TEKNIK SIMULASI MONTERCARLO
STUDI KASUS DAN PENYELESAIAN
Prepared by Hanna Lestari, M.Eng
BAB I
PENDAHULUAN
I.1. Studi Kasus
PT. SPOTLIGHT merupakan perusahaan pembuat lampu variasi motor yang berproduksi untuk memenuhi permintaan ( make to order ) dari dealer, bengkel, atau bahkan para distributor. Karena itu, maka banyaknya lampu yang diproduksi tergantung dari permintaan pasar. Perusahaan ini telah berdiri sejak tahun 1999, dan saat ini baru bisa menguasai pasar beberapa kota besar di Indonesia. Untuk dapat meningkatkan pangsa pasarnya, PT. SPOTLIGHT mencoba untuk menganalisis kebijakan produksinya dengan menggunakan metode simulasi berdasarkan informasi-informasi yang didapat pihak manajemen.
PT. SPOTLIGHT memproduksi 3 jenis lampu variasi, yaitu : Xenon Blue, Halogen White, dan lampu biasa. Dalam pemasarannya, masing-masing lampu tersebut sudah dipasangkan pada kap bereflektor besar. Kap tersebut tidak dibuat sendiri oleh PT. SPOTLIGHT tapi disubkontrakkan kepada perusahaan khusus pembuat kap. Setelah dilakukan penelitian, ternyata pihak manajemen menemukan masalah yaitu pada suplai bahan baku gas pengisi lampu.
Dalam pengiriman bahan baku sering terjadi kebocoran gas ( gas loss ) sehingga mengakibatkan berkurangmya jumlah bahan baku yang sampai ke perusahaan. Karena bahan baku berkurang maka lampu yang dihasilkan ikut berkurang.
Pengiriman bahan baku mengunakan mobil van yang disediakan oleh pihak supplier. Supplier tersebut menyediakan 3 ( tiga ) buah van yaitu Van A, B, dan C. Karena supplier tidak hanya memenuhi permintaan dari PT. SPOTLIGHT saja, maka pengunaan van untuk mengirim bahan baku ke PT. SPOTLIGHT tidak bisa dipastikan, tergantung van mana yang sedang menganggur. Hal itu berdampak pada penetapan harga pokok produksi yang berbeda-beda yang bergantung pada jenis van yang digunakan.
Perusahaan akan mengharapkan harga jual produknya sebesar 20% dari biaya pokok produksi. Setelah itu perusahaan masih harus membayar pajak pendapatan sebesar 8%. Nilai buku awal untuk mesin-mesin dan gedung sebesar Rp. 100.000.000 dan nilai buku
diakhir periode sebesar Rp.70.000.000. Dari kondisi diatas perusahaan ingin mengetahui apakah produksi lampu motor variasi dapat menghasilkan benefit dimasa depan.
Kemudian pihak manajemen mendapatkan beberapa informasi yang bisa digunakan untuk perbaikan kebijakan perusahaan dimasa depan, yaitu:
1. Pihak perusahaan meminta agar bahan baku diantarkan dua kali dalam seminggu. Supplier menetapkan harga khusus untuk pemesanan semacam ini
2. Perusahaan menemukan supplier baru. Supplier ini mempunyai van yang dapat mereduksi loss pengiriman bahan baku.
Dari permasalahan diatas, anda sebagai seorang analis sistem diminta untuk :
a. Menghitung proyeksi keuntungan perusahaan selama 50 minggu kedepan dengan mengunakan model Simulasi Monte Carlo, dengan sebelumnya membuat model matematis untuk menghitung keuntungan bruto perusahaan dengan melibatkan seluruh variable terkait pada permasalahan diatas. Kemudian baru tentukan Net Income Cash Flownya.
b. Membuat dua model alternatif berdasarkan informasi yang didapat tersebut dan memilih salah satu model yang paling tepat untuk diimplementasikan berdasarkan kriteria NPV jika diketahui investasi awal Rp. 500.000.000 dan tingkat bunga yang diinginkan perusahaan 20 %.
