Professional Documents
Culture Documents
METODE PENELITIAN
Komposit kekuatan
Survey pasar
konsumen
Rata-rata bergerak
Teknik Peramalan
Exponential smoothing
Proyeksi trend
Analisa regresi
Model kausal
Metode ARIMA
60
Pengelolaan kas..., Arif Subekti, FE UI, 2010.
Universitas Indonesia
61
fluktuasi
musiman
yang
sering
dijumpai
pada
data
Universitas Indonesia
62
Meelibatkan penimbang
p
untuk
u
setiaap nilai dataa dan kemu
udian
meenghitung rata-rata penimbang
p
sebagai nnilai peram
malan.
Coontoh rata--rata bergeerak tertim
mbang 3 pperiode dih
hitung
sebbagai berikuut
(3.2)
Dimana juumlah total;; penimbangg (nilai w)=
=1
Unive
ersitas Indo
onesia
63
(3.3)
Dimana :
F t+1
Yt
Ft
= konstanta penghalusan (0 1)
(3.4)
Dimana :
Xt adalah nilai deret berkala (data yang aktual) pada periode t,
Universitas Indonesia
64
(3.5)
(3.6)
(3.7)
Metode rasio rata-rata bergerak mula-mula memisahkan unsur trendsiklus dari data dengan menghitung rata-rata bergerak yang jumlah unsurnya
sama dengan panjang musiman. Rata-rata bergerak dengan panjang seperti ini
tidak mengandung unsur musiman dan tanpa atau sedikit sekali unsur acak.
Rata-rata bergerak yang dihasilkan, Mt, adalah
Mt= Tt x Ct
(3.8)
65
Persamaan (3.9) merupakan rasio dari data yang sebenarnya dengan ratarata bergerak dan mengisolasi dua komponen deret berkala lainnya. Nilai ratio
tersebut berkisar diantara 100, menunjukkan pengaruh musiman pada nilai ratarata data yang telah dihilangkan faktor musimannya (deseasionalized). Langkah
selanjutnya dalam metode dekomposisi adalah menghilangkan keacakan dari
nilai-nilai yang diperoleh persamaan (3.9) dengan menggunakan suatu bentuk
rata-rata pada bulan yang sama atau disebut dengan metode rata-rata medial
pada saat ini. Rata-rata medial disusun menurut bulan untuk setiap tahunnya.
Rata-rata medial adalah nilai rata-rata untuk setiap bulan setelah dikeluarkan
nilai terbesar dan terkecil. Indeks musiman dapat diperoleh dengan mengalikan
setiap rata-rata medial dengan faktor penyesuaian dari rata-rata. Maka dari
perhitungan ini akan didapat indeks musiman atau seasonal index atau dalam
literatur lain disebut seasonal factor. Indeks musiman ini memperlihatkan pola
musiman dari data yang terjadi dalam setiap periodenya.Sehingga kita dapat
menganalisa adanya pola yang berbeda di setiap bulnnya berdasarkan indeks
musiman ini.
Sedangkan untuk melakukan proyeksi di masa depan maka dapat
menggunakan regresi linier dengan data yang telah di deseasionalized atau
seasonally adjusted series. Data ini didapat dari rasio atau pembagian antara data
asli/aktual dengan seasonal factornya. Data inilah yang akan dilakukan regresi
linier yang akan menghasilkan persamaan :
Y= a + bt
(3.10)
Universitas Indonesia
66
(3.11)
(3.12)
(3.13)
(3.14)
St = pemulusan keseluruhan
bt = Pemulusan Trend pada periode t
It = Pemulusan Musiman
F = Proyeksi nilai yang akan diharapkan pada periode t+m
Universitas Indonesia
67
yang
dihaluskan
agar
menyelaraskan
hasil
pemulusan
Dimana
at
St
St
bt
Ft+m = at + btm
(3.15)
= St + (S-St) = 2St- St
= Xt + ( 1- ) St-1
= St + ( 1- ) St-1
=
( St St)
(3.16)
(3.17)
(3.18)
(3.19)
68
Y Y
Yt = Nilai Observasi
Y = Nilai peramalan
Y Y
Y = Nilai peramalan
Universitas Indonesia
69
70
DanaPerimbangan
20.000,00
BelanjaLangsung
80.000,00
Okt09
Mei09
Jul08
Des08
Sep07
Jan06
Okt09
Mei09
Jul08
Des08
Feb08
Apr07
Sep07
Jun06
Nop06
Jan06
Feb08
5.000,00
Apr07
10.000,00
Nop06
15.000,00
Jun06
