LANDASAN TEORI
B. Analisis Risiko
Karena kita hidup dalam dunia yang penuh dengan ketidak-pastian, maka bagaimana cara kita memandang risiko sangant penting dalam hampir semua
dimensi hidup kita. Tentu saja, jelas bahwa risiko harus dipertimbangkan dalam pembuatan keputusan keuangan.
1. Pengertian Risiko
Menurut Keown et. al. (2008):
”Risiko adalah penyimpangan arus kas yang mungkin terjadi di masa yang akan datang”.
2. Macam - Macam Risiko
Menurut Keown et. al. (2008) dalam capital budgeting risiko proyek dapat dilihat pada tiga tingkatan, yaitu:
a. Risiko proyek itu sendiri (project standing alone risk)
Adalah risiko proyek yang mengabaikan fakta bahwa risiko ini dapat didiversifikasi jika dikombinasikan dengan proyek dan aktiva perusahaan lainnya.
b. Risiko kontribusi proyek terhadap perusahaan (project’s contribution to firm risk)
Adalah besarnya risiko yang dikontribusikan oleh proyek ke dalam perusahaan secara keseluruhan. Pengukuran ini mempertimbangkan fakta bahwa beberapa dari risiko ini akan didiversifikasikan ketika proyek ini dikombinasikan dengan proyek dan aktiva perusahaan lainnya, namun mengabaikan efek diversifikasi tersebut.
c. Risiko sistematik (systematic risk)
Adalah risiko proyek dari pandangan para pemegang saham yang mendiversifikasikan sahamnya dengan baik. Ukuran ini mempertimbangkan fakta bahwa beberapa risiko dari suatu proyek dapat
didiversifikasikan jika proyek tersebut dikombinasi dengan proyek-proyek lain yang dilakukan perusahaan, dan sebagai tambahan, beberapa sisa risiko akan didiversifikasikan oleh para pemegang saham jika mereka mengkombinasikan saham ini dengan saham lain dalam portofolio mereka.
3. Metode Penaksiran Risiko
Menurut Keown et. al. (2008) ada dua metode yang memasukan risiko ke dalam analisis, yaitu:
a) Pendekatan tingkat kepastian setara.
Merupakan suatu teknis memasukan risiko ke dalam keputusan capital budgeting dimana pengambil keputusan menggantikan satu set arus kas tidak berisiko yang sama untuk arus kas yang diharapkan lalu mendiskonto arus kas ini kembali ke masa sekarang. Metode nilai kepastian setara dapat dirumuskan sebagai berikut:
(2.6)
dengan: = koefisien nilai kepastian setara pada periode t ACFt = arus kas tahunan setelah pajak pada periode t IO = pengeluaran awal kas
n = panjang usia proyek krf = tingkat bunga bebas risiko
b) Pendekatan tingkat diskonto dengan risiko yang disesuaikan.
Merupakan suatu metode memasukkan tingkat risiko proyek ke dalam proses capital budgeting, dimana tingkat diskonto disesuaikan keatas untuk mengkompensasikan risiko yang lebih besar dari normal atau
mendorong kebawah untuk menyesuaikan dengan risiko yang lebih kecil dari normal. Dengan rumus:
(2.7)
Dimana: ACFt = arus kas tahunan setelah pajak padaperiode t IO = pengeluaran awal kas
n = panjang usia proyek
k* = tingkat diskonto yang telah disesuaikan dengan risiko Menurut Keown et. al. (2008) ada dua pendekatan untuk menentukan tingkat risiko serta keseimbangan yang tepat atas risiko dan tingkat pengembalian pada proyek yang tidak sejenis, yaitu:
1) Menaksir beta dengan data akuntansi
Untuk menaksir beta dengan data akuntansi kita hanya membuat regresi seri waktu dari tingkat pengembalian suatu divisi atas aktivanya (laba bersih/total aktiva) pada indeks pasar. Koefisien regresi dari persamaan ini akan menjadi beta proyek secara akuntansi, dan berlaku sebagai perkiraan beta proyek sebenarnya atau ukuran risiko sistematisnya. Cara lainnya adalah model regresi berganda berdasarkan data akuntansi dapat juga dibuat untuk menjelaskan beta. Hasil dari metode ini dapat digunakan oleh perusahaan yang sifat pekerjaannya tidak umum.
