PENERAPAN FUZZY LOGIC PADA CAPITAL BUDGETING UNTUK ...
Transcript of PENERAPAN FUZZY LOGIC PADA CAPITAL BUDGETING UNTUK ...
PENERAPAN FUZZY LOGIC PADA CAPITAL BUDGETING
UNTUK MENGEVALUASI DAN MENGOPTIMALKAN
PROYEK INVESTASI
(Studi Kasus pada PT. Maruyung Permai)
Disusun oleh:
Dahlia
NIM: 105082002748
Jurusan Akuntansi
Fakultas Ekonomi dan Ilmu Sosial
Universitas Islam Negeri Syarif Hidayatullah
Jakarta
2010
i
PENERAPAN FUZZY LOGIC PADA CAPITAL BUDGETING
UNTUK MENGEVALUASI DAN MENGOPTIMALKAN
PROYEK INVESTASI
(Studi Kasus pada PT. Maruyung Permai)
Penelitian
Diajukan Kepada Fakultas Ekonomi dan Ilmu Sosial
untuk Memenuhi Syarat-Syarat Meraih Gelar Sarjana Ekonomi
Oleh:
Dahlia
NIM: 105082002748
Di Bawah Bimbingan
Pembimbing I Pembimbing II
Dr. Yahya Hamja, MM Hepi Prayudiawan SE, Ak, MM
NIP. 194906021978031001
Jurusan Akuntasi
Fakultas Ekonomi dan Ilmu Sosial
Universitas Islam Negeri Syarif Hidayatullah
Jakarta
2010
ii
Hari ini Jum’at Tanggal 13 Bulan November Tahun Dua Ribu Sembilan telah
dilakukan Ujian Komprehensif atas nama Dahlia NIM: 105082002748 dengan
judul Penelitian “PENERAPAN FUZZY LOGIC PADA CAPITAL
BUDGETING UNTUK MENGEVALUASI DAN MENGOPTIMALKAN
PROYEK INVESTASI” (Studi Kasus pada PT. Maruyung Permai).
Memperhatikan penampilan mahasiswi tersebut selama ujian berlangsung, maka
penelitian ini sudah dapat diterima sebagai salah satu syarat untuk memperoleh
gelar Sarjana Ekonomi pada Jurusan Akuntansi Fakultas Ekonomi dan Ilmu Sosial
Universitas Islam Negeri Syarif Hidayatullah Jakarta.
Jakarta, 13 November 2009
Tim Penguji Ujian Komprehensif
Rini SE.,Ak.,MSi Yessi Fitri SE.,Ak.,MSi
Ketua Sekretaris
Dr. Yahya Hamja, MM
Penguji Ahli
iii
Hari ini Jum’at Tanggal 19 Bulan Februari Tahun Dua Ribu Sepuluh telah
dilakukan Ujian Penelitian atas nama Dahlia NIM: 105082002748 dengan judul
Penelitian “PENERAPAN FUZZY LOGIC PADA CAPITAL BUDGETING
UNTUK MENGEVALUASI DAN MENGOPTIMALKAN PROYEK
INVESTASI” (Studi Kasus pada PT. Maruyung Permai). Memperhatikan
penampilan mahasiswi tersebut selama ujian berlangsung, maka penelitian ini
sudah dapat diterima sebagai salah satu syarat untuk memperoleh gelar Sarjana
Ekonomi pada Jurusan Akuntansi Fakultas Ekonomi dan Ilmu Sosial Universitas
Islam Negeri Syarif Hidayatullah Jakarta.
Jakarta, 19 Februari 2010
Tim Penguji Ujian Penelitian
Dr. Yahya Hamja, MM
Ketua
Rini SE., Ak., MSi
Sekretaris
Dr. Amilin
Penguji Ahli I
Yesi Fitri SE., Ak., MSi Penguji Ahli II
iv
DAFTAR RIWAYAT HIDUP
I. IDENTITAS PRIBADI
1.
2.
3.
4.
5.
Nama :
Tempat/Tanggal Lahir :
Alamat :
Alamat Email :
Telepon :
Dahlia
Jakarta, 14 April 1985
Jl. Gelora VIII Rt. 03/02 No. 1
Jakarta Pusat 10270.
021-5331248/021-99219927/08170035058
II. PENDIDIKAN
1.
2.
3.
4.
SD :
SMP :
SMA :
S1 :
SDI Al-Huda Jakarta
MTs Al-Falah Jakarta
SMUN 32 Jakarta
UIN Syarif Hidayatullah Jakarta
III. PENGALAMAN ORGANISASI
1. BEM : Bagian Humas BEMJ Akuntansi Tahun
2006 – 2007
IV. PENGALAMAN KERJA
1. Freelance sebagai interviewer di Litbang Harian Kompas dari Tahun
2006 - 2009
2. Freelance sebagai konfirmator pada Quick Account dan Exit Poll
Pilkada Jabar di Litbang Harian Kompas Tahun 2008.
v
3. Praktek Kerja Lapangan / Magang di Bank Indonesia di bagian
Direktorat Hukum (DHk) Tahun 2008.
4. Freelance sebagai interviewer “Program TV Ramadhan” di SCTV
Tahun 2008.
5. Sebagai Tutor di Primagama Golden Madrid, BSD, dari tanggal 4
Januari 2009 s/d 23 April 2009
6. Freelance sebagai interviewer Turlap “DAS Ciliwung” di Litbang
Harian Kompas Tahun 2009.
7. Freelance sebagai interviewer Turlap “Pilpres” di Litbang Harian
Kompas Tahun 2009.
V. LATAR BELAKANG KELUARGA
1.
2.
3.
4.
5.
6.
7.
8.
9.
Ayah :
Tempat/Tanggal Lahir :
Alamat :
Telepon :
Ibu :
Tempat/Tanggal Lahir :
Alamat :
Telepon :
Anak Ke dari :
Nur Ali
Jakarta, 5 Oktober 1951
Jl. Gelora VIII Rt. 03/02 No. 1
Jakarta Pusat 10270.
021-5331248
Hamidah
Jakarta, 26 Mei 1954
Jl. Gelora VIII Rt. 03/02 No. 1
Jakarta Pusat 10270.
021-5331248
7 dari 11 bersaudara
vi
APPLICATION OF FUZZY LOGIC ON CAPITAL BUDGETING FOR
EVALUATION AND OPTIMIZATION INVESTMENT PROJECT
(Case Study at PT. Maruyung Permai)
By:
Dahlia
105082002748
Abstract
The purpose of this research is to used fuzzy logic on capital budgeting
from investment project at PT. Maruyung Permai and then compare it with
conventional capital budgeting. This research describe some technique to
evaluate interval fuzzy from NPV and IRR so it can maximize profit and minimize
risk in the same time.
This research used descriptive analysis method and for the calculation
method using basic principle of arithmetic for fuzzy number and used bisection
method in searching for fuzzy IRR value. The result of fuzzy capital budgeting
gives more better investment decision or more relevant in application compare
with conventional capital budgeting.
Keywords: Capital budgeting, fuzzy interval evaluation; risk minimization, profit
maximization.
vii
PENERAPAN FUZZY LOGIC PADA CAPITAL BUDGETING UNTUK
MENGEVALUASI DAN MENGOPTIMALKAN PROYEK INVESTASI
(Studi Kasus pada PT. Maruyung Permai)
Oleh:
Dahlia
105082002748
Abstraksi
Tujuan dari penelitian ini adalah menerapan fuzzy logic pada capital
budgeting dari proyek investasi PT. Maruyung Permai dan membandingkannya
dengan perhitungan capital budgeting konvensional. Penelitian ini menyajikan
tehnik untuk evaluasi internal fuzzy dari NPV dan IRR sehingga dapat
memaksimalkan keuntungan dan meminimalkan risiko pada waktu yang sama.
Penelitian ini menggunakan metode analisis deskriptif dan metode
perhitungannya menggunakan prinsip dasar aritmatika pada bilangan fuzzy serta
menggunakan metode komputasi bisection dalam menghitung IRR fuzzy. Hasil
dari penelitian ini adalah fuzzy capital budgeting memberikan keputusan investasi
yang lebih baik atau lebih relevan pada aplikasinya dibandingkan dengan capital
budgeting konvensional
Kata kunci: Capital budgeting, evaluasi internal fuzzy; meminimalkan risiko,
memaksimalkan keuntungan.
viii
KATA PENGANTAR
Bismillahirrohmaanirrahiim.
Assalamu’alaikum Wr. Wb.
Alhamdulillah segala puji bagi Allah SWT atas segala rahmat dan
karunia-Nya sehingga penulis dapat menyelesaikan penelitian ini sebagai syarat
untuk meraih gelar sarjana. Shalawat dan salam semoga selalu tercurah kepada
Nabi Muhammad SAW dan semoga kita mendapat syafa’at dari Beliau di akherat
kelak.
Fuzzy logic atau logika samar adalah bidang ilmu pengetahuan yang baru
berkembang pada tahun 1965-an oleh Lotfi A. Zadeh. Fuzzy logic adalah system
lokiga baru yang merupakan perluasan dari logika klasik, hal tersebut membuat
fuzzy logic sangat menarik untuk diteliti dan dikembangkan lebih lanjut.
Walaupun pada awalnya fuzzy logic bukan dikhususkan pada bidang ekonomi,
ternyata pada perkembangannya fuzzy logic sangat bermanfaat pada bidang
ekonnomi.
Penelitian ini memfokuskan untuk membahas tentang fuzzy logic pada
capital budgeting. Penulis mencoba membandingkan capital budgeting
konvensional dengan fuzzy capital budgeting.
Penulis menyadari bahwa dalam penelitian ini masih banyak terdapat
kekurangan, dengan penuh kerendahan hati maka penulis mengharapkan saran
dan kritik dari pembaca untuk perbaikan dan pengembangan penelitian
selanjutnya.
ix
Dalam kesempatan ini, penulis ingin mengucapkan terima kasih kepada
seluruh pihak yang berjasa bagi penulis dalam menyelesaikan penelitian ini:
1. Untuk orang tuaku tercinta yang selalu memberikan dukungan berupa
materi, do’a dan kasih sayang, serta untuk seluruh anggota keluarga di
rumah.
2. Bapak Dr. Yahya Hamja, MM., selaku pembimbing pertama, yang telah
memberikan banyak ilmu dan waktunya kepada penulis sehingga penelitian
ini dapat terselesaikan.
3. Bapak Hepi Prayudiawan SE, Ak, MM., selaku pembimbing kedua, yang
telah memberikan masukan dan pengarahan kepada penulis untuk
penyempurnaan penelitian ini.
4. Bapak Prof. Dr. Abdul Hamid, selaku Dekan Fakultas Ekonomi dan Ilmu
Sosial UIN Syarif Hidayatullah Jakarta.
5. Bapak Afif Sulfa, SE, Ak, MSi., selaku Ketua Jurusan Akuntansi.
6. Ibu Yesi Fitri, SE, Ak, MSi., selaku Sekretaris Jurusan Akuntansi.
7. Para Dosen Fakultas Ekonomi dan Ilmu Sosial UIN Syarif Hidayatullah
Jakarta.
8. Seluruh Staff Bagian Keuangan, Akademik, dan Kemahasiswaan Fakultas
Ekonomi dan Ilmu Sosial UIN Syarif Hidayatullah Jakarta.
9. Para pegawai Perpustakaan FEIS dan Perpustakaan Utama UIN Jakarta.
10. Ibu Nenik dan Dicky Setiawan atas sumber data penelitian ini.
11. Irianto atas kesabaran dan perhatiannya dalam membantu penulis
menyelesaikan penelitian ini.
x
12. Untuk Hany Namira, terima kasih telah memberikan motivasi dan semangat
kepada penulis.
13. Untuk teman-teman Akuntansi E, teman-teman Akmen, dan teman-teman
akuntansi Angkatan 2005, serta semua pihak yang telah membantu penulis
menyelesaikan penelitian ini baik langsung ataupun tidak langsung yang
tidak dapat disebutkan satu persatu, penulis ucapkan terima kasih.
Wassalamu’alaikum
Jakarta, April 2010
Penulis
xi
DAFTAR ISI
Lembar Pengesahan
Penelitian…………………………………………………………
Lembar Pengesahan Ujian Komprehensif…………………………………………..
Lembar Pengesahan Ujian
Penelitian………………………………………………......
Daftar Riwayat Hidup……………………………………………………………….
Abstract……………………………………………………………………………...
Abstraksi…………………………………………………………………………….
Kata Pengantar………………………………………………………………………
Daftar Isi………………………………………………………………………….....
Daftar Gambar………………………………………………………………………
Daftar Lampiran…………………………………………………………………......
Daftar Rumus……………………………………………………………………......
Daftar Tabel…………………………………………………………………………
i
ii
iii
iv
vi
vii
viii
xi
xv
xvi
xvii
xix
BAB I PENDAHULUAN 1
A. Latar Belakang Penelitian…………………………………………... 1
B. Perumusan Masalah………………………………………………… 6
C. Tujuan dan Manfaat Penelitian……………………………………... 7
1. Tujuan Penelitian……………………………………………….. 7
2. Manfaat Penelitian……………………………………………… 7
BAB II LANDASAN TEORI 8
xii
A. Capital Budgeting…………………………………………………………. 8
1. Definisi Capital Budgeting……………………………………... 8
2. Pentingnya Capital Budgeting…………………………………. 9
3. Kategori Keputusan Capital Budgeting……………………..... 10
4. Aturan Keputusan Capital Budgeting…………………………. 11
a. Periode Pembayaran Kembali (Payback Period)... 12
b. Metode Nilai Sekarang Bersih (NPV/Net Present
Value)…………………………………………….. 13
c. Metode Pengembalian Internal (IRR-Internal Rate
Of Return)………………………………………... 16
d. Metode IRR yang Dimodifikasi (MIRR-Modified
IRR)……………………………………………….
18
B. Analisis Risiko……………………………………………………… 20
1. Pengertian Risiko…………………………………………… 20
2. Macam - Macam Risiko……………………………………. 20
3. Metode Penaksiran Risiko………………………………….. 21
4. Pendekatan Lain Menilai Risiko dalam Capital Budgeting… 23
C. Logika……………………………………………………………..... 25
1. Logika Klasik (Crisp)………………………………………. 26
2. Logika Samar (Fuzzy Logic)…………………………………… 27
D. NPV Fuzzy, Analisis Risiko Fuzzy, dan IRR Fuzzy…………………… 29
1. NPV Fuzzy dan Analisis Risiko Fuzzy………………………… 29
xiii
2. IRR Fuzzy…………………………………………………………. 35
E. Kerangka Pemikiran………………………………………………… 38
BAB III METODOLOGI PENELITIAN 40
A. Ruang Lingkup Penelitian…………………………………………... 40
B. Metode Pengumpulan Data…………………………………………. 40
C. Metode Analisis…………………………………………………….. 40
BAB IV HASIL DAN PEMBAHASAN 42
A. Gambaran Umum Perusahaan……………………………………… 42
1. Sejarah Singkat Perusahaan………………………………… 42
2. Struktur Organisasi…………………………………………. 43
B. Hasil dan Pembahasan………………………………………………. 46
1. Perhitungan Capital Budgeting Konvensional……………... 49
2. Perhitungan Fuzzy Capital Budgeting……………………… 50
a. NPV Fuzzy……………………………………………………. 50
b. IRR Fuzzy…………………………………………………….. 53
c. Analisis Risiko Fuzzy……………………………………….. 56
3. Perbandingan Hasil Perhitungan Capital Budgeting
Konvensional dengan Fuzzy Capital Budgeting…………….
