Manajemen Keuangan: Persediaan

Manajemen Persediaan

Kunjungi Blog ini :

1. www.akutansi-akuntansi.blogspot.com ini berisi kumpulan materi perkuliahan untuk mata kuliah program studi akuntansi.
2. www.akutansi-akuntansimnj.blogspot.com ini berisi kumpulan materi perkuliahan untuk mata kuliah program studi manajemen.
3. www.akutansi-akuntansipajak.blogspot.com ini berisi kumpulan materi perkuliahan untuk perpajakan.
4. www.akutansi-akuntanssoal.blogspot.com ini berisi kumpulan soal-soal yang sudah diberikan pada ujian mid semester dan ujian semester baik mata kuliah program studi akuntansi, mata kuliah program studi manajemen.
5. www.akutansi-akuntansart.blogspot.com ini berisi kumpulan  artikel tulisan saya yang saya buat.

Pengertian Persediaan

Persediaan adalah aktiva :

·  Tersedia untuk dijual dalam kegiatan usaha normal

·  Dalam proses produksi dan atau dalam perjalanan

·  Dalam bentuk bahan atau perlengkapan (supplies) untuk digunakan dalam proses produksi atau pemberian jasa. (SAK)

Macam-macam persediaan :

Persediaan barang dagangan, bahan baku, bahan penolong, barang dalam proses, barang jadi

Kebijakan Persediaan :

·  Dapat menjamin kelancaran proses produksi

·  Dapat dijangkau oleh dana yang tersedia

·  Dapat mencapai jumlah pembelian optimal

Pada perusahaan manufaktur, factor-faktor yang menentukan besarnya persediaan (khususnya bahan baku) adalah :

Lead time, yaitu lamanya masa tunggu bahan yang dipesan datang

Frekuensi penggunanan bahan selama satu periode

Jumlah dana yang tersedia

Daya tahan bahan

ECONOMICAL ORDER QUANTITY (Kuantitas Pesanan Yang Ekonomis)

Jumlah bahan yang dapat dibeli dengan biaya persediaan yang minimal atau sering disebut jumlah pesanan bahan yang optimal.

Dalam pengelolaan persediaan bahan baku ada dua jenis biaya yang dipertimbangkan :

Biaya pesan (ordering cost) yaitu biaya yang dikeluarkan dalam proses pemesanan suatu barang.  Biaya pesan ini meliputi :

1. Biaya selama proses pesanan
2. Biaya pengiriman permintaan
3. Biaya penerimaan bahan
4. Biaya penempatan bahan kedalam gudang
5. Biaya proses pembayaran

Biaya Pesan = ( R / Q ) X O   atau  R / Q X S

R = Jumlah kebutuhn barang yang selama setahun

Q = Jumlah kuantitas pesanan yang paling ekonomis (EOQ)

O = Biaya pesanan setiap kali pesan  ( S )

Biaya simpan (Carrying cost) yaitu biaya yang dikeluarkan perusahaan dalam rangka proses penyimpanan suatu barang yang dibeli.  Biaya simpan ini meliputi :

1. Biaya sewa gudang
2. Biaya pemeliharaan bahan gudang
3. Biaya modal (bunga) yang diperlukan untuk investasi barang yang disimpan
4. Biaya asuransi
5. Biaya keusangan barang

Biaya simpan  = (Q/2) X C

C = biaya simpan bahan (barang) per unit

Biaya Pesan = Biaya Simpan

Q =√2RO/PI

REORDER POINT (titik pemesanan kembali)

Adalah saat

PORTOFOLIO : CAPM

CAPM

Kemampuan untuk mengistimasi return suatu individual sekuritas merupakan hal yang sangat penting dan diperlukan oleh investor.  Untuk dapat mengestimasi return suatu sekuritas dengan baik dan mudah diperlukan suatu model estimasi. Oleh karena itu karena itu kehadiran Capiatl Asset Priving Model (CAPM) yang dapat digunakan untuk mengestimasi return suatu sekuritas dianggap sangat penting dibidang keuangan.