100.000,00
80.000,00
60.000,00
40.000,00
20.000,00
BelanjaTidakLangsung
80.000,00
Jan06
Mei06
Sep06
Jan07
Mei07
Sep07
Jan08
Mei08
Sep08
Jan09
Mei09
Sep09
Sep09
Jan09
Mei09
Sep08
Jan08
Mei08
Sep07
Jan07
Mei07
20.000,00
Sep06
40.000,00
20.000,00
Jan06
60.000,00
40.000,00
Mei06
60.000,00
LainlainPendapatanDaerah
60.000
50.000
40.000
30.000
20.000
10.000
0
PenerimaanPembiayaan
80.000
60.000
40.000
20.000
0
8.000
PengeluaranPembiayaan
6.000
4.000
2.000
0
Universitas Indonesia
71
Model
diabaikan
Tidak
Regresi linier sederhana
dengan seasonal
decomposition
kecil
Ya
Kecenderungan
Pola Data
Model
Dipilih
Belanja Langsung
Exponential Smoothing
(Holt Methods)
Nilai
RMSE,MAPE
dan MAD lebih
Winter Multiplicative
methods
Dana Perimbangan
Lain-lain Pendapatan yang
Sah
Membandingkan
akurasi model
(RMSE,MAPE,
MAD)
Pengeluaran Pembiayaan
Exponential Smoothing
(Brown Methods)
Ya
Membandingkan
akurasi model
(RMSE,MAPE,
MAD)
Nilai
RMSE,MAPE
dan MAD lebih
kecil
Tidak
Model
diabaikan
Universitas Indonesia
72
Penerimaan
Daerah
Pendapatan Asli
Daerah(1)
Pendapatan
Daerah
Dana Perimbangan(2)
Penerimaan
Pembiayaan(6)
Lain-lain Pendapatan
yang Sah (3)
APBD
Belanja Langsung(4)
Belanja Daerah
Pengeluaran
Daerah
Belanja Tidak
Langsung(5)
Pengeluaran
Pembiayaan(7)
Universitas Indonesia
73
Saldo Awal
Penerimaan
Total
Januari
Rp..xx
Rp..xx
Rp..xx
Rp..xx
Rp..xx
Februari Rp..xx
Rp..xx
Rp..xx
Rp..xx
Rp..xx
Dst...
Pada tabel angaran kas tersebut dimasukkan data yang berasal dari skedul
penerimaan dan pengeluaran untuk tiap-tiap bulan selama satu tahun yaitu:
1. Saldo Awal. Adalah jumlah uang yang telah masuk pada kas daerah sejak
awal bulan bersangkutan. Untuk Saldo Awal bulan Januari diperoleh dari
SiLPA (Sisa Lebih Pembiayaan APBD), sedangkan awal bulan februari
merupakan saldo akhir bulan januari.
2. Penerimaan, adalah penerimaan seluruh komponen pendapatan daerah
ditambah komponen pembiayaan daerah. Dalam menyusun penelitian ini
penerimaan daerah merupakan akumulasi penambahan dari pendapatan
asli daerah, dana perimbangan serta lain lain pendapatan daerah yang sah.
3. Total adalah penjumlahan dari saldo awal ditambah penerimaan.
4. Pengeluaran adalah pengeluaran seluruh komponen belanja daerah
ditambah komponen pengeluaran pembiayaan. Belanja Daerah merupakan
penjumlahan dari belanja langsung dan belanja tidak langsung.
Universitas Indonesia
74
5. Saldo akhir adalah selisih antara total dan pengeluaran. Saldo akhir bulan
tertentu akan menjadi saldo awal bulan berikutnya.
Model matematisnya adalah sebagai berikut:
PD
= PAD + DP + LPD
TPD = PD + PnP
BD
= BTL + BL
TPLD = BD + PLP
Saldo Akhir = (saldo awal + TPD) -TPLD
Dimana :
PD
PAD
DP
LPD
TPD
PnP
BD
BTL
BL
TPLD
PLP
Universitas Indonesia
75
tahun
2007
pengelompokan jenis
dan
seterusnya
sehingga
terjadi
konsistensi
Universitas Indonesia
76
Dekomposisi dan
Proyeksi Pendapatan
Asli Daerah Perbulan
(PAD)
Total Proyeksi
pendapatan daerah
(PD=PAD+DP+LPD)
Dekomposisi dan
Proyeksi Dana
Perimbangan
perbulan (DP)
Total Penerimaan
Daerah (TPD=PD+PnP)
Dekomposisi Proyeksi
lain-lain Pendapatan
Daerah yang sah (LPD)
Dekomposisi dan
Proyeksi Penerimaan
Pembiayaan Daerah
(PnP)
Dekomposisi dan
Proyeksi Belanja Tak
Langsung (BTL)
Dekomposisi dan
Proyeksi Belanja
Langsung (BL)
Dekomposisi dan
Proyeksi Pengeluaran
Pembiayaan Daerah
(PLP)
Total Pengeluaran
Daerah TPLD=BD+PLP)
Simulasi Penempatan
idle Cash (SK)
Proyeksi Penambahan
PAD melalui investasi
Sisa Kas (SK)