96 Bab V Hasil dan Pembahasan V.1 Hasil Pengujian Model Dari

Bab V Hasil dan Pembahasan
V.1 Hasil Pengujian Model
Dari pengujian model dengan simulasi yang dilakukan sebanyak 10.000 iterasi yang
merupakan iterasi terpilih, diperoleh hasil-hasil sebagai berikut:
V.1.1 Hasil Simulasi Monte Carlo Terhadap Payback Period
Hasil simulasi monte carlo terhadap kriteria kelayakan finansial payback period
menunjukkan bahwa nilai rata-rata (mean) payback untuk kelima skenario simulasi
lebih kecil dari periode investasi (payback period < periode investasi), dengan nilai
payback yang sangat bervariasi antara skenario satu dengan yang lainnya sebagaimana
terlihat pada Tabel V.1 dibawah ini:
Tabel V.1 Data Statistik Hasil Simulasi Monte Carlo Terhadap Payback Period
Uraian
Minimum
Mean
Maximum
Std Dev
Variance
Coefficient of
Variation
Skewness
Kurtosis
Mode
5th Perc.
95th Perc.
95th Perc.- 5th Perc.
A
6,80
8,44
15,93
0,42
0,181
Skenario Cash Flow
B
C
D
6,65
6,03
6,87
8,87
7,23
8,65
17,69
12,02
14,35
0,43
0,34
0,40
0,185
0,119
0,164
E
4,74
6,38
11,60
0,31
0,099
0,0503
0,0485
0,0476
0,0468
0,0493
3,77
40,44
7,98
7,94
9,08
1,14
2,65
31,10
8,48
8,31
9,53
1,23
2,40
20,83
6,93
6,78
7,77
0,99
1,93
16,76
8,68
8,11
9,30
1,19
3,19
32,80
6,15
5,99
6,88
0,89
Hasil simulasi diatas menyajikan informasi yang dapat digunakan dalam pengambilan
keputusan investasi. Hasil yang ada menunjukkan bahwa skenario E menawarkan
kemungkinan mean payback lebih cepat dibandingkan dengan skenario yang lain, yaitu
6,38 tahun dengan kemungkinan maksimum Payback Period yang dapat dicapai selama
11,60 tahun dan kemungkinan minimum selama 4,74 tahun. Sedangkan skenario B
96
menawarkan kemungkinan mean payback paling lama diantara kelima skenario tersebut
yaitu 8,87 tahun dengan nilai maksimum payback period selama 17,69 tahun dan
minimum Payback Period selama 6,65 tahun.
Dari hasil simulasi di atas dapat diketahui juga besarnya risiko berdasarkan coefficient
of variation (CV) pada masing-masing skenario. Semakin besar coefficient of variation
(CV) dari investasi maka semakin besar risiko investasi tersebut. Hasil yang ada
menunjukkan bahwa skenario D mempunyai coefficient of variation (CV) yaitu 0,0476
yang berarti investasi pada skenario D mempunyai risiko paling kecil dibandingkan
dengan skenario yang lain, sedangkan skenario A merupakan skenario yang mempunyai
risiko paling besar dengan coefficient of variation (CV) yaitu 0,0503.
Untuk membandingkan nilai payback period dari kelima skenario tersebut diatas dapat
dilihat melalui kurva distribusi probablitasnya yaitu kurva PDF (Probability Density
Function) dan CDF (Cumulative Density Function) pada Gambar V.1.
Distribution for Payback Period
Distribution for Payback Period
1.400
1.000
1.200
0.800
1.000
0.800
0.600
0.600
0.400
0.400
0.200
0.200
0.000
4
6
8
10
12
14
16
0.000
18
4
6
8
10
12
14
16
18
Gambar V.1 Kurva PDF dan CDF Fit Distribusi Payback Period Kelima Skenario
Pada gambar dapat dilihat bahwa kurva PDF dan CDF dari payback period dapat
diinterpretasikan dari kecondongan kurva tersebut. Skenario yang mempunyai kurva
PDF dan CDF yang lebih condong ke kiri menawarkan kemungkinan payback lebih
cepat dibandingkan kurva PDF dan CDF dari skenario yang lebih condong ke kanan,
maka dapat diinterpretasikan bahwa semakin kecil payback period yang dihasilkan
terhadap periode investasi maka semakin baik usulan investasi tersebut.
97
V.1.2 Hasil Simulasi Monte Carlo Terhadap Net Present Value (NPV)
Hasil simulasi monte carlo terhadap kriteria kelayakan NPV menunjukkan bahwa nilai
rata-rata (mean) NPV dari kelima skenario hanya empat skenario yang mempunyai nilai
mean NPV > 0, dengan nilai NPV yang bervariasi antara skenario satu dengan yang
lainnya sebagaimana terlihat pada Tabel V.2 dibawah ini:
Tabel II.2 Data Statistik Hasil Simulasi Monte Carlo Terhadap NPV
Uraian
Minimum
Mean
Maximum
Std Dev
Variance
Coefficient of
Variation
Skewness
Kurtosis
Mode
5th Perc.