I.2. Manfaat dan Tujuan Penyelesaian Kasus
1. Praktikan dapat memahami konsep dasar Pemodelan Sistem dan simulasi Monte carlo 2. Memperkenalkan macam-macam distribusi, pengbangkitan bilangan random
langkah-langkah pengujian hipotesis dan validasi model. 3. Praktikan dapat memahami konsep analisa kebijakan.
4. praktikan dapat membuat interprestasi dan membuat kebijakan dari hasil simulasi yang dilakukan berdasarkan kriteria investasi finansial.
BAB II
LANDASAN TEORI
II.1. Teori Monte Carlo dan Analisa Kebijakan Bisnis
Simulasi Monte Carlo sering digunakan untk melakukan analisa keputusan pada situasi yang melibatkan resiko yang melibatkan beberapa parameter untuk dilakukan pertimbangan secara simultan . Metode ini dapat digunakan secara luas karena didasarkan pada proses simulasi dengan pilihan kemungkinan secara random. Metode ini mengasumsikan pola kejadian variabel perhitungannya pada dua model distribusi, yaitu distribusi normal dan uniform. Asumsi ini dapat melemahkan suatu kasus yang mempunya pola distribusi diluar kedua asumsi diatas, namun dengan sedikit melakukan usaha manipulasi statisik dengan melakukan transformasi data mentah pada variabel yang bersangkutan untuk diubah untuk memenuhi dua asumsi distribusi tersebut dapat dilakukan dengan sederhana.
Didalam operasionalnya, Monte Carlo melibatkan pemilihan secara acak terhadap keluaran masing-masing secara berulang sehingga diperoleh solusi dengan nilai pendekatan tertentu.
Adapun langkah-langkah pembuatan model simulasi Monte carlo adalah sebagai berikut :
1. Formulasi masalah, dalam tahap ini ditentukan masalah apa saja yang akan dibahas dan ditentukan batasan-batasan masalah..
2. Pembuatan model simulasi Monte Carlo, dalam tahap ini kita membuat model dan menentukan parameter-parameter model, variabel, hubungan antar bagian model. 3. Pembuatan distribusi untuk variabel, dalam tahap ini kita menetapkan distribusi probabillitas untuk variabel-variabel utama. Dalam tahap ini juga menggunakan teori probabilitas.
4. Ubah distribusi probabilitas menjadi distribusi kumulatif. Hal ini untuk menentukan bahwa hanya satu variabel akan diasosiasikan dengan satu bilangan acak.
a. Aplikasi aturan keputusan
b. Pembangkitan bilangan-bilangan acak.
6. Evaluasi strategi model. Pada tahapini kita melakukan evaluasi terhadap model apakah sudah menyerupai sistem nyata.
7. Periksa apakah diperlukan adanya perbaikan model. Pada tahap ini apabila ternyata diperlukan adanya pergantian model dikarenakan model tidak sesuai dengan sistem nyata, maka dilakukan perbaikan ( pengulangan ) formulasi masalah.
8. Keputusan. Keputusan diambil apabila model sudah sesuai dengan sistemnyata. 9. Selesai. Pembuatan model simulasi Monte Carlo selesai.
Proses pengambilan keputusan dalam lingkungan yang melibatkan resiko dan ketidak pastian umumnya tidak terjadi secara rutin dengan demikian tingkat kepentingan yang terjadi juga lebih tinggi dibandingkan dengan proses keputusan yang bersifat berulang dalam lingkungan yang terkendali, untuk menterjemahkan hal ini, digunakan model simulasi Monte Carlo untuk mengamati perubahan yang diakibatkan penerapan kebijakan tertentu dalam suatu sistem, kemudian pemodel ( biasanya para manajer ) dapat mempelajari reaksi sistem dengan input yang berubah-ubah. Dengan demikian pemodel/manajer dapat merancang kebijakan dan mengambil keputusan dengan lebih baik
Pada tugas akhir Monte Carlo ini, kita akan merancang suatu model kebijakan yang melibatkan analisa investasi untuk pengambilan keputusan apakah suatu kebijakan layak diterapkan dan kebijakan mana yang lebih baik ditinjau dari aspek finansialnya selain tentunya juga menggunakan tehnik statistika dalam melakukan perbandingan output kebijakan yang dibuat pada proses desain eksperimen.