CAPM dikembangkan oleh sharpe (1964), Linther (1965), Mosain (1969) dapat nobel dalam bidang ekonomi

Asumsi-asumsi

1. Memaksimumkan utility harapan dalam satu periode waktu yang sama
2. Keputusan investasi berdasarkan pertimbangan antara nilai return ekspektasi dan deviasi standar return.
3. Semua investor mempunyai harapan yang seragam
4. Lending and borrowing dengan jumlah tidak terbatas pada tingkat suku bunga bebas resiko.
5. Short sale diijinkan (investor individual)
6. Semua aktiva dapat dipecah-pecah.
7. Semua aktiva dapat dipasarkan secara likuid
8. Tidak ada biaya transaksi
9. Tidak terjadi inflasi
10. Tidak ada pajak pendapatan pribadi.
11. Investor adalah penerima harga
12. Pasar modal dalam kondisiekuilibrium    

Persamaan CAPM

E(Ri) = R_f + (E(Rm)- R_f) βi

Notasi :

E(Ri)    = tingkat keuntungan yang diharapkan untuk sekuritas i

R_f            = tingkat bunga bebas resiko

E(Rm)  = tingkat keuntungan yang diharapkan dari portofolio pasar

Βi         = resiko

Soal :

Misalkan R_f = 14%, E(Rm)= 22%, dan βi = 1,25

1. Hitunglah tingkat keuntungan yang diharapkan untuk sekuritas i
2. Apa yang terjadi terhadap E(Ri) apabila E(Rm) meningkat menjadi 24% sedangkan faktor-faktor lain tidak berubah.
3. Apa yang terjadi terhadap E(Ri) apabila  βi menurun menjadi 0,75 dan factor-faktor lain tidak berubah

PORTOFOLIO : PENILAIAN KINERJA

Penilaian Kinerja Portofolio

Dua cara yang bisa dilakukan dalam penilaian kinerja portofolio adalah :

1. Melakukan perbandingan langsung
2. Menggunakan ukuran kinerja tertentu.

Perbandingan Langsung

Salah satu cara membandingkan kinerja suatu portofolio (biasanya diwakili oleh mutual funds) adalah dengan membandingkannya dengan portofolio lain yang mempunyai resiko kurang lebih sama.

Suatu portofolio yang memberikan tingkat keuntungan lebih tinggi belum tentu lebih baik kalau ternyata juga mempunyai resiko yang lebih tinggi.

Penelitian yang dilakukan ole Friend, Blume, dan Crockett dan dikutip oleh Elton dan Gruber (1991,h.645), menunjukkan hasil sebagai berikut

Resiko	Jumlah dalam sample		Rata-Rata  Varince		Rata-Rata  Keuntungan
	Mutual Fund	Portofolio Acak	Mutual Fund	Portofolio Acak	Mutual Fund	Portofolio Acak
Rendah Sedang Tinggi	43 25 18	62 51 50	0,00120 0,00182 0,00280	0,00118 0.00184 0,00279	0,102 0,118 0,138	0,128 0,142 0,162

Tabel tersebut menunjukkan bahwa ukuran resiko yang dipergunakan adalah variance (yaitu bentuk kuadarat dari deviasi standart) tingkat keuntungan portofolio. 

Mutual funds, yaitu portofolio yang dikelola oleh managed investment companies (artinya para professional), dibandingkan dengan portofolio yang dipilih secara acak.

Perbandingan dilakukan atas dasar rata-rata variance yang kurang lebih sama, dan dikelompokkan sebagai resiko rendah, sedang, dan tinggi.

Perhatikan bahwa rata-rata variance dalam kelompok risiko yang sama, antara manual funds dan portofolio yang dipilih  secara acak dan dihitung dengan bobot yang sama, kurang lebih juga sama.

Tetapi kalau dari kolom Rata-rata keuntungan, ternyata rata-rata tingkat keuntungan dari mutual fund selalu lebih rendah apabila dibandingkan dengan tingkat keuntungan portofolio-portofolio yang dipilih secara acak.  Hasil ini mengundang pertanyaan tentang kemampuan para manajer mutual fund dalam mengelola dana yang dipercayakan kepada mereka.

