Analisis cross section dan time series digunakan untuk membandingkan kinerja keuangan suatu perusahaan dengan perusahaan sejenis lainnya. Metode ini bermanfaat untuk menilai kinerja manajemen dan memproyeksikan tren masa depan berdasarkan pola historis. Ada berbagai cara untuk menghitung rata-rata industri dan memodelkan tren datanya.

2. Pengertian Cross Section
• Analisis Cross Section adalah perbandingan data keuangan
suatu perusahaan dengan perusahaan atau industri yang sejenis.
• Defenisi Industri sejenis adalah kesamaan dalam jenis bahan
baku atau supplier, kesamaan dari sisi permintaan dan kesamaan
dalam atribut keuangan.
• Analisis Cross Section akan bermanfaat untuk melihat prestasi
perusahaan relatif terhadap industri dan juga bermanfaat dalam
menentukan bonus bagi manajemen perusahaan. Apabila
perusahaan memperoleh untung di atas industri, manajemen
perusahaan akan memperoleh bonus.

3. Industri yang bisa diperbandingkan pada
dasarnya mempunyai satu atau beberapa elemen
yang sama dengan perusahaan. Kesamaan tersebut
antara lain :
• Kesamaan dalam jenis bahan baku atau supplier
• Kesamaan dari sisi permintaan
• Kesamaan dalam atribut keuangan

4. Seperti urut-urutan dibawah ini :
A. Perusahaan dengan kegiatan tunggal pada sektor yang relevan.
Laporan keuangan tersedia
B. Perusahaan dengan beberapa aktivitas, tetapi mempunyai kegiatan
yang dominan pada sektor yang relevan. Laporan keuangan
tersedia
C. Perusahaan dengan banyak aktivitas, tidak ada aktivitas yang
paling dominan. Sulit menentukan sektor usaha yang relevan.
Laporan keuangan hanya berupa laporan konsolidasi.
D. Perusahaan private, tidak ada laporan keuangan yang
dipublikasikan.

5. PERHITUNGAN RATA-RATA
INDUSTRI
Untuk menghitung rata-rata industri seorang analis
mempunyai beberapa alternatif :
• Menghitung nilai tunggal sebagai perbandingan
• Menghitung nilai tunggal dengan dispersinya (standar
deviasinya)
• Menghitung nilai untuk percentile tertentu (misal
menghitung nilai untuk perusahaan-perusahaan yang
mempunyai ukuran 25% paling kecil).

6. • Menghitung rata-rata aritmatika
• Menghitung rata-rata tertimbang
• Menggunakan median
• Menggunakan modus.
Untuk perhitungan (1) di atas ada
beberapa alternatif yang bisa
dipakai :

7. PERBEDAAN ANTAR INDUSTRI
Perbandingan antarindustri secara implisit juga
mengakui bahwa ada perbandingan resiko bisnis
antarindustri. Apabila asumsi tentang perbedaan
antarindustri benar, maka perbandingan dengan
perusahaan-perusahaan dalam industri relevan
dilakukan karena perusahaan dibandingkan dengan
perusahaan lain yang mempunyai kelas resiko bisnis
yang sama.

8. ANALISIS TIME SERIES
Pengertian Analisis Time Series adalah Analisis
yang menggunakan perbandingan data dengan data
keuangan periode sebelumnya. Dalam analisis
keuangan, analisis terhadap data historis diperlukan
untuk memlihara tren-tren yang mungkin timbul.
Kemudian kita bisa menganalisis apa yang terjadi
dibalik tren-tren angka tersebut.

9. Dalam analisis Time Series, perubahan-perubahan
struktural yang akan berpengaruh terhadap angka-angka
keuangan harus diperhatikan. Berikut ini bebrapa contoh
perubahan struktural yang akan mempengaruhi tren
keuangan suatu perusahaan:
• Peraturan Pemerintah
• Perubahan Kompetisi
• Perubahan Teknologi
• Akuisisi dan Merger (Penggabungan Perusahaan)

10. Dalam analisis TIME SERIES, ada tiga
macam pendekatan yang bisa dilakukan :
• Pendekatan ekonomi
• Pendekatan statistik
• Pendekatan visual

11. Analisis data keuangan
• Dalam analisis time series, perhatian terhadap
data historis (ex-post) sering digunakan untuk
melihat pola-pola yang sistematik terhadap
data dari pada dengan menggunakan analisis
masa mendatang (ex-ante)

12. Data penjualan mencerminkan empat
faktor
• Tren
merupakan pergerakan time series dalam jangka panjang (15-20 tahun)
• Siklus
Siklus merupakan fluktuasi bisnis dalam jangka panjang yang lebih
pendek (10 tahun)
• Musiman
Musiman merupan fluktuasi yang terjadi dalam lingkup satu tahun.
• Ketidakteraturan (irregularities)
Fluktuasi semacam ini diebabkan faktor-faktor yang timbulnaya tidak
teratur, dengan jangka waktu yang pendek

13. Mengukur Pengaruh Tren
Tren suatu data bisa dilihat dengan beberapa
cara :
• Menggambar dengan tangan
• Menggunakan model matematika

14. Menggambar Dengan Tangan
• Penggambaran secara langsung dapat
dilakukan dengan menarik garis lurus di
sekitar data-data yang ada. Cara seperti ini
sangat praktis dan sederhana, tetapi
mempunyai kelemahan karena konsistensi
cara semacam ini sangat kurang. Dua orang
dengan data yang sama, bisa menghasilkan
garis tren yang berlainan.