95th Perc.
95th Perc.- 5th Perc.
Skenario Cash Flow
A
B
C
D
(5,82E+11) (2,19E+12) 6,24E+10 (5,37E+11)
5,66E+11
1,15E+12 3,89E+11 9,73E+11
1,15E+12
2,99E+12 6,86E+11 1,85E+12
8,95E+10
1,98E+11 4,86E+10 1,56E+11
8,01E+21
3,94E+22 2,36E+21 2,44E+22
E
3,66E+11
1,98E+12
4,11E+12
2,26E+11
5,12E+22
0,158
0,172
0,125
0,160
0,114
(0,431)
12,64
4,98E+11
4,46E+11
7,16E+11
2,70E+11
(0,106)
13,88
9,74E+11
8,80E+11
1,50E+12
6,15E+11
0,673
5,08
3,23E+11
3,23E+11
4,74E+11
1,51E+11
0,330
6,46
8,61E+11
7,55E+11
1,25E+12
4,93E+11
1,037
7,94
1,74E+12
1,68E+12
2,38E+12
6,98E+11
Hasil simulasi diatas menyajikan informasi yang dapat digunakan dalam pengambilan
keputusan investasi. Hasil simulasi tersebut menunjukkan bahwa skenario E mempunyai
kemungkinan nilai harapan rata-rata NPV terbesar dibandingkan dengan skenario yang
lain, yaitu Rp. 1,98 trilyun dengan kemungkinan maksimum NPV yang dapat dicapai
sebesar Rp. 4,11 trilyun dan kemungkinan minimum NPV sebesar Rp. 366 milyar.
Sedangkan skenario yang mempunyai nilai mean NPV terkecil adalah skenario C.
Skenario C mempunyai kemungkinan mean NPV yaitu sebesar Rp. 389 milyar, dengan
kemungkinan masksimum NPV sebesar Rp. 686 milyar dan kemungkinan minimum
NPV Rp. 62,4 milyar.
Dari hasil simulasi di atas dapat diketahui juga besarnya risiko investasi masing-masing
skenario. Tabel diatas juga menunjukkan besarnya risiko pada masing-masing skenario.
98
Skenario E mempunyai risiko yang paling kecil dibandingkan dengan skenario yang
lain dengan coefficient of variation (CV) yaitu 0,114. Sedangkan skenario B merupakan
skenario yang mempunyai risiko paling besar dengan coefficient of variation (CV) yaitu
0,172.
Nilai NPV dari kelima skenario tersebut diatas dapat dilihat melalui kurva distribusi
probablitasnya yaitu kurva PDF (Probability Density Function) dan CDF (Cumulative
Density Function) pada Gambar V.2.
Distribution for NPV
Distribution for NPV
1.000
Values in 10^ -12
3.500
3.000
0.800
2.500
2.000
0.600
1.500
0.400
1.000
0.200
0.500
0.000
-3
-1
1
3
0.000
-3
5
Values in 10^12
-1
1
3
5
Values in 10^12
Gambar V.2 Kurva PDF dan CDF Fit Distribusi NPV Kelima Skenario
Kurva PDF dan CDF dari NPV mempunyai interpretasi yang berbeda dengan
interpretasi kurva PDF dan CDF dari payback period, yaitu skenario yang mempunyai
kurva PDF dan CDF yang condong ke kanan mempunyai nilai NPV yang lebih besar
dibandingkan dengan skenario yang mempunyai kurv PDF dan CDF yang condong ke
kiri. Semakin besar nilai NPV yang ditawarkan maka usulan investasi akan semakin
menarik, dengan kriteria NPV > 0 maka usulan investasi dianggap layak.
V.1.3 Hasil Simulasi Monte Carlo Terhadap Internal Rate of Return (IRR)
Hasil simulasi monte carlo terhadap kriteria kelayakan IRR pada kelima skenario
menunjukkan bahwa kelima skenario tersebut mempunyai nilai rata-rata (mean) IRR
lebih besar dari RRR (IRR > RRR). Data statistik hasil simulasi tersebut dapat dilihat
pada Tabel V.3 dibawah ini.
99
Tabel V.3 Data Statistik Hasil Simulasi Monte Carlo Terhadap IRR
Uraian
Minimum
Mean
Maximum
Std Dev
Variance
Coefficient of
Variation
Skewness
Kurtosis
Mode
5th Perc.
95th Perc.
95th Perc.- 5th Perc.