Cara yang sama dilakukan untuk beta sebagai ukuran risiko oleh peneliti-peniliti yang sama, dan juga.  Hasilnya sbb:

Risiko	Jumlah Dalam Sampel		Rata-Rata Varince		Rata-Rata Keuntungan
	Mutual Fund	Portofolio Acak	Mutual Fund	Portofolio Acak	Mutual Fund	Portofolio Acak
Rendah (0,5-0,7) Sedang (0,7- 0,9) Tingggi (0,9-1,1)	28 53 22	17 59 60	0,614 0,786 0,992	0,642 0,800 0,992	0.091 0,106 0,135	0,128 0,131 0,137

Tabel tersebut juga menunjukkan bahwa pemilihan portofolio secra acak, dengan bobot yang sama ternyata juga menghasilkan tingkat keuntungan yang lebih tinggi pada kelompok beta yang kurang lebih sama.

Menggunakan Ukuran Kinerja tertentu

Ada empat parameter yang bisa dipergunakan sebagai ukuran kinerja portofolio.  Parameter-parameter tersebut dikaitkan dengan, baik resiko total maupun resiko sistematis. Paramater-parameter tersebut adalah :

1. Excess return to variability measure
2. Differential return dengan risiko sebagai deviasi standar
3. Excess return to beta
4. Differential return dengan risiko diukur sebagai beta 

Excess return to variability measure.  Sewaktu menggambarkan kombinasi dari berbagai portofolio yang efisisen tetapi berisiko, akan memperoleh kurva melengkung.  Kalau kita hitung rasio excess return terhadap deviasi standart maka rasio yang kita hitung tersebut tidak lain adalah kemiringan garis yang menghubungkan portofolio yang beresiko denagn R_F. Kemiringan ini bisa dinyatakan sebagai [E(R_P) – R_F]/σ_P  dan ukuran ini disebut Sharpe Measure (ukuran sharpe).

Karena semakin besar kemiringan garis tersebut berarti semakin menarik portofolio yang membentuk garis lurus tersebut, maka semakin besar ratio excess return terhadap deviasi standar, makin menarik portofolio tersebut.

Misalkan kita mempunyai dua portofolio A dan B yang mempunyai karakteristik sebagai berikut.  RA = 0,23; dan RB = 0,24; Rf= 0,14; σA=0,12, sedangkan,   σB= 0,15.  Dengan demikian maka :

Sharpe Meassure A = (0,23 – 0,14)/0,12  = 0,750

Sharpe Meassure B = (0,25 – 014)/0,15 = 0,733

Excess return to beta ratio.  Perhitungan untuk menentukan portofolio optimal akan sangat dimudahkan jika hanya didasarkan pada sebuah angka yang dapat menentukan apakah suatu sekuritas dimasukkan ke dalam portofolio optimal.  Angka tersebut adalah rasio antara ekses return  dengan beta (excess return to beta ratio).  Rasio ini adalah :

            ERB_i = E(R_i) – R_BR

                                 β_i          

                     

Notasi :

ERB_i   = Excess return to beta sekuritas ke –i

E(R_i)  = Return ekspektasi berdasarkan model indeks tunggal untuk sekuritas ke –i

R_BR      = Return Aktiva bebas resiko

β_i           = Beta sekuritas ke-i

Excess return didefinisikan sebagai selisih retun ekspektasi denganaktiva bebas resiko.  Excess return to beta berarti mengukur kelebihan return relative terhadap satu unit risiko yang tidak dapat didiversifikasikan yang diukur dengan beta.  Rasio ERB ini juga menunjukkan hubungan antara dua factor penentu investasi, yaitu return dan resiko

Portofolio yang optimal akan berisi dengan aktiva-aktiva yang mempunyai nilai rasio ERB yang tertinggi.  Aktiva-aktiva dengan rasio ERB yang rendah akan dimasukkan ke dalam portofolio optimal.  Dengan demikian diperlukan  sebuah titik pembatas (cut-off) yang menentukan batas nilai ERB barapa yang dikatakan tinggi.  Besarnya titik pembatas ini dapat ditentukan dengan langkah-langkah sebagai berikut ini:

Urutkan sekuritas-skuritas berdasarkan nilai ERB terbesar ke nilai ERB terkecil. Sekuritas-sekuritas dengan nilai ERB terbesar merupakan kandidat untuk dimasukkan ke portofolio optimal.

