13
BAB 2 DASAR TEORI
2.1
Aspek Teknis Studi mengenai aspek teknis dan produksi ini sifatnya sangat strategis, sebab
berkaitan dengan kapasitas proyek, lokasi, tata letak alat produksi, kajian atas bahan dan sumbernya, desain produk , dan analisis biaya produksi. Berapa besar kapasitas mesin pabrik atau peralatan produksi yang harus diadakan, dengan memperhatikan, antara lain : - Pemodal perusahaan, jumlah , dan kemampuan pasokannya - Studi alternatif lokasi dan usulan lokasi yang representatif . Usulan pemilihan lokasi sebaiknya dilengkapi dengan pertimbangan teknis lokasi - Desain produk, baik desain teknis maupun fungsionalnya. Desain teknis diperlukan oleh pekerja sebagai pedoman pengerjaan. - Desain arus pengerjaan
( Assembling or Flow Process Chart ) yang berguna
sebagai pedoman penetapan tata letak pabrik . - Suku cadang - Studi dampak Lingkungan ( Amdal ). Amdal adalah studi yang harus dibuat sebagai kelengkapan dari evaluasi pendirian sebuah pabrik, amdal akan menjadi pedoman, bagaimana limbah ditangani sehingga tidak merusak lingkungan.
14
2.2
Aspek Ekonomi Aspek Ekonomi merupakan aspek kunci dari suatu studi kelayakan karena
sekalipun aspek ini tergolong layak, jika studi aspek keuangan memberikan hasil yang tidak layak, maka usulan proyek akan ditolak karena tidak akan memberikan manfaat ekonomi. Studi aspek keuangan ini paling tidak mencakup : a. Kajian terhadap jumlah dana yang diperlukan, baik untuk keperluan investasi awal maupun untuk kebutuhan modal kerja. b. Kajian terhadap sumber dana, sekaligus perhitungan mengenai biaya atas modal yang direncanakan ditarik, termasuk rancangan terhadap struktur modal yang tergolong layak. c. Proyeksi arus kas yang memuat rincian prospek arus kas masuk dan prospek arus kas keluar. Proyeksi arus kas tersebut berguna sebagai landasan untuk melakukan analisa kelayakan finansial dengan menggunakan berbagai metode, seperti Pay Back Methode, Net Present Value ( NPV ), Profitabilitas Index ( PI ), Internal Rate of Return ( IRR ), Average Rate of Return ( ARR ) dan Benefit –Cost Ratio ( BEA ) d. Penyusunan laporan keuangan proforma, dilengkapi dengan analisa sumber dan penggunaan dana serta analisa titik impas ( break even analisys atau BEA ) e. Kajian terhadap pengaruh indikator ekonomi makro terhadap kelayakan keuangan proyek, baik terhadap arus kas masuk dan arus kas keluar, meliputi tingkat bunga, inflasi, perubahan nilai tukar rupiah, dan berbagai kebijakan ekonomi makro pemerintah lainnya.