56
BAB V KESIMPULAN DAN IMPLIKASI 58
A. Kesimpulan………………………………………………………….. 58
xiv
B. Implikasi…………………………………………………………….. 59
C. Keterbatasan……………………………………………………........ 59
D. Saran………………………………………………………………… 60
DAFTAR PUSTAKA……………………………………………… 61
LAMPIRAN………………………………………………………... 63
xv
DAFTAR GAMBAR
Nomor Keterangan Halaman
1.1 Proyek Investasi 2 Fase…………………………………………..... 3
2.1 Fungsi Keanggotaan Klasik Himpunan Usia Muda........................ 27
2.2 Fungsi Keanggotaan Fuzzy Himpunan Usia Muda......................... 28
2.3
Interval Fuzzy Untuk Parameter Tak Tentu Pt dan Fungsi
Keanggotaan (Pt )…………………………………………………….. 30
2.4 NPV Interval Fuzzy yang Dihasilkan……………………………... 34
2.5 Interval NPV untuk Nilai d yang Berbeda………………………... 36
2.6 Alur Kerangka Pemikiran………………………………………… 39
4.1 Himpunan Fuzzy Untuk NPV Fase I……………………………… 52
4.2 Himpunan Fuzzy Untuk NPV Fase II…………………………….. 53
xvi
DAFTAR LAMPIRAN
Nomor Keterangan Halaman
1
2
3
4
5
6
7
8
9
10
xvii
DAFTAR RUMUS
Nomor Keterangan Halaman
1.1 Rumus NPV……………………………………………………………. 1
1.2 Rumus IRR…………………………………………………………….. 2
1.3 Rumus IRR pada setiap level- ………………………………… 5
1.4 Rumus IRR pada setiap level- dengan aturan aritmatika……... 5
2.1 Rumus periode pembayaran kembali (payback periode)............. 12
2.2 Rumus NPV……………………………………………………………. 13
2.3 Rumus NPV dalam Masalah Penggantian Aktiva……………… 15
2.4 Rumus IRR…………………………………………………………….. 17
2.5 yang Dimodifikasi (MIRR-Modified IRR)………………… 19
2.6 Rumus pendekatan tingkat kepastian setara……………………. 21
2.7 Rumus pendekatan tingkat diskonto dengan risiko yang
disesuaikan……………………………………………………… 22
2.8 Rumus analisis NPV untuk menilai risiko dengan distribusi
normal…………………………………………………………... 25
2.9 Rumus deviasi standar NPV…………………………………………. 25
2.10 Rumus untuk mencari sebaran normal baku……………………. 25
2.11 Nilai keanggotaan himpunan klasik usia muda............................ 27
2.12 Nilai keanggotaan himpunan fuzzy usia muda.............................. 29
2.13 Operasi aritmatika fuzzy…………………………………………....... 31
2.14 Fungsi aritmatika fuzzy………………………………………………. 32
xviii
2.15 Penjabaran dari fungsi aritmatika fuzzy……………………………. 32
2.16 Himpunan tingkatan ketidakfuzzy-an dari subhimpunan fuzzy…. 33
2.17 Rumus tingkat ke-fuzzy-an……………………………………… 33
2.18 Transformasi dari rumus tingkat ke-fuzzy-an…………………... 34
2.19 Rumus IRR yang terkorespondensi dengan ………….. 35
2.20 Pembagian rumus IRR yang terkorespondensi dengan setiap
………………………………………………………... 35
2.21 Rumus IRR min fuzzy………………………………………………….. 37
2.22 Rumus IRR max fuzzy………………………………………………….. 37
2.23 Risiko proyek investasi dari perhitungan IRR fuzzy……………… 38
3.1 Fungsi aritmatika fuzzy………………………………………………. 41
3.2 Penjabaran dari fungsi aritmatika fuzzy……………………………. 41
xix
DAFTAR TABEL
Nomor Keterangan Halaman
4.1 Rekapitulasi Biaya Perum Griya Ciledug Tahun 2003 (Kvt)…….. 46
4.2 Rekapitulasi Biaya Perum Griya Ciledug Tahun 2004 (KVt)……... 47
4.3 Rekapitulasi Biaya Perum Griya Ciledug Tahun 2005 (KVt)……... 47
4.4 Rekapitulasi Biaya Perum Griya Ciledug Tahun 2006 (KVt)……... 47
4.5 Rekapitulasi Biaya Perum Griya Ciledug Tahun 2007 (KVt)……... 48
4.6 Rekapitulasi Biaya Perum Griya Ciledug Tahun 2008 (KVt)……... 48
4.7 Rekapitulasi Harga Jual Perum Griya Ciledug dari Tahun 2003-
2008 (Pt)………………………………………………………………… 48
4.8 KVt (Modal Investasi Tahun t) Fuzzy………………………………... 50
4.9 Pt (Arus Kas Masuk Tahun t) Fuzzy…………………………………. 51
4.10 d (Discount Rate) Fuzzy……………………………………………….. 51
4.11 Nilai NPV untuk kedua fase dengan fuzzy…………………………... 52
4.12 Perhitungan IRR fuzzy untuk fase I………………………………. 55
4.13 Perhitungan IRR fuzzy untuk fase II……………………………… 55
4.14 Hasil perhitungan IRR fuzzy untuk kedua fase…………………… 56
4.15 Perbandingan hasil perhitungan capital budgeting konvensional
dengan fuzzy capital budgeting……………………………………….. 56
1
BAB I
PENDAHULUAN
A. Latar Belakang Masalah
Persaingan dalam dunia usaha saat ini semakin ketat. Perusahaan dituntut
agar lebih kompetitif dalam menjalankan usahanya. Salah satu usaha yang dapat
dilakukan oleh perusahaan adalah dengan cara membuat capital budgeting yang
cermat dalam suatu kegiatan investasi. Perencanaan capital budgeting yang baik
akan membuat perusahaan tidak melakukan investasi yang berlebihan atau
kurangnya investasi guna meminimalkan tingkat risiko yang akan terjadi dan
memaksimalkan laba perusahaan.
Pendekatan untuk masalah capital budgeting banyak sekali parameternya,
antara lain adalah: Net Present Value , Internal Rate of Return ,
Payback Period , dan Modified Internal Rate of Return . Parameter-
parameter tersebut biasa digunakan untuk estimasi kualitas dan yang paling
banyak digunakan adalah dan (Sevastjanov et. al., 2006).
Penelitian ini hanya didasarkan pada analisis dan IRR. NPV
dirumuskan (Sevastjanov et. al., 2006) sebagai berikut:
(1.1)
adalah discount rate, adalah produksi tahun pertama, adalah
investasi tahun terakhir, adalah modal investasi tahun , adalah arus kas
masuk pada tahun , adalah waktu dari proyek investasi. Biasanya, discount rate
bernilai sama dengan interest rate bank di negara tempat berinvestasi atau nilai
2
lain yang berhubungan dengan profit rate dari modal investasi yang lain. Ekonomi
dasar dari dapat dijelaskan sebagai berikut: alternatif dari proyek analisa,
deposito dalam beberapa bunga bank didistribusikan pada waktu yang sama
seperti pertimbangan analisa investasi. Semua keuntungan yang dihasilkan juga
didepositokan dengan tingkat bunga yang sama. Jika discount rate sama dengan
, investasi akan memberikan jumlah pendapatan yang sama dengan deposito
sehingga keduanya sama secara ekonomi. Jika discount rate bank yang
sebenarnya kurang dari , investasi pada sebuah proyek lebih diutamakan.
Karena itu adalah threshold discount rate membagi efektif dan inefektif
proyek investasi. Nilai adalah solusi untuk mencari dari persamaan non
linear (Sevastjanov et. al., 2006) sebagai berikut:
(1.2)
Estimasi dengan sering digunakan sebagai langkah awal dari analisis
keuangan. Hanya proyek dengan tidak di bawah nilai batasan, contoh: 15-
20%, dapat dipilih untuk pertimbangan lebih lanjut.
Ada dua permasalah dalam capital budgeting. Yang pertama, akar ganda
pada persamaan (1.2) yang dikenal sebagai masalah berganda. Permasalahan
kedua adalah negatif (Pavel Sevastjanov et. al., 2006). Masalah akar
berganda muncul ketika terjadi negatif cash flow setelah memulai investasi. Pada
kenyataannya, kejadian negatif cash flow setelah investasi awal biasanya
diperlakukan sebagai force majeur local atau bahkan kegagalan proyek total. Itu
sebabnya kenapa pada tahap perencanaan, investor berusaha menghindari segala
3
kemungkinan munculnya negatif cash flow, kecuali pada kasus ketika mereka
berhubungan dengan proyek jangka panjang yang mengandung beberapa fase
(lihat gambar 1.1) yang merupakan proyek dua fase biasa. Setelah investasi awal,
proyek memberikan keuntungan yang dapat dipertimbangkan pada waktu
sebagian dari jumlah arus kas masuk dan mungkin tambahan produk bank
diinvestasikan sekali lagi.
Gambar 1.1
Proyek Investasi 2 Fase
Sumber: Sevastjanov et. al. (2006)
Faktanya, investor membeli alat produksi yang baru dan gedung
(menciptakan perusahaan baru) dan dalam sudut pandang investor proyek baru
dimulai. Mudah untuk diketahui bahwa investor kreditor yang tertarik dalam
pembayaran ulang dari kredit selalu menganalisa bagian dan . Hal
tersebut hanyalah rencana investasi rutin, tidak ada pertimbangan teoritis yang
dapat ditemukan dalam buku keuangan. Disisi lain, pemisahan baik dari proyek
yang berbeda menunjukkan naluri ekonomi dari modal investasi menjadi lebih
4
baik. Bahkan jika kita lihat proyek dua fase sebagai satu kesatuan, kita sering
mendapatkan terjadi dengan dua akar yang sangat berbeda sehingga tidak
mungkin dibuat satu keputusan. Sehingga kita dapat mengatakan bahwa masalah
nilai ganda hanya terjadi pada teori tidak pada kenyataan dari modal
investasi. Karena itu, hanya kasus ketika persamaan (1.2) mempunyai akar
tunggal yang akan dianalisa pada penelitian ini. Sama dengan sebelumnya,
masalah nilai negatif sepertinya hanya buatan saja. Jelas bahwa, proyek
investasi apapun dengan invesmen negatif harus ditolak pada tahap perencanaan.
Fokus dari penelitian ini adalah saat ini pendekatan konvensional dari
evaluasi , , dan parameter keuangan lainnya mendapat banyak kritikan,
karena arus kas masuk masa mendatang , modal investasi dan tingkat
adalah parameter yang tak tentu. Ketidaktentuan ini dari capital budgeting
berbeda dari kasus di mana pembagian ramalan harga tidak dapat dideskripsikan
dalam teori probabilitas. Dalam modal investasi, seseorang biasanya berhadapan
dengan rencana bisnis jangka panjang sebagai kenyataan. Dalam kasus tertentu,
deskripsi dari ketidaktentuan dengan menggunakan kerangka konvensional
metode probabilitas yang biasanya tidak dapat dilakukan karena tidak terdapat
informasi objektif tentang probabilitas kejadian di masa depan sehingga yang
benar-benar tersedia pada kasus ini adalah perkiraan para ahli. Pada situasi dunia
nyata, investor atau para ahli yang terlibat dapat memprediksi secara yakin hanya
interval nilai dan yang mungkin dan kadang-kadang nilai yang paling
diharapkan dalam interval ini. Karena itu dalam dua dekade terakhir penggunaan
5
dari interval aritmatik dan teori himpunan fuzzy dalam budgeting diobservasi dan
dengan alasan itu penulis termotivasi untuk melakukan penelitian ini.
Fuzzy budgeting digagas oleh T.L. Ward dan J.U. Buckley dan telah
banyak mengalami pengembangan setelah itu. Bahkan saat ini dapat dikatakan
hampir semua masalah estimasi fuzzy telah terselesaikan, tetapi masalah
menarik dan penting dari project risk assessment menggunakan fuzzy dapat
prioritas utama (Sevastjanov et. al., 2006).
Masalah yang tidak terselesaikan adalah estimasi fuzzy IRR. Di mana
persamaan (1.2) terdapat ekspresi yang tidak dapat diterapkan pada kasus fuzzy
karena sisi kiri persamaan (1.2) adalah fuzzy, dan sisi kanan 0 adalah tegas (crisp)
dan persamaan ini tidak mungkin karena persamaan (1.2) tidak memiliki arti
(tidak dapat diterapkan) dari sudut pandang fuzzy.
Metode untuk estimasi fuzzy yang diajukan adalah di mana -cut
yang merepresentasikan bilangan fuzzy digunakan. Metode ini didasarkan pada
asumsi bahwa himpunan persamaan untuk penentuan pada setiap level-
dapat dituliskan (Sevastjanov et. al., 2006) sebagai berikut:
(1.3)
Di mana , adalah representasi interval
tegas dari fuzzy cash flow pada level- . Dari persamaan (1.3) semua interval tegas
menyatakan nilai fuzzy dapat ditemukan. Sayangnya
terdapat sedikit kesalahan pada persamaan (1.3). Dengan menggunakan aturan
6
aritmatik sederhana, interval tegas kanan adalah representasi dari persamaan (1.2)
pada level- harus ditulis (Sevastjanov et. al., 2006) sebagai berikut:
(1.4)
Dari persamaan (1.4) tidak mungkin didapatkan interval , tetapi
ketegasannya dapat dicapai. Masalah lain yang tidak terdapat pada litelatur
adalah mengoptimalkan cash flows. Selanjutnya penelitian ini terdiri atas bagian-
bagian sebagai berikut: yang pertama, sebuah metode untuk estimasi fuzzy
dijelaskan dan kemungkinan dari pendekatan pada estimasi risiko. Selanjutnya,
sebuah metode untuk solusi tegas persamaan (1.2) untuk masalah fuzzy cash flows
digunakan untuk mengoptimalkan cash flows yang memaksimalkan profit dan
meminimalkan resiko.
Penelitian ini adalah replikasi dari penelitian yang dilakukan oleh
Sevastjanov et. al. (2006). Perbedaan penelitian ini dengan penelitian sebelumnya
adalah: pertama, penelitian sebelumnya hanya menekankan hasil perhitungan
capital budgeting pada satu nilai saja sehingga pada kenyataannya sulit
diterapkan. Kedua, arus kas masuk masa mendatang, modal investasi dan tingkat
diskonto adalah parameter yang tak tentu sehingga depenelitian dari
ketidaktentuan tersebut sulit dilakukan dengan metode probabilitas karena tidak
terdapat informasi objektif tentang probabilitas kejadian di masa depan (Junardy
dkk., 2005)
Fuzzy logic adalah sistem logika baru yang banyak sekali manfaatnya
antara lain pada capital budgeting. Oleh karena itu, penulis melakukan penelitian
pada penelitian ini dengan judul “Penerapan Fuzzy logic pada Capital Budgeting
7
untuk Mengevaluasi dan Mengoptimalkan Proyek Investasi (Studi Kasus pada PT.
Maruyung Permai)”.
B. Perumusan Masalah
Perumusan masalah dalam penelitian ini adalah sebagai berikut:
1. Bagaimana perhitungan capital budgeting konvensional dengan menggunakan
pendekatan dan ?
2. Bagaimana perhitungan fuzzy capital budgeting dengan menggunakan
pendekatan dan ?
3. Apakah penerapan fuzzy logic pada capital budgeting dengan pendekatan
dan dapat memberikan hasil lebih baik dibandingkan dengan capital
budgeting konvensional?