15. Menggunakan Model Matematika
• Dengan menggunakan model matematik, garis
tren bisa dibuat dengan metode least square.
Metode tersebut pada dasarnya
menggambarkan garis lurus sed emikian rupa
sehingga selisih kuadrat antara garis lurus
tersebut dengan data yang sesungguhnya,
yang paling kecil.

16. Model time series bisa dirumuskan
sebagai berikut:
Yt = a + bX
a dan b dihitung dengan cara sebagai berikut:
a = E(Y) – b E(Y)
b = ƩXY – n X̅ Y̅
ƩX² - n X̅²

17. Tren Sebagai Proyeksi Masa Depan
• Untuk memakai persamaan tren di atas
sebagai proyeksi masa depan, seorang analis
harus hati-hati terhadap asumsi yang
digunakan. Tren garis lurus di atas
mengasumsikan perkembangan yang konstan
untuk masa-masa mendatang

18. • Pada gambar (a) di atas, persamaan tren yang
lebih sesuai adalah persamaan parabola
seperti berikut:
• Y = a + bX + cX²
• Sedangkan untuk grafik (b) di atas,
persamaan tren yang lebih sesuai adalah
persamaan logaritma dengan model sebagai
berikut:
• log Y = a + b log X

19. METODE – METODE PERAMALAN
Pada dasarnya ada dua metode peramalan yaitu
Uivariate dan Multivariate.
Dalam pendekatan univariate, hanya satu variable yang
dilihat ketika analis melakukan perkiraan. Contoh
pendekatan semacam ini yang mekanis adalah
perkiraan dengan cara penghalusan ekspionensial atau
model rata- rata bergerak tertimbang.

20. • Dalam pendekatan multivariate, beberapa
variable dan interaksi antar variable- variable
tersebut dipertimbnagkan dalam perkiraan data.
Contoh model multivariate yang
memperhitungkan hubungan secara simultan
persamaan- persamaan dalam suatu sistem.
Contoh model multivariate nonmekanis adalah
analisis yang digunakan analis keuangan. Analisis
tersebut mempertimbangkan bnayak faktor yang
diperkirakan mempunyai pengaruh terhadap data
yang dianalisis baik secara kuantitatif maupun
kualitatif, kemudian menentukan angka
perkiraan.

21. Metode Penghalusan
Eksponensial
• Salah satu contoh peramalan metode univariate
adalah penghalusan eksponensial.
• Formula umum model tersebut bisa dituliskan
sebagai berikut ini.
Ft = w At-1 + (1-w) Ft-1
Dimana Ft = forecast untuk periode t
At-1 = data sesungguhnya pada periode t-1
Ft-1 = forecast pada periode t-1
W = konstanta antara nilai 0 dan 1

22. Perbandingan Model Forecast
Pendekatan Analis Sekuritas (Multivariate) untuk forecasting
Kelebihan
• Mampu menyesuaikan terhadap informasi dari berbagai sumber.
• Mampu menyesuaikan terhadap perubahan structural secara cepat.
• Mampu memperbaharui secara kontinu apabila ada informasi baru
masuk.
Kelemahan
• Biaya yang cukup mtinggi untuk persiapan dan pelaksanaan, untuki
memonitoring bebrapa variable, dan biaya- biaya lainya.
• Ketergantungan yang tinggi kepada kemampuan individu analisnya.
• Analis barangkali mempunyai insentif untuk tidak menampilkan
forecast yang tidak biasa (missal, karena tekanan agar sesuai dengan
consensus forecast)
• Ananlis barangkali bisa dimanfaatkan oleh perusahaan- perusahaan
tertentu untuk kepentingan perusahaan tersebut.

23. Pendekatan Univariate Untuk Forecasting
Kelebihan
• Kemampuan untuk mendeteksi dan memanfaatkan pola
tertentu pada data masa lalu.
• Tingkat subjektifitas yang rendah, terutama apabila mode
statistic digunakan.
• Biaya yang relative lebih rendah.
• Mudah diperbaharui.
• Kemampuan menganalisis lebih lanjut dengan menggunakan
metode statistic.
Kelemahan
• Jumlah observasi yang terbatas pada situasi tertentu, missal
perusahaan yang baru berdiri.
• Laporan keuangan barangkali tidak memenuhi asumsi- asumsi
yang diperlukan dalam analisis statistic.
• Sulit mengkomunikasikan hasil analisis kepada luar, terutama
dalam hal metodologinya.

24. • Secara umum forecast yang diberikan oleh analis
keuangan biasanya lebih akurat dibandingkan dengan
forecast dengan menggunakan time series. Hal ini
disebabkan karena beberapa alasan:
• Analis mempunyai akses terhadap informasi terbaru.
Informasi tersebut bisa digunakan untuk memperbaiki
forecast mereka.
• Analis mempunyai akses terhadap informasi yang lebih
luas, seperti forecast perekonomian, struktur industri,
kejadian- kejadian lain yang relevan. Sedangkan
analisis time serieshanyan memfokuskan pada perilaku
data tunggal pada masa lalu.