Benarkah Bahwa Perbedaan Memilih Strategi Bisnis Akan Membedakan Kesuksesan??? Coba Buktikan???

Sering kali kita ingin mengetahui,”apakah suatu perbedaan perlakuan dapat membuahkan hasil yang berbeda?”. Sebagai contoh satu perusahaan menerapkan strategi prospector, lalu perusahaan lainnya menerapkan streategi analizer. Maka akan muncul pertanyaan,”apakah perusahaan yang menerapkan strategi prospector akan lebih sukses dibandingkan perusahaan yang menarapkan strategi analizer, defender atau reaktor?”. Untuk menjawab pertanyaan itu secara empiris adalah dengan melakukan análisis peluang pencapaian kesuksesan ditinjau berdasarkan penerapan macam-macam strategi tersebut. Salah satu cara tentunya dengan memanfaatkan STATISTIKA.
Dan berikut adalah data yang diperoleh melalui survey pada 40 industri di Jakarta Timur dan Bekasi mengenai strategi usaha yang digunakan terdiri dari Prospector, Difender, Analizer dan Reactor. Dan pencapaian kesuksesan diukur berdasarkan indikator-indikator dengan pendekatan secara finansial dan persepsi responden (dalam skala ordinal). Dalam hal ini perusahaan-perusahaan yang di Survey dirahasiakan dengan alasan menjaga kerahasiaan klien-klien saya (penulis). Berikut adalah gambaran komposisi data-data yang dianalisis.

Tabel 1

Selanjutnya dari data tersebut dilakukan penentuan hubungan antara tipe strategi dengan kesuksesan perusahaan. Analisis hubungan ditentukan dengan mengguakan Chi Square, karena data yang digunakan salah satunya adalah data non parametrik. Hasil yang diperoleh adalah sebagai berikut:

Tabel 2

Pada tabel 2 diketahui bahwa nilai Chi Squarehitung dari pengujian ini adalah 20.712 pada df=24, nilai ini ternyata lebih besar dari Chi Squaretable untuk df = 24 pada tingkat signifikansi 5% yang besarnya 36.415. Dengan demikian Ho diterima dan Ha ditolak atau hipotesis yang menyatakan tidak terdapat perbedaan kesuksesan akibat perbedaan tipe strategi yang digunakan ditolak. Oleh karena itu dapat dinyatakan bahwa tidak terdapat perbedaan kesuksesan akibat perbedaan penerapan tipe strategi.
Semoga tulisan saya ini dapat bermanfaat bagi siapa saja yang membutuhkan pencerahan. Dan untuk info lebih lanjut atau bantuan konsultasi dapat menghubungi saya (Mohamad Rojana Hamdan, ST., MM.) di HP: 085881153889 dan CDMA: 021-92798467 atau email ke roy_mgr@yahoo.com.

TIDAK NORMAL??? “LAKUKAN ALTERNATIF TRANSFORMASI”

(Transformasi Untuk Data Tidak Normal Dengan Mereduksi Osilasi)

Oleh,
Moh. Rojana Hamdan, ST., MM.

Hal ini mungkin bermanfaat untuk para pengambil keputusan dan data analist. Dalam kaitannya dengan kegiatan untuk menggali informasi secara statistik, seringkali data-data yang kita kumpulkan harus diuji agar memenuhi beberapa asumsi seperti uji normalitas data dan asumsi klasik yang terdiri atas uji multikolineraitas, heteroskedastisitas dan autokorelasi. Terkadang data-data tersebut mengalami masalah yang berkaitan dengan uji-uji tersebut, sehingga harus dilakukan transformasi data. Beberapa permasalahan dapat diselesaikan dengan transformasi standar seperti ln, log, arc, kuadratik, dll. Namun juga terkadang transformasi yang ada memiliki kekurangan, misal dengan cara log dan ln tidak memungkinkan untuk data-data negatif sehingga harus dilakukan perombakan mendasar dengan menggeser kontanta agar di atas sumbu nol. Pada akhirnya akan merepotkan ketika melakukan intrepretasi hasil.
Ada cara alternatif yang relatif mudah dan tidak merubah karateristik data, yaitu dengan konsep reduksi osilasi penyimpangan residual. Konsep ini dapat diilustrasikan sebagai berikut: misalkan kita akan melakukan analisis terhadap dari 4 perusahaan otomotif (dikodekan A, B, C dan D) dengan variabel variabel seperti KAP (Kantor Akuntan Publik) yang terbagi atas big 4 (dikodekan 1) dan non big 4 (dikodekan 0), lalu data indeks pengungkapan kecurangan (IP) dan initial return saham perusahaan (IR) di lantai bursa. Pergerakan data diamati selama 5 tahun untuk masing-masing perusahaan, seperti pada table di bawah ini.