C. Tujuan dan Manfaat Penelitian
Tujuan dari penelitian ini adalah:
1. Untuk mengetahui bagaimana perhitungan capital budgeting konvensional
dengan menggunakan pendekatan dan
2. Untuk mengetahui bagaimana perhitungan fuzzy capital budgeting dengan
menggunakan pendekatan dan ?
3. Untuk mengetahui apakah penerapan fuzzy logic pada capital budgeting
dengan pendekatan dan dapat memberikan hasil lebih baik
dibandingkan dengan capital budgeting konvensional.
8
Manfaat dari penelitian ini adalah:
1. Bagi perusahaan, dengan penelitian ini diharapkan dapat dijadikan sebagai
bahan referensi untuk pengambilan keputusan dalam capital budgeting pada
proyek investasi.
2. Bagi akademik, penelitian ini diharapkan dapat memperkaya ilmu
pengetahuan dan bermanfaat sebagai bahan masukan bagi pembaca serta dapat
menambah wawasan.
3. Bagi penulis, penelitian ini berguna untuk menambah pengetahuan penulis
mengenai alternatif perhitungan pada dan sehingga memberikan
keputusan investasi yang lebih relevan dalam aplikasinya.
9
BAB II
LANDASAN TEORI
A. Capital Budgeting
1. Definisi Capital Budgeting
Istilah modal (capital) mengacu kepada aktiva-aktiva jangka panjang
yang digunakan dalam produksi, sedangkan anggaran (budget) adalah
sebuah rencana yang memerinci proyeksi-proyeksi arus kas masuk dan keluar
selama suatu periode tertentu di masa mendatang. Jadi, anggaran modal
(capital budget) adalah suatu uraian investasi yang telah direncanakan pada
aktiva tetap.
Capital budgeting menurut Brigham dan Houston (2006) adalah
seluruh proses menganalisis proyek dan memutuskan proyek mana yang akan
dimasukkan di dalam anggaran modal.
Capital budgeting menurut Shim dan Siegel (2000) adalah proses
pengambilan keputusan atas rencana jangka panjang berupa investasi modal.
Capital budgeting menurut Garrison et. al. (2006) adalah investasi
suatu perusahaan di masa sekarang dengan memasukan dana untuk menerima
pengembalian di masa yang akan datang.
Capital budgeting menurut Blocher et. al. (2007) adalah proses
mengidentifikasi, mengevaluasi, dan memilih proyek-proyek yang
membutuhkan komitmen dari dana yang berjumlah besar dan akan
menghasilkan keuntungan besar di masa depan.
Berdasarkan beberapa definisi tersebut, maka dapat penulis simpulkan
bahwa capital budgeting adalah proses mengidentifikasi, mengevaluasi, dan
memilih proyek investasi mana yang akan dilakukan dengan
mempertimbangkan tingkat pengembalian yang diharapkan di masa yang akan
datang.
10
2. Pentingnya Capital Budgeting
Keputusan capital budgeting harus dihubungkan dengan perencanaan
strategi perusahaan yang menyeluruh. Strategi meliputi perencanaan untuk
masa depan perusahaan. Capital budgeting secara inheren memerlukan
komitmen terhadap masa depan. Sejumlah faktor digabungkan untuk membuat
capital budgeting menjadi salah satu fungsi yang mungkin paling penting
diantara keseluruhan fungsi yang harus dilakukan oleh para manajer keuangan
dan staf-stafnya, karena hasil keputusan dari capital budgeting akan terus
berlangsung selama bertahun-tahun, perusahaan akan kehilangan sebagian
fleksibilitasnya.
Capital budgeting harus diintegrasikan dengan perencanaan strategi
karena investasi yang berlebihan atau investasi yang tidak mencukupi akan
mempunyai konsekuensi yang serius terhadap masa depan perusahan. Jika
perusahaan menanamkan terlalu banyak dalam aktiva tetap, perusahaan akan
menanggung beban-beban berat yang tidak perlu (seperti beban depresiasi
peralatan). Jika yang ditanamkan tidak cukup, akan ada dua masalah yang
timbul. Pertama, peralatan dan perangkat lunak komputer yang dimilikinya
mungkin tidak cukup modern untuk memungkinkannya melakukan produksi
secara kompetitif. Kedua, perusahaan akan mempunyai kapasitas yang tidak
memadai dan dapat kehilangan pangsa pasarnya untuk direbut perusahaan-
perusahaan saingannya. Mendapatkan kembali konsumen yang hilang adalah
sulit dan mahal, karena beban panjualan yang tinggi, pengurangan harga, atau
11
peningkatan mutu produk, yang semuanya membutuhkan biaya yang cukup
besar.
Waktu juga memegang peranan penting, aktiva modal harus tersedia
ketika dibutuhkan. Capital budgeting yang efektif dapat meningkatkan
ketepatan waktu maupun mutu dari akuisisi aktiva. Capital budgeting
umumnya melibatkan pengeluaran-pengeluran yang subtansial, dan sebelum
menghabiskan sejumlah besar uang, perusahaan harus menyusun rencana yang
matang. Sejumlah dana yang besar tidak akan tersedia secara otomatis. Oleh
karena itu, sebuah perusahaan yang sedang mempertimbangkan untuk
menjalankan sebuah program capital budgeting utama sebaiknya
merencanakan pendanaannya cukup jauh sebelumnya untuk memastikan
adanya ketersediaan dana yang diperlukan dalam program perluasan
perusahaan itu.
3. Kategori Keputusan Capital Budgeting
Keputusan capital budgeting menurut Garrison et. al. (2006) meliputi:
a. Keputusan pemangkasan biaya. Apakah seharusnya peralatan baru dibeli
untuk menurunkan biaya?
b. Keputusan ekspansi. Apakah seharusnya ditambah suatu pabrik baru,
gudang atau fasilitas lain untuk meningkatkan kapasitas atau penjualan?
c. Keputusan penyeleksian peralatan. Dari beberapa mesin yang tersedia
manakah yang sangat efektif dari segi biaya untuk dibeli?
d. Keputusan membeli atau menyewa. Peralatan baru seharusnya dibeli atau
disewa?
12
e. Keputusan penggantian peralatan. Seharusnya peralatan lama diganti
sekarang atau nanti?
Keputusan capital budgeting menurut Garrison et. al. (2006)
cenderung dibagi ke dalam dua kategori besar, yaitu:
a. Keputusan screening, berkaitan dengan apakah proyek yang diusulkan
memenuhi standar penerimaan yang telah ditetapkan sebelumnya. Sebagai
contoh, suatu perusahaan mungkin mempunyai kebijakan menerima
proyek jika proyek tersebut menjanjikan pengembalian, katakanlah 20%
dari investasi. Tingkat kembalian yang disyaratkan adalah tingkat
pengembalian minimum suatu proyek yang harus dihasilkan dapat
diterima.
b. Keputusan preference, berkaitan dengan seleksi diantara beberapa bagian
tindakan yang memiliki daya saing. Sebagai contoh, suatu perusahaan
mungkin mempertimbangkan lima mesin yang berbeda untuk
menggantikan mesin yang ada di bagian perakitan. Pilihan mesin yang
mana untuk dibeli adalah keputusan pemilihan.
Berdasarkan dari uraian di atas, maka dapat penulis simpulkan bahwa
keputusan capital budgeting meliputi pemangkasan biaya, espektasi,
penyelesaian peralatan, membeli atau menyewa, dan penggantian peralatan.
Sedangkan secara garis besar keputusan capital budgeting dibagi ke dalam
dua kategori yaitu keputusan screening dan keputusan preference.
13
4. Aturan Keputusan Capital Budgeting
Menurut Keown et. al. (2008) ada empat kriteria paling umum yang
dapat digunakan untuk menentukan apakah sebaiknya proyek itu diterima atau
ditolak di dalam capital budgeting, yaitu:
a. Periode pembayaran kembali (Payback Period)
b. Metode nilai sekarang bersih (NPV-Net Present Value)
c. Tingkat pengembalian internal (IRR- Internal Rate of Return)
d. Metode IRR yang dimodifikasikan (MIRR-Modified IRR)
a. Periode Pembayaran Kembali (Payback Period)
Menurut Keown et. al. (2008) periode pembayaran kembali
(payback period) adalah suatu kriteria capital budgeting yang
digambarkan sebagai jumlah tahun yang diperlukan untuk mengembalikan
investasi ke awal.
Menurut Garrison et. al. (2006) periode pembayaran kembali
(payback period) adalah lamanya waktu yang dibutuhkan suatu proyek
untuk mengganti biaya awal dari penerimaan kas yang ditimbulkannya.
Berdasarkan definisi di atas, periode pembayaran kembali
(payback period) adalah suatu kriteria capital budgeting yang
digambarkan sebagai jumlah waktu yang dibutuhkan untuk menutupi atau
mengganti biaya awal dari penerimaan kas yang ditimbulkannya.
Periode pembayaran kembali (payback periode) menurut Garrison
et. al. (2006) dapat dihitung dengan rumus sebagai berikut:
(2.1)
Keunggulan periode pembayaran kembali (payback periode)
menurut Keown et. al. (2008) adalah:
14
1. Menggunakan arus kas bebas.
2. Mudah dihitung dan dipahami.
3. Dapat digunakan sebagai alat penyaring kasar.
Sedangkan kelemahan periode pembayaran kembali (payback
periode) adalah:
1. Mengabaikan nilai waktu uang.
2. Mengabaikan arus kas bebas yang terjadi setelah periode
pengembalian.
3. Memilih periode pengembalian maksimum bersifat arbiter.
b. Metode Nilai Sekarang Bersih ( -Net Present Value)
Menurut Garrison et. al. (2006) nilai sekarang bersih (NPV) adalah
selisih antara nilai sekarang arus kas masuk dengan nilai sekarang arus kas
keluar dalam suatu proyek investasi.
Menurut Keown et. al. (2008) nilai sekarang bersih (NPV) adalah
kriteria keputusan capital budgeting yang ditentukan dari nilai sekarang
arus kas bebas dikurangi pengeluaran awal.
Berdasarkan definisi di atas, nilai sekarang bersih (NPV) adalah
suatu kriteria capital budgeting yang ditentukan dari selisih antara nilai
sekarang arus kas masuk dengan nilai sekarang arus kas keluar dalam
suatu proyek investasi.
Rumus NPV menurut Sevastjanov et. al. (2006) sebagai berikut:
(2.2)
15
Dimana: adalah discount rate, adalah produksi tahun pertama,
adalah investasi tahun terakhir, adalah modal investasi tahun ,
adalah arus kas masuk pada tahun , adalah waktu dari proyek investasi.
Nilai NPV yang positif menurut Brigham dan Houston (2006)
menandakan bahwa:
1. Investasi awal telah tertutup.
2. Tingkat pengembalian yang diperlukan telah dipenuhi
3. Pengembalian yang melebihi (1) dan (2) telah diterima. Jadi, jika NPV
lebih besar dari nol, maka investasi tersebut menguntungkan dan
karena itu dapat diterima, jika NPV sama dengan nol, pengambil
keputusan dapat menerima atau menolak investasi itu. Dan jika NPV
kurang dari nol, maka sebaiknya proyek ditolak.
Keunggulan NPV menurut Keown et. al. (2008) adalah:
1. Menggunakan arus kas bebas.
2. Memperhitungkan nilai waktu uang.
3. Konsisten dengan tujuan perusahaan untuk memaksimalkan kekayaan
pemegang saham.
Sedangkan kelemahan NPV adalah:
1. Membutuhkan perkiraan jangka panjang terperinci dari arus kas bebas
proyek.
2. Sensitivitas terhadap pilihan tingkat diskonto.
Menurut Sumastuti (2001) penerapan metode NPV dalam berbagai
kasus memiliki keunggulan, seperti:
16
1. Dalam masalah keterbatasan dana
Apabila dana terbatas, yang ditunjukkan dengan adanya anggaran yang
disediakan pada suatu periode tertentu, maka perusahaan terpaksa
melakukan pengalokasian dana untuk usulan-usulan investasi yang
ada. Pada kondisi ini, tujuan perusahaan adalah memilih kombinasi
berbagai usulan investasi yang memberikan NPV tertinggi, dengan
segala keterbatasan dana yang ada. Apabila batasan dana ini benar-
benar harus dipenuhi, mungkin sekali perusahaan lebih baik memilih
beberapa usulan investasi kecil dari pada satu atau dua usulan investasi
besar.
2. Dalam masalah penggantian aktiva
Dalam masalah penggantian aktiva dari berbagai kasus yang dialami
atau direncanakan oleh suatu perusahaan, menurut praktek yang sudah
dijalankan oleh beberapa perusahaan, kasus penggantian aktiva tetap
ini hanya dapat secara representatif menggunakan alat analisis dengan
metode net present value (NPV). Menurut Sumastuti (2001) pada kasus
ini rumus NPV yang digunakan adalah:
(2.3)
Penaksiran aliran kas masuk (proceed) dan keluar (outlays) yang kita
gunakan adalah dengan menggunakan taksiran selisih (incremental).
Dengan asumsi seolah-olah kita menggunakan mesin baru.
3. Inflasi pada penilaian investasi
17
Pada umumnya inflasi akan mengganggu keputusan pengujian
investasi dengan NPV yang memperhatikan nilai waktu uang. Alasan
yang utama adalah karena beban penyusunan didasarkan atas nilai
historis dan bukan nilai pengganti (replacement cost). Apabila
keuntungan meningkat, maka semakin besar pula pajak yang akan
dikenakan, yang mengakibatkan aliran kas yang sebenarnya tidak bisa
menyesuaikan diri dengan inflasi.
c. Metode Pengembalian Internal ( - Internal Rate Of Return)
Menurut Garrison et. al. (2006) tingkat pengembalian internal
(IRR) adalah tingkat pengembalian yang dijanjikan oleh proyek investasi
selama umur manfaat.
Menurut Keown et. al. (2008) tingkat pengembalian internal (IRR)
adalah kriteria keputusan capital budgeting yang mencerminkan tingkat
pengembalian yang didapat dari suatu proyek.
Menurut Blocher et. al. (2007) tingkat pengembalian internal (IRR)
adalah metode arus kas terdiskonto yang mengestimasi tingkat diskonto
yang menghasilkan nilai sekarang dari arus kas masuk periode selanjutnya
sama dengan investasi awal.
Berdasarkan definisi di atas, tingkat pengembalian internal (IRR)
adalah tingkat pengembalian atau tingkat diskonto yang dijanjikan oleh
suatu proyek investasi selama umur manfaat dengan membuat NPV proyek
sama dengan nol.
Rumus IRR menurut Sevastjanov et. al. (2006) adalah:
(2.4)
Dasar pemikiran metode menurut Eugene F. Brigham et. al.
(2006) mengapa tingkat diskonto tertentu yang menyamakan biaya sebuah
18
proyek dengan nilai sekarang dari penerimaannya menjadi begitu spesial?
Alasannya didasarkan pada logika berikut ini:
1. dari suatu proyek adalah ekspektasi tingkat pengembaliannya.
2. Jika tingkat pengembalian internal melebihi biaya uang yang
digunakan untuk mendanai proyek, maka akan terdapat surplus setelah
pembayaran modal, dan surplus ini akan diberikan kepada para
pemegang saham.
3. Oleh karena itu, menerima sebuah proyek yang nilai melebihi
biaya modalnya akan meningkatkan kekayaan para pemegang saham.
Di lain pihak, jika tingkat pengembalian internal lebih kecil dari biaya
modalnya, maka menerima proyek akan menimbulkanh biaya bagi
pemegang saham saat ini. Karakteristik “impas” seperti inilah yang
membuat bermanfaat dalam mengevaluasi proyek-proyek modal.