15
2.2.1 Depresiasi dan Straight Line Method Pada metode garis lurus, nilai penyusutan tetap sama besarnya, yaitu dihitung dengan persentase tertentu terhadap nilai beli aktiva (tanpa nilai sisa) atau terhadap sasaran penyusutan (harga beli sesudah dikurangi nilai sisa). Persentase penyusutan pada metode garis lurus adalah invers dari usia ekonomis proyek. 1 %Penyusutan =
× 100% Usia ekonomis
Sedangkan nilai penyusutan dihitung dengan cara berikut: BD
= DP(HBA-NSA)
Dimana:
2.2.2
BD
= biaya depresiasi tahunan
DP
= persentase depresiasi
HBA
= harga beli aktiva
NSA
= nilai sisa aktiva
Kriteria Perhitungan Kelayakan Investasi
Penentuan kelayakan suatu proyek dari aspek finansial dapat dilakukan dengan menggunakan beberapa metode perhitungan. Beberapa metode tersebut adalah sebagai berikut:
16
2.2.2.1 Metode Periode Pengembalian (Payback Period Method) Metode pemulihan investasi (payback method) adalah metode analisis kelayakan investasi yang berusaha untuk menilai persoalan kelayakan investasi menurut jangka waktu pemulihan modal yang diinvestasikan. Jangka waktu pemulihan modal (payback period) adalah jangka waktu yang diperlukan, biasanya dinyatakan dalam satuan tahun, untuk mengembalikan seluruh modal yang diinvestasikan. Menurut Murdifin Haming dan Salim Basalamah (2000:94,103), acuan untuk menghitung masa pemulihan modal adalah sebagai berikut: 1. Metode arus kumulatif. Metode ini dipakai sebagai alat penilai kelayakan apabila arus kas proyek tidak seragam, atau berbeda dari tahun ke tahun. 2. Metode arus rata-rata. Metode ini dipakai apabila arus kas proyek seragam, atau sama besarnya dari tahun ke tahun selama usia ekonomis proyek. Persamaan yang digunakan adalah:
dimana: T = periode pemulihan modal I o = investasi inisial A = Arus kas yang seragam Kriteria kelayakan dari metode ini adalah:
17
1. Proyek dikatakan sebagai proyek yang layak jika masa pemulihan modal lebih pendek daripada usia ekonomis proyek. 2. Proyek dikategorikan sebagai proyek yang tidak layak jika masa pemulihan modal lebih lama daripada usia ekonomis proyek yang bersangkutan.
2.2.2.2 Metode Nilai Sekarang (Present Value Method) Metode nilai sekarang adalah metode penilaian kelayakan investasi yang menyelaraskan nilai akan datang arus kas menjadi nilai sekarang dengan melalui pemotongan arus kas dengan memakai faktor pengurang (diskon) pada tingkat biaya modal tertentu yang diperhitungkan. Nilai sekarang, apabila arus kas tidak seragam atau berbeda dari periode ke periode, dapat dihitung dengan persamaan dibawah ini: PVt
= At (1 + i)-t
dimana: PVt
= nilai sekarang dari arus kas periode ke –t
At
= arus kas nominal pada periode ke-t
i
= tingkat bunga yang diperhitungkan
t
= periode 1, 2, ..., n Sedangkan nilai sekarang total adalah n
TPV
=Σ i=1
At (1 + i) t
18
dimana: TPV
= nilai sekarang total
At (1 + i) t
= nilai sekarang arus kas A setiap periode ke-t
Selanjutnya, nilai sekarang bersih (net present value) adalah: NPV
= -Io + TPV
NPV
= net present value (nilai sekarang bersih)
-Io
= nilai sekarang investasi inisial (investasi periode awal)
TPV
= nilai sekarang total
Kriteria kelayakan dari metode ini adalah: 1. Proyek dinyatakan layak apabila NPV bertanda positif (>0) 2. Proyek dinyatakan tidak layak apabila NPV bertanda negatif (<0)
2.2.2.3 Metode Tingkat Pengembalian Internal (Internal Rate of Return) Metode tingkat pengembalian internal (IRR) adalah rasio laba dari penanaman modal dalam jumlah tertentu dan dalam waktu tertentu, dimana nilai sekarang arus kas masuk adalah sama dengan nilai sekarang pengeluaran investasi inisial. NPV = 0, sehingga Io = TPV dimana: Io
= nilai sekarang investasi inisial (investasi periode awal)
TPV
= nilai sekarang total
19
Model interpolasi untuk mendapatkan IRR, IRR
= p% +
Δ1
(q% - p%)
Δ2 dimana: p%
= persen tingkat bunga yang lebih kecil daripada perkiraan IRR
q%
= persen tingkat bunga yang lebih besar daripada perkiraan IRR
Δ1
= faktor diskon kumulatif untuk p% pada n yang sesuai dikurangi dengan masa pemulihan modal.
Δ2
= faktor diskon kumulatif untuk p% pada n yang sesuai dikurangi dengan faktor diskon kumulatif untuk q% pada n yang sesuai. Kriteria kelayakan dari metode ini adalah membandingkan hasil i IRR dengan
i MARR (tingkat pengembalian minimum yang diinginkan atau Minimum Attractive Rate of Return). Apabila i IRR lebih besar atau sama dengan MARR, maka alternatif proyek dapat diterima.
