bernilai Rp32.888.603 menjadi 34.553.308 juta di tahun 2011. Prediksi nilai pendapatan lainnya naik sebesar Rp239.896 juta 4,33 persen dari tahun sebelumnya
yaitu pada tahun 2010 bernilai Rp5.544.533 juta menjadi Rp5.784.429 di tahun 2011. Demikian juga pada jumlah beban, jumlah beban naik sebesar Rp 979.202 6,08 persen
yaitu Rp16.113.692 juta menjadi Rp17.092.894 juta di tahun 2011. Forecasting laba sebelum pajak juga mengalami kenaikan sebesar Rp
655.942 juta 4,40 persen yaitu pada tahun 2010 Rp14.908.230 menjadi Rp15.564.172 di tahun 2011. Peningkatan
Laba tersebut berpeluang meningkatkan nilai EVA, artinya kinerja keuangan perusahaan semakin baik lagi. Hasil forecasting komponen rugi laba untuk tahun 2011
dapat diringkas ke dalam satu grafik yang sama seperti berikut ini.
Gambar 8. Grafik Forecasting Komponen Laba Rugi
4.5.2 Forecasting Komponen Neraca
1. Aset
Pola data yang dihasilkan dengan menggunakan fasilitas Time series out pada data aset menunjukkan bahwa data semakin naik ke kanan atas, yang menunjukkan
data tidak stasioner. Sehingga tepat untuk menggunakan metode double exponential smoothing
untuk meramalkan nilai aset di tahun berikutnya. Dari hasil pengolahan data dengan menggunakan metode double exponential smoothing dengan
menggunakan α=0,2 dan β=0,2, dihasilkan bahwa hasil forecasting sebesar Rp 448.663.429 juta.
2006 2007
2008 2009
2010 2011
Laba Sblm Pajak 5.906.721 7.780.074 8.822.012 9.891.228 14.908.230 15.564.172
Jumlah Beban 7.665.646 9.019.611 10.996.546 11.959.515 16.113.692 17.092.894
Pendapatan Lainnya 1.509.050 1.821.701 2.535.236 3.269.594 5.544.533 5.784.429
Pendapatan Bunga Bersih 13.789.355 16.696.572 19.651.054 23.049.495 32.888.603 34.553.308
- 10.000.000
20.000.000 30.000.000
40.000.000 50.000.000
60.000.000 70.000.000
80.000.000
Forecasting Komponen Laba Rugi
Untuk menguji tingkat errornya, nilai t hitung yang dihasilkan sangat kecil atau lebih kecil dari t tabel yang bernilai sebesar 2,776, dan Ljung Box Q pada lag
10 dari
2
tabel 11,143, hal ini menunjukkan forecasting dengan metode ini dengan kriteria α=0,2 dan β=0,2 dapat digunakan untuk untuk memprediksi rata-
rata aset dimasa mendatang. Untuk mengetahui forecast dengan menggunakan α=0,2 dan β=0,2 mempunyai kesalahan prediksi minimal maka dicoba dengan
menggunakan besaran α=0,4 dan β=0,3. Hasil tingkat akurasi yang dihasilkan sebagai berikut:
Tingkat akurasi menggunakan α=0,2 dan β=0,2 baik karena angka MAPE, MAD dan MSD yang dihasilkannya lebih kecil. Dengan demikian, dapat
disimpulkan bahwa prediksi aset tahun 2011 sebaiknya menggunakan angka Rp 448.663.429 juta. Tabel forecasting Aset dapat dilihat pada Lampiran 15, dan
grafik forecasting aset untuk tahun 2011 dapat dilihat seperti berikut:
Gambar 9.Grafik Forecasting Aset
2. Ekuitas
Pola data yang dihasilkan dengan menggunakan fasilitas Time series out pada data ekuitas menunjukkan bahwa data semakin naik ke kanan atas, yang
menunjukkan data tidak stasioner. Sehingga tepat untuk menggunakan metode
Alpha lev el 0,4
Gamma trend 0,3
Smoothing Constants
MAPE 5,58011E+ 00
MAD 1,42690E+ 07
MSD 2,95559E+ 14
Accuracy Measures Alpha lev el
0,2 Gamma tr end
0,2 Smoothing Constants
MAPE 5,12319E+ 00
MAD 1,30342E+ 07
MSD 2,24837E+ 14
Accur acy Measur es
6 5
4 3
2 1
500000000 400000000
300000000 200000000
100000000
I ndex
A se
t
Alpha lev el 0,2
Gamma tr end 0,2
Smooth in g Con stan ts MAPE
5,12319E+ 00 MAD
1,30342E+ 07 MSD
2,24837E+ 14 Accu r acy Measur es
Actual Fits
For ecasts 95,0 PI
Var iable
Double Exp. Smoothing dengan = 0 ,2 dan = 0 ,2
Double Exponential Method
double exponential smoothing untuk meramalkan nilai ekuitas di tahun berikutnya.
Dari hasil pengolahan data dengan menggunakan metode double exponential smoothing
dengan menggunakan α=0,2 dan β=0,2, hasil forecasting sebesar Rp 38.714.550 juta.
Untuk menguji tingkat errornya, nilai t hitung yang dihasilkan sangat kecil atau lebih kecil dari t tabel yang bernilai sebesar 2,776, dan Ljung Box Q pada lag
10dari
2
tabel 11,143, hal ini menunjukkan forecasting dengan metode ini dengan kriteria α=0,2 dan β=0,2 dapat digunakan untuk untuk memprediksi rata-
rata ekuitas dimasa mendatang. Untuk mengetahui forecast dengan menggunakan α=0,2 dan β=0,2 mempunyai kesalahan prediksi minimal maka dicoba dengan
menggunakan besaran α=0,4 dan β=0,3. Hasil tingkat akurasi yang dihasilkan sebagai berikut :
Tingkat akurasi menggunakan α=0,2 dan β=0,2 baik karena angka MAPE, MAD dan MSD yang dihasilkannya lebih kecil. Dengan demikian, dapat
disimpulkan bahwa prediksi ekuitas tahun 2011 sebaiknya menggunakan angka Rp 38.714.550 juta. Tabel forecasting ekuitas dapat dilihat pada Lampiran 15.,
dan grafik forecasting ekuitas dapat digambarkan sebagai berikut :
Gambar 10. Grafik Forecasting Ekuitas
Alpha lev el 0,4
Gamma tr end 0,3
Smoothing Constants
MAPE 9,14920E+ 00
MAD 2,27014E+ 06
MSD 6,52073E+ 12
Accur acy Measur es Alpha lev el
0,2 Gamma tr end
0,2 Smoothing Constants
MAPE 8,36258E+ 00
MAD 2,05461E+ 06
MSD 4,96015E+ 12
Accur acy Measur es
6 5
4 3
2 1
45000000 40000000
35000000 30000000
25000000 20000000
15000000
I ndex
Ek u
it a
s
Alpha lev el 0,2
Gamma tr end 0,2
Smoothing Constants MAPE
8,36258E+ 00 MAD
2,05461E+ 06 MSD
4,96015E+ 12 Accur acy Measur es
Actual Fits
For ecasts 95,0 PI
Var iable
Double Exp. Smoothing = 0 ,2 dan = 0 ,2
Double Exponential Method
3. Kewajiban