Keunggulan IRR menurut Keown et. al. (2008) adalah:
1. Menggunakan arus kas bebas.
2. Memperhitungkan nilai waktu uang.
3. Konsisten dengan tujuan perusahaan untuk memaksimalkan kekayaan
pemegang saham.
Sedangkan kelemahan IRR adalah:
1. Membutuhkan perkiraan jangka panjang terperinci dari arus kas bebas
proyek.
2. Kemungkinan ada banyaknya IRR atau IRR berganda.
19
3. Mengasumsikan arus kas selama umur proyek yang diinvestasikan
kembali pada tingkat IRR.
d. Metode yang Dimodifikasi (MIRR-Modified IRR)
Metode dan akan menghasilkan keputusan
penerimaan/penolakan yang sama untuk proyek-proyek yang independen,
tetapi jika proyek-proyek tersebut saling eksklusif, maka dapat terjadi
konflik peringkat. Jika terjadi konflik peringkat, maka sebaiknya
menggunakan metode . Metode dan lebih unggul daripada
metode pembayaran kembali, tetapi lebih unggul dari , karena
berasumsi arus kas akan diinvestasikan kembali pada tingkat biaya
modal perusahaan, sedangkan berasumsi arus kas akan diinvestasikan
kembali pada tingkat proyek. Investasi kembali pada tingkat biaya
modal umumnya adalah asumsi yang lebih baik karena lebih mendekati
kenyataan.
Metode yang dimodifikasi memperbaiki masalah yang
terdapat dalam biasa. MIRR melibatkan perhitungan nilai akhir ( )
dari arus kas masuk yang dimajemukkan pada tingkat biaya modal
perusahaan dan kemudian menentukan tingkat diskonto yang memaksa
nilai sekarang menjadi sama dengan nilai sekarang arus kas keluar.
Menurut Keown et. al. (2008) secara matetatis, IRR yang dimodifikasi
didefinisikan sebagai nilai MIRR dalam persamaan sebagai berikut:
20
(2.5)
Dengan:
ACOFt
ACIFt
TV
n
MIRR
k
= arus kas keluar tahunan setelah pajak pada periode t
= arus kas masuk tahunan setelah pajak pada periode t
= nilai akhir ACIF dimajemukan pada tingkat
pengembalian yang disyaratkan di akhir proyek.
= usia proyek yang diharapkan
= tingkat pengembalian internal yang dimodifikasi.
= tingkat diskonto yang tepat
Keunggulan MIRR menurut Keown et. al. (2008) adalah:
1. Menggunakan arus kas bebas.
2. Memperhitungkan nilai waktu uang.
3. Konsisten dengan tujuan perusahaan untuk memaksimalkan kekayaan
pemegang saham.
Sedangkan kelemahan MIRR adalah: membutuhkan perkiraan
jangka panjang terperinci dari arus kas bebas proyek.
B. Analisis Risiko
Karena kita hidup dalam dunia yang penuh dengan ketidak-pastian, maka
bagaimana cara kita memandang risiko sangant penting dalam hampir semua
21
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
22
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
23
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
24
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.
c) Pohon probabilitas
25
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
26
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 fuzzy logic 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).
27
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)
28
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).
29
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.
30
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).
D. NPV Fuzzy, Analisis Risiko Fuzzy, dan IRR Fuzzy
1. NPV Fuzzy dan Analisis Risiko Fuzzy
Teknik ini berdasarkan pengembangan prinsip fuzzy, dimana nilai ,
dan yang tidak tentu dimasukan kedalam interval fuzzy yang
bersesuaian. Artinya para ahli menentukan batas bawah - (nilai pesimis)
dan batas atas - (nilai optimis) pada suatu interval dan interval dalam
dari nilai yang paling diharapkan terjadi sebagai parameter analisis.
(lihat gambar 2). Fungsi menyatakan fungsi keanggotaan atau derajat di
mana nilai dari parameter itu berada pada suatu interval (dalam hal ini
berada pada interval ). Fungsi keanggotaan berubah secara tetap dari
0 (nilai yang berada diluar interval) sampai dengan maksimum 1 yaitu nilai di
dalam daerah yang paling mungkin. Jelas bahwa fungsi keanggotaan
merupakan bentuk umum dari fungsi karakteristik klasik di mana bernilai 1
31
jika berada untuk semua nilai yang berada pada himpunan dan bernilai 0 untuk
selainnya (Pavel Sevastjanov et. al., 2006).
Gambar 2.3
Interval fuzzy untuk parameter tak tentu dan fungsi keanggotaan .
Sumber: Sevastjanov et. al. (2006).
Kelinieran fungsi keanggotaan tidaklah wajib, tapi pada kasus seperti
ini bentuk tersebut paling sering digunakan dan dapat merepresentasikan
bentuk interval fuzzy yang paling tepat dari kumpulan empat
. Maka semua perhitungan dapat diselesaikan dengan aturan
aritmatika interval fuzzy, misal beberapa prinsip dasar dari aritmatika fuzzy.
Secara umum, teknik perhitungan interval fuzzy berdasarkan representasi dari
interval fuzzy awal dalam bentuk yang sedemikian -cuts (gambar 2.3) adalah
interval tegas yang bersesuaian dengan derajat dari fungsi keanggotaan.
Semua perhitungan yang terbentuk oleh -cuts akan menggunakan aturan
aritmatika himpunan tegas dan solusi dari interval fuzzy didapat sebagai
gabungan dari -cuts akhir yang bersesuaian (Sevastjanov et. al., 2006).
32
Karena itu jika adalah bilangan fuzzy maka , dimana
adalah interval tegas , adalah interval fuzzy
, jadi jika adalah bilangan fuzzy (interval) dan @ adalah operator
dari (Sevastjanov et. al., 2006) maka:
(2.13)
Karena -cuts yang merepresentasikan aritmatika fuzzy berdasarkan
aritmatika interval tegas, definisi dasar yang digunakan pada analisis interval
juga akan ditunjukan. Ada beberapa definisi dari aritmatika interval menurut
Moore (1966) dalam Sevastjanov et. al. (2006), tetapi pada penerapannya ada
satu bentuk yang terbukti sebagai yang terbaik. Menurut Sevastjanov et. al.
(2006) definisi tersebut adalah jika dan yang
merupakan interval tegas, maka:
(2.14)
Menurut Sevastjanov et. al. (2006) hasil dari definisi (2.14) didapat:
(2.15)
Tentu saja masih banyak terdapat masalah dengan penerapan analisis
interval, sebagai contoh, pembagian dengan nol yang terdapat dalam interval,
tapi secara umum definisi tersebut di atas dapat digunakan sebagai alat
matematika yang baik untuk pemodelan dengan kondisi ketidaktentuan.
33
Menggunakan interval fuzzy membuat kita dapat mengestimasi batas
dari nilai prediksi NPV yang mungkin, interval dari nilai yang paling
diharapkan, dan juga yang paling penting untuk menghitung derajat risiko
keuangan dari investasi. Mungkin ada banyak cara untuk mengukur risiko
keuangan dalam kerangka metodologi berdasarkan himpunan fuzzy. Tetapi
dalam penelitian ini kita hanya menggunakan satu pendekatan saja.
Untuk mengestimasi risiko keuangan, aturan himpunan fuzzy akan
digunakan. Misal sembarang subset fuzzy , dapat digambarkan dengan
fungsi keanggotaan maka komplemen dari subhimpunan fuzzy
memiliki fungsi keanggotaan . Perbedaaan mendasar dari
subhimpunan fuzzy dengan klasik adalah irisan dari fuzzy dan tidak
kosong, artinya , dengan adalah subhimpunan fuzzy yang juga
tidak kososng. Jelas bahwa semakin “dekat” ke maka semakin besar
subhimpunan dan semakin berbeda dengan himpunan aslinya
(Sevastjanov et. al., 2006).
Menggunakan aturan ini (Yager, 1979 dalam Sevastjanov et. al., 2006)
mengajukan himpunan tingkatan ketidakfuzzy-an dari subhimpunan fuzzy
sebagai berikut:
(2.16)
Karena itu, menurut Sevastjanov et. al. (2006) tingkat ke-fuzzy-an
dapat didefinisikan sebagai berikut:
34
(2.17)
Definisi dari rumus (2.17) adalah pelengkap dari suatu permintaan
yang jelas tentang tingkat ke-fuzzy-an. Jika adalah subhimpunan fuzzy pada
, adalah fungsi keanggotaan dan adalah tingkat ke-fuzzy-an, maka
aturan tersebut dapat dijelaskan sebagai berikut:
a) , jika adalah subhimpunan tegas.
b) memiliki nilai maksimum jika untuk .
c) jika
Dengan kasus yang paling berguna (P=1), rumus (2.17) dapat diubah
(Sevastjanov et. al.,2006) menjadi:
(2.18)
Jelas bahwa persamaan (2.18) derajat kefuzzyan dimulai dari 0 ketika
sampai 1 ketika .
Gambar 2.4 NPV interval fuzzy yang dihasilkan.
Sumber: Sevastjanov et. al. (2006).
35
Masalah dari tingkat ketidakpastian dari interval fuzzy NPV dapat
diinterprestasikan sebagai risiko ketidakpastian meletakkan NPV pada interval
[NPV1, NPV4]. Semakin tepat (semakin persegi) interval dicapai, semakin
besar derajat ketidaktentuan dan risiko. Saat kita melihat, pernyataan ini
sepetinya paradok. Bagaimanapun, interval tegas tidak mengandung informasi
tambahan tentang keutamaan interval tersebut. Karenanya himpunan tegas
kurang informasi dibanding fuzzy. Dalam kasus yang lain, informasi tambahan
dapat mengurangi ketidakpastian yang diturunkan dari fungsi keanggotaan
himpunan fuzzy yang digunakan.
2. IRR Fuzzy
Secara umum masalah evaluasi IRR terlihat sebagai solusi internal
fuzzy persamaan (1.2) terhadap d. solusi dari persamaan tersebut
dimungkinkan menggunakan representasi dari parameter fuzzy dalam bentuk
himpunan yang terkorespondensi dengan . Menurut Sevastjanov et.
al. (2006) untuk menghitung IRR, sistem dari persamaan interval tegas non
linier dapat dicapai dengan:
(2.19)
Dimana , , dan adalah interval tegas pada
yang berhubungan.
Tentu saja dapat diklaim dengan asumsi yang naïf, interval [0,0]
diletakan di sisi kanan (persamaan (2.19)), tidak bisa memberikan solusi yang
36
memadai karena ekspresi interval disebelah kiri (persamaan (2.19)), tapi
kondisi ini membutuhkan pertimbangan lebih lanjut.
Sebagai contoh sederhana misal proyek 2 tahun dengan semua
investasinya selesai pada tahun pertama dan semua arus kas masuk dicapai
pada tahun kedua. Maka (persamaan (2.19)) untuk tiap dapat dibagi
menjadi dua (Sevastjanov et. al., 2006), yaitu:
(2.20)
Dengan demikian, kehadiran interval 0 disebelah kanan dari persamaan
interval tidaklah benar. Pendekatan yang lebih dapat diterima untuk
menyatakan persamaan ini telah dibentuk dengan beberapa alasan berikut.
Persamaan (2.20) untuk sembarang nilai d lebar minimum dari interval NPV
dicapai ketika d2 = d1. Ini sesuai dengan sudut pandang ketidaktentuan
minimum dari NPV dicapai ketika ketidaktentuan dari semua parameter
disistem minimal.
Jelas (lihat gambar 2.5) alasan yang paling masuk akal dari masalah 0
dicapai untuk nilai tengah dari nilai NPV terletak pada titik 0. Tujuan
pertamanya adalah meminimalkan panjang NPV dengan hasil interval positif
atau negatif tetapi tidak mengandung titik 0, karena tidak sesuai dengan
definisi asal tentang interval yang mengandung titik 0.
37
Gambar 2.5
Interval NPV untuk Nilai d yang Berbeda.
Sumber: Sevastjanov et. al. (2006).
Selain itu, dapat dibuktikan dengan mudah bahwa hanya interval yang
mengandung 0 simetris memastikan output yang valid ketika
mengkontradiksikan batas dari interval terhadap pusatnya. Oleh karena itu,
masalahnya dikurangi untuk mencari nilai exact (non interval) dari d yang
memberikan NPV simetris terhadap 0 untuk setiap pada persamaan
(2.19). Sebagai contoh harus mematuhi persyaratan NPV1+NPV2=0 untuk
setiap .
Menurut Sevastjanov et. al. (2006) lebar dari interval tegas [NPV1,
NPV2] berhubungan dengan IRR , dapat dianggap sebagai ukuran
ketidaktentuan untuk nilai IRR yang didapat, karena nilai dari lebar NPV
38
menggambarkan perbedaan pada sebelah kiri persamaan (2.19) dari interval
[0, 0] yang ditimbulkan. Hal ini menyebabkan timbul dua besaran IRR baru
pada himpunan IRR min dan IRR max.
(2.21)
(2.22)
Dimana n adalah jumlah .
Dalam pengambilan keputusan sebaiknya digunakan tiga parameter:
IRRm, IRR min dan IRR max ketika memilih proyek yang paling baik.
Interprestasi dari lebar dari [NPV1, NPV2] sebagai indeks ketidaktentuan IRR
memberikan satuan nilai yang digambarkan dalam unit satuan keuangan
sebagai risiko keuangan dari sebuah proyek (derajat dari ketidakpastian dari
nilai IRRm, IRR min dan IRR max diturunkan dari data awal) (Sevastjanov et. al.,
2006) sebagai berikut:
(2.23)
Parameter Rr dapat menjadi kunci utama dalam estimasi efisiensi
sebuah proyek.
E. Kerangka Pemikiran
Dalam menjalankan usahanya, setiap perusahaan pastilah membuat
rencana anggaran untuk investasi perusahaannya atau lebih dikenal dengan capital
budgeting. Beda perusahaan beda pula metode yang digunakan, tetapi kebanyakan
perusahaan menggunakan metode NPV dan IRR dalam capital budgeting nya.
Walaupun demikian NPV dan IRR konvensional masih memiliki kelemahan dalam
39
capital budgeting didalam aplikasinya. Kelemahan metode NPV konvensional
adalah kebutuhan peramalan jangka panjang yang rinci atas penambahan arus kas
yang diterima dari suatu proyek karena ketidakpastian informasi yang objektif
tentang probabilitas kejadian masa depan. Sedangkan pada IRR konvensional
terdapat akar ganda yang dikenal dengan masalah IRR berganda. Alasan itulah
yang membuat penulis melakukan penelitian tentang penerapkan logika samar
(fuzzy logic) pada NPV dan IRR dalam perhitungan capital budgeting untuk
mengevaluasi dan mengoptimalkan proyek investasi guna memberikan keputusan
investasi yang lebih baik.
Penelitian ini menjelaskan sebuah metode estimasi fuzzy NPV dan
kemungkinan dari pendekatan pada estimasi risiko finansial. Selanjutnya, sebuah
metode untuk solusi tegas dari masalah fuzzy cash flows digunakan untuk
mengoptimalkan cash flows yang memaksimalkan profit dan meminimalkan
risiko.
Dari judul yang diambil, penulis mencoba membuat kerangka pemikiran
sebagai berikut:
40
Gambar 2.6
Alur Kerangka Pemikiran
Perhitungan capital budgeting
dengan NPV dan IRR
Penggunaan fuzzy logic
pada capital budgeting
Arus kas masuk pada tahun t (Pt),
modal investasi pada tahun t
(KVt), dan discount rate atau
tingkat bunga (d), semuanya
adalah bilangan fuzzy.
