Biaya Investasi BI
Biaya Operasional
dan Perawatan
BOM
Pendapatan Pdp
NPV dan
IRR Ris
k Debit Andalan
Efisiensi Total turbin, saluran
, generator Inflasi
σ da μ Power
MWhtahun + Harga
σ da μ
BOM
N PV dan
Tingkat Kepercaya
an μ dan σ σ da
μ BI
σ da μ Pdp
Tabel 4.3 Indikator WACC
Indikator Keterangan
Nilai Sumber
Risk free rate rf SBI SPN 3 bulanan
7,06 website
Bank Indonesia Market Risk
Premium selisih antara ekspektasi pasar
9,6 Damodaran
dengan risk free rM - rf Beta equity
sensitivitas pengembalian atas investasi 0,84
website equity terhadap pasar
reuters Cost of equity ke
Biaya odal, ke= rf + β E rM – rf 14,93
hasil perhitungan
Cost of debt kd Biaya utang, kd=i x 1
– tax 13,5
hasil perhitungan
WACC Rerata tertimbang cost equity dan
14 hasil
cost debt setelah pajak perhitungan
4.4 Kerangka Dasar Program Risk 5.5
Kerangka dasar program Risk 5.5 secara garis besar seperti pada Gambar 4.2
Gambar 4.2 Skema operasional program Risk
Universitas Sumatera Utara
Dilakukan 3 tiga jenis perhitungan nilai rerata μ dan standar deviasi σ untuk menghitung nilai rerata μ dan standar deviasi σ NPV at risk. Masing-masing adalah nilai
rerata dan standar deviasi biaya investasi, biaya operasional dan perawatan serta nilai rerata dan standar deviasi pendapatan. Simulasi monte carlo dilakukan dengan iterasi
sebanyak 10.000 kali, yang merupakan iterasi maksimal program Risk 5.5. Biaya investasi memerlukan masukan input yang tergantung pada data debit andalan
yang akan ditinjau serta jangka waktu pengerjaannya dan atau besar pertambahan biaya yang terjadi dalam pengerjaannya. Perkiraan lama pengerjaan dan biaya tambahan
dimodelkan dengan distribusi diskrit. Penjelasan lebih lanjut tentang distribusi diskrit pada pemodelan biaya investasi dapat dilihat pada sub bab 4.5.2 bagian A. Masukan data
dengan model distribusi diskrit selanjutnya diproses dengan simulasi monte carlo menggunakan program Risk 5.5. Hasilnya akan berupa nilai rerata μ dan standar
deviasi σ untuk biaya investasi.
Biaya operasional dan perawatan ini diasumsikan besaran nya 2 sd 2,5 setiap tahunnya dari total nilai investasi. Biaya ini diasumsikan mengalami kenaikan setiap
tahunnya sesuai dengan besar rerata inflasi 5 tahun terakhir. Asumsi nilai 2 sd 2,5 setiap tahunnya dan pertambahan berdasarkan nilai rerata inflasi yang merupakan
distribusi lognormal adalah masukan data biaya ini. Selanjutnya mengenai biaya ini dijelaskan pada sub bab 4.5.2 bagian B. Input data dengan model distribusi normal
selanjutnya diproses dengan simulasi monte carlo menggunakan program Risk 5.5. Output
akan berupa nilai rerata μ dan standar deviasi σ untuk biaya operasional dan perawatan.
Input pendapatan adalah hasil simulasi daya distribusi normal digabungkan dengan
simulasi harga dan faktor kapasitas distribusi uniform dan dikalikan dengan jam operasional pertahunnya. Ketiga faktor ini yakni daya, harga dan faktor kapasitas akan
menghasilkan masing- masing nilai rerata μ dan standar deviasi σ . Data ini kemudian
disimulasikan lagi untuk kemudian menghasilkan nilai rerata μ dan standar deviasi σ pendapatan pertahunnya. Sebagai contoh distribusi pendapatan debit andalan 70 dapat
dilihat pada Gambar 4.3, akan menghasilkan rerata pendapatan 5,491milyar rupiah
Universitas Sumatera Utara
pertahunnyastatic value. Nilai statis static value untuk pendapatan adalah nilai yang ingin kita lihat dengan data awal yang tersedia. Nilai ini memang berbeda dengan nilai
rerata hasil simulasi tetapi tidak mempengaruhi hasil dari simulai ini. Masukan nilai rerata μ dan standar deviasi σ dari biaya investasi, biaya operasional
dan perawatan serta pendapatan kemudian dihitung NPV dan IRR lalu akan disimulasi dengan iterasi sebanyak 10.000 kali dengan program Risk 5.5 sehingga akan