2.2.2.4 Metode Indeks Profitabilitas (Profitabilty Index Methode) Metode ini adalah metode penilaian kelayakan investasi yang mengukur tingkat kelayakan incvestasi berdasarkan rasio antara nilai sekerang arus kas masuk total ( TPV ) dengan nilai sekarang investasi inisial ( Io )
PI =
TPV I0
20
dimana PI
= indeks kemampulabaan
TPV = nilai sekarang arus masuk total I0
= nilai sekarang pengeluaran investasi inisial
Karakteristik metode ini antara lain 1. Kriteria proyek a. Proyek dikategorikan sebagai proyek yang layak dipertimbangkan jika PI lebih besar daripada 1 ( PI > 1 ) b. Proyek dikategorikan sebagai proyek yang tidak layak jika PI lebih kecil dari pada 1 ( PI < 1 ) 2. Kelebihannya, antara lain a. Memperhitungkan nilai waktu dari uang atau arus kas b. Mempertimbangkan seluruh arus kas selama usia ekonomis proyek c. Memperhitungkan nilai sisa proyek d. Menyajikan data surplus/deficit arus kas terhadap nilai investasi inisial. Jika hasil bagi NPV dengan Io positif, maka dinilai surplus dan sebaliknya. 3. Kekurangannya adalah metode ini harus didahului dengan aplikasi metode NPV sehingga pemakainya memerlukan perhitungan ganda.
2.3
Peramalan Kegunaan dari peramalan terlihat pada saat pengambilan keputusan. Keputusan
yang baik adalah keputusan yang didasarkan atas pertimbangan apa yang akan terjadi pada waktu keputusan itu dilaksanakan. Baik tidaknya hasil suatu penelitian dalam
21
ekonomi dan dunia usaha, sangat ditentukan oleh ketepatan ramalan yang dibuat. Oeh karena itu ketepatan dari ramalan tersebut merupakan hal yang sangat penting. Walaupun demikian bahwa ramalan adalah tetap ramalan, dimana selalu ada unsur kesalahannya. Sehingga yang penting diperhatikan adalah untuk memperkecil kemungkinan kesalahan tersebut.
2.3.1 Jenis-Jenis Peramalan Pada umumnya peramalan dapat dibedakan dari beberapa segi tergantung dari cara melihatnya. Apabila dilihat dari sifat penyusunannya, maka peramalan dapat dibedakan atas dua macam, yaitu : 1. Peramalan Subyektif, yaitu peramalan yang didasarkan atas perasaan atau intuisi dari orang menyusunnya. 2. Peramalan yang Obyektif, adalah peramalan yang didasarkan atas data relevan pada masa lalu, dengan menggunakan teknik-teknik atau metode dalam penganalisaan data tersebut. Berdasarkan sifat ramalan yang telah disusun maka peramalan dapat dibedakan atas dua macam, yaitu : a. Peramalan kualitatif Yaitu peramalan yang didasarkan atas data kwalitatif pada masa lalu. Hasil permalan yang dibuat sangat tergantung pada orang yang menyusunnya. Hal ini penting karena hasil peramalan tersebut ditentukan berdasarkan pemikiran yang bersifat intuisi, pendapat dan pemikiran serta pengalaman dari penyusunnya.
22
b. Peramalan Kuantitatif Peramalan yang didasarkan atas data kuatitatif masa lal. Hasil peramalan yang dibuat sangat tergantung dari metode yang digunakan dalam peramalan tersebut. Dengan metode yang berbeda akan diperoleh hasil permalan yang berbeda, adapun yang diperhatikan dari penggunaan metode-metode tersebut adalah baik tidaknya metode yang dipergunakan sangat ditentukan oleh perbedaan atau penyimpangan antara hasil ramalan dengan kenyataan yang terjadi. Metode yang baik adalah metode yang memberikan nilai-nilai perbedaan atau penyimpangan yang mungkin.
