Matakuliah Tahun : Manajemen Keuangan 1 : 2009 ANALISA RISIKO DALAM PENGANGGARAN MODAL Pertemuan 19 CAPITAL BUDGETING UNDER RISK (1) Risiko “berdikari” (stand-alone risk), (2) Risiko di dalam perusahaan (within-firm risk), dan (3) Risiko pasar atau beta. Ada tiga teknik yang bisa digunakan untuk memperkirakan risiko berdikari proyek, yaitu: (1) Analisis sensitivitas, (2) Analisis skenerio, dan (3) Simulai Monte Carlo Bina Nusantara University 3 Menyesuaikan Risiko dalam Capital Budgeting Two Methods: • Certainty Equivalent Approach • Risk-Adjusted Discount Rate Bina Nusantara University 4 Bina Nusantara University 5 Bina Nusantara University 6 Bina Nusantara University 7 Analisis Sensitivitas • Analisis sensitivitas adalah suatu teknik untuk menganalisa risiko dengan mengubah-ubah variabel kunci dan mengamati pengaruhnya terhadap NPV dan laba. • Misal, kita ketahui ada 6 variabel kunci yang paling berpengaruh terhadap perubahan NPV, yaitu harga jual, biaya variabel, tingkat pertumbuhan, unit penjualan, biaya tetap dan biaya modal (WACC). • Kita misalkan perusahaan melakukan perubahan atau deviasi misal 10%, 15%, 30%, sebaliknya jika deviasi -10%, -15%, 30% dan seterusnya. • Kita dapat mengerjakan analisis sensitivitas ini dengan bantuan program EXCEL, hasil seperti pada tabel dan gambar berikut. Bina Nusantara University 8 Aliran Kas Tahunan 0 2005 1 2006 Tahun 2 2007 3 2008 4 2009 Investasi: Bangunan Peralatan 12.000,00 8.000,00 Aliran Kas Operasional: Unit Penjualan Harga Jual Penerimaan Penjualan Biaya Variabel Biaya Tetap Penyusutan Bangunan Penyusutan Peralatan EBIT Pajak (40%) NOPAT Ditambah Penyusutan Aliran Kas Operasional: Aliran Kas Modal Kerja Bersih: Modal Kerja Bersih (Dari Penjualan) Aliran Kas Investasi dalam NWOC 6.000,00 (6.000,00) 20.000,00 20.000,00 3,00 60.000,00 42.000,00 8.000,00 156,00 1.600,00 20.000,00 20.000,00 3,06 61.200,00 42.840,00 8.080,00 312,00 2.560,00 20.000,00 20.000,00 3,12 62.400,00 43.696,80 8.160,80 312,00 1.520,00 20.000,00 20.000,00 3,18 63.600,00 44.570,74 8.242,41 312,00 960,00 8.244,00 7.408,00 8.710,40 9.514,86 3.297,60 4.946,40 1.756,00 6.702,40 2.963,20 4.444,80 2.872,00 7.316,80 3.484,16 5.226,24 1.832,00 7.058,24 3.805,94 5.708,91 1.272,00 6.980,91 6.120,00 (120,00) 6.240,00 (120,00) 6.360,00 (120,00) 6.360,00 Aliran Kas Nilai Sisa : Aktiva Jangka Panjang: Aliran Kas Bersih Nilai Sisa: Bangunan Aliran Kas Bersih Nilai Sisa: Peralatan Total Aliran Kas Nilai Sisa Aliran Kas Bersih 8.863,00 1.744,00 10.607,00 (26.000,00) 6.582,40 7.196,80 6.938,24 23.947,91 Bina Nusantara University NPV 5.772,22 9 NPV Pada situasi berbeda-beda Deviasi dari Tingkat Dasar (%) NPV pada deviasi yang berbeda-beda dari nilai awal Harga Jual (Rp) Biaya Tingkat Unit Variabel Pertumbuhan Penjualan (Rp) (Rp) (Rp) Biaya Tetap (Rp) WACC (Rp) -30 (27.223) 29.404 (4.923) (3.628) 10.243 9.030 -15 (10.707) 17.607 (115) (1.091) 8.026 7.362 0 5.772 5.772 5.772 5.772 5.772 5.772 15 22.326 (5.988) 12.987 10.528 3.593 4.363 30 38.842 (17.785) 21.556 15.247 1.376 3.014 Bina Nusantara University 10 Situasi NPV terhadap Deviasi yang Berbeda-beda 50 40 30 20 NPV 10 0 -40 -20 -10 0 20 40 -20 -30 -40 Deviasi dari tingkat dasar Bina Nusantara University Harga VC WACC FC Pertumbuhan Unit Sales 11 Analisis Skenerio Skenerio Analisis Skenerio Probabilitas Harga Jual (Rp) Unit Penjual an (Rp) Biaya Variab el (Rp) Tingkat Pertumbuhan (%) Terbaik 0,25 3,90 26.000 1,47 30 146.180 Normal 0,50 3,00 20.000 2,10 0 5.809 Terburuk 0,25 2,10 14.000 2,73 -30 Expected NPV Standar Deviasi (SD) Coefesien of Covariance = SD/E.NPV Bina Nusantara University NPV (Rp) -37.257 30.135 69.267 2,3 12 n Expected NPV = ∑ Pi(NPVi) I=1 = 0,25 (146.180) + 0,50(5.809) + 0,25(-37.257) = 30.135 n σNPV = √ ∑ Pi(NPVi - Expected NPV)2 i=1 = √ 0.25(146.180 – 30.135)2 + 0.50(5.809 – 30.135)2 + 0.25(37.257 – 30.135)2 = 69.267 Coefesien of Covariance = SD/E.NPV = 69.267 : 30.135 = 2,30 Bina Nusantara University 13 Simulasi Monte Carlo • Simulasi Monte Carlo adalah teknik analisis risiko di mana kejadian yang cukup memungkinkan akan terjadi dimasa mendatang disimulasikan dalam komputer sehingga menghasilkan estimasi tingkat pengembalian dan indeks risiko. • Analisis ini memerlukan komputer dengan daya yang cukup besar, dengan dibantu perangkat lunak “simtools.xla”. • Simulasi Monte Carlo akan dijelaskan lebih lanjut dalam mata kuliah Lab Modeling Keuangan. Bina Nusantara University 14
© Copyright 2024 Paperzz