A
9,87%
15,90%
19,42%
0,0094
0,000088
Skenario CashFflow
B
C
D
8,16%
12,76%
5,75%
15,49%
20,51%
15,65%
18,66%
25,44%
19,74%
0,0102
0,0114
0,0101
0,000104
0,000130
0,000103
E
17,46%
23,56%
33,78%
0,0122
0,000148
0,0590
0,0658
0,0556
0,0647
0,0517
(0,76)
7,12
15,22%
14,46%
17,32%
2,86%
(0,65)
7,43
15,24%
13,82%
17,09%
3,27%
(0,20)
5,47
20,29%
18,78%
22,37%
3,59%
(1,02)
13,62
15,71%
14,09%
17,23%
3,14%
0,33
7,81
23,87%
21,71%
25,50%
3,79%
Dari tabel diatas diperoleh informasi, bahwa skenario E mempunyai nilai harapan ratarata IRR terbesar dibandingkan dengan skenario yang lain, yaitu sebesar 23,56% dengan
kemungkinan maksimum IRR 33,78% dan kemungkinan minimum IRR sebesar
17,46%. Dari kelima skenario yang dikembangkan, skenario B merupakan investasi
yang mempunyai nilai mean IRR paling kecil yaitu sebesar 15,49% dengan
kemungkinan maksimum IRR 18,66% dan kemungkinan minimum IRR sebesar 8,16%.
Skenario E mempunyai risiko yang paling kecil dibandingkan dengan skenario yang
lain dengan coefficient of variation (CV) yaitu 0,0517. Sedangkan skenario B
merupakan skenario yang mempunyai risiko paling besar dengan coefficient of variation
(CV) yaitu 0,0658.
Dibawah ini adalah kurva PDF dan CDF dari IRR untuk memudahkan dalam
membandingkan nilai IRR dari kelima skenario yang disimulasikan.
100
Distribution for IRR
Distribution for IRR
45
1.000
40
0.800
35
30
0.600
25
20
0.400
15
10
0.200
5
0
0.05
0.125
0.2
0.275
0.000
0.05
0.35
0.125
0.2
0.275
0.35
Gambar V.3 Kurva PDF dan CDF Fit Distribusi IRR Kelima Skenario
Interpretasi kurva PDF dan CDF dari IRR sama halnya dengan interpretasi kurva PDF
dan CDF dari NPV, yaitu kurva yang lebih condong ke kanan nilai mempunyai IRR
yang lebih besar daripada kurva yang lebih condong ke kiri. Semakin besar nilai IRR
maka investasi tersebut layak dengan kriteria IRR > RRR.
V.2 Hasil Analisis Sensitivitas Variabel Ketidakpastian Terhadap Kriteria
Kelayakan Finansial
Analisis sensitivitas dilakukan untuk mengetahui variabel ketidakpastian mana yang
paling sensitif dalam menentukan output dan melihat bagaimana variabel ketidakpastian
tersebut memberikan perubahan terhadap kriteria kelayakan payback period, NPV dan
IRR. Dengan analisis ini, tingkat korelasi dihitung antara output yang dipilih dan
masing-masing distribusi dari variabel ketidakpastian. Semakin tinggi korelasi antara
variabel ketidakpastian dan output, maka semakin berpengaruh variabel ketidakpastian
tersebut dalam penentuan nilai output. Nilai korelasi berkisar antara – 1 dan 1, dimana
nilai 0 menunjukkan tidak ada hubungan antar variable ketidakpastian, nilai 1
menunjukkan korelasi positif penuh antar variabel ketidakpastian dan nilai – 1
menunjukkan korelasi negatif antar variabel ketidakpastian.
Analisis sensitivitas akan dilakukan dengan 7x simulasi sebanyak 1000 iterasi untuk
masing-masing simulasi. Hasil analisis sensitivitas ini yaitu diagram tornado, spider
diagram berdasarkan change from base value dan spider diagram berdasarkan
101
distribution percentile. Analisis sensitivitas akan dilakukan terhadap skenario terpilih
untuk tiap-tiap kriteria kelayakan Payback Period, NPV dan IRR.
V.2.1 Hasil Analisis Sensitivitas Variabel Ketidakpastian Terhadap Payback
Period
Analisis sensitivitas terhadap kriteria kelayakan payback period diwakilkan melalui
skenario A. Adapun untuk mengetahui pengaruh perubahan dari masing-masing
variabel ketidakpastian, maka dilakukan analisis regresi dan korelasi antara perubahan
variabel ketidakpastian yang terjadi terhadap kriteria kelayakan payback period. Hasil
analisis regresi dan korelasi dari variabel ketidakpastian terhadap payback period dapat
dilihat pada Tabel V.4 dan Tabel V.5.
Dari tabel Tabel V.4 dapat diketahui bahwa Suku Bunga 2007 menempati ranking
tertinggi diantara variabel ketidakpastian yang lain. Pada skenario A, Suku Bunga 2007
mempunyai nilai koefisien regresi yaitu 0,756.