Seorang manajer harus melakukan suatu analisa kelayakan sebelum dia memutuskan pemilihan suatu alternatif proyek, oleh karena itu analisa kelayakan investasi sangat diperlukan dalam melakukan analisa baik secara teknis maupun secara ekonomis. Selain itu adapula faktor yang terlibat dalam suatu proyek terutama proyek investasi yaitu faktor waktu dan resiko . Pada jenis investasi tertentu faktor waktu lebih berperan , sementara pada jenis investasi lain faktor resiko lebih dominan.
Yang dimaksud dengan analisa kelayakan investasi adalah suatu penelitian tentang layak tidaknya suatu proyek bisnis itu dilaksanakan. Maksud layak ( atau tidak layak ) disini adalah perkiraan bahwa proyek itu akan dapat ( atau tidak dapat ) menghasilkan keuntungan yang layak bila telah dioperasikan. Mengenai pengertian untung itu sendiri berbeda antara pihak yang berorientasi pada keuntungan ekonomi dan non-ekonomi.
II.3. Pengumpulan Data
Dari studi kasus didapatkan data-data sebagai berikut :
1. Data permintaan lampu untuk kota A dan kota B dalam 50 minggu terakhir sebagai berikut : Minggu Demand Kota A Kota B 1 350 170 2 350 190 3 400 160 4 250 190 5 300 160 6 200 190 7 400 190 8 200 160 9 300 250 10 300 170 11 300 170 12 400 190 13 200 190 14 200 170 15 300 170 16 400 190 17 300 190 18 300 250 19 250 190 20 400 190 21 300 190 22 300 210 23 300 190 24 400 210
25 250 190 26 300 210 27 300 190 28 300 210 29 200 170 30 300 190 31 300 210 32 400 190 33 300 210 34 400 190 35 400 170 36 400 250 37 350 190 38 200 210 39 300 190 40 250 170 41 300 190 42 200 210 43 200 250 44 200 190 45 300 190 46 200 190 47 300 190 48 200 190 49 350 190 50 400 190
2. Data loss bahan baku untuk 50 minggu terakhir sebagai berikut : Minggu
Loss bahan baku ( dalam % ) 1 20 2 22 3 20 4 26 5 22 6 22 7 30 8 22 9 20 10 30 11 26 12 22 13 22 14 20 15 22 16 15 17 22 18 15 19 22 20 20 21 15 22 26 23 15 24 30 25 10 26 20 27 20
28 15 29 20 30 5 31 5 32 10 33 10 34 5 35 15 36 20 37 15 38 15 39 15 40 20 41 15 42 5 43 20 44 5 45 10 46 5 47 10 48 20 49 10 50 10
3. Data penggunaan van yang digunakan untuk mengirimkan bahan baku ke PT. SPOTLIGHT selama 50 minggu terakhir :
Minggu Van yang digunakan 1 1 2 2 3 1 4 2 5 1 6 1 7 1 8 2 9 1 10 1 11 3 12 2 13 2 14 2 15 1 16 2 17 1 18 2 19 2 20 3 21 1 22 3 23 1 24 1 25 2 26 1
27 1 28 1 29 2 30 2 31 1 32 1 33 3 34 1 35 2 36 1 37 2 38 1 39 1 40 1 41 1 42 2 43 2 44 2 45 3 46 1 47 3 48 1 49 1 50 3
4. Harga Pokok Produksi berdasarkan jenis van yang digunakan : Jenis Van Kapasitas ( liter ) HPP van per lot
Van 1 100 200.000
Van 2 75 150.000
Van 3 50 140.000
5. Harga khusus untuk pemesanan yang telah ditetapkan oleh supplier : Jenis Van Harga
Van 1 350.000 Van 2 270.000 Van 3 250.000
6. Reduksi loss pengiriman bahan baku oleh supplier baru : Jenis Van Loss BB ( dalam % ) Van X 5 Van Y 7 Van Z 8
7. Perubahan HPP akibat penggunaan van dari supplier baru : Jenis Van HPP
Van X 250.000 Van Y 200.000 Van Z 180.000
1. Persiapan Data dan Penentuan Distribusi
Permintaan Permintaan loss van yg
kota A kota B bahan baku (dlm