Hitungnilai Ai dan Bi untuk masing-masing sekuritas ke-i sebagai berikut :

A_i = [ E(R_i) – R_BR] β_i        dan

                σ_ei²

Bi = β_i²

        σ_ei²

   

Notasi :

σ_ei²  = varian dari kesalahan residu sekuirtas ke-i yang juga merupakan risiko unik atau risiko tidak sitimatik

Hitung nilai Ci :

                  i

        σ_M²   Σ   A_j

                J=1

Ci = ----------------------

                         i

         1 +  σ_M²  Σ    β_i

                       J=1

Notasi :

        σ_M²  = varian dari return indeks pasar.

Ci adalah nilai c untuk sekuritas ke-I yang dihitung dari kumulasi nilai-nilai A1 sampai dengan Ai dan nilai-nilai B1 sampai dengan Bi.  Misalnya C3 menunjukkan nilai C untuk sekuritas ke-3 yang dihitung dari kumulasi A1. A2, A3 dan B1, B2, B3.

Besarnya cut-off point (C*) adalah nilai Ci dimana nilai ERB terakhir kali masih lebih besar dari nilai Ci

Sekuritas-sekuritas yang membentuk portofolio optimal adalah sekuritas-sekuritas yang mempunyai nilai ERB lebih besar atau sama dengan nilai ERB di titik C*.  Sekuritas-sekuirtas yang mempunyai ERB lebih kecil dengan ERB titik C* tidak diikutsertakan dalam pembentukan portofolio optimal.

Contoh :

Misalnya suatu pasar modal mempunyai 15 buah saham yang tercatat.  Data return ekspektasi (Ri), Beta (βi) dan resiko tidak sistimatik (σ_ei²) untuk masing-amsing sekuirtas dapat dilihat di bawah.  Misalnya lagi diketahui bahwa return aktiva bebas reiko (R_BR) adalah sebesar 10% dan varian indeks pasar (σ_M²) adalah 10%

 Data untuk menghitung portofolio optimal model indeks tunggal

Nama Saham	E(Ri)	βi	σei2	ERBi
A B C D E F G H I J K L M N O	20 19 17 15 17 27 12 11 12 14 15 23 22 15 25	2,00 1,50 1,50 1,20 1,40 2,00 1,00 0,80 0,75 1,20 1,25 1,50 1,20 1,50 1,80	5,0 4,0 3,0 1,5 2,5 7,5 5,5 3,0 3,5 4,0 4,5 5,0 3,5 2,5 2,0	5,00 6,00 4,67 4,17 5,00 8,50 2,00 1,25 2,67 3,33 4,00 8,67 10,00 3,33 8,33

 

Langkah pertama yang harus dilakukan adalah menghitung nilai ERB untuk masing-masing sekuirtas ke-i .  Hasil perhitungan ERB, ini tampak di kolom terakhir.  Langkah selanjutnya adalah mengurutkan tabel dari ERB , tertinggi ke terkecil. Kemudian nilai Ai, Bi, dan Ci untuk masing-masing sekuritas dapat dihitung yang hasilnya disajikan di tabel berikut ini.

Nama Saham	E(Ri)	βi	σei2	ERBi	Ai	Bi	Σ Ai	Σ Bi	Ci
M L F O B A E C D K J N I G H	22 23 27 25 19 20 17 17 15 15 14 15 12 12 11	1,20 1,50 2,00 1,80 1,50 2,00 1,40 1,50 1,20 1,25 1,20 1,50 0,75 1,00 0,80	3,5 5,0 7,5 2,0 4,0 5,0 2,5 3,0 1,5 4,5 4,0 2,5 3,5 5,5 3,0	10,00 8,67 8,50 8,33 6,00 5,00 5,00 4,67 4,17 4,00 3,33 3,33 2,67 2,00 1,25	4,114 3,900 4,533 13,500 3,375 4,000 3,920 3,500 4,000 1,389 1,200 3,000 0,429 0,364 0,267	0,411 0,450 0,533 1,620 0,563 0,800 0,784 0,750 0,960 0,347 0,369 0,900 0,161 0,182 0,213	4,114 8,014 12,548 26,048 29,423 33,423 37,343 40,843 44,843 46,232 47,432 50,432 50,860 51,224 51,490	0,411 0,861 1,395 3,015 3,577 4,377 5,161 5,911 6,871 7,218 7,578 8,478 8,639 8,821 9,034	8,045 8,336 8,394 8,363 8,001 7,465 7,098 6,794 6,432 6,317 6,177 5,879 5,820 5,742 5,637