2) Metode pemain murni (pure play) untuk menaksir beta suatu proyek Adalah suatu metode yang menghitung beta proyek yang mencoba untuk mengidentifikasi perusahaan yang diperdagangkan secara umum yang
terlibat dalam bisnis yang sama dengan proyek yang dilakukan, dan menggunakan beta tersebut sebagai wakil untuk beta proyek.
Dari uraian diatas, maka dapat disimpulkan bahwa ada dua metode yang memasukan risiko ke dalam analisis yaitu: pendekatan tingkat kepastian setara dan pendekatan tingkat diskonto dengan risiko yang disesuaikan. Sedangkan ada dua metode pendekatan risiko pada proyek yang tidak sejenis yaitu: menaksir beta dengan data akuntansi dan metode pemain murni (pure play) untuk menaksir beta suatu proyek.
4. Pendekatan Lain Menilai Risiko dalam Capital Budgeting
Menurut Shim dan Siegel (2000) ada 5 (lima) pendekatan lain untuk menilai risiko dalam capital budgeting, yaitu:
a) Simulasi
Adalah proses meniru proyek investasi yang sedang dievaluasi dengan menggunakan komputer. Ini dilakukan dengan memilih secara acak observasi dari setiap distribusi yang mempengaruhi hasil proyek, mengkombinasikan observasi ini untuk menentukan keluaran akhir proyek, dan terus melakukan proses ini hingga data representatif dari kemungkinan keluaran proyek tercipta.
b) Analisis sensitivitas melalui pendekatan simulasi
Adalah proses menentukan bagaimana distribusi dari pengembalian yang mungkin untuk proyek tertentu dipengaruhi oleh perubahan salah satu variabel input.
Adalah tampilan grafis dari urutan kemungkinan hasil yang memberikan petunjuk kepada pembuat keputusan tentang gambaran skematis dari permasalahan yang ada dengan menggambarkan semua hasil yang mungkin terjadi.
d) Korelasi arus kas dari waktu ke waktu
Bila arus kas tidak saling mempengaruhi dari satu period eke periode berikutnya, maka cukup mudah bagi kita mengukur risiko keseluruhan dari usulan investasi. Namun, dalam beberapa hal, khususnya yang berkaitan dengan pengenaan produk baru, arus kas yang terjadi pada tahun-tahun awal mempengaruhi arus kas tahun-tahun berikutnya. Ini disebut sebagai arus kas yang tergantung kepada waktu dan berdampak pada makin meningkatnya risiko proyek dari waktu ke waktu.
e) Distribusi normal dan analisis NPV: membakukan sebaran NPV yang diharapkan akan menjadi sebagai berikut:
(2.8)
Deviasi standar NPV adalah:
(2.9)
Nilai yang diharapkan dan deviasi standar memberikan informasi yang cukup banyak berguna dalam mengukur risiko proyek investasi. Bila distribusi probabilitasnya berbentuk normal, maka dapat dibuat beberapa
pernyataan probabilitas sehubungan dengan NPV proyek tersebut. Probabilitas NPV suatu proyek yang menghasilkan NPV kurang dari atau lebih besar daripada nol dapat dihitung dengan membakukan sebaran normal x sebagai berikut:
(2.10) Dimana:
x = NPV = z =
Keluaran yang dicari NPV yang diharapkan
Sebaran normal baku yang nilai probabilitasnya dapat dicari dalam tabel distribusi normal.
C. Logika
Logika adalah pengetahuan tentang kaidah berfikir atau jalannya pikiran yang masuk akal (Kamus Besar Bahasa Indonesia Pusat Bahasa, 2008). Pada awalnya sistem logika dipopulerkan oleh Aristhoteles yang kemudian dikenal dengan. logika klasik. Baru pada sekitar tahun 1965 Lofti A. Zadeh profesor computer science dari Universitas California di Berkeley memperkenalkan suatu sistem logika baru, yaitu fuzzylogic atau logika samar (Hellmann, 2001).
1. Logika Klasik (Crisp)
Logika klasik pertama kali dicetuskan oleh Aristhoteles seorang filosof Yunani kuno yang lahir pada tahun 384 SM. Aristhoteles dianggap sebagai
bapak logika karena salah satu karyanya yaitu “Organon” (logika) (Hellmann, 2001).