%) digunakan 350 170 20 1 350 190 22 2 400 160 20 1 250 190 26 2 300 160 22 1 200 190 22 1 400 190 30 1 200 160 22 2 300 250 20 1 300 170 30 1 300 170 26 3 400 190 22 2 200 190 22 2 200 170 20 2 300 170 22 1 400 190 15 2 300 190 22 1 300 250 15 2 250 190 22 2 400 190 20 3 300 190 15 1 300 210 26 3 300 190 15 1 400 210 30 1 250 190 10 2 300 210 20 1 300 190 20 1 300 210 15 1 200 170 20 2 300 190 5 2 300 210 5 1 400 190 10 1 300 210 10 3 400 190 5 1 400 170 15 2 400 250 20 1 350 190 15 2
200 210 15 1 300 190 15 1 250 170 20 1 300 190 15 1 200 210 5 2 200 250 20 2 200 190 5 2 300 190 10 3 200 190 5 1 300 190 10 3 200 190 20 1 350 190 10 1 400 190 10 3
Generating Probability Distribution for Permintaan Kota A
Permintaan Cumulative Relative Cumulative Relative kota A Frequency Frequency Probability Probability
200 11 11 0,22 0,22 250 15 4 0,3 0,08 300 35 20 0,7 0,4 350 39 4 0,78 0,08 400 50 11 1 0,22 Total 50 1
Generating Probability Distribution for Permintaan Kota B
Permintaan Cumulative Relative Cumulative Relative kota B Frequency Frequency Probability Probability
160 3 3 0,06 0,06 170 11 8 0,22 0,16 190 38 27 0,76 0,54 210 46 8 0,92 0,16 250 50 4 1 0,08 Total 50 1
Jenis Van Cumulative Relative Cumulative Relative Frequency Frequency Probability Probability
1 26 26 0,52 0,52 2 43 17 0,86 0,34 3 50 7 1 0,14 total 50 1 2. Descriptives Statistic loss bb Mean 17,12 Standard Error 0,975052066 Median 20 Mode 20 Standard Deviation 6,894659276 Sample Variance 47,53632653 Kurtosis -0,591682616 Skewness -0,22446523 Range 25 Minimum 5 Maximum 30 Sum 856 Count 50 Smallest(1) 5 3. Penentuan Kelas
Penentuan Interval Kelas
n 50 max 30 min 5 log n 1,7 k 6,6 6 Class Int 4,2 5 Class Limit Frek
kumulatif frek relatif Probabilitas
5 9,1 6 6 0,12 9,2 13,2 13 7 0,14 13,3 17,4 23 10 0,2 17,5 21,6 35 12 0,24 21,7 25,7 44 9 0,18 25,8 30,0 50 6 0,12 50 1
Bahan Baku Loss 0 0,05 0,1 0,15 0,2 0,25 0,3 1 Frekuensi p ro b a b il it a s Series1 Series2 Series3 Series4 Series5 Series6
4. Uji Chi Square
Class Limit Class Boundaries Oi P(b) P(a) P Ei
5 9,1 4,95 9,15 6 0 0,12384734 0,12384734 6,192367023 9,2 13,2 9,15 13,25 7 0,12384734 0,287295112 0,163447772 8,172388587 13,3 17,4 13,25 17,45 10 0,287295112 0,519087406 0,231792294 11,58961471 17,5 21,6 17,45 21,65 12 0,519087406 0,744419349 0,225331943 11,26659714 21,1 25,7 21,05 25,75 9 0,715663367 0,894659144 0,178995778 8,949788899 25,8 30 25,75 30,05 6 0,894659144 1 0,105340856 5,267042776 50 50 Diperoleh:
Nilai rata – rata : 17,12 Standart deviasi : 6,89 Chi-Square Hitung : 0.542 Chi-Square Tabel : 11,07
Result Analysis : H0 : Relative Prob. Fits to Normal Distribution H1 : Relative Prob. Fitless to Normal Distribution If X2 counted > X2 Tables, H0 would be refused If X2 counted < X2 Tables, H0 would be accepted
Result : Relative
BAB III
PEMBAHASAN
III.1. Penyelesaian Studi Kasus
1. Pembangkitan Bilangan Random a. Distribusi Permintaan Lampu Kota A
Permintaan Cumulative Relative
Random Number KOTA A Probability Probability Generation
200 0,22 0,22 0 to 219 250 0,3 0,08 220 to 299 300 0,7 0,4 300 to 699 350 0,78 0,08 700 to 779 400 1 0,22 780 to 999