Dibuat dalam bentuk grafik akan terlihat sebagai berikut:

Lalu dilakukan uji normalitas data yang hasilnya seperti tabel di bawah ini.

Dari keempat data tersebut ternyata semuanya dinyatakan tidak berdistribusi normal karena nilai sig lebih kecil dari 0.05.

Dari tiap-tiap gambar terdapat fluktuasi (osilasi) data yang ekstrim terhadap nilai normalnya, fluktuasi tersebut mengakibatkan data tidak berdistribusi normal. Agar dpat diperoleh data yang berdistribusi normal dilakukan transformasi dengan membuat penyimpangan antara nilai aktual dengan nilai normal (unstandardized) lebih sempit. Pada data di atas dilakukan reduksi penyimpangan sebesar 80% untuk KAP dan 50% untuk IR serta IP. Pada akhirnya diperoleh nilai transformasi yang berdistribusi normal namun masih memliki karakter yang sama dengan data aktualnyanya. Berikut adalah nilai hasil transformasi yang didapat.

Transformasi seperti ini efektif untuk data-data yang memiliki nilai negative yang tidak mungkin dilakukan dengan log maupun lognormal. Juga masih lebih baik dibandingkan dengan transformasi kuadratik. Selanjutnya dilakukan kembali uji normalitas data dan diperoleh hasil sebagai berikut.

Setelah dilakukan pengujian kembali terhadap keempat data hasil transformasi tersebut ternyata semuanya dinyatakan berdistribusi normal karena nilai sig.> 0.05 (untuk semua data), sehingga data sudah layak untuk pengujian selanjutnya uji asumsi klasik, regresi dan uji hipotesis.

Catatan:

Penulis adalah seorang konsultan di BS Consulting yang sangat familiar dan berpengalaman dalam hal statistika industri, ekonometrika dan manajemen keuangan. Disamping itu sudah beberapa kali sukses menangani project-project yang berkaitan dengan kinerja perusahaan, manajemen SDM, Strategic, Produksi serta Keuangan & Investasi. Juga tercatat pernah menangani sejumlah survey kepuasan karyawan dan pelanggan.

Beberapa proyek yang pernah ditangani penulis antara lain:
1. Analisis Kelayakan Proyek Restaging Generator Untuk Pertamina Cilamaya.
2. Analisis Kelayakan Operasi Bank-Bank Go Public Dengan Metode Diskriminan.
3. Aplikasi BSC Pada Asuransi BAJ.
4. Optimalisasi Portofolio Dana Pensiun PT. Angkasa Pura II.
5. Survey Kepuasan Karyawan di PT. ABI thn 2008.
6. Survey Kepuasan Karyawan di PT. ABI thn 2009.
7. Analisis Kepuasan Karyawan di Pelindo II dan III.
8. Feasibility Study Proyek PT. Indosat Dalam Pengadaan Bangunan Di DIY.
9. Analisis Strategi Distribusi di Jamu Puspo.

Mengukur Kinerja Keuangan dan Analsis Diskriminan

Pengukuran Kinerja Keuangan Perusahaan Dengan Metode Diskriminan

Oleh:

Mohamad Rojana Hamdan, ST., MM.
(The Operation)

Grade V

Bina Solusi
(Dipublikasikan Dengan Seijin PT. CHS Jakarta Timur)

Latar Belakang
Pada saat PT. CHS adalah sebuah perusahaan yang bergerak dalam beberapa bidang usaha antara lain, perdagangan dan konstruksi/instalasi. Pada bidang perdagangan, PT CHS menangani ekspor, impor, dan distribusi kebutuhan industri. Di bidang ini PT CHS melayani pengadaan kabel, panel, instrumen, dan bahan kimia.
Dengan adanya krisis ekonomi global, PT. CHS masih tetap bertahan walaupun masih agak sulit untuk dapat meraih penjualan seperti tahun-tahun sebelumnya. Dengan demikian menurut manajemen PT. CHS hal ini mulai mengkhawatirkan. Pada kesempatan selanjutnya pihak PT. CHS menghubungi kami (Kantor Bina solusi) untuk mengkonsultasikan perihal pengukuran kinerja keuangan di perusahaan tersebut di saat terjadi krisis ekonomi Global. Satu hal diharapkan pihak manajemen PT. CHS adalah mengenai pengukuran kinerja yang menetapkan satu indikator penilaian dan ditentukan berdasarkan iklim yang ada saat ini di Indonesia.
Selanjutnya, dengan ketentuan tersebut kami menentukan metode analisis diskriminan sehingga perlu melibatkan sejumlah perusahaan sejenis yang dalam hal ini dipilih industri sejenis untuk wilayah JABODETABEK sebagai dasar penentuan model. Dan dengan bantuan pihak manajemen PT. CHS kami berhasil memperoleh data-data yang diperlukan.