Logika klasik atau yang dikenal juga dengan logika biner (binary logic) adalah suatu sistem logika yang menyatakan suatu objek atau keadaan pada salah satu dari dua kondisi, yaitu “iya” atau “tidak”. Logika klasik tidak mengenal suatu nilai di antara dua kondisi tersebut. Sistem logika klasik untuk
“iya” memiliki nilai keanggotaan = 1 dan “tidak” memiliki nilai keanggotaan 0. Batasan-batasan pada logika klasik sangat jelas, oleh kerena itu logika klasik disebut juga dengan logika tegas (crisp) (Zadeh, 1995 dalam Irianto, 2006).
Sebagai contoh: Jika sesorang berusia kurang dari sama dengan 25 dikatakan muda, dan lebih dari 25 dikatakan dewasa. Maka jika seseorang berusia 24 tahun dikatakan muda atau memiliki nilai keanggotaan
dan (Irianto, 2006).
Jika fungsi nilai kebenaran logika kasik digambarkan maka akan membuat suatu garis yang kontinu di satu titik. Untuk contuh fungsi keanggotaan muda di atas adalah:
Gambar 2.1
Fungsi Keanggotaan Klasik Himpunan Usia Muda Sumber: Irianto (2006)
Fungsi keanggotaan himpunan klasik di atas dapat dinotasikan sebagai berikut:
(2.11)
2. Logika Samar (Fuzzy Logic)
Fuzzy logic adalah sistem logika yang dikembangkan oleh Lofti A. Zadeh pada tahun 1965. Beliau adalah professor di Universitas California di Berkeley. Berbeda dengan logika klasik, Fuzzy logic memiliki nilai keanggotaan yang berada antara 0 sampai 1. Jika nilai keanggotaan mendekati 0 maka kondisi tersebut dapat dinyatakan semakin salah dan jika nilai keanggotaan mendekati 1 maka kondisi itu dapat dinyatakan semakin benar (Hellmann, 2001).
Pada dasarnya fuzzy logic adalah logika banyak nilai atau multivalued logic yang memungkinkan “keadaan antara” dapat dirumuskan atau didefinisikan. Jadi kondisi “agak” tinggi “sangat” cepat dapat dirumuskan dan
dihitung. Fuzzy logic sangat berguna untuk membuat komputer dapat bekerja lebih manusiawi (Hellmann, 2001). Pada awalnya Plato-lah yang menyadari terdapat “daerah antara” yang merupakan dasar dari fuzzy logic. Plato menyebutkan terdapat daerah samar di antara benar dan salah (Irianto, 2006).
Fuzzy logic juga dapat dikatakan sebagai bentuk umum dari logika klasik dimana nilai kebenarannya dapat berupa nilai antara 0 sampai 1. Jika nilai semakin mendekati 0 maka pernyataan tersebut akan semakin bernilai salah dan jika semakin mendekati 1 maka pernyataan tersebut semakin bernilai benar (Irianto, 2006).
Sebagai ilustrasi dengan menggunakan contoh di atas fungsi nilai keanggotaan fuzzy logic untuk usia muda sebagai berikut:
Gambar 2.2
Fungsi Keanggotaan Fuzzy Himpunan Usia Muda Sumber: Irianto (2006)
Sehingga fungsi kebenaranya dapat dituliskan sebagai berikut:
(2.12)
Jadi jika seseorang berusia 23 tahun maka nilai dari fungsi
kebenaranya adalah .
Fungsi kebenaran pada fuzzy logic tidak selalu memiliki bentuk seperti contoh di atas. Terdapat beberapa bentuk-bentuk lain dari fungsi nilai kebenaran fuzzy logic antara lain berbentuk distribusi normal, eksponensial, gelombang sinus, dan juga trapesium. Pada penelitian ini penulis akan menggunakan fungsi nilai kebenaran berbentuk trapesium yang akan di jelaskan selanjutnya.
Hal yang perlu dibedakan adalah antara fuzzy logic dan probabilitas. Karena kedua memiliki interval nilai yang sama. Kedua pernyataan antara fuzzy dan probabilitas berdasarkan penyataan umum sangat berbeda.
Probabilitas biasanya menyatakan “Probabilitas terjadinya-A 0.5” sedangkan fuzzy menyatakan “derajat keanggotaan dari kondisi-A adalah 0.5”. Di sini
terlihat bahwa probabilitas menyatakan nilai untuk sesuatu keadaan yang belum terjadi dan diberikan suatu angka antara 0-1 yang merepresentasikan kemungkinan terjadi sedangkan fuzzy logic memberi angka 0-1 untuk suatu keadaan jika berada pada kondisi tersebut (Hellmann, 2001 dalam Irianto, 2006).