Ket : Jika pembangkitan bilangan random mendapat nilai 200 berarti bilangan random tersebut berada dalam interval 0-219.Yang artinya nilai dari bilangan random tersebut adalah 200. VLOOKUP TABLE 0 200 220 250 300 300 700 350 780 400 1000 400
b. Distribusi Permintaan Kota B
Permintaan Cumulative Relative
Random Number KOTA B Probability Probability Generation
160 0,06 0,06 0 to 59 170 0,22 0,16 60 to 219 190 0,76 0,54 220 to 759 210 0,92 0,16 760 to 919 250 1 0,08 920 999
Ket : Jika pembangkitan bilangan random mendapat nilai 160 berarti bilangan random tersebut berada dalam interval 0-219.Yang artinya nilai dari bilangan random tersebut adalah 160. VLOOKUP TABLE 0 160 60 170 220 190 760 210 920 250 1000 250
c. Distribusi Van Yang Digunakan
Van Cumulative Relative
Random Number Probability Probability Generation 1 0,52 0,52 0 to 519 2 0,86 0,34 520 to 859 3 1 0,14 860 to 999
Ket : Jika pembangkitan bilangan random mendapat nilai 0.52 berarti bilangan random tersebut berada dalam interval 0-519.Yang artinya nilai dari bilangan random tersebut adalah 0.52. VLOOKUP TABLE 0 1 520 2 860 3 1000 3
III.2. Analisa Hasil Simulasi Sebelum Pengembangan
Setelah menghitung proyeksi keuntungan bruto perusahaan 50 minggu kedepan (thn ke tiga) dengan menggunakan model simulasi montecarlo dengan sebelumnya membuat model matematis untuk menghitung keuntungan bruto perusahaan dengan melibatkan seluruh variabel terkait pada permasalahan diatas, maka didapat data sebagai berikut:
1. Rata-rata keuntungan kotor
Total Keuntungan Kotor :
Rp
3.728.640.000,00 :
Rp74.572.800,00 Total Tender 50
2. Rata-rata keuntungan sebelum pajak
Total laba Sebelum pajak :
Rp
100.800.000,00 : Rp 2.016.000,00 Total Tender 50
3. Rata-rata keuntungan setelah pajak
Total Laba Setelah Pajak :
Rp
92.736.000,00 : Rp 1.854.720,00 Total Tender 50
4. Rata-rata Net Income Cash Flow
Total NICF :
Rp
3.530.348.800,00 : Rp 70.606.976,00 Total Tender 50
5. Rata-rata beban pajak
Total Beban Paak :
Rp
298.291.200,00 : Rp 5.965.824,00 Total Tender 50
III.3. Pembuatan Model Pengembangan
Pengembangan 1
Pada pengembangan pertama ini Perusahaan meminta agar bahan baku diantarkan dua kali dalam seminggu.Suplier memberikan harga khusus untuk pemesanan semacam ini, dengan harga:
Jenis Van Harga
Van 1 350.000
Van 2 270.000
Van 3 250.000
Pengembangan 2
Pada pengembangan kedua ini Perusahaan menemukan suplier baru. Suplier ini mempunyai van yang dapat mereduksi loss pengiriman bahan baku, yaitu sebagai berikut:
Jenis van Loss BB
Van X 5%
Van Y 7%
Van Z 8%
Tetapi penggunaan van baru ini dikenai biaya baru yang mengakibatkan berbahnya HPP menjadi:
Jenis van HPP
Van X 250.000
Van Y 200.000
III.4. Analisa Hasil Simulasi
Setelah membuat dua model alternatif berdasarkan informasi yang didapat akan dipilih salah stu model alternatif yang terbaik untuk diimplementasikan berdasarkan NPV dan IRR jika diketahui investasi awal Rp 500.000.000,- dan tingkat bunga yang diinginkan 20% sebagai berikut:
NPV
Investasi
Awal
Minggu Model Pengembangan Pengembangan
