dimodel dan bisa dieksploitasi untuk tujuan peramalan. Percobaan kecil dibuat untuk memberikan suatu rasionalitas ekonomi untuk model statistik yang diuji.

G.                Analisis Ekonomi dari Data Time-Series

1.      Analisis Faktor Kausal Empat kategori penting keputusan manajemen yang bisa mempengaruhi time-series dari angka-angka laporan keuangan yang dilaporkan adalah: (1) keputusan gabungan bisnis, (2) keputusan pendanaan, (3) keputusan operasional, dan (4) keputusan pelaporan keuangan. Percobaan dalam laporan tahunan untuk mengukur secara detail dampak relatif dari setiap faktor-faktor terdahulu (dan kemungkinan lain) adalah jarang.

2.      Seasonality Ketidakpahaman mengenai faktor-faktor yang melandasi angka-angka laporan keuangan yang dilaporkan, bisa mempermudah penarikan kesimpulan dari angka-angka tersebut. Sebagai ilustrasi, asumsikan seorang analis mengamati bukti kuat dari bentuk musiman dalam laba interim yang dilaporkan dan penjualan perusahaan. Kemungkinan sumber-sumber dari bentuk musiman ini adalah: (1) pengaruh tanggal kejadian, (2) pengaruh cuaca, dan (3) pengaruh siklus pelaporan. Dua teori perhitungan laba bersih interim dengan seasonality yang berlawanan adalah teori integral dan teori terpisah. Pada teori integral, setiap periode interim diperlakukan sebagai suatu bagian integral dari tahun fiskal. Ramalan dibuat pada awal tahun fiskal dan biaya-biaya dialokasikan berdasarkan prediksi (atau aktual) penjualan setiap periode interim. Pada teori terpisah, setiap periode interim diperlakukan sebagai periode pelaporan independen. Pengeluaran yang dikeluarkan selama periode interim dicatat sebagai biaya periode tersebut.

3.      Analisis ex post versus analisis ex ante Ketika mencoba mengikuti faktor-faktor, sangat berguna untuk membedakan antara analisis ex post (memahami apa yang terjadi) dengan analisis ex ante (meramalkan apa yang akan terjadi). Ketika analis menghadapi ketidakpastian mengenai bagaimana faktor-faktor kausal berinteraksi, secara khusus nilai aktual faktor-faktor kausal akan tersedia dalam analisis ex post. Sebaliknya, nilai aktual dari faktor-faktor kausal tidak akan tersedia dalam konteks ex ante.

4.      Area intervensi manajemen potensial Terdapat banyak area dimana manajemen bisa secara sengaja menyajikan secara salah waktu, jumlah, atau maksud dari transaksi atau kejadian dalam laporan keuangan. Misalnya yang berhubungan dengan penjualan (waktu faktur, pesanan palsu, penurunan mutu produk), dan berhubungan dengan biaya (membagi faktur, mencatat pemabayaran dimuka sebagai biaya). Manajemen juga bisa menggunakan transaksi substantive untuk mempengaruhi angka-angka laporan keuangan yang dilaporkan, misalnya biaya riset dan pengembangan atau anggaran eksplorasi.

5.      Keputusan hukum dan regulator Terdapat area abu-abu antara manajemen laba yang ekstrim (melalui praktik bisnis) dan manipulasi laba (melalui cooking the book/paper entrepreneurialism). Suatu analisis yudisial dan keputusan regulator adalah salah satu cara untuk memperoleh wawasan dalam praktik, yang beberapa pihak melihat sebagai bagian luar dari area abu-abu dan dalam area cooking the books.

6.      Big Bath Satu fenomena yang berhubungan dengan manajemen laba disebut dalam beberapa label seperti big bath, clean sweep, clearing the decks, dan housekeeping. Tema yang melandasinya adalah pada saat manajemen menghadapi tahun kerugian, langkah tambahan diambil untuk menambah magnitude kerugian. Hasilnya adalah penurunan besar pada laba yang dilaporkan dan diharapkan suatu peningkatan laba yang akan dilaporkan pada tahun berikutnya.

Kepustakaan

Hanafi, Mamduh M. dan Abdul Halim. 2005. Analisis Laporan Keuangan. Edisi Kedua.

          UPP-AMP YKPN.Yogyakarta.