Di kolom Ci, nilai C* adalah sebesar 8,394, yaitu untuk sekuritas “F” dengan nilai ERB sebesar 8,50 yang merupakan nilai ERB terakhir kali masih lebih beasr dari nilai Ci, Nilai ERB selanjutnya yaitu 8,33 untuk sekuritas “O” sudah lebih kecil dari nilai Ci yaitu sebesar 8,363. Oleh karena itu, sekuritas “O” sudah tidak dimasukkan sebagai bagian dari portofolio optimal.  Sekuritas-sekuritas yang membentuk portofolio adalah sekuritas-sekuritas yang mempunyai ERB lebih besar dari Ci, yaitu sekuritas-sekuirtas “F”, “M”. dan “L”. 

            Setelah sekuritas-sekuritas yang membentuk portofolio optimal telah dapat ditentukan pertanyaan berikutnya adalah berapa besar proporsi masing-masing sekuritas tersebut di dalam portofolio optimal.  Besarnya proporsi untuk sekuritas ke-i adalah sebesar :

                  X_i

     W = ---------

                 k

                 Σ X_j

                 j = 1

dengan nilai X, adalah sebesar :

            β_i

Xi  =  -------- (ERB_i – C*)

            σ_ei²

W_i = propori sekuritas ke-1

k = jumlah sekuritas diportofolio optimal

β_i = Beta sekuritas ke-i

σ_ei²   = varian dari kesalahan residu sekuritas ke i

ERB_i = exces retur to Betasekuritas jei

C*    = nilai cut-off oint yang merupakan nilai terbesar

Contoh :

Dari contoh sebelumnya, terdapat tiga buah sekuritas yang membentuk portofolio optimal yang tampak sbb :

i	Nama Saham	E(Ri)	βi	σei2	ERBi	Ci	Xi	Wi
1 2 3	M L F	22 23 27	1,20 1,50 2,00	3,5 5,0 7,5	10,00 8,67 8,50	8,045 8,336 8,394*	0,551 0,083 0,029	0,8323 0,1254 0,0423

Nilai Xi dihitung berdasarkan rumus sebagai berikut :

X₁ = (1,20/3,5) (10,00 – 8,394) = 0,551

X₂ = (1,50/5,0) (  8,67 – 8,394) = 0,083

X₃ = (2,00/7,5) (  8,50 – 8,394) = 0,028

Besarnya nilai jumlah X adalah sebesar X₁ + X₂ + X₃ atau 0,551 + 0,083 + 0,028 = 0,662. Nilai W_i yang merupakan proporsi sekuritas ke –i dapat dihitung berdasarkan rumus sebagai berikut :

W₁ = 0,551/0,662 = 0,8323 = 83,23%

W₂ = 0,083/0,662 = 0,1254 = 12,54%

W₃ = 0,028/0,662 = 0,0423 =   4,23%

PORTOFOLIO : RESIKO

RESIKO

Resiko Return Realisasi

            Hanya menghitung return saja untuk suatu investasi tidaklah cukup.  Risiko dari investasi tidaklah cukup.  Risiko dari investasi juga perlu diperhitungkan.  Return dan resiko merupakan dua hal yang tidak terpisah, karena pertimbangan suatu investasi merupakan trade off dari kedua factor ini.  Return dan resiko mempunyai hubungan yang positif, semakin besar resiko yang harus ditanggung, semakin besar return yang harus di kompensasikan.  Resiko sering dihubungkan penyimpangan atau deviasi dari utcome yang diterima dengan yang diekspektasi.