Awal I II 1 Rp93.336.000,00 Rp325.176.000,00 Rp131.700.000,00 2 Rp25.771.200,00 Rp113.870.400,00 Rp39.460.800,00 3 Rp49.606.560,00 Rp183.919.200,00 Rp76.511.040,00 4 Rp44.726.880,00 Rp168.120.960,00 Rp76.511.040,00 5 Rp81.081.600,00 Rp298.128.000,00 Rp129.160.800,00 6 Rp24.667.200,00 Rp108.571.200,00 Rp40.123.200,00 7 Rp83.068.800,00 Rp305.856.000,00 Rp128.719.200,00 8 Rp91.680.000,00 Rp329.040.000,00 Rp130.044.000,00 9 Rp25.108.800,00 Rp115.305.600,00 Rp37.915.200,00 10 Rp84.393.600,00 Rp305.856.000,00 Rp130.044.000,00 11 Rp98.856.000,00 Rp344.496.000,00 Rp131.700.000,00 12 Rp86.712.000,00 Rp317.448.000,00 Rp128.719.200,00 13 Rp29.436.480,00 Rp129.160.800,00 Rp38.356.800,00 14 Rp54.221.280,00 Rp203.890.560,00 Rp74.744.640,00 15 Rp103.272.000,00 Rp359.952.000,00 Rp131.700.000,00 16 Rp38.202.240,00 Rp154.707.360,00 Rp74.303.040,00 17 Rp51.317.760,00 Rp192.861.600,00 Rp75.407.040,00 18 Rp94.440.000,00 Rp329.040.000,00 Rp131.700.000,00 19 Rp74.236.800,00 Rp267.216.000,00 Rp131.700.000,00 20 Rp24.225.600,00 Rp106.032.000,00 Rp40.564.800,00 21 Rp97.531.200,00 Rp340.632.000,00 Rp131.700.000,00 22 Rp24.667.200,00 Rp102.278.400,00 Rp42.772.800,00 23 Rp30.319.680,00 Rp127.946.400,00 Rp40.123.200,00 24 Rp48.900.000,00 Rp188.390.400,00 Rp74.303.040,00 25 Rp82.075.200,00 Rp294.264.000,00 Rp131.368.800,00 26 Rp95.544.000,00 Rp332.904.000,00 Rp131.700.000,00 27 Rp47.928.480,00 Rp186.005.760,00 Rp74.082.240,00 28 Rp97.862.400,00 Rp344.496.000,00 Rp131.368.800,00 29 Rp83.289.600,00 Rp298.128.000,00 Rp131.368.800,00 30 Rp47.453.760,00 Rp174.976.800,00 Rp77.173.440,00
31 Rp107.688.000,00 Rp379.272.000,00 Rp130.264.800,00 32 Rp83.952.000,00 Rp305.856.000,00 Rp129.602.400,00 33 Rp49.065.600,00 Rp197.332.800,00 Rp71.653.440,00 34 Rp54.298.560,00 Rp210.746.400,00 Rp72.757.440,00 35 Rp100.291.200,00 Rp352.224.000,00 Rp131.368.800,00 36 Rp96.206.400,00 Rp340.632.000,00 Rp130.927.200,00 37 Rp91.348.800,00 Rp325.176.000,00 Rp130.927.200,00 38 Rp46.791.360,00 Rp174.976.800,00 Rp76.511.040,00 39 Rp90.244.800,00 Rp317.448.000,00 Rp131.700.000,00 40 Rp83.068.800,00 Rp290.400.000,00 Rp131.700.000,00 41 Rp48.204.480,00 Rp177.063.360,00 Rp77.173.440,00 42 Rp116.299.200,00 Rp410.184.000,00 Rp129.160.800,00 43 Rp91.790.400,00 Rp325.176.000,00 Rp131.368.800,00 44 Rp82.185.600,00 Rp305.856.000,00 Rp127.836.000,00 45 Rp87.595.200,00 Rp317.448.000,00 Rp129.602.400,00 46 Rp80.971.200,00 Rp294.264.000,00 Rp130.264.800,00 47 Rp83.068.800,00 Rp290.400.000,00 Rp131.700.000,00 48 Rp42.607.200,00 Rp170.505.600,00 Rp73.640.640,00 49 Rp21.046.080,00 Rp99.794.400,00 Rp38.798.400,00 50 Rp159.692.800,00 Rp383.584.000,00 Rp201.700.000,00 i% 20% NPV Rp305.961.734,81 Rp1.132.476.104,39 Rp458.202.493,18
Dari hasil NPV dimana metode ini menghitung selisih antara nilai sekarang dengan nilai penerimaan kas bersih pada masa yang akan datang.Dari hasil perbandingan antara simulasi model awal,pengembangan 1 dan pengembangan 2,dimana NPV psitif menunjukan bahwa proyek tersebut layak untuk dijalankan.Model NPV yang terbesar dianggap sebagai model kebijakan paling baik secara kriterian investasi.Maka dapat ditarik kesimpulan bahwa pengembangan 1 adalah yang paling baik secara kriterian investasi. Dengan nilai sebesar Rp1.132.476.104,39.