Fuzzy aritmatika
Memaksimal
laba
Meminimalkan
risiko
Evaluasi dan
optimalisasi
proyek
investasi
Perhitungan capital
budgeting konvensional
Arus kas masuk pada tahun t (Pt),
modal investasi pada tahun t
(KVt), dan discount rate atau
tingkat bunga (d)
Operasi dasar
matematika
Memaksimal
laba
Meminimalkan
risiko
Evaluasi dan
optimalisasi
proyek
investasi
Perbandingan capital budgeting
konvensional dengan fuzzy capital
budgeting
41
BAB III
METODOLOGI PENELITIAN
A. Ruang Lingkup Penelitian
Penelitian ini ditujukan untuk menerapkan suatu metode baru yaitu fuzzy
logic pada capital budgeting. Penelitian ini adalah penelitian terapan yang
bertujuan untuk menerapkan, menguji dan mengevaluasi kemampuan suatu teori
yang diterapkan dalam memecahkan masalah-masalah praktis. Untuk studi kasus,
penulis menerapkan fuzzy logic pada PT. Maruyung Permai.
B. Metode Pengumpulan Data
Dalam penelitian ini data berasal dari data sekunder yang merupakan
sumber data penelitian yang diperoleh peneliti secara tidak langsung melalui
media perantara (diperoleh dan dicatat oleh pihak lain). Adapun tehnik
pengumpulan data yang digunakan adalah studi kepustakaan (library Research).
Studi kepustakaan dilakukan untuk memperoleh bahan acuan dari berbagai buku
literatur yang sesuai dengan masalah yang diteliti (Indriantoro dan Supomo,
2002).
C. Metode Analisis
Pada penelitian ini penulis menggunakan metode analisis deskriptif yang
merupakan penelitian terhadap suatu fenomena yang diperoleh oleh penulis dari
subjek tertentu agar dapat menjelaskan aspek-aspek yang relevan dengan
fenomena yang diamati (Indriantoro dan Supomo, 2002). Untuk metode
perhitungannya, penulis menggunakan prinsip dasar aritmatika pada bilangan
fuzzy. Operasi-operasi aritmatika yang digunakan adalah operasi-operasi dasar
42
matematika seperti penjumlahan, pengurangan, perkalian dan pembagian hanya
saja operasi tersebut dikenakan pada bilangan fuzzy. Operasi tersebut dapat
dijelaskan sebagai berikut:
Misal dan adalah bilangan fuzzy yang
merupakan interval tegas (Sevastjanov et. al., 2006)], maka:
(3.1)
Dengan @ adalah operator aritmatika yang dapat didefinisikan
(Sevastjanov et. al., 2006) sebagai berikut:
(3.2)
Pada penelitian ini, penulis juga menggunakan metode komputasi
bisection dalam menghitung IRR fuzzy. Metode komputasi bisection adalah
metode potong dua untuk mencari titik potong suatu kurva atau fungsi terhadap
sumbunya.
43
BAB IV
HASIL DAN PEMBAHASAN
A. Gambaran Umum Perusahaan
1. Sejarah Singkat Perusahaan
PT. Maruyung Permai adalah sebuah perusahaan keluarga yang
bergerak di bidang kontruksi. Usahanya dimulai pada tahun 1995 oleh Eddy
Chahyawan, yang berawal dari jual-beli tanah di daerah Rawa Buaya 8
hektar yang dijual per kavling, masing-masing kavling 100 m2.
Pada tahun 1998, Eddy Chahyawan memenangkan tender untuk
kontruksi Masjid Kubah Emas yang pembangunannya berjalan 4 tahun di
Jalan Maruyung, Depok. Merasa itu adalah awal keberhasilannya maka pada
tanggal 19 Mei 1999, dengan Akta Notaris Wasiati Basoeki, SH Nomor 12
terbentuklah PT. Maruyung Permai di Jalan Jati Baru, Jakarta Pusat, dengan
para pendirinya sebagai berikut:
1) Eddy Chahyawan
2) Rudy Chahyawan
Pada tahun 2000, PT. Maruyung Permai membangun Perumahan
Ribung Asri di daerah Ciledug, Tanggerang, dengan luas tanah 4 hektar yang
dijadikan 40 unit bangunan rumah dengan luas tanah masing-masing 100 m2.
Usaha yang ditangani sendiri membuat PT. Maruyung Permai mengalami
kredit macet oleh pembeli. Sejak saat itulah PT. Maruyung Permai bekerja
sama dengan Bank Tabungan Negara (BTN) cabang kebayoran lama hingga
saat ini.
44
Tahun 2003, PT. Maruyung Permai kembali membangun perumahan
di daerah Ciledug yaitu Perumahan Griya Ciledug dengan luas tanah 50 hektar
yang dijadikan 340 unit bangunan rumah tipe 36. Proyek inilah yang penulis
jadikan studi kasus dalam penelitian ini. Pada tahun ini pula kantor PT.
Maruyung Permai berpindah di Jurangmangu Barat, Pondok Aren,
Tanggerang.
Tahun 2004, PT. Maruyung Permai membangun perumahan di Jalan
Bambu dengan luas tanah 2,5 hektar yang dijadikan 19 unit bangunan rumah
tipe 42 dan 1 unit bangunan rumah tipe 21. Masih pada tahun yang sama yaitu
tahun 2004, PT. Maruyung Permai membangun perumahan di Jalan Kelapa
Dua, Jakarta Barat, luas tanah 8 hektar yang dijadikan 30 unit bangunan
rumah dengan sistem beli kavling.
Tahun 2009, PT. Maruyung Permai membuat 4 lapangan futsal di
daerah Kelapa Dua, Kebon Jeruk, Jakarta Barat. Proyek ini tidak dikelolah
sendiri, tetapi dibangun untuk dijual kembali.
1. Struktur Organisasi
Struktur organisasi PT. Maruyung Permai terdiri dari:
a. Direktur
Direktur pada PT. Maruyung Permai terdiri dari direktur utama dan
direktur umum yang memiliki tugas sebagai berikut:
1) Memimpin jalannya perusahaan.
2) Memimpin rapat umum, dalam hal: untuk memastikan pelaksanaan
tata tertib, menyesuaikan alokasi waktu per item masalah, menentukan
45
urutan agenda, mengarahkan diskusi kearah konsensus, menjelaskan
dan menyimpulkan tindakan dan kebijakan, serta pengambil keputusan
perusahaan.
b. Sekretaris Perusahaan
Sekretaris perusahaan mempunyai tugas sebagai berikut:
1) Tugas rutin, meliputi: pengetikan, menerima tamu direktur,
korespondensi, pengarsipan, dan surat menyurat.
2) Tugas instruksi, meliputi: menyusun dan mengatur jadwal, membuat
janji, serta persiapan dan penyelenggara rapat.
3) Tugas kreatif, meliputi: dokumentasi, mengirim ucapan kepada klien,
dan mengatur ruang kantor pimpinan.
c. Bagian Administrasi, Keuangan, dan Akuntansi
Bagian ini mempunyai tugas sebagai berikut:
1) Mengkordinir dan mengendalikan kegiatan administrasi yang meliputi
kepegawaian, sekretariat, keuangan, anggaran, dan akuntansi
perusahaan sebagai upaya mensupport bidang lain untuk kelancaran
dan ketertiban pelaksanaan kerjanya.
2) Mengkaji laporan-laporan yang berkaitan dengan pelaksanaan
kepegawaian, sekretariat, keuangan, anggaran, dan akuntansi untuk
mengetahui hambatan dan upaya penyelesaiannya.
3) Membuat laporan berkala dalam bidang tugasnya.
46
d. Bagian Konstruksi Bangunan
Bagian ini memiliki tugas perencanaan dan arsitektur konstruksi bangunan
suatu proyek yang dibuat perusahaan meliputi maintenance dan sub
kontraktor.
e. Bagian Pemasaran
Tugas bagian ini mencakup promosi dan iklan untuk proyek-proyek yang
dibuat, serta pengurusan KPR rumah.
f. Bagian Personalia
Bagian ini memiliki tugas:
1) Mengendalikan dan menyelesaikan kegiatan dibidang administrasi
kepegawaian.
2) Melaksanakan proses kegiatan penggajian
3) Memberikan saran-saran atau pertimbangan kepada direktur tentang
langkah-langkah tindakan yang perlu diambil tentang masalah
kepegawaian.
4) Membuata laporan bagian kepegawaian.
g. Bagian Hukum
Bagian ini mempunyai tugas:
1) Menangani pembuatan IMB untuk proyek perumahan.
2) Menangani masalah sertifikat tanah.
3) Menangani masalah pajak perusahaan serta penanganan masalah-
masalah hukum lainnya yang berkaitan dengan perusahaan.
47
B. Hasil dan Pembahasan
Penelitian ini menjelaskan tentang penerapan fuzzy logic pada capital
budgeting untuk mengevaluasi dan mengoptimalisasi proyek investasi. Penulis
membandingkan perhitungan capital budgeting konvensional dengan perhitungan
fuzzy capital budgeting. Elemen-elemen yang akan dianalisis dalam penelitian ini
adalah NPV, IRR dan risiko dari proyek investasi tersebut.
Penulis mengambil studi kasus pada sebuah perusahaan konstruksi yaitu
PT. Maruyung Permai. Data yang penulis teliti adalah data dari proyek investasi
Perum Griya Ciledug dari tahun 2003 sampai tahun 2008. Penulis membagi
proyek investasi tersebut ke dalam dua fase, fase pertama adalah tahun 2003-2005
dan fase kedua tahun 2006-2008.
1. Perhitungan Capital Budgeting Konvensional
Dari data di atas dengan menggunakan rumus pada persamaan (1.1),
maka kita bisa langsung menghitung nilai NPV untuk kedua fase tersebut
sebagai berikut:
NPV I = Rp (1,459,413,778)
NPV II = Rp 5,465,468,371
Dalam perhitungan ini nilai d (discount rate) didapat dari nilai rata-rata
suku bunga BI selama 6 periode (dari tahun 2003-2008) yaitu sebesar
9,781017387 %. NPV I untuk fase pertama dan NPV II untuk fase kedua.
Karena proyek investasi ini dilakukan dalam dua fase, maka nilai dari NPV I
dianggap wajar dan proyek tetap bisa dilanjutkan. Sedangkan untuk IRR-nya
dapat dihitung dengan rumus pada persamaan (1.2) sebagai berikut:
48
IRR I = 3.6159116%
IRR II = 140.5061619%
Analisis risikonya didapat dari standar deviasi di sekitar NPV yang
diharapkan dengan rumus pada persamaan (2.9) sebagai berikut:
Deviasi standar fase I = Rp 2,122,005,105
Deviasi standar fase II = Rp 7,946,856,444
Setelah mendapatkan nilai deviasi standar, kemudian kita mencari nilai z-nya
(sebaran normal bakunya) dengan menggunakan rumus pada persamaan (2.10)
dan mendapatkan hasil sebagai berikut:
zI = 0.687752246
zII = 0.687752246
nilai z tersebut kita cari pada tabel distribusi normal, karena nilai z untuk
kedua fase sama, maka nilai risiko kedua fase tersebut juga sama yaitu: 24 %
2. Perhitungan Fuzzy Capital Budgeting
Berbeda dengan capital budgeting konvensional, fuzzy capital budgeting
menggunakan interval-interval dalam perhitungannya. Interval ini
dimaksudkan untuk mengetahui kisaran dari target yang diharapkan. Jadi,
tidak berpatokan pada satu nilai saja yang mempunyai kemungkinan nilai
tersebut meleset dari apa yang telah diperhitungkan pada aplikasinya. Dalam
proyek investasi ini, kita dapat menghitung NPV, IRR dan analisis risiko
proyek dari fuzzy capital budgeting sebagai berikut:
49
a. NPV Fuzzy
Tabel 4.8
KVt (Modal Investasi Tahun t) Fuzzy
Fase Tahun KVt
Interval KVt
Interval KVt
yang paling
tidak
diharapkan
Interval KVt
yang
diharapkan
minimum
Interval KVt
yang
diharapkan
maksimum
Interval KVt
yang paling
diharapkan
I
2003 kv01 10,400,000,000 10,500,000,000 10,600,000,000 10,700,000,000
2004 kv11 3,900,000,000 4,000,000,000 4,100,000,000 4,200,000,000
2005 kv21 2,900,000,000 3,000,000,000 3,100,000,000 3,200,000,000
II
2006 kv02 1,300,000,000 1,400,000,000 1,500,000,000 1,600,000,000
2007 kv12 2,000,000,000 2,100,000,000 2,200,000,000 2,300,000,000
2008 kv22 1,200,000,000 1,300,000,000 1,400,000,000 1,500,000,000
Sumber: Data Diolah
Tabel 4.9 Pt (Arus Kas Masuk Tahun t) Fuzzy
Fase Tahun Pt
Interval Pt
Interval Pt
yang paling
tidak
diharapkan
Interval Pt
yang
diharapkan
minimum
Interval Pt
yang
diharapkan
maksimum
Interval Pt
yang paling
diharapkan
I
2003 p11 3,600,000,000 3,700,000,000 3,800,000,000 3,900,000,000
2004 p21 8,250,000,000 8,350,000,000 8,450,000,000 8,550,000,000
2005 p31 6,400,000,000 6,500,000,000 6,600,000,000 6,700,000,000
II
2006 p12 3,300,000,000 3,400,000,000 3,500,000,000 3,600,000,000
2007 p22 5,200,000,000 5,300,000,000 5,400,000,000 5,500,000,000
2008 p32 3,100,000,000 3,200,000,000 3,300,000,000 3,400,000,000
Sumber: Data Diolah
Tabel 4.10 d (Discount Rate) Fuzzy
Tahun Discount
Rate
Interval d
Interval d yang
paling tidak
diharapkan
Interval d yang
diharapkan
minimum
Interval d yang
diharapkan
maksimum
Interval d yang
paling
diharapkan
0.05 0.08 0.11 0.14
1+d 1.05 1.08 1.11 1.14
(1+d)^2 1.1025 1.1664 1.2321 1.2996
50
(1+d)^3 1.157625 1.259712 1.367631 1.481544
1/(1+d) 0.952380952 0.925925926 0.900900901 0.877192982
1/(1+d)^2 0.907029478 0.85733882 0.811622433 0.769467528
1/(1+d)^3 0.863837599 0.793832241 0.731191381 0.674971516
Fase 1
2003 kv0/(1+d)^0 10,400,000,000 10,500,000,000 10,600,000,000 10,700,000,000
2004 kv1/(1+d)^1 3,421,052,631.58 3,603,603,603.60 3,796,296,296.30 4,000,000,000.00
2005 kv2/(1+d)^2 2,231,455,832.56 2,434,867,299.73 2,657,750,342.94 2,902,494,331.07
2003 p1/(1+d)^1 3,157,894,736.84 3,333,333,333.33 3,518,518,518.52 3,714,285,714.29
2004 p2/(1+d)^2 6,348,107,109.88 6,777,047,317.59 7,244,513,031.55 7,755,102,040.82
2005 p3/(1+d)^3 4,319,817,703.69 4,752,743,978.46 5,239,292,790.73 5,787,711,910.16
Fase 2
2006 kv0/(1+d)^0 1,300,000,000 1,400,000,000 1,500,000,000 1,600,000,000
2007 kv1/(1+d)^1 1,754,385,965 1,891,891,892 2,037,037,037 2,190,476,190
2008 kv2/(1+d)^2 923,361,034 1,055,109,163 1,200,274,348 1,360,544,218
2006 p1/(1+d)^1 2,894,736,842.11 3,063,063,063.06 3,240,740,740.74 3,428,571,428.57
2007 p2/(1+d)^2 4,001,231,148.05 4,301,598,896.19 4,629,629,629.63 4,988,662,131.52
2008 p3/(1+d)^3 2,092,411,700.23 2,339,812,420.16 2,619,646,395.37 2,937,047,835.01
Sumber: Data Diolah
Dengan menggunakan rumus yang sama pada persamaan (1.1),
maka kita akan mendapatkan nilai NPV untuk kedua fase dengan interval
fuzzy sebagai berikut:
Table 4.11
Nilai NPV untuk Kedua Fase dengan Fuzzy
Interval NPV yang
paling tidak
diharapkan
Interval NPV yang
diharapkan
minimum
Interval NPV
yang diharapkan
maksimum
Interval NPV
yang paling
diharapkan
Interval fuzzy 0 1 1 0
NPV 1 (3,776,674,780.65) (2,190,922,009.85) (536,146,562.53) 1,204,591,201.12
NPV II 4,721,713,023.71 5,773,061,485.04 6,877,534,012.71 8,045,971,145.79
Sumber: Data Diolah
51
Gambar 4.1 Himpunan Fuzzy untuk NPV Fase I
Sumber: Data Diolah
Gambar 4.2 Himpunan Fuzzy untuk NPV Fase II
Sumber: Data Diolah
0
0.2
0.4
0.6
0.8
1
1.2
Nil
ai K
ean
gg
ota
an
NPV Fase I
0
0.2
0.4
0.6
0.8
1
1.2
Nil
ai K
ean
ggota
an
NPV Fase II
52
Nilai keanggotaan 0, untuk menerangkan nilai yang paling tidak
diharapkan dan yang paling diharapkan terjadi. Sedangkan nilai
keanggotaan 1, adalah kisaran interval nilai yang diharapkan terjadi
minimum dan maksimum.