2.3.2
Metode Peramalan
Pada dasarnya metode peramalan kuantitatif ini dapat dibedakan atas: •
Metode peramalan yang didasarkan atas penggunaan analisis pola hubungan antara variabel yang akan diperkirakan dengan variabel waktu, yang merupakan deret waktu, atau ”time series”.
•
Metode peramalan yang didasarkan atas penggunaan analisis pola hubungan antara variabel yang akan diperkirakan dengan variabel yang lain yang mempengaruhinya, yang bukan waktu, yang disebut metode korelasi atau sebab akibat ” causal methods” (Sofjan Assauri,1984:9).
Peramalan kuantitatif hanya dapat digunakan apabila terdapat tiga kondisi sebagai berikut: 1.
Adanya informasi tentang keadaan yang lain.
23
2.
Informasi tersebut dapat dikuantifikasikan dalam bentuk data.
3.
Dapat diasumsikan bahwa pola yang lalu akan berkelanjutan pada masa yang akan datang (Sofjan Assauri,1984:5)
Ada empat jenis pola data, antara lain: 1.
Pola horizontal atau stationary, bila nilai-nilai dari data observasi berfluktuasi disekitar nilai konstan rata-rata. Dengan demikian dapat dikatakan pola ini sebagai stationary pada rata-rata hitungnya (means ).
2.
Pola seasonal atau musiman, bila suatu deret waktu dipengaruhi oleh faktor musim (seperti kuartalan, bulanan , mingguan dan harian).
3.
Pola cyclical atau siklus bila data observasi dipengaruhi oleh fluktuasi ekonomi jangka panjang yang berkaitan atau bergabung dengan siklus usaha (business
cycle). 4.
Pola trend bila ada pertambahan atau kenaikan atau penurunan dari data obserfasi untuk jangka panjang. Pola ini terliahat pada penjualan produk dari banyak perusahaan. Pendapatan Domestik Nasional Bruto (GDP/GNP) dan indikator ekonomi (Sofjan Assauri,1984:5)
2.3.2.1 Model Peramalan Moving Averages
Metode moving averages diperoleh melalui penjumlahan dan pencarian nilai ratarata dari sejumlah periode tertentu, setiap kali menghilangkan nilai terlama dan menambah nilai baru.
24
Y +Y +Y +Y Yˆt +1 = t t −1 t − 2 t − n +1 n Keterangan: Yˆt +1
= Nilai peramalan pada periode berikutnya
Yˆt
= Nilai aktual perintaan periode sebelumnya
n
= Periode dalam rata-rata bergerak
Dengan tambahan bahwa satu nilai Y diganti setiap periode. Perhitungan rata-rata dilakukan dengan bergerak ke depan untuk memperkirakan periode yang akan datang dan dicatat dalam posisi terpusat pada rata-ratanya. Moving Averages secara efektif meratakan dan menghaluskan fluktuasi pola data yang ada. Tentu saja semakin panjang periodenya, semakin rata kurvanya. Kebaikan lainnya adalah bahwa metode
Moving Averages dapat diterapkan pada data apapun juga, apakah data sesuai dengan kurva matematik atau pun tidak. Kelemahan metode ini adalah tidak mempunya persamaan untuk peramalan. Sebagai gantinya digunakan rata-rata bergerak terahir sebagai ramalan periode berikutnya. (T. Hani Handoko, 1984:276).