IRR
Tender
Model Pengembangan Pengembangan
Awal I II Investasi Awal Rp (500.000.000,00) Rp (500.000.000,00) Rp (500.000.000,00) 1 Rp93.336.000,00 Rp325.176.000,00 Rp131.700.000,00 2 Rp25.771.200,00 Rp113.870.400,00 Rp39.460.800,00 3 Rp49.606.560,00 Rp183.919.200,00 Rp76.511.040,00 4 Rp44.726.880,00 Rp168.120.960,00 Rp76.511.040,00 5 Rp81.081.600,00 Rp298.128.000,00 Rp129.160.800,00 6 Rp24.667.200,00 Rp108.571.200,00 Rp40.123.200,00 7 Rp83.068.800,00 Rp305.856.000,00 Rp128.719.200,00 8 Rp91.680.000,00 Rp329.040.000,00 Rp130.044.000,00 9 Rp25.108.800,00 Rp115.305.600,00 Rp37.915.200,00 10 Rp84.393.600,00 Rp305.856.000,00 Rp130.044.000,00 11 Rp98.856.000,00 Rp344.496.000,00 Rp131.700.000,00 12 Rp86.712.000,00 Rp317.448.000,00 Rp128.719.200,00 13 Rp29.436.480,00 Rp129.160.800,00 Rp38.356.800,00 14 Rp54.221.280,00 Rp203.890.560,00 Rp74.744.640,00 15 Rp103.272.000,00 Rp359.952.000,00 Rp131.700.000,00 16 Rp38.202.240,00 Rp154.707.360,00 Rp74.303.040,00 17 Rp51.317.760,00 Rp192.861.600,00 Rp75.407.040,00 18 Rp94.440.000,00 Rp329.040.000,00 Rp131.700.000,00 19 Rp74.236.800,00 Rp267.216.000,00 Rp131.700.000,00 20 Rp24.225.600,00 Rp106.032.000,00 Rp40.564.800,00 21 Rp97.531.200,00 Rp340.632.000,00 Rp131.700.000,00 22 Rp24.667.200,00 Rp102.278.400,00 Rp42.772.800,00 23 Rp30.319.680,00 Rp127.946.400,00 Rp40.123.200,00 24 Rp48.900.000,00 Rp188.390.400,00 Rp74.303.040,00 25 Rp82.075.200,00 Rp294.264.000,00 Rp131.368.800,00 26 Rp95.544.000,00 Rp332.904.000,00 Rp131.700.000,00 27 Rp47.928.480,00 Rp186.005.760,00 Rp74.082.240,00 28 Rp97.862.400,00 Rp344.496.000,00 Rp131.368.800,00 29 Rp83.289.600,00 Rp298.128.000,00 Rp131.368.800,00 30 Rp47.453.760,00 Rp174.976.800,00 Rp77.173.440,00 31 Rp107.688.000,00 Rp379.272.000,00 Rp130.264.800,00 32 Rp83.952.000,00 Rp305.856.000,00 Rp129.602.400,00 33 Rp49.065.600,00 Rp197.332.800,00 Rp71.653.440,00 34 Rp54.298.560,00 Rp210.746.400,00 Rp72.757.440,00 35 Rp100.291.200,00 Rp352.224.000,00 Rp131.368.800,00 36 Rp96.206.400,00 Rp340.632.000,00 Rp130.927.200,00 37 Rp91.348.800,00 Rp325.176.000,00 Rp130.927.200,00
38 Rp46.791.360,00 Rp174.976.800,00 Rp76.511.040,00 39 Rp90.244.800,00 Rp317.448.000,00 Rp131.700.000,00 40 Rp83.068.800,00 Rp290.400.000,00 Rp131.700.000,00 41 Rp48.204.480,00 Rp177.063.360,00 Rp77.173.440,00 42 Rp116.299.200,00 Rp410.184.000,00 Rp129.160.800,00 43 Rp91.790.400,00 Rp325.176.000,00 Rp131.368.800,00 44 Rp82.185.600,00 Rp305.856.000,00 Rp127.836.000,00 45 Rp87.595.200,00 Rp317.448.000,00 Rp129.602.400,00 46 Rp80.971.200,00 Rp294.264.000,00 Rp130.264.800,00 47 Rp83.068.800,00 Rp290.400.000,00 Rp131.700.000,00 48 Rp42.607.200,00 Rp170.505.600,00 Rp73.640.640,00 49 Rp21.046.080,00 Rp99.794.400,00 Rp38.798.400,00 50 Rp159.692.800,00 Rp383.584.000,00 Rp201.700.000,00 MARR 20% IRR 12% 45% 18%