102
Tabel V.4 Nilai Regresi Variabel Ketidakpastian Terhadap Payback Period
Rank
A
Std b
Coeff
Suku Bunga
(it) / 2007
Inflasi (ft) /
2009
Suku Bunga
(it) / 2008
(0.268)
#4
Inflasi (ft) /
2010
(0.236)
#5
Inflasi (ft) /
2011
(0.201)
#1
#2
#3
#6
#7
#8
#9
Tingkat
Penjualan
(St) / 2014
Inflasi (ft) /
2012
Tingkat
Penjualan
(St) / 2015
Suku Bunga
(it) / 2014
0.756
0.246
(0.160)
(0.159)
Skenario Cash flow dan Nilai Koefisien Regresi
Std b
Std b
B
C
D
Coeff
Coeff
Suku Bunga
Suku Bunga
Suku Bunga
0.531
0.501
(it) / 2007
(it) / 2008
(it) / 2007
Suku Bunga
Suku Bunga
Suku Bunga
0.490
0.473
(it) / 2008
(it) / 2007
(it) / 2008
Inflasi (ft) /
Inflasi (ft) /
Inflasi (ft) /
(0.306)
(0.298)
2009
2009
2009
Tingkat
Inflasi (ft) /
Inflasi (ft) /
(0.253) Penjualan
(0.267)
2010
2010
(St) / 2013
Tingkat
Inflasi (ft) /
Inflasi (ft) /
(0.254)
Penjualan
(0.231)
2011
2010
(St) / 2015
Tingkat
Inflasi (ft) /
Inflasi (ft) /
(0.207) Penjualan
(0.225)
2011
2011
(St) / 2015
Inflasi (ft) /
Suku Bunga
Suku Bunga
0.170
0.200
2012
(it) / 2013
(it) / 2015
Std b
Coeff
0.613
0.352
(0.304)
(0.266)
E
Suku Bunga
(it) / 2007
Suku Bunga
(it) / 2008
Inflasi (ft) /
2009
Tingkat
Penjualan
(St) / 2012
Std b
Coeff
0.647
0.373
(0.296)
(0.238)
(0.222)
Inflasi (ft) /
2010
(0.233)
(0.194)
Suku Bunga
(it) / 2012
0.192
(0.175)
Inflasi (ft) /
2011
(0.171)
(0.126)
Inflasi (ft) /
2012
(0.186)
Suku Bunga
(it) / 2011
0.168
Suku Bunga
(it) / 2014
0.165
Suku Bunga
(it) / 2010
0.161
0.122
Suku Bunga
(it) / 2014
0.155
Suku Bunga
(it) / 2012
0.158
Suku Bunga
(it) / 2012
0.147
Suku Bunga
(it) / 2011
0.160
103
Tabel V.5 Nilai Korelasi Variabel Ketidakpastian Terhadap Payback Period
Skenario Cash flow dan Nilai Koefisien Korelasi
Coef
Coef
Coef
Coef
Rank
A
Rank
B
Rank
C
Rank
D
Rank
E
Corr
Corr
Corr
Corr
Suku
Suku
Suku
Suku
Inflasi
Bunga
Bunga
Bunga
Bunga
0.385
0.364
#1
0.303
#1
(ft)
/ (0.328)
#1
0.443
#1
#1
(it)
/
(it)
/
(it)
/
(it)
/
2009
2007
2007
2007
2007
Suku
Inflasi
Inflasi
Inflasi
Inflasi
Bunga
0.319
#2
(ft)
/ (0.309)
#3
(ft)
/ (0.318)
#2
(ft)
/ (0.320)
#2
(ft)
/ (0.299)
#2
(it)
/
2009
2009
2009
2009
2007
Tingkat
Tingkat
Tingkat
Tingkat
Tingkat
Penjualan
Penjualan
Penjualan
Penjualan
Penjualan
#11
0.097
#15
0.082
#8
0.126
#11
0.096
#8
0.176
(St)
/
(St)
/
(St)
/
(St)
/
(St)
/
2008
2008
2008
2008
2008
Coef
Corr
104
Berdasarkan Tabel V.5 diatas, ranking sensitivitas untuk kriteria payback period, Suku
Bunga 2007 mempunyai nilai koefisien korelasi yang paling tinggi dibandingkan
variabel yang lain dan Tingkat Penjualan 2008 mempunyai nilai koefisien korelasi yang
paling rendah. Pada skenario A dapat dilihat bahwa terhadap perubahan payback period
yaitu 0,443 kemudian disusul Inflasi 2009 yang mempunyai nilai koefisien korelasi
negatif yaitu 0,320 dan Tingkat Penjualan 2008 yang mempunyai nilai koefisien
korelasi 0,097. Nilai korelasi untuk masing-masing distribusi variabel ketidakpastian
diatas, selanjutnya akan digunakan untuk analisis sensitivitas lanjut yang akan
menghasilkan diagram tornado, spider diagram berdasarkan change from base value dan
spider diagram berdasarkan distribution percentile. Diagram tornado sensitivitas
payback period terhadap variabel ketidakpastian dapat dilihat pada Gambar V.4 berikut
ini.