Perumusan Masalah
Berdasarkan latar belakang di atas perumusan masalah untuk PT. CHS pada penelitian ini adalah sebagai berikut:

1. Sejauh manakah kinerja keuangan yang telah dicapai PT. CHS pada saat ini?
2. Faktor manakah yang dominan pengaruhnya terhadap kinerja keuangan PT. CHS dan industri sejenisnya di kawasan JABODETABEK?

Tujuan
Dengan merujuk permasalahan yang telah dirumuskan maka tujuan penelitian ini adalah sebagai berikut:

1. Untuk mengetahui kinerja keuangan yang telah dicapai PT. CHS pada saat ini.
2. Untuk mengetahui faktor yang dominan pengaruhnya terhadap kinerja keuangan PT. CHS dan industri sejenisnya di kawasan JABODETABEK.

Metode Analisis
Landasan dari penelitian ini menggunakan analisis rasio keuangan yang terdiri atas rasio Likuiditas, Profitabilitas dan Aktifitas. Ketiga jenis rasio tersebut akan di-implemantasikan dalam bentuk model linier. Lebih lanjut mengenai rasio-rasio yang terdapat dalam penelitian ini adalah sebagai berikut:

Rasio likuiditas (X1)
Rasio ini merupakan rasio ini mendeteksi likuiditas berdasarkan rasio total aktiva dan posisi modal kerja (X1) dimana modal kerja diperoleh dari selisih antara aktiva lancar dengan utang lancar. Untuk mendeteksi adanya masalah pada tingkat likuiditas perusahaan dapat menggunakan indikator-indikator internal dan beberapa indikator lainnya. Indikator internal mencakup, ketidakcukupan kas, utang dagang membengkak, utilisasi modal (harta kekayaan) menurun, penambahan utang yang tak terkendali. Pada umumnya, perusahaan yang mengalami kesulitan keuangan dan modal kerja nilai Z akan turun lebih cepat daripada total aktiva yang menyebabkan rasio ini turun.

Rasio Profitabilitas
Rasio ini dalam model disini ada dua, yaitu :
Rasio Profirabilitas I (X2)
Rasio Laba Ditahan dibandingkan dengan Total Aktiva (X2). Rasio ini mengukur kemampulabaan kumulatif dari perusahaan. Pada beberapa tingkat, rasio ini juga mencerminkan umur perusahaan. Semakin muda umur perusahaan semakin sedikit memiliki waktu untuk membangun laba kumulatif. Perusahaan yang mulai merugi akan mengalami penurunan nilai Z dari total laba ditahan.
Rasio Profitabilitas II (X3)
Rasio Laba Sebelum Bunga dan Pajak dibandingkan dengan Total Aktiva (X3). Rasio ini mengukur kemampulabaan, yaitu menghitung tingkat pengembalian aktiva dengan membagi laba sebelum bunga dan pajak (EBIT) tahunan perusahaan dengan total aktiva pada neraca akhir tahun. Selain itu, rasio ini berguna sebagai ukuran seberapa besar produktivitas penggunaan dana pinjaman. Apabila rasio ini lebih besar dari rata-rata tingkat bunga yang dibayar, itu berarti perusahaan menghasilkan uang yang lebih banyak daripada bunga pinjaman.

Rasio Aktivitas
Rasio ini dalam penelitian ini ada dua yaitu:
Rasio Aktivitas I (X4)
Nilai Pasar Ekuitas dibandingkan dengan Total Hutang (X4). Rasio ini mengukur kemampuan perusahaan dalam memberikan jaminan kepada setiap utangnya melalui modalnya sendiri. Sering juga rasio ini digunakan dalam bentuk persamaan Net worth/total debt untuk perusahaan yang tidak terdaftar di Bursa Efek Jakarta. Rasio ini merupakan kebalikan dari rasio utang per modal sendiri (DER). Nilai pasar ekuitas yang dimaksud disini adalah nilai pasar modal sendiri, yaitu perkalian jumlah saham perusahaan dengan harga pasar per lembar sahamnya. Perusahaan-perusahaan yang gagal, pada umumnya, mengakumulasikan lebih banyak utang dibandingkan dengan modal sendiri.
Rasio Aktivitas II (X5)
Penjualan dibandingkan dengan Total Aktiva (X5) atau Total Asset Turn Over Ratio. Rasio ini menunujukkan efektivitas penggunaan seluruh harta perusahaan dalam rangka menghasilkan atau menggambarkan berapa rupiah penjulan bersih yang dapat dihasilkan oleh setiap rupiah yang diinvestasikan dalam bentuk harta perusahaan. Kalau perputarannya lambat, itu menunjukkan bahwa perusahaan memiliki aktiva terlalu besar ketimbang kemampuan perusahaan untuk menjual.