            Untuk lebih memahami konsep tersebut, misalkan kita menghadapi dua kesempatan investasi sebagai berikut :

Investasi A		Investasi B
Probalitas	Return	Probabilitas	Return
0,30 0,40 0,30	0,15 0,20 0,25	0,20 0,60 0,20	0,15 0,20 0,25

 

Apabila digunakan return ekspektasi, maka akan diperoleh:

 E(R_A) = 0,20

 E(R_B) = 0,20

Meskipun diperoleh nilai expected return yang sama, tetapi kalau kita amati nampak bahwa probabilitas investasi A untuk memperoleh return yang menyimpang dan E(RA) adalah 0,60 (0,30 + 0,30), sedangkan untuk investasi B, probalitas memperoleh return yang menyimpang E(R_B) adalah 0,40 (0,20 + 0,20).

Dengan demikian kita dapat mengetahui bahwa risiko A lebih besar daripada B.  Untuk mengetahui ukuran risiko ini digunakanlah ukuran penyebaran distribusi. 

Ukuran penyebaran ini dimaksudkan untuk mengetahui seberapa jauh kemungkinan nilai yang akan kita peroleh menyimpang dari nilai yang diharapkan.  Ukuran ini bisa dipergunakan sebagai ukuran resiko. Statistik menyediakan ukuran ini yang disebut sebagai deviasi standart ( σ ). Atau  Variance ( σ² ) .

σ_A² = 0,30 (0,15 – 0,20)² + 0,40 (0,20 – 0,20)² + 0,30 (0,25 – 0,20)²

    = 0,0015

σ_A  = 0,0387

Untuk investasi B         

 σ_B² = 0,20 (0,15 – 0,20)² + 0,60 (0,20 – 0,20)² + 0,20 (0,25 – 0,20)²

       = 0,0010

 σ_B  = 0,0316

Terbukti bahwa  σ_A > σ_B, Karena E(R_A) = E(R_B), maka pemodal tentunya akan memilih investasi B

Resiko sebagai variabilitas return terhadap return yang diharapkan (Van Hoerne dan Wachowucs)Jr (1992)

Untuk resiko realisai yang banyak digunakan untuk mngukur resiko ini adalah deviasi standar (standar deviation) yang mengukur obsolut penyimpangan nilai-nilai yang sudah terjadi dengan nilai rata-ratanya (sebagai nilai yang diekspektasi)

Contoh :

Periode	Hrg Saham (Pr)	Deviden (Dr)	Return (Rr)	Rata Return
1989 1990 1991 1992 1993 1994 1995 1996	1750 1755 1790 1810 2010 1905 1920 1935	100 100 100 150 150 200 200 200	- 0,060 0,077 0,095 0,193 0,047 0,113 0,112	- 0,09957 0,09957 0,09957 0,09957 0,09957 0,09957 0,09957

SD = 0,0452

Resiko portofolio adalah varian return sekuritas-sekuritas yang membentuk portofolio tersebut.

Risiko yang dapat diversifikasi.  Bagian dari risiko sekuritas yang dapat dihilangkan dengan membentuk potofolio.  Istilah lain dari resiko ini adalah risiko perusahan  atau risiko spesifik  atau risiko yang tidak sistematik. Contoh : pemogokan buruh, tuntutan oleh pihak lain, penelitian yang tidak berhasil dsbnya

Risiko yang tidak dapat diversifikasi. Bagian dari risiko sekuritas yang tidak dapat dihilangkan dengan membentuk portofolio.  Istilah lain dari risiko ini adalah risiko pasar atau risiko umum atau risiko sistematik. Contoh: Inflasi dan resisi

Resiko Total (Resiko dapat di diversifikasi + Risiko tak dapat didiversifikasi)

                        (Risiko perusahaan + Risiko pasar)

                        (Risiko tidak sistematis + Risiko sistematis)

                        (Risiko spesifik + Risiko Umum)

Diversifikasi

Resiko yang dapat di diversifikasi adalah (resiko perusahaan, tidak sistematis, resiko spesifik)

Cara melakukan diversifikasi dengan cara :

• Diversifikasi dengan banyak aktiva
• Mengikuti hukum statistic bahwa semakin besar ukuran sample, semakin dekat nilai rata-rata sample dengan nilai ekspektasi dari populasi.