Suku Bunga
(i t )/2007
Inputs
Suku Bunga (it) / 20
Inflasi
Inflasi
(ft)(f /t )/2009
2009
Tingkat Penjualan
Tingkat Penjualan (S
(St )/2008
6.8
7
7.2
7.4
7.6
7.8
8
Mean of Payback Period
Gambar V.4 Diagram Tornado Sensivitas Payback Period Terhadap Variabel
Ketidakpastian
Pada diagram tornado, variabel ketidakpastian yang mempunyai rentang batang
terpanjang merupakan veriabel ketidakpastian yang paling sensitif dan memberikan
105
pengaruh yang paling besar terhadap perubahan kriteria kelayakan finansial. Demikian
pula sebaliknya, variabel ketidakpastian yang mempunyai rentang batang terpendek
memberikan pengaruh yang paling terhadap perubahan kriteria kelayakan.
Dari diagram tornado sensitivitas payback period terhadap variabel ketidakpastian
diatas dapat dilihat bahwa interpretasi hasil regresi dan korelasi awal yang tersaji pada
Tabel V.4 dan Tabel V.5 terbukti adanya. Suku Bunga 2007 mempunyai rentang
batang terpanjang dan memiliki pengaruh dalam menentukan cepat lambatnya payback
sebesar 0,82 tahun, kemudian disusul dengan Inflasi 2009 sebesar 0,50 tahun.
Sedangkan tingkat penjualan mempunyai rentang batang terpendek dengan nilai
payback sebesar 0,12 tahun.
Kriteria lain yang dapat digunakan untuk menguji sensitivitas sehingga dapat diketahui
lebih jelas tentang skenario-skenario perubahan yang terjadi dan dampaknya terhadap
kriteria kelayakan finansial adalah menggunakan spider diagram. Hasil analisis melalui
spider diagram dapat memberikan informasi yang lebih interaktif dibandingkan dengan
diagram tornado, selain itu juga hasil analisis pada spider diagram dapat disajikan
dengan dua pendekatan yaitu pertama melalui perbandingan presentase perubahan input
dari nilai dasar (base value) terhadap output sedangkan yang kedua dengan
perbandingan percentile distribusi input terhadap output.
Kedua pendekatan ini
menunjukkan bahwa variabel ketidakpastian yang paling berpengaruh dinyatakan
dengan variabel yang memiliki kemiringan yang paling besar (gradien terbesar)
dibanding variabel-variabel ketidakpastian lainnya. Ilustrasi dari spider diagram
berdasarkan kedua pendekatan tersebut ditunjukkan pada Gambar V.5 dan Gambar
V.6 berikut ini.
106
8
Payback Period
7.8
Tingkat Penjualan (St)
/ 2008 K35
7.6
Inflasi (ft) / 2009 L50
7.4
Suku Bunga (it) / 2007
J171
7.2
7
6.8
-43%
7%
57%
107%
157%
207%
257%
Change From Base Value (%)
Gambar V.5 Spider Diagram
(Persentase Change from Base Value Terhadap Mean Payback Period)
Berdasarkan pada gambar diatas persentase perubahan variabel ketidakpastian dari nilai
dasar (base value) terhadap mean payback period, Suku Bunga 2007 merupakan
variabel ketidakpastian yang paling sensitif dibandingkan variabel ketidakpastian
lainnya karena memiliki gradien garis terbesar dan Tingkat Penjualan 2008 merupakan
variabel ketidakpastian yang paling tidak sensitif diantara ketiga variabel ketidakpastian
tersebut. Suku Bunga maksimum yang terjadi pada tahun tersebut yaitu 39,92% yang
merupakan perubahan maksimum arah positif dari base value yaitu 260,66% yang akan
menghasilkan mean payback 7,11 tahun. Sedangkan Suku Bunga minimum yang terjadi
pada tahun tersebut yaitu 7,27% yang merupakan perubahan minimum arah negatif dari
base value yaitu 34,29% yang akan menghasilkan mean payback 7,93 tahun.
Data persentase change from base value variabel ketidakpastian terhadap mean payback
period disajikan pada Tabel V.6 berikut.
107
Tabel V.6 Change From Base Value Terhadap Mean Payback Period
Base Value
Minimum
Maksimum
Suku Bunga
Payback
%
Period
(tahun)
(34,29%)
7,93
260,66%
7,11
Inflasi
Payback
%
Period
(tahun)
(42,86%)
7,32
149,81%
6,82
Tingkat Penjualan
Payback
%
Period
(tahun)
(24,50%)
7,14
24,50%
7,26
Sedangkan hasil analisis berdasarkan percentile distribusi, akan dimisalkan pada range
percentile 1% dan 99%. Dari hasil analisis, pada percentile 1% dihasilkan kemungkinan
Suku Bunga per tahun sebesar 7,27% akan menghasilkan mean payback 7,93 tahun dan
pada percentile 99% dengan kemungkinan Suku Bunga per tahun 39,92% yang akan
menghasilkan rata-rata payback 7,11 tahun.