b. IRR Fuzzy
Setelah kita dapatkan nilai NPV-nya, sekarang kita mencari nilai
dari IRR proyek tersebut. Jika pada perhitungan IRR konvensional kita
mencari discount rate-nya hanya pada satu nilai saja (dengan trial and
errors), maka pada perhitungan IRR fuzzy, rumus persamaan (1.2) yang
digunakan untuk mencari IRR konvensional akan menjadi rumus pada
persamaan (2.19), karena ruas disebelah kiri dan disebelah kanan
perhitungan harus berbentuk interval, untuk itu kita menggunakan
yang saling berhubungan. Tetapi persamaan (2.19) masih belum dapat
memberikan perhitungan yang tepat karena interval [0,0] yang diletakan di
sisi kanan persamaan (2.19) tidak dapat memberikan solusi yang memadai
dengan interval di sisi kirinya. Untuk itu persamaan (2.19) diubah menjadi
persamaan (2.20).
IRR dicapai ketika NPV = 0, untuk itu interval NPV dicapai ketika
d2 = d1 dengan nilai tengah dari NPV terletak pada titik 0 dimana interval
yang mengandung 0 simetris memastikan output yang valid ketika
mengkontradiksikan batas dari interval terhadap pusatnya dengan syarat
NPV1+NPV2=0 untuk setiap (lihat gambar 2.4). Karena
persamaan itulah timbul besaran baru yaitu: IRRm, IRRmin dan IRRmax,
53
dengan rumus yang dapat kita lihat pada persamaan (2.21) untuk IRRmin
dan pada persamaan (2.22) untuk IRRmax.
Interprestasi dari lebar dari [NPV1, NPV2] sebagai indeks
ketidaktentuan IRR memberikan satuan nilai yang digambarkan dalam unit
satuan keuangan sebagai risiko keuangan dari sebuah proyek (derajat dari
ketidakpastian dari nilai IRRm, IRR min dan IRR max diturunkan dari data
awal) yaitu Rr dengan rumus pada persamaan (2.23). Parameter Rr dapat
menjadi kunci utama dalam estimasi efisiensi sebuah proyek.
Setelah menjelaskan langkah-langkah dari perhitungan IRR fuzzy
diatas, barulah kita menghitung nilai IRR fuzzy-nya sebagai berikut:
Tabel 4.12
Perhitungan IRR fuzzy untuk Fase I
Alpha IRR NPV1 NPV2 NPV2-NPV1 IRR*(NPV2-
NPV1) IRR*alpha
0.0 3.73539% (852,308,200) 852,399,700 1,704,707,900 63,677,420.24 0.000000
0.1 3.72950% (880,805,800) 880,872,100 1,761,677,900 65,701,706.81 0.003729
0.2 3.72361% (909,303,000) 909,354,700 1,818,657,700 67,719,629.05 0.007447
0.3 3.71762% (937,775,700) 937,873,700 1,875,649,400 69,729,423.44 0.011153
0.4 3.71182% (966,298,100) 966,348,800 1,932,646,900 71,736,451.47 0.014847
0.5 3.70593% (994,795,000) 994,858,900 1,989,653,900 73,735,260.36 0.018530
0.6 3.70004% (1,023,393,000) 1,023,380,000 2,046,773,000 75,731,501.58 0.022200
0.7 3.69425% (1,051,813,000) 1,051,882,000 2,103,695,000 77,715,815.65 0.025860
0.8 3.68846% (1,080,335,000) 1,080,395,000 2,160,730,000 79,697,704.97 0.029508
0.9 3.68267% (1,108,856,000) 1,108,917,000 2,217,773,000 81,673,305.29 0.033144
1.0 3.73539% (284,071,700) 284,163,700 568,235,400 21,225,785.58 0.037354
Jumlah
20,180,200,100 748,344,004.45 0.203772
Sumber: Data Diolah
Tabel 4.13
Perhitungan IRR fuzzy untuk Fase II
Alpha IRR NPV1 NPV2 NPV2-NPV1 IRR*(NPV2-
NPV1) IRR*alpha
0.0 167.9510% (301,046,500) 301,145,000 602,191,500 1,011,386,646.17 0.000000
0.1 166.4927% (312,204,400) 312,303,100 624,507,500 1,039,759,398.45 0.166493
54
0.2 165.0628% (323,428,200) 323,526,600 646,954,800 1,067,881,707.61 0.330126
0.3 163.6603% (334,716,800) 334,815,500 669,532,300 1,095,758,570.78 0.490981
0.4 162.2846% (346,070,400) 346,168,700 692,239,100 1,123,397,454.48 0.649138
0.5 160.9346% (357,487,200) 357,586,800 715,074,000 1,150,801,481.60 0.804673
0.6 159.6100% (368,968,400) 369,067,500 738,035,900 1,177,979,099.99 0.957660
0.7 158.3097% (380,512,000) 380,611,800 761,123,800 1,204,932,804.41 1.108168
0.8 157.0333% (392,118,200) 392,218,100 784,336,300 1,231,669,174.99 1.256266
0.9 155.7801% (403,786,900) 403,885,900 807,672,800 1,258,193,495.51 1.402021
1.0 167.9510% (100,316,000) 100,414,500 200,730,500 337,128,882.06 1.679510
Jumlah 7,242,398,500 11,698,888,716.05 8.845036
Sumber: Data Diolah
Tabel 4.14
Hasil Perhitungan IRR fuzzy untuk Kedua fase
Fase I Fase II
IRR min 3.70831% 161.53335%
IRR max 3.70495% 160.81883%
IRR m 3.70663% 161.17609%
Rr 2.0180200 0.7242399
Sumber: Data Diolah
c. Analisis Risiko Fuzzy
Dengan menggunakan rumus dari persamaan (2.16), kita akan
mendapatkan rumus analisis risiko fuzzy pada persamaan (2.17), yang
kemudian dapat ditransformasikan menjadi rumus pada persamaan (2.18).
Maka, didapat hasil sebagai berikut:
1) Risiko proyek investasi untuk fase I sebesar 0,3148524 atau
31,48524 %
2) Risiko proyek investasi untuk fase II sebesar 0,3154604 atau
31,54604 %
55
3. Perbandingan Hasil Perhitungan Capital Budgeting Konvensional dengan
Fuzzy Capital Budgeting.
Tabel 4.15
Perbandingan Hasil Perhitungan Capital Budgeting Konvensional
dengan Fuzzy Capital Budgeting.
Elemen-Elemen
Perhitungan
Capital Budgeting
Konvensional
Fuzzy Capital
Budgeting
NPV
Fase I Rp (1,386,124,613)
(3,776,674,780.65)
(2,190,922,009.85)
(536,146,562.53)
1,204,591,201.12
Fase II Rp 6,375,495,709
4,721,713,023.71
5,773,061,485.04
6,877,534,012.71
8,045,971,145.79
IRR
Fase I
3.61591%
IRR min 3.70831%
IRR max 3.70495%
IRR m 3.70663%
Rr 2.0180200
Fase II 170.18274%
IRR min 161.53335%
IRR max 160.81883%
IRR m 161.17609%
Rr 0.7242399
Analisis Risiko
Proyek
Fase I 24 % 31,48524 %
Fase II 24 % 31,54604 %
Sumber: Data Diolah
Dari hasil kedua perhitungan tersebut, terlihat bahwa nilai dari
perhitungan capital budgeting konvensional tidak terpaut jauh dengan hasil
perhitungan fuzzy capital budgeting. Disini belum bisa dikatakan perhitungan
56
yang satu paling baik daripada perhitungan yang lain, hanya saja nilai dari
perhitungan fuzzy capital budgeting dapat dianggap lebih relevan dalam
aplikasinya karena perhitungan tersebut memberikan nilai hasil dalam bentuk
interval-interval sehingga target yang diharapkan paling tidak berada masih
pada interval tersebut. Berbeda jika hasil perhitungannya hanya mempunyai
satu nilai saja, maka dalam aplikasinya, besar kemungkinan target yang
diharapkan meleset dari nilai yang diprediksikan.
57
BAB V
KESIMPULAN DAN IMPLIKASI
A. Kesimpulan
Berdasarkan analisis terhadap data, maka penulis mengambil kesimpulan
yaitu:
1. Pada perhitungan capital budgeting konvesional penulis mendapatkan hasil
sebagai berikut: NPV I = Rp Rp (1,459,413,778) sedangkan NPV II = Rp
6,324,321,523, IRR I = 3,61591% sedangkan IRR II = 170,18274%, dan risiko
kedua fase tersebut adalah 24 %.
2. Pada perhitungan fuzzy capital budgeting penulis mendapatkan hasil dalam
bentuk interval berupa: hasil yang paling tidak diharapkan, hasil minimum
yang diharapkan, hasil maksimum yang diharapkan, dan hasil yang paling
diharapkan sebagai berikut:
a. NPV I: Rp (3.776.674.780,65), Rp (2.190.922.009,85), Rp (536.146.562,53),
dan Rp 1.204.591.201,12. Sedangkan NPV II: Rp 4.721.713.023,71; Rp
5.773.061.485,04; Rp 6.877.534.012,71; dan Rp 8.045.971.145,79
b. Untuk IRR fase I: IRRmin 3,70831%; IRRmax 3,70495%; IRRm
3,70663%; dan Rr 2,0180200. Sedangkan Untuk IRR fase II: IRRmin
161,53335%; IR max 160,81883%; IRRm 161,17609%; dan Rr
0,7242399.
c. Risiko untuk fase I sebesar 31,48524 % sedangkan untuk risiko fase II
sebesar 31,54604 %.
58
3. Pada penelitian ini belum bisa dikatakan perhitungan yang satu paling baik
daripada perhitungan yang lain, hanya saja nilai dari perhitungan fuzzy capital
budgeting dapat dianggap lebih relevan dalam aplikasinya, karena perhitungan
tersebut memberikan nilai hasil dalam bentuk interval-interval sehingga target
yang diharapkan paling tidak berada masih pada interval tersebut. Berbeda
jika hasil perhitungannya hanya mempunyai satu nilai saja, maka dalam
aplikasinya, besar kemungkinan target yang diharapkan meleset dari nilai
yang diprediksikan.
B. Implikasi
Implikasi yang dihasilkan dalam penelitian ini adalah:
1. Penerapan fuzzy logic pada capital budgeting dapat memberikan hasil yang
lebih relevan pada aplikasinya karena memiliki interval kisaran nilai dari
target yang ingin dicapai bagi suatu perusahaan.
2. Penerapan fuzzy logic pada capital budgeting dapat memberikan hasil yang
lebih baik dalam mengevaluasi dan mengoptimalkan proyek investasi karena
pengukuran terhadap parameter tak tentu masa depan dapat dicapai.
3. Bagi perusahaan, penerapan fuzzy logic pada capital budgeting dapat dijadikan
metode penyempurna dari parameter NPV dan IRR sehingga dapat
memberikan keputusan investasi yang lebih baik dan relevan.
C. Keterbatasan
1. Penulis tidak mendapatkan data investasi dari manajer investasi suatu
perusahaan secara langsung pada saat pembuatan dan pemilihan rencana
proyek investasi perusahaan tersebut, sehingga penulis tidak dapat
59
menanyakan estimasi apa yang dipakai untuk menetapkan target yang akan
dicapai dalam proyek investasi dan berapa persen nilai yang akan ditargetkan.
2. Seharusnya data penelitian ini adalah data pada saat perencanaan atau
prediksi proyek investasi yang dimiliki oleh manajer investasi suatu
perusahaan sehingga penelitian ini menjadi dasar keputusan pemilihan proyek.
Ini semua merupakan keterbatasan penulis yang disebabkan oleh sulitnya
pihak luar memperoleh data investasi suatu perusahaan pada proses perencanaan
atau data prediksi suatu proyek investasi karena sifatnya yang sangat internal.
D. Saran
Penelitian ini masih harus disempurnakan karena pada penelitian ini
penulis masih kesulitan dalam proses pencarian data investasi suatu perusahaan
yang sifatnya sangat internal yang penulis jadikan itu sebagai keterbatasan
penulis. Penulis berharap untuk penelitian selanjutnya dapat memperbaiki
keterbatasan dalam penelitian ini.
60
DAFTAR PUSTAKA
Blocher, Edward J., Kung H. Chen, Gary Cokins, Thomas W. Lin, “Manajemen
Biaya: Penekanan Strategis”, Edisi Tiga, Jilid II, Salemba Empat,
Jakarta, 2007.
Brigham, Eugene F, Joel F. Houston, ”Dasar-Dasar Manajemen Keuangan”,
Edisi Sepuluh, Salemba Empat, Jakarta, 2006.
Carisson, Christer, Robert Full’er, “Capital Budgeting Problem with Fuzzy Cash
Flows”, diakses tanggal 11 Desember 2009, dari
http://users.abo.fi/rfuller/msc1.pdf
DEPARTEMEN PENDIDIKAN NASIONAL, “Kamus Besar Bahasa Indonesia
Pusat Bahasa”, Edisi Empat, PT. Gramedia Pustaka Utama, Jakarta,
2008.
Garrrison, Ray, Eric W. Noreen, Peter C. Brewer, “Managerial Accounting”,
Eleventh Edition, McGraw-Hill, New York, 2006.
Hamid, Abdul, ”Buku Panduan Penulisan Penelitian”, Fakultas Ekonomi dan
Ilmu Sosial UIN Syarif Hidayatullah, Jakarta, 2007.
Hellmann, Martin, “Fuzzy Logic Introduction”, diakses tanggal 11 Desember
2009, dari http://epsilon.nought.de/tutorials/fuzzy/fuzzy.pdf.
Indriantoro, Nur, Bambang Supomo, ”Metodologi Penelitian Bisnis untuk
Akuntansi dan Manajemen”, Edisi Pertama, BPFE, Yogyakarta, 2002.