2.3.2.2 Model Peramalan Double Eksponential Smooting
Eksponential Smooting adalah suatu tipe teknik peramalan rata-rata bergerak yang melakukan penimbangan terhadap data masa lalu dengan cara eksponensial sehingga
25
data paling akhir mempunyai bobot atau timbangan lebih besar dalam rata-rata bergerak. Dengan Eksponential Smooting sederhana, peramalan dilakukan dengan cara ramalan periode terahir ditambah dengan porsi perbedaan (disebut α) antara permintaan nyata periode terahir dan ramalan periode terahir. Persamaan
Eksponential Smooting adalah : Yˆt = Yˆt −1 + α (Yt −1 − Yˆt −1 )
α = 1−
2 ( N + 1)
Keterangan : Ŷt
= Peramalan Pada Periode t
Ŷt-1
= Peramalan Pada Periode t-1
α
= Konstanta Pemulusan, N= Banyak Periode Data Permintaan Aktual
Yt-1
= Data Permintaan Aktual pada Periode t-1
Eksponential Smooting sederhana tidak memperhitungkan trend , sehingga tidak ada nilai α yang sepenuhnya menggantikan trend dalam data. Nilai-nilai α rendah akan menyebabkan jarak yang lebih lebar dengan trend karena hal itu akan memberikan bobot yang lebih kecil pada permintaan yang sekarang. Nilai α yang rendah terutama cocok bila permintaan produk relativ stabil (yang berat, tampa trend atau variasi siklikal) tetapi variasi acak adalah tinggi. Nilai-nilai α lebih tinggi adalah lebih berguna dimana perubahan perubahan yang sesungguhnya cenderung terjadi karena lebih responsif terhadap fluktuasi permintaan. Sebagai contoh niali α tidak mungkin cocok bagi industri barang-barang mode tanggapan
26
yang cepat dan dramatik. Pengenalan-pengenalan produk baru, kampanye promosional, dan bahkan antisipasi terhadap resesi juga memerlukan penggunaan nilai-nilai α yang lebih tinggi. Nilai α yang tepat pada umumnya dapat ditentukan dengan pengujian ”trial – and – eror” (coba-coba) terhadap α yang berbeda-beda untuk menemukan satu nilai α yang menghasilkan kesalahan terkecil bila digunakan pada data masa lalu (T. Hani Handoko, 1984:279). Dengan cara analogi yang dipakai waktu berangkat dari rata-rata bergerak tunggal ke pemulusan (smoothing) eksponensial tunggal, kita juga dapat berangkat dari ratrata bergereak ganda ke pemulusan eksponensial ganda. Perpindahan seperti itu mungkin menarik karena salah satu keterbtasan dari rata-rata bergerak tunggal yaitu perlunya menyimpan N nilai terakhir masih terdapat pada rata-rata bergerak linear, kecuali bahwa jumlah nilai data yang diperlukan sekarang adalah 2N-1. pemulusan eksponensial linear dapat dihitung hanya dengan tiga nilai data dan satu nilai untuk α. Pendekatan ini juga memberikan bobot yang semakin menurun pada observasi masa lalu. Perbedaan nilai pemulusan tunggal dan ganda dapat ditambahkan kepada nilai pemulusan tunggal dan disesuaikan untuk trend (S. Makridakis 1988,279).. Adapun persamaannya sebagai berikut: Yˆt +1 = αY1 + (1 − α )Yˆt
α t = Yˆt + (Yˆt − Yˆt −1 ) bt =
α ˆ ˆ (Yt − Yt ) 1−α
27
Yt + m = at + bt m
2.3.2.3 Model Peramalan Linear Regretion
Model analisis garis kecenderungan dipergunakan sebagai peramalan apabila pola hitoris data actual permintaan menunjukan adanya suatu kecenderungan naik dari waktu ke waktu. Model analisis garis kecenderungan yang paling sederhana adalah menggunakan persamaan garis lurus (straight line equation), sebagai berikut: 1. Perhitungan slope
b=
∑ t (Y ) − n(t − bar )(Y − bar ) ∑ t − n(t − bar ) t
t
2
2
2. Perhitungan intersep
a = (Yt − bar ) − b(t − bar ) 3. Nilai ramalan ramalan permintaan periode t Yˆt = a + bt
Keterangan: Yˆt
= Nilai ramalan pada periode t
a
= intersep
b
= Slope dari garis kecenderunga (trend line), merupakan tingkat perubahan dalam permintaan
t
= Indeks waktu
n
= Banyaknya periode
28
t-bar
Yt
= nilai rata-rata dari t = Variable permintaan (data aktual)
Yt − bar = Nilai rata-rata permintaan per periode waktu