Ilustrasi dan data dari dampak perubahan variabel-variabel ketidakpastian terhadap
NPV, yang didasarkan pada percentile-percentile tertentu dapat dilihat pada Gambar
V.6 dan Tabel V.7 dibawah ini.
108
8
Payback Period
7.8
Tingkat Penjualan (St)
/ 2008 K35
7.6
Inflasi (ft) / 2009 L50
7.4
Suku Bunga (it) / 2007
J171
7.2
7
6.8
0%
20%
40%
60%
80%
100%
Percentile
Gambar V.6 Spider Diagram
(Percentile Terhadap Mean Payback Period)
Tabel V. 7 Percentile Terhadap Mean Payback Period
Percentile
1%
5%
50%
95%
99%
Suku Bunga
Payback
%
Period
(tahun)
7,27%
7,11
7,40%
7,12
8,95%
7,15
21,12%
7,46
39,92%
7,93
Inflasi
Payback
%
Period
(tahun)
4,76%
7,32
5,16%
7,31
7,42%
7,23
14,51%
7,01
20,81%
6,82
Tingkat Penjualan
Payback
%
Period
(tahun)
60,4%
7,14
62%
7,15
80%
7,20
98%
7,25
99,6%
7,26
V.2.2 Hasil Analisis Sensitivitas Variabel Ketidakpastian Terhadap Net Present
Value (NPV)
Analisis sensitivitas terhadap kriteria kelayakan NPV diwakilkan melalui skenario C.
Adapun untuk mengetahui pengaruh perubahan dari masing-masing variabel
ketidakpastian, maka dilakukan analisis regresi dan korelasi antara perubahan variabel
109
ketidakpastian yang terjadi terhadap kriteria kelayakan NPV. Hasil analisis regresi dan
korelasi dari variabel ketidakpastian terhadap NPV dapat dilihat pada Tabel V.8 dan
Tabel V.9 dibawah ini.
Dari Tabel V.8 dapat diketahui bahwa nilai koefisien regresi Suku Bunga 2007
menempati ranking tertinggi diantara variabel ketidakpastian yang lain. Pada skenario
C, Inflasi 2009 mempunyai nilai koefisien regresi yaitu 0,356.
110
Tabel V.8 Nilai Regresi Variabel Ketidakpastian Terhadap NPV
Rank
#1
#2
#3
#4
#5
#6
#7
#8
#9
A
Suku Bunga
(it) / 2007
Inflasi (ft) /
2009
Inflasi (ft) /
2010
Inflasi (ft) /
2011
Inflasi (ft) /
2012
Inflasi (ft) /
2013
Inflasi (ft) /
2014
Inflasi (ft) /
2015
Inflasi (ft) /
2016
Std b
Coeff
(0.475)
0.329
0.315
0.290
0.273
0.255
0.240
0.225
0.211
Skenario Cash flow dan Nilai Koefisien Regresi
Std b
Std b
B
C
D
Coeff
Coeff
Suku Bunga
Inflasi (ft)
Inflasi (ft) /
0.356
0.336
(it) / 2007
/ 2009
2009
Inflasi (ft) /
Inflasi (ft)
Inflasi (ft) /
0.332
0.309
2009
/ 2010
2010
Inflasi (ft) /
Inflasi (ft)
Inflasi (ft) /
0.329
0.302
2010
/ 2011
2011
Inflasi (ft) /
Inflasi (ft)
Suku Bunga
0.299
(0.296)
2011
/ 2012
(it) / 2007
Inflasi (ft) /
Inflasi (ft)
Suku Bunga
0.283
(0.289)
2012
/ 2013
(it) / 2008
Inflasi (ft) /
Inflasi (ft)
Inflasi (ft) /
0.279
0.258
2012
/ 2014
2013
Inflasi (ft) /
Inflasi (ft)
Inflasi (ft) /
0.244
0.267
2014
/ 2015
2013
Inflasi (ft) /
Inflasi (ft)
Inflasi (ft) /
0.221
0.240
2015
/ 2016
2014
Inflasi (ft) /
Inflasi (ft)
Inflasi (ft) /
0.211
0.230
2016
/ 2017
2015
111
Std b
Coeff
(0.354)
0.345
0.325
0.296
0.276
0.269
0.248
0.239
0.218
E
Inflasi (ft) /
2009
Inflasi (ft) /
2010
Inflasi (ft) /
2011
Inflasi (ft) /
2012
Inflasi (ft) /
2013
Inflasi (ft) /
2014
Inflasi (ft) /
2015
Suku Bunga
(it) / 2007
Inflasi (ft) /
2016
Std b
Coeff
0.371
0.330
0.328
0.307
0.277
0.269
0.248
(0.235)
0.226
Tabel V.9 Nilai Korelasi Variabel Ketidakpastian Terhadap NPV
Skenario Cash flow dan Nilai Koefisien Korelasi
Coef
Coef
Coef
Coef
Coef
Rank
A
Rank
B
Rank
C
Rank
D
Rank
E
Corr