Dalam bentuk model linier dapat dijabarkan sebagai berikut:

Z = b1X1 + b2X2 + b3X3 + b4X4 + b5X5

Data
Berikut adalah data yang diperoleh dari objek penelitian dan akan digunakan sebagai dasar analisis

Tabel 1. Data Keuangan

Tabel 2. Rasio Keuangan Kelompok Industri Sejenis

Analisis Data
Dari analisis yang telah dilakukan dengan memanfaatkan SPSS Ver. 15 diperoleh hasil model Z-Sebagai berikut:

Z=Y+2.444
Z= 1.571X2+7.736X3+0.199X4+0.856X5

Pada model tersebut terlihat rasio X1 tidak nampak pada model. Hal ini terjadi karena berdasarkan output dari SPSS rasio X1 dinyatakan tidak layak digunakan sebagai pembeda (discriminant). Sehingga pada model tidak dilibatkan rasio likuiditas, dengan demikian yang ada pada model adalah Rasio Profitabilitas dan Aktifitas.

Interpretasi
Untuk menentukan nilai Cut Off dari model Z dilakukan dengan menentukan nilai median. Sedangkan untuk menentukan batas-batas kriteria, hal ini dilakukan dengan mengukur penyimpangan maksimal yang terjadi antara nilai sampel dengan nilai Z. Berikut adalah hasil dari penentuan nilai Cut Off dan nilai batas-batas kriteria tersebut.

Tabel 3. Hasil Perhitungan Dalam Menentukan Fungsi Linier Model Diskriminan

Dari tabel di atas diketahui bahwa dari perhitungan nilai median didapat nilai median sebesar 5,256, dengan demikian dapat ditentukan nilai cutt off adalah 5,256. Selanjutnya juga dapat diketahui nilai penyimpangan terbesar adalah sebesar 0.250 (26.56%). Dari hasil perhitungan diperoleh Upper limit adalah 5,505, sedangkan untuk Lower limit adalah 5,006

Selanjutnya dapat ditentukan batasan dengan kriteria-kriteria sebagai berikut:

Jika nilai Z lebih kecil dari 5.006 maka perusahaan dikatagorikan mempunyai kinerja keuangan belum baik. Dan jika nilai Z lebih besar dari 5,505, maka perusahaan dapat dikatagorikan mempunyai kinerja keuangan yang sudah baik.

Pada tabel 3 diketahui dan diprediksikan bahwa kinerja keuangan PT. CHS mempunyai Zhitung dan Zmodel. Zmodel dari PT. CHS diketahui juga karena PT. CHS pun merupakan sampel dari analisis. Namun pada dasarnya Z-Score yang digunakan adalah Zhitung karena yang akan digunakan untuk mengukur kinerja keuangan perusahaan pada umumnya adalah Zhitung. Selanjutnya berdasarkan model yang didapat diketahui Z-Score­ (4,862) artinya selama tahun-tahun terakhir kriteria kinerja keuangan PT. CHS adalah tidak lebih baik jika dibandingkan dengan perusahaan lainnya pada kelompok industri yang sama. Adapun titik dari PT. CHS dapat diketahui sebagai berikut:

Tabel 4. Hasil Perhitungan Dalam Menentukan Fungsi Linier Model Diskriminan

Rekomendasi
Dari seluruh analisis yang telah dilakukan dapat diketahui bahwa yang pertama kali diperoleh adalah model Z-Score seperti di bawah ini.

Z= 1.571X2+7.736X3+0.199X4+0.856X5

Pada model terlihat rasio yang mempunyai koefisien tertinggi adalah adalah rasio EBIT terhadap total asset (X3) dengan demikian untuk meningkatkan kinerja keuangan yang paling penting diperhatikan adalah upaya untuk meningkatkan EBIT. Sedangkan yang terjadi pada PT. CHS adalah kriteria kinerja keuangan yang dinilai tidak lebih baik dari perusahaan sejenis lainnya. Sebagai faktor penyebab adalah rendahnya tingkat penjualan dibandingkan perusahaan lainnya.

DAFTAR PUSTAKA

Altmant, E., (1968), Financial Ratios, Discriminant Analysis And The Prediction Of Corporate Bankruptcy, Journal Of Finance, Sepetember, pp.589-610.
Boddie, ZVI., Kane, Alex., Marcus, Alan J., (1998), “Investments”, International Edition, Irwin McGraw Hill.
Sawir, Agnes., (2001), “Analisis Kinerja Keuangan dan Perencanaan Keuangan Perusahaan”, PT. Gramedia Pustaka Utama, Jakarta.
Muliaman D Hadad, Wimboh Santoso & Ita Rulina, (2003), Indikator Kepailitan di Indonesia: An Additional Early Warning Tools Pada Stabilitas Sistem Keuangan, BI Jurnal, pp. 2-33.