Irianto, “Penerapan Algoritma Logika Fuzzy pada Pemrograman Linier, Studi
Kasus Masalah Kecukupan Asupan Gizi”, Penelitian Fakultas Teknik
dan Sains Universitas Nasional, Jakarta, 2006.
Jacobs, Jan F., “Capital Budgeting: NPV Vs. IRR Controversy”. Diakses tanggal
11 Desember 2009, dari http://ssrn.com/abstracts=981382.
Junardy, Andy Hoza, Robertus Agung Dwinanto, Andry Marthen Bato, “Proses
Penganggaran Modal terhadap Keputusan Investasi Pembangunan
SPBU di Kabupaten Sleman”, diakses tanggal 3 Januari 2010, dari
http://library.binus.ac.id/ethesis2_detail.asp?ethesisid=TS2005-0093
Keown, Arthur, David F. Scott, John D. Martin, J. William Petty, ”Dasar-Dasar
Manajemen Keuangan”, Edisi Sepuluh, Jilid I, Indeks, Jakarta, 2008.
Muslim, Azis, “Implementasi Algoritma Cluster Fuzzy dan Neuro Fuzzy Studi
Kasus Ekspor Indonesia Ke Jepang”. diakses tanggal 11 Desember
2009, dari http://www.theceli.com.
61
Muslim, Azis, “Penggunaan Logika Fuzzy di Bidang Ekonomi”, diakses tanggal
11 Desember 2009, dari
http://ekonosoftcom.files.wordpress.com/2008/02/penggunaan-logika-
fuzzy-di-bidang-ekonomi.pdf.
Nainggolan, Jannus M., Audi Hendrawan, Yul Martin, “Kajian Pengaruh Medan
Elektromagnet Sutet 500 KV pada Kesehatan Manusia Menggunakan
Logika Fuzzy”, diakses tanggal 11 Desember 2009, dari
http://digilib.unila.ac.id/files/disk1/27/laptunilapp-gdl-res-2008-
jannusmaur-1311-2007_lp_-1.pdf.
Sevastjanov, Pavel, Ludmila Dimova, and Dmitry Sevastianov, “Fuzzy Capital
Budgeting: Investment Project Evaluation and Optimization”,
StudFuzz 201, 205-228, Berlin, 2006.
Shim, Jae, Joel G. Siegel, ”Budgeting”, Erlangga, Jakarta, 2000.
Sumastuti, “Keunggulan NPV sebagai Alat Analisis Uji Kelayakan Investasi dan
Penerapannya”, diakses tanggal 15 September 2009, dari
http://jurnal.bl.ac.id/wp-content/uploads/2007/01/BEJ-v3-n1-artikel7-
agustus2006.pdf.
Zadeh, Lotfi A., “Probability Theory and Fuzzy Logic Are Complementary
Rather Than Competitive”. Technometrics, Vol. 37 (3): 271-276,
1995.
Lampiran 1
62
Sum
ber
: P
T. M
aruyung P
erm
ai
Str
uk
tur
Org
an
isasi
PT
. M
aru
yu
ng P
erm
ai
DIR
EK
TU
R
SE
KR
ET
AR
IS P
ER
US
AH
AA
N
BA
GIA
N
AD
MIN
IST
RA
SI,
KE
UA
NG
AN
,
DA
N
AK
UN
TA
NS
I
BA
GIA
N
KO
NS
TR
UK
SI
BA
NG
UN
AN
BA
GIA
N
PE
MA
SA
RA
N
BA
GIA
N
PE
RS
ON
AL
IA
BA
GIA
N
HU
KU
M
Lampiran 2
63
Data Proyek Investasi Perum Griya Ciledug
Rekapitulasi Biaya Perum Griya Ciledug Tahun 2003 (KVt)
No Uraian Jumlah Harga/Satuan Biaya
1 Rumah Tipe 36 73 Unit 18,900,000 1,379,700,000
2 Tanah 50,000 m2 150,000 7,500,000,000
3 Masjid 1 Unit 300,000,000 300,000,000
4 Gaji Karyawan -
648,000,000
5 Pembuatan jalan+ saluran -
87,610,000
6 IMB 73 4,500,000 328,500,000
7 listrik+Gardu+Jaringan - 22,570,000
8 Urugan - 185,900,000
9 Surat+Pajak 73 1,500,000 109,500,000
Total 10,561,780,000
Sumber: PT. Maruyung Permai
Rekapitulasi Biaya Perum Griya Ciledug Tahun 2004 (KVt)
No Uraian Jumlah Harga/Satuan Biaya
1 Rumah Tipe 36 100 Unit 21,600,000 2,160,000,000
2 Gaji Karyawan
912,000,000
3 Pembuatan jalan+ saluran 117,000,000
4 IMB 100 4,500,000 450,000,000
5 Urugan 230,000,000
6 listrik+Gardu+Jaringan 29,000,000
7 Surat+Pajak 100 1,500,000 150,000,000
Total 4,048,000,000
Sumber: PT. Maruyung Permai
Rekapitulasi Biaya Perum Griya Ciledug Tahun 2005 (KVt)
No Uraian Jumlah Harga/Satuan Biaya
1 Rumah Tipe 36 68 Unit 27,000,000 1,836,000,000
2 Gaji Karyawan
600,000,000
3 Pembuatan jalan+ saluran
79,560,000
4 IMB 68 4,500,000 306,000,000
5 Urugan 156,400,000
6 listrik+Gardu+Jaringan 19,720,000
7 Surat+Pajak 68 1,500,000 102,000,000
Total 3,099,680,000
Sumber: PT. Maruyung Permai
Lampiran 2
64
Rekapitulasi Biaya Perum Griya Ciledug Tahun 2006 (KVt)
No Uraian Jumlah Harga/Satuan Biaya
1 Rumah Tipe 36 30 Unit 28,800,000 864,000,000
2 Gaji Karyawan
288,000,000
3 Pembuatan jalan+ saluran
35,100,000
4 IMB 30 4,500,000 135,000,000
5 Urugan 69,000,000
6 listrik+Gardu+Jaringan 8,700,000
6 Surat+Pajak 30 1,500,000 45,000,000
Total 1,444,800,000
Sumber: PT. Maruyung Permai
Rekapitulasi Biaya Perum Griya Ciledug Tahun 2007 (KVt)
No Uraian Jumlah Harga/Satuan Biaya
1 Rumah Tipe 36 43 Unit 32,400,000 1,393,200,000
2 Gaji Karyawan
384,000,000
3 Pembuatan jalan+ saluran 50,310,000
4 IMB 43 4,500,000 193,500,000
5 Urugan 98,900,000
6 listrik+Gardu+Jaringan 12,470,000
7 Surat+Pajak 43 1,500,000 64,500,000
Total 2,196,880,000
Sumber: PT. Maruyung Permai
Rekapitulasi Biaya Perum Griya Ciledug Tahun 2008 (KVt)
No Uraian Jumlah Harga/Satuan Biaya
1 Rumah Tipe 36 26 Unit 34,200,000 889,200,000
2 Gaji Karyawan
240,000,000
3 Pembuatan jalan+ saluran 30,420,000
4 IMB 26 4,500,000 117,000,000
5 Urugan 59,800,000
6 listrik+Gardu+Jaringan 7,540,000
7 Surat+Pajak 26 1,500,000 39,000,000
Total 1,382,960,000
Sumber: PT. Maruyung Permai
Lampiran 2
65
Rekapitulasi Harga Jual Perum Griya Ciledug dari Tahun 2003-2008 (Pt)
No Tahun Rumah
Type Unit Harga Jual Total Jual
1 2003 36 73 52,000,000 3,796,000,000
2 2004 36 100 84,000,000 8,400,000,000
3 2005 36 68 96,000,000 6,528,000,000
4 2006 36 30 115,000,000 3,450,000,000
5 2007 36 43 125,000,000 5,375,000,000
6 2008 36 26 125,000,000 3,250,000,000
Sumber: PT. Maruyung Permai
Lampiran 3
66
IRR1.BAS n = 10 DIM alpha(n + 2), p1(4, n + 2), p2(4, n + 2), p3(4, n + 2), te(n + 2) DIM kv0(4, n + 2), kv1(4, n + 2), kv2(4, n + 2), a(n + 2), b(n + 2) DIM IRR(n + 2), npv1(n + 2), npv2(n + 2) CLS FOR i = 1 TO n + 1 alpha(i) = (1 / n) * (i - 1) NEXT i p1(1, n + 1) = 3700000000# p1(2, n + 1) = 3800000000# p1(1, 1) = 3600000000# p1(2, 1) = 3900000000# FOR i = n TO 1 STEP -1 p1(1, i) = alpha(i) * (p1(1, n + 1) - p1(1, 1)) + p1(1, 1) p1(2, i) = alpha(i) * (p1(2, n + 1) - p1(1, 1)) + p1(2, 1) NEXT i PRINT "alpha P1_DOWN P1_UP" FOR i = 1 TO n + 1 PRINT alpha(i), p1(1, i), p1(2, i) NEXT i p2(1, n + 1) = 8350000000# p2(2, n + 1) = 8450000000# p2(1, 1) = 8250000000# p2(2, 1) = 8550000000# FOR i = n TO 1 STEP -1 p2(1, i) = alpha(i) * (p2(1, n + 1) - p2(1, 1)) + p2(1, 1) p2(2, i) = alpha(i) * (p2(2, n + 1) - p2(1, 1)) + p2(2, 1) NEXT i p$ = INPUT$(1) PRINT PRINT "alpha P2_DOWN P2_UP" FOR i = 1 TO n + 1 PRINT alpha(i), p2(1, i), p2(2, i) NEXT i p3(1, n + 1) = 6500000000# p3(2, n + 1) = 6600000000# p3(1, 1) = 6400000000# p3(2, 1) = 6700000000# FOR i = n TO 1 STEP -1 p3(1, i) = alpha(i) * (p3(1, n + 1) - p3(1, 1)) + p3(1, 1) p3(2, i) = alpha(i) * (p3(2, n + 1) - p3(1, 1)) + p3(2, 1) NEXT i
Lampiran 3
67
p$ = INPUT$(1) PRINT PRINT "alpha P3_DOWN P3_UP" FOR i = 1 TO n + 1 PRINT alpha(i), p3(1, i), p3(2, i) NEXT i kv0(1, n + 1) = 10500000000# kv0(2, n + 1) = 10600000000# kv0(1, 1) = 10400000000# kv0(2, 1) = 10700000000# FOR i = n TO 1 STEP -1 kv0(1, i) = alpha(i) * (kv0(1, n + 1) - kv0(1, 1)) + kv0(1, 1) kv0(2, i) = alpha(i) * (kv0(2, n + 1) - kv0(1, 1)) + kv0(2, 1) NEXT i p$ = INPUT$(1) PRINT PRINT "alpha KV0_DOWN KV0_UP" FOR i = 1 TO n + 1 PRINT alpha(i), kv0(1, i), kv0(2, i) NEXT i kv1(1, n + 1) = 4000000000# kv1(2, n + 1) = 4100000000# kv1(1, 1) = 3900000000# kv1(2, 1) = 4200000000# FOR i = n TO 1 STEP -1 kv1(1, i) = alpha(i) * (kv1(1, n + 1) - kv1(1, 1)) + kv1(1, 1) kv1(2, i) = alpha(i) * (kv1(2, n + 1) - kv1(1, 1)) + kv1(2, 1) NEXT i p$ = INPUT$(1) PRINT PRINT "alpha KV1_DOWN KV1_UP" FOR i = 1 TO n + 1 PRINT alpha(i), kv1(1, i), kv1(2, i) NEXT i kv2(1, n + 1) = 3000000000# kv2(2, n + 1) = 3100000000# kv2(1, 1) = 2900000000# kv2(2, 1) = 3200000000# FOR i = n TO 1 STEP -1 kv2(1, i) = alpha(i) * (kv2(1, n + 1) - kv2(1, 1)) + kv2(1, 1) kv2(2, i) = alpha(i) * (kv2(2, n + 1) - kv2(1, 1)) + kv2(2, 1) NEXT i p$ = INPUT$(1) PRINT PRINT "alpha KV2_DOWN KV2_UP"
Lampiran 3
68
FOR i = 1 TO n + 1 PRINT alpha(i), kv2(1, i), kv2(2, i) NEXT i PRINT FOR i = 1 TO n + 1 a(i) = 0: b(i) = .1 FOR j = 0 TO 1 STEP 10 ^ (-6) fa = (p1(1, i) / (1 + j)) + (p2(1, i) / (1 + j) ^ 2) + (p3(1, i) / (1 + j) ^ 3) - kv0(2, i) - (kv1(2, i) / (1 + j)) - (kv2(2, i) / (1 + j) ^ 2) fb = (p1(2, i) / (1 + j)) + (p2(2, i) / (1 + j) ^ 2) + (p3(2, i) / (1 + j) ^ 3) - kv0(1, i) - (kv1(1, i) / (1 + j)) - (kv2(1, i) / (1 + j) ^ 2) IF ABS(fa + fb) < 100000 THEN IRR(i) = j npv1(i) = fa npv2(i) = fb GOTO 10 END IF NEXT j 10 PRINT IRR(i), npv1(i), npv2(i) NEXT i FOR i = 1 TO n + 1 sum1 = sum1 + IRR(i) * (npv2(i) - npv1(i)) sum2 = sum2 + (npv2(i) - npv1(i)) sum3 = sum3 + IRR(i) * alpha(i) sum4 = sum4 + alpha(i) sum5 = sum5 + (npv2(i) - npv1(i)) NEXT i IRRmin = sum1 / sum2 IRRmax = sum3 / sum4 IRRm = (IRRmax + IRRmin) / 2 Rr = sum5 / (n * 10 ^ (9)) PRINT "IRR Minimum = ", IRRmin PRINT "IRR Maximum = ", IRRmax PRINT "IRR m = ", IRRm PRINT "Rr = ", Rr END
IRR2.BAS n = 10 DIM alpha(n + 2), p1(4, n + 2), p2(4, n + 2), p3(4, n + 2), te(n + 2) DIM kv0(4, n + 2), kv1(4, n + 2), kv2(4, n + 2), a(n + 2), b(n + 2)
Lampiran 3
69
DIM IRR(n + 2), npv1(n + 2), npv2(n + 2) CLS FOR i = 1 TO n + 1 alpha(i) = (1 / n) * (i - 1) NEXT i p1(1, n + 1) = 3400000000# p1(2, n + 1) = 3500000000# p1(1, 1) = 3300000000# p1(2, 1) = 3600000000# FOR i = n TO 1 STEP -1 p1(1, i) = alpha(i) * (p1(1, n + 1) - p1(1, 1)) + p1(1, 1) p1(2, i) = alpha(i) * (p1(2, n + 1) - p1(1, 1)) + p1(2, 1) NEXT i PRINT "alpha P1_DOWN P1_UP" FOR i = 1 TO n + 1 PRINT alpha(i), p1(1, i), p1(2, i) NEXT i p2(1, n + 1) = 5300000000# p2(2, n + 1) = 5400000000# p2(1, 1) = 5200000000# p2(2, 1) = 5500000000# FOR i = n TO 1 STEP -1 p2(1, i) = alpha(i) * (p2(1, n + 1) - p2(1, 1)) + p2(1, 1) p2(2, i) = alpha(i) * (p2(2, n + 1) - p2(1, 1)) + p2(2, 1) NEXT i p$ = INPUT$(1) PRINT PRINT "alpha P2_DOWN P2_UP" FOR i = 1 TO n + 1 PRINT alpha(i), p2(1, i), p2(2, i) NEXT i p3(1, n + 1) = 3200000000# p3(2, n + 1) = 3300000000# p3(1, 1) = 3100000000# p3(2, 1) = 3400000000# FOR i = n TO 1 STEP -1 p3(1, i) = alpha(i) * (p3(1, n + 1) - p3(1, 1)) + p3(1, 1) p3(2, i) = alpha(i) * (p3(2, n + 1) - p3(1, 1)) + p3(2, 1) NEXT i p$ = INPUT$(1) PRINT PRINT "alpha P3_DOWN P3_UP" FOR i = 1 TO n + 1 PRINT alpha(i), p3(1, i), p3(2, i) NEXT i