Corr
Corr
Corr
Corr
Suku
Suku
Suku
Suku
Suku
Bunga
Bunga
Bunga
Bunga
Bunga
(0.136)
(0.196)
#1
(0.116)
#1
(0.172)
#1
(0.230)
#1
#1
(it)
/
(it)
/
(it)
/
(it)
/
(it)
/
2007
2007
2007
2007
2007
Inflasi
Inflasi
Inflasi
Inflasi
Inflasi
#2
(ft)
/ 0.208
#2
(ft)
/ 0.161
#3
(ft)
/ 0.088
#2
(ft)
/ 0.188
#2
(ft)
/ 0.110
2014
2018
2022
2017
2021
Tingkat
Tingkat
Tingkat
Tingkat
Tingkat
Penjualan
Penjualan
Penjualan
Penjualan
Penjualan
#22
(0.039) #37
(0.027) #32
(0.028) #28
(0.032) #22
(0.037)
(St)
/
(St)
/
(St)
/
(St)
/
(St)
/
2008
2008
2008
2008
2008
112
Berdasarkan Tabel V.9 diatas, ranking sensitivitas untuk kriteria NPV dapat dilihat
bahwa Suku Bunga 2007 mempunyai nilai koefisien korelasi yang paling tinggi
dibandingkan variabel ketidakpastian lainnya. Pada skenario C nilai koefisien korelasi
yaitu negatif 0,116, kemudian disusul Inflasi 2009 yang mempunyai nilai koefisien
korelasi yaitu 0,088 dan Tingkat Penjualan 2008 yang mempunyai nilai koefisien
korelasi negatif 0,027. Diagram tornado sensitivitas NPV terhadap variabel
ketidakpastian dapat dilihat pada Gambar V.7 berikut ini.
Inputs
Suku Bunga
Suku Bunga(I(it)
/ 20
t )/2007
Inflasi
Inflasi
(ft)(f /t )/2009
2009
1.15E+12
1.1E+12
1.05E+12
1E+12
9.5E+11
9E+11
8.5E+11
8E+11
Tingkat Penjualan
Tingkat Penjualan
(S
(St )/2008
Mean of NPV
Gambar V.7 Diagram Tornado Sensivitas NPV Terhadap Variabel
Ketidakpastian
Dari diagram tornado sensitivitas NPV terhadap variabel ketidakpastian diatas dapat
dilihat bahwa interpretasi hasil regresi dan korelasi awal yang tersaji pada Tabel V.8
dan Tabel V.9 terbukti adanya. Suku Bunga 2007 mempunyai rentang batang terpanjang
dan memiliki pengaruh dalam menentukan nilai NPV yaitu Rp. 159,46 milyar,
kemudian disusul dengan pengaruh Inflasi 2008 terhadap NPV sebesar Rp. 140,47
milyar. Sedangkan Tingkat Penjualan mempunyai rentang batang terpendek dengan
nilai NPVsebesar Rp. 7,45 milyar.
113
7E+11
7E+11
Tingkat Penjualan (St)
/ 2008 K35
NPV
6E+11
Inflasi (ft) / 2009 L50
6E+11
Suku Bunga (it) / 2007
J171
5E+11
5E+11
4E+11
-43%
7%
57%
107%
157%
207%
257%
Change From Base Value (%)
Gambar V.8 Spider Diagram
(Persentase Change from Base Value Terhadap Mean NPV)
Berdasarkan pada gambar diatas persentase perubahan variabel ketidakpastian dari nilai
dasar (base value) terhadap mean NPV, Suku Bunga 2007 merupakan variabel
ketidakpastian yang paling sensitif dibandingkan variabel ketidakpastian lainnya karena
memiliki gradien garis terbesar. Suku Bunga maksimum yang terjadi pada tahun
tersebut yaitu 39,92% yang merupakan perubahan maksimum arah positif dari base
value yaitu 260,66% yang akan menghasilkan mean NPV Rp. 420 milyar. Sedangkan
Suku Bunga minimum yang terjadi pada tahun tersebut yaitu 7,27% yang merupakan
perubahan minimum dari base value arah negatif sebesar 34,29% yang akan
menghasilkan mean NPV Rp. 580 milyar.
Data persentase change from base value variabel ketidakpastian terhadap mean NPV
disajikan pada Tabel V.10 berikut.
114
Tabel V.10 Change From Base Value Terhadap Mean NPV
Base Value
Minimum
Maksimum
Suku Bunga
NPV
%
(Rp.
Milyar)
(34,29%)
580
260,66%
420
Inflasi
%
(42,86%)
149,81%
NPV
(Rp.