Metode ini menghitung tingkat bunga yang menyamakan nilai investasi sekarang dengan nilai penerimaan kas bersih pada masa yang akan datang.Perhitungan nilai IRR dari suatu proyek industri dilakukan secara coba-coba (trial and error) melalui suatu proses bertahap, bukan secara langsung sebagaimana perhitungan NPV.Dari hasil perbandingan antara simulasi model awal,pengembangan 1 dan pengembangan 2,dimana nilai IRR actual lebih besar dari IRR estimasi menunjukan proyek layak untuk dijalankan.Model yang memiliki nilai IRR terbesar dianggap sebagai model kebijaksanaan terbaik menurut kriteria suku bunga pengembalian. Didapat bahwa nilai terbasar adalah pada pengembangan 2, dangan nilai sebesar 45%.
Uji Anova
Dari hasil NPV model awal, NPV pengembangan 1,dan NPV pengembangan 2 diuji anova yang bertujuan untuk mengetahui apakah ada perbedaan antara hasil simulasi model awl dengan hasil simulasi model pengembangan.
JKT Rp1.482.485.656.584.600.000,00 JKA Rp961.557.261.740.147.000,00 JKG Rp520.928.394.844.450.000,00 S1^2 4,80779E+17 S2^2 3,54373E+15 Fhitung 135,6701985 F tabel 3,057620652
Ho : Tidak ada perbedaan yang signifikan antara model awal dengan pengembangan 1 dan 2
Hi : Ada perbedaan yang signifikan antara model awal dengan pengembangan 1 dan 2
Jika F hitung > F tabel maka Ho ditolak Jika F hitung < F tabel maka Ho diterima
Karena F hitung > F tabel yaitu 135,67 > 3,057 maka Ho ditolak artinya ada perbedaan yang signifikan antara model awal dengan pengembangan 1 dan 2
Dari analisa diatas dapat disimpulkan bahwa perusahaan layak untuk melakukan pengembangan dengan menggunakan pola pengembangan 2.
BAB IV
Kesimpulan dan Saran
IV.1. Kesimpulan
1. Dari model yang akan dipilih adalah model yang memiliki NPV positif dan IRR terbesar.
2. Dari model sebelum pengembangan dan model pengembangan 1 dan model pengembangan 2,agar perusahaan mendapat keuntungan yang maksimal maka model yang terpilih adalah model pengembangan 1 dengan keuntungan Rp1.132.476.104,39.
IV.2. Saran
Sebaiknya perusahaan tetap melakukan penelitian diluar alternatif diatas sehingga dapat memungkinkan hasil pengembangan yang lebih baik dibandingkan dengan model awal serta perusahaan dapat memksimalkan keuntungan lebih banyak lagi.