Diversifikasi secara random

Diversifikasi secara random merupakan pembentukan portofolio dengan memilih sekuritas-sekuritas secara acak tanpa memperhatikan karakteristik dari investasi yang relevan seperti misalnya return dari sekuritas itu sendiri. Investor hanya memilih sekuritas secara acak.

Diversifikasi secara Markowitz

Semakin banyak sekuritas yang dimasukkan ke dalam portofolio, semakin kecil resiko portofolio.

Beta

Beta adalah pengukur risiko sistematik dari suatu sekuritas atau portofolio relative terhadap risiko pasar.

Beta histories dapat dihitung dengan menggunakan :

• Data histories berupa data pasar (return-return sekuritas dan return pasar)
• Data akuntansi (laba-laba perusahaan dan laba indeks)
• Data fundamental

Beta pasar dapat diestimasi degan mengumpulkan nilai-nilai histories return dari sekuirtas dan return dari pasar selama periode tertentu :

Return Saham A	Return Pasar
7,5% 8,0% 9,0% 10,0% 10,5% 11,5% 11,0% 12,0% 12,0% 14,0%	4,0% 4,5% 4,5% 5,5% 6,0% 7,0% 6,0% 6,5% 7,5% 8,0%

Secara manual. Beta Sekuritas A dapat dihitung dengan cara sebagai berikut :

Buat diagram tersebar (scatter diagram) yang menunjukkan titik-titik hubungan antara return sekuritas A dengan return pasar.

Tarik garis lurus yang paling mendekati dengan semua titik-titik hubungan .

Beta histories untuk sekuritas A dapat dihitung (Beta) 1,50

Secara regresi (beta) 1,432415

Dengan rumus : (beta) 1,434515

Return Saham A	Return Pasar	(Ra-RA)-(Rm-RM)	Rm – Rm
7,5% 8,0% 9,0% 10,0% 10,5% 11,5% 11,0% 12,0% 12,0% 14,0%	4,0% 4,5% 4,5% 5,5% 6,0% 7,0% 6,0% 6,5% 7,5% 8,0%	5,9475 3,6975 2,2475 0,2475 -0,0025 0,9975 0,0025 0,7975 2,2475 7,0725	3,8025 2,1025 2,1025 0,2025 0,0025 1,1025 0,0025 0,3025 2,4025 4,2025

 

Beta Akuntansi

Data akuntansi seperti misalnya laba akuntansi (accounting earning) dapat juga digunakan untuk mengestimasi Beta.

Beta Fundamental

Beaver, Kettler, dan Scholes (1970) mengembangkan penelitian Ball dan Brown menggunakan tujuh macam variable yang merupakan variable-variabel fundamental.  Sebagian besar variable-variabel tersebut adalah variable-variabel akuntansi sebagai berikut :

• Dividen Payout: diukur sebagai deviden yang dibayarkan dibagi dengan laba yang tersedia.
• Asset Growth perubahan (tingkat pertumbuhan) tahunan dari aktiva total.
• Leverage didefinisikan sebagai nilai buku total hutang jangka panjang dibagi dengan total aktiva.
• Liquidity (Current Ratio) yaitu aktiva lancer dibagi dengan hutang lancar.
• Asset size diukur sebagai logaritma dari total aktiva.
• Earning Variability diukur dengan nilai deviasi standar dari PER (price earning ratio)
• Accounting beta diperoleh dari koefisien regresi dengan variable dependen perubahan laba akuntansi dan variable independent (perubahan indeks laba pasar untuk laba akuntansi portofolio pasar)

Penghitungan Koefisien Korelasi

Korelasi menunjukkan hubungan (association) antara suatu variable dengan variable yang lain meskipun demikian hubungan ini bukan merupakan sebab akibat. Sebagai contoh, kalau harga emas naik, dan nilai US$ turun, dikatakan bahwa kedua variable tersebut mempunyai korelasi yang negative.  Korelasi negative berarti kalau variable yang satu naik yang satunya akan turun, dan sebaliknya.  Sedangkan kalau korelasinya positif, kalau variable yang satunya naik yang, variable yang lain juga naik.  Demikian pula kalau variable yang satu turun, variable yang lainnya juga turun.