Lampiran 3
70
kv0(1, n + 1) = 1400000000# kv0(2, n + 1) = 1500000000# kv0(1, 1) = 1300000000# kv0(2, 1) = 1600000000# FOR i = n TO 1 STEP -1 kv0(1, i) = alpha(i) * (kv0(1, n + 1) - kv0(1, 1)) + kv0(1, 1) kv0(2, i) = alpha(i) * (kv0(2, n + 1) - kv0(1, 1)) + kv0(2, 1) NEXT i p$ = INPUT$(1) PRINT PRINT "alpha KV0_DOWN KV0_UP" FOR i = 1 TO n + 1 PRINT alpha(i), kv0(1, i), kv0(2, i) NEXT i kv1(1, n + 1) = 2100000000# kv1(2, n + 1) = 2200000000# kv1(1, 1) = 2000000000# kv1(2, 1) = 2300000000# FOR i = n TO 1 STEP -1 kv1(1, i) = alpha(i) * (kv1(1, n + 1) - kv1(1, 1)) + kv1(1, 1) kv1(2, i) = alpha(i) * (kv1(2, n + 1) - kv1(1, 1)) + kv1(2, 1) NEXT i p$ = INPUT$(1) PRINT PRINT "alpha KV1_DOWN KV1_UP" FOR i = 1 TO n + 1 PRINT alpha(i), kv1(1, i), kv1(2, i) NEXT i kv2(1, n + 1) = 1300000000# kv2(2, n + 1) = 1400000000# kv2(1, 1) = 1200000000# kv2(2, 1) = 1500000000# FOR i = n TO 1 STEP -1 kv2(1, i) = alpha(i) * (kv2(1, n + 1) - kv2(1, 1)) + kv2(1, 1) kv2(2, i) = alpha(i) * (kv2(2, n + 1) - kv2(1, 1)) + kv2(2, 1) NEXT i p$ = INPUT$(1) PRINT PRINT "alpha KV2_DOWN KV2_UP" FOR i = 1 TO n + 1 PRINT alpha(i), kv2(1, i), kv2(2, i) NEXT i PRINT FOR i = 1 TO n + 1 a(i) = 0: b(i) = .1
Lampiran 3
71
FOR j = 1.5 TO 2 STEP 10 ^ (-6) fa = (p1(1, i) / (1 + j)) + (p2(1, i) / (1 + j) ^ 2) + (p3(1, i) / (1 + j) ^ 3) - kv0(2, i) - (kv1(2, i) / (1 + j)) - (kv2(2, i) / (1 + j) ^ 2) fb = (p1(2, i) / (1 + j)) + (p2(2, i) / (1 + j) ^ 2) + (p3(2, i) / (1 + j) ^ 3) - kv0(1, i) - (kv1(1, i) / (1 + j)) - (kv2(1, i) / (1 + j) ^ 2) IF ABS(fa + fb) < 100000 THEN IRR(i) = j npv1(i) = fa npv2(i) = fb GOTO 10 END IF NEXT j 10 PRINT IRR(i), npv1(i), npv2(i) NEXT i FOR i = 1 TO n + 1 sum1 = sum1 + IRR(i) * (npv2(i) - npv1(i)) sum2 = sum2 + (npv2(i) - npv1(i)) sum3 = sum3 + IRR(i) * alpha(i) sum4 = sum4 + alpha(i) sum5 = sum5 + (npv2(i) - npv1(i)) NEXT i IRRmin = sum1 / sum2 IRRmax = sum3 / sum4 IRRm = (IRRmax + IRRmin) / 2 Rr = sum5 / (n * 10 ^ 9) PRINT "IRR Minimum = ", IRRmin PRINT "IRR Maximum = ", IRRmax PRINT "IRR m = ", IRRm PRINT "Rr = ", Rr END
Lampiran 4
72
Analisis Risiko Fuzzy
∑(2
µA
2(x
i)-1
)
1
0.6
671
684
79
0.3
343
369
58
0.0
015
054
37
0.3
313
260
84
0.6
641
576
05
0.9
969
891
27
1
1
1
1
1
1
0.7
968
715
53
0.4
973
929
61
0.1
979
143
68
0.1
015
642
24
0.4
010
428
16
0.7
005
214
08
1
13.6
90
791
02
0.3
154
604
49
∑(2
µA
1(x
i)-1
)
1
0.6
693
407
72
0.3
386
815
43
0.0
080
223
15
0.3
226
369
13
0.6
532
961
42
1
1
1
1
1
1
1
0.8
073
157
2
0.5
060
964
34
0.2
048
771
47
0.0
963
421
4
0.3
975
614
27
0.6
987
807
13
1
13.7
02
951
27
0.3
148
524
37
µ(Ā
2)=
1-µ
(A2
)
1
0.8
335
842
39
0.6
671
684
79
0.5
007
527
18
0.3
343
369
58
0.1
679
211
97
0.0
015
054
37
0
0
0
0
0
0
0.1
015
642
24
0.2
513
035
2
0.4
010
428
16
0.5
507
821
12
0.7
005
214
08
0.8
502
607
04
1
To
tal
Ris
k =
dd
µ(Ā
1)=
1-µ
(A1
)
1
0.8
346
703
86
0.6
693
407
72
0.5
040
111
57
0.3
386
815
43
0.1
733
519
29
0
0
0
0
0
0
0
0.0
963
421
4
0.2
469
517
83
0.3
975
614
27
0.5
481
710
7
0.6
987
807
13
0.8
493
903
57
1
µ(A
2)
0
0.1
664
157
61
0.3
328
315
21
0.4
992
472
82
0.6
656
630
42
0.8
320
788
03
0.9
984
945
63
1
1
1
1
1
1
0.8
984
357
76
0.7
486
964
8
0.5
989
571
84
0.4
492
178
88
0.2
994
785
92
0.1
497
392
96
-6.5
29
6E
-15
µ(A
1)
0
0.1
653
296
14
0.3
306
592
28
0.4
959
888
43
0.6
613
184
57
0.8
266
480
71
1
1
1
1
1
1
1
0.9
036
578
6
0.7
530
482
17
0.6
024
385
73
0.4
518
289
3
0.3
012
192
87
0.1
506
096
43
-5.4
78
6E
-16
NP
V2
4721
713
024
4896
673
978
5071
634
931
5246
595
885
5421
556
839
5596
517
793
5771
478
746
5946
439
700
6121
400
654
6296
361
608
6471
322
562
6646
283
515
6821
244
469
6996
205
423
7171
166
377
7346
127
331
7521
088
284
7696
049
238
7871
010
192
8045
971
146
NP
V1
-377
667
478
1
-351
450
288
7
-325
233
099
3
-299
015
909
9
-272
798
720
6
-246
581
531
2
-220
364
341
8
-194
147
152
4
-167
929
963
0
-141
712
773
7
-115
495
584
3
-892
783
949
-630
612
055
-368
440
162
-106
268
268
1559
036
26
4180
755
19
.8
6802
474
13
.6
9424
193
07
.3
1204
591
201
N
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
Lampiran 5
73
Discount Rate Menurut Bank Indonesia
Tahun d Rata - Rata d d2 Rata-Rata d
2
2008
0.1083000 0.011729
0.1085000 0.011772
0.1098000 0.012056
0.1098000 0.012056
0.1100000 0.0121
0.1099000 0.012078
0.1124000 0.012634
0.1124000 0.012634
0.1122000 0.012589
0.1114000 0.01241
0.1098000 0.012056
0.1075000 0.011556
0.1066000 0.011364
0.1039000 0.010795
0.0971000 0.009428
0.0957000 0.009158
0.0948000 0.008987
0.0936000 0.008761
0.0928000 0.008612
0.0927000 0.008593
0.0927000 0.008593
0.0924000 0.008538
0.0923000 0.008519
0.0921000 0.008482
0.0897000 0.008046
0.0896000 0.008028
0.0877000 0.007691
0.0873000 0.007621
0.0869000 0.007552
0.0859000 0.007379
0.0835000 0.006972
0.0831000 0.006906
0.0826000 0.006823
0.0824000 0.00679
0.0821000 0.00674
0.0799000 0.006384
0.0799000 0.006384
0.0798000 0.006368
Lampiran 5
74
0.0798000 0.006368
0.0797000 0.006352
0.0796000 0.006336
0.0794000 0.006304
0.0796000 0.006336
0.0793000 0.006288
0.0794000 0.006304
0.0795000 0.00632
0.0794000 0.006304
0.0800000 0.0064
0.0800000 0.0064
0.0800000 0.0064
0.0800000 0.0064
0.0800000 0.0064
rata-rata d tahun 2008 9.1630769 9.2414176
2007
0.0800000 0.0064
0.0825000 0.006806
0.0825000 0.006806
0.0825000 0.006806
0.0825000 0.006806
0.0825000 0.006806
0.0825000 0.006806
0.0825000 0.006806
0.0825000 0.006806
0.0825000 0.006806
0.0825000 0.006806
0.0825000 0.006806
0.0825000 0.006806
0.0825000 0.006806
0.0825000 0.006806
0.0825000 0.006806
0.0825000 0.006806
0.0825000 0.006806
0.0825000 0.006806
0.0825000 0.006806
0.0825000 0.006806
0.0850000 0.007225
0.0850000 0.007225
0.0850000 0.007225
0.0850000 0.007225
0.0875000 0.007656
Lampiran 5
75
0.0875000 0.007656
0.0875000 0.007656
0.0875000 0.007656
0.0875000 0.007656
0.0900000 0.0081
0.0900000 0.0081
0.0900000 0.0081
0.0900000 0.0081
0.0900000 0.0081
0.0900000 0.0081
0.0900000 0.0081
0.0900000 0.0081
0.0900000 0.0081
0.0925000 0.008556
0.0925000 0.008556
0.0925000 0.008556
0.0925000 0.008556
0.0950000 0.009025
0.0950000 0.009025
0.0950000 0.009025
0.0950000 0.009025
0.0975000 0.009506
0.0975000 0.009506
rata-rata d tahun 2007 8.6989796 8.7124559
2006
0.0975000 0.009506
0.0975000 0.009506
0.1025000 0.010506
0.1025000 0.010506
0.1025000 0.010506
0.1025000 0.010506
0.1025000 0.010506
0.1075000 0.011556
0.1075000 0.011556
0.1075000 0.011556
0.1125000 0.012656
0.1125000 0.012656
0.1125000 0.012656
0.1125000 0.012656
0.1125000 0.012656
0.1175000 0.013806
0.1175000 0.013806
Lampiran 5
76
0.1175000 0.013806
0.1175000 0.013806
0.1225000 0.015006
0.1225000 0.015006
0.1225000 0.015006
0.1225000 0.015006
0.1250000 0.015625
0.1250000 0.015625
0.1250000 0.015625
0.1250000 0.015625
0.1250000 0.015625
0.1250000 0.015625
0.1250000 0.015625
0.1250000 0.015625
0.1250000 0.015625
0.1274000 0.016231
0.1274000 0.016231
0.1274000 0.016231
0.1274000 0.016231
0.1273000 0.016205
0.1273000 0.016205
0.1273000 0.016205
0.1270000 0.016129
0.1274000 0.016231
0.1273000 0.016205
0.1274000 0.016231
0.1274000 0.016231
0.1275000 0.016256
0.1274000 0.016231
0.1275000 0.016256
0.1275000 0.016256
0.1275000 0.016256
0.1274000 0.016231
0.1275000 0.016256
rata-rata d tahun 2006 11.9564706 11.9940917
2005
0.1275000 0.016256
0.1275000 0.016256
0.1225000 0.015006
0.1225000 0.015006
0.1225000 0.015006
0.1225000 0.015006
Lampiran 5
77
0.1100000 0.0121
0.1100000 0.0121
0.1100000 0.0121
0.1100000 0.0121
0.1000000 0.01
0.1000000 0.01
0.1000000 0.01
0.1000000 0.01
0.0951000 0.009044
0.0875000 0.007656
0.0875000 0.007656
0.0871000 0.007586
0.0850000 0.007225
0.0849000 0.007208
0.0849000 0.007208
0.0849000 0.007208
0.0844000 0.007123
0.0825000 0.006806
0.0818000 0.006691
0.0806000 0.006496
0.0802000 0.006432
0.0798000 0.006368
0.0795000 0.00632
0.0790000 0.006241
0.0787000 0.006194
0.0781000 0.0061
0.0770000 0.005929
0.0753000 0.00567
0.0744000 0.005535
0.0743000 0.00552
0.0743000 0.00552
0.0742000 0.005506
0.0742000 0.005506
0.0742000 0.005506
0.0743000 0.00552
rata-rata d tahun 2005 9.1675610 9.3275638
2004
0.0743000 0.00552
0.0741000 0.005491
0.0742000 0.005506
0.0741000 0.005491
0.0740000 0.005476
Lampiran 5
78
0.0739000 0.005461
0.0738000 0.005446
0.0737000 0.005432
0.0737000 0.005432
0.0736000 0.005417
0.0737000 0.005432
0.0734000 0.005388
0.0733000 0.005373
0.0732000 0.005358
0.0732000 0.005358
0.0733000 0.005373
0.0734000 0.005388
0.0742000 0.005506
0.0742000 0.005506
0.0742000 0.005506
0.0748000 0.005595
0.0766000 0.005868
0.0777000 0.006037
0.0786000 0.006178
0.0806000 0.006496
0.0824000 0.00679
0.0831000 0.006906
rata-rata d tahun 2004 7.5159259 7.5210152
2003
0.0841000 0.007073
0.0842000 0.00709
0.0843000 0.007106
0.0849000 0.007208
0.0847000 0.007174
0.0846000 0.007157
0.0848000 0.007191
0.0853000 0.007276
0.0851000 0.007242
0.0853000 0.007276
0.0859000 0.007379
0.0866000 0.0075
0.0870000 0.007569
0.0876000 0.007674
0.0883000 0.007797
0.0891000 0.007939
0.0899000 0.008082
0.0903000 0.008154
Lampiran 5
79
0.0906000 0.008208
0.0910000 0.008281
0.0917000 0.008409
0.0921000 0.008482
0.0923000 0.008519
0.0930000 0.008649
0.0953000 0.009082
0.0971000 0.009428
0.1007000 0.01014
0.1027000 0.010547
0.1044000 0.010899
0.1068000 0.011406
0.1080000 0.011664
0.1091000 0.011903
0.1106000 0.012232
0.1118000 0.012499
0.1126000 0.012679
0.1131000 0.012792
0.1140000 0.012996
0.1140000 0.012996
0.1136000 0.012905
0.1158000 0.01341
0.1197000 0.014328
0.1224000 0.014982
0.1249000 0.0156
0.1260000 0.015876
0.1265000 0.016002
0.1269000 0.016104
0.1277000 0.016307
0.1284000 0.016487
0.1289000 0.016615
rata-rata d tahun 2003 10.1300000 10.2451118
Rata-Rata d
9.438669001 9.781017387