Meskipun demikian kita tidak bisa mengatakan bahwa kenaikan harga emas akan menurunkan nilai US$ atau sebaliknya.  Kedua variable tersebut tidak mempunyai hubungan sebab akibat

Kalau kita mempunyai data cardinal (yaitu data yang dinyatakan dalam ukuran kuantitatif), seperti tingkat keuntungan investasi, nilai penjualan dan sebagainya, maka rumus yang bisa dipergunakan untuk menghitung koefisien korelasi (= ρ ) adalah :

ρ        =         nΣXY - ΣXΣY

             √ {[n ΣX²   - (ΣX)² ] [nΣY² - (ΣY)² ]}

Berikut ini diberikan contoh tentang penghitungan ρ. Misalkan kita mempunyai tingkat keuntungan saham “ABC” (kita beri notasi X) dan saham “PQR” (kita beri notasi Y).  Untuk menggunakan rumus diatas  digunakan tabel pada halaman berikut :

Dengan  memasukkan angka-angka tersebut ke dalam persamaan di atas, kita memperoleh :

ρ    =  ( 12 ) (0.4022) – (1,990) (2,3900)

           √ (12) (0.3401) – 1,99² ) (12) (0.4887) – 2,39²

Koefisien korelasi tersebut positif, tetapi tidak terlalu besar. Ini berarti bahwa meskipun ada kecenderungan kalau tingkat keuntungan “ABC” naik diikuti dengan kenaikan “PQR” (dan sebaliknya), hubungan tersebut tidaklah terlalu kuat, jauh dari angka satu     

Observasi	X	Y	X2	Y2	XY
1 2 3 4 5 6 7 8 9 10 11 12	0,1200 0,2000 0,1700 0,1500 0,2000 0,1800 0,1600 0,1900 0,2000 0,1200 0,1300 0,1700 1,9900	0,1500 0,1800 0,1700 0,1800 0,2300 0,2000 0,1900 0,1900 0,2800 0,2000 0,1900 0,2300 2,3900	0,0144 0,0400 0,0289 0,0225 0.0400 0.0324 0,0256 0,0361 0,0400 0,0144 0,0169 0,0289 0,3401	0,0225 0,0324 0,0289 0,0324 0,0529 0,0400 0,0361 0,0361 0,0784 0,0400 0,0361 0,0529 0,4887	0,0180 0,0360 0,0289 0,0270 0,0460 0,0360 0,0304 0,0361 0,0560 0,0240 0,0247 0,0391 0,4022

Regresi

Dalam analisis ekonomi, sering kita merasa tidak cukup dengan sekedar mengetahui bagaimana hubungan (association) antara suatu variable dengan variable yang lain.  Kita ungin memperkirakan apa yang akan terjadi dengan suatu variable apabila variable (atau variable-variabel ) yang lain berubah.  Hubungan fungsional ini dikenal sebagai regresi.

Kadang-kadang hubngan fungsional tersebut berdifat linear dan kadang-kadang tidak. Meskipun demikian, dalam analisis portofolio kita menggunakan hubungan yang bersifat linear. Marilah kita gunakan contoh berikut ini.  Misalkan Y adalah tingkat keuntungan dari suatu dan X adalah tingkat keuntungan portofoliopasar (atau indeks pasar).  Persamaan regresi yang dirumuskan adalah :

 Y = a + bx

Sedangkan

            n ∑XY  - ∑X ∑Y

    b =    n ∑X²   -  (ΣX)²

dan

    a =  Y – bx

Misalkan data seperti pada penghitungan korelasi diatas.  Dengan rumus tersebut kita bisa menghitung :

   b   =  {(12 ) 0, 4022) – (1,99) (2,39)}/{ (12) (0,3401) –(1.99)²}

         =  0,580

Nilai ini merupakn nilai slope kemiringan garis tersebut, Sedangkan untuk nilai a bisa kita hitung sbb :

  X  =  (1,994) /12

       =  0, 1658

  Y  =  2,39/12

      =  0,1991

   a = 0,1991 -  (0,580) (0,1658)

      =  0,1028

Dengan demikian persamaan garis regresinya adalah

Y = 0, 1028 – 0,580 X