Milyar)
671
531
Tingkat Penjualan
NPV
%
(Rp.
Milyar)
(24,50%)
566
24,50%
558
Sedangkan hasil analisis berdasarkan percentile distribusi, akan dimisalkan pada range
percentile 1% dan 99%. Dari hasil analisis, pada percentile 1% dihasilkan kemungkinan
Suku Bunga yaitu 7,30% yang akan menghasilkan mean NPV sebesar Rp. 580 milyar
dan pada percentile 99% dengan kemungkinan Suku Bunga yaitu 39,92% yang akan
menghasilkan mean NPV sebesar Rp. 420 milyar.
Ilustrasi dan data dari dampak perubahan variabel-variabel ketidakpastian terhadap
NPV, yang didasarkan pada percentile-percentile tertentu dapat dilihat pada Gambar
V.9 dan Tabel V.11 dibawah ini.
115
6.7E+11
6.2E+11
NPV
Tingkat Penjualan (St)
/ 2008 K35
5.7E+11
Inflasi (ft) / 2009 L50
5.2E+11
Suku Bunga (it) / 2007
J171
4.7E+11
4.2E+11
0%
20%
40%
60%
80%
100%
Percentile
Gambar V.9 Spider Diagram
(Percentile Terhadap Mean NPV)
Tabel V.11 Percentile Terhadap Mean NPV
Percentile
Suku Bunga
NPV
%
(Rp.
Inflasi
%
Milyar)
1%
5%
50%
95%
99%
7,27%
7,40%
8,95%
21,12%
39,92%
580
579
571
512
420
4,76%
5,16%
7,42%
14,51%
20,81%
NPV
(Rp. Milyar)
531
534
554
616
671
Tingkat Penjualan
NPV
%
(Rp.
Milyar)
60,4%
62%
80%
98%
99,6%
566
566
562
559
558
V.2.3 Hasil Analisis Sensitivitas Variabel Ketidakpastian Terhadap Internal Rate
of Return (IRR)
Analisis sensitivitas terhadap kriteria kelayakan IRR diwakilkan melalui skenario E.
Adapun untuk mengetahui pengaruh perubahan dari masing-masing variabel
ketidakpastian, maka dilakukan analisis regresi dan korelasi antara perubahan variabel
116
ketidakpastian yang terjadi terhadap kriteria IRR. Hasil analisis regresi dan korelasi dari
variabel ketidakpastian terhadap IRR dapat dilihat pada Tabel V.12 dan Tabel V.13.
Dari Tabel V.12 dapat diketahui bahwa Suku Bunga 2007 menempati ranking tertinggi
diantara variabel ketidakpastian yang lain. Pada skenario E, Inflasi 2009 mempunyai
nilai koefisien regresi tertinggi yaitu 0,215.
117
Tabel V.12 Nilai Regresi Variabel Ketidakpastian Terhadap IRR
Rank
#1
#2
#3
#4
#5
#6
#7
#8
#9
A
Suku Bunga
(it) / 2007
Inflasi (ft) /
2009
Inflasi (ft) /
2010
Inflasi (ft) /
2013
Suku Bunga
(it) / 2008
Inflasi (ft) /
2014
Inflasi (ft) /
2016
Inflasi (ft) /
2017
Suku Bunga
(it) / 2009
Std b
Coeff
(0.170)
0.146
0.117
0.089
(0.078)
0.077
0.062
0.053
(0.042)
Skenario Cash flow dan Nilai Koefisien Regresi
Std b
Std b
B
C
D
Coeff
Coeff
Inflasi (ft) /
Suku Bunga
Suku Bunga
0.088
(0.290)
2013
(it) / 2007
(it) / 2013
Suku Bunga
Inflasi (ft) /
Suku Bunga
(0.075)
0.183
(it) / 2008
2012
(it) / 2008
Inflasi (ft) /
Suku Bunga
Inflasi (ft) /
0.066
(0.182)
2009
(it) / 2008
2013
Inflasi (ft) /
Inflasi (ft) /
Inflasi (ft) /
0.057
0.119
2014
2016
2014
Inflasi (ft) /
Inflasi (ft) /
Suku Bunga
0.050
0.102
2018
2017
(it) / 2022
Inflasi (ft) /
Suku Bunga
Inflasi (ft) /
0.046
(0.085)
2016
(it) / 2011
2015
Inflasi (ft) /
Inflasi (ft) /
Suku Bunga
0.045
0.081
2015
2019
(it) / 2012
Suku Bunga
Suku Bunga
Inflasi (ft) /
(0.042)
(0.071)
(it) / 2011
(it) / 2010
2017
Suku Bunga
Suku Bunga
Inflasi (ft) /
(0.037)
(0.070)
(it) / 2010
(it) / 2009
2020
118
Std b
Coeff
(0.123)
(0.080)
0.070
0.067
(0.062)
0.053
(0.041)
0.040
0.036
E
Inflasi (ft) /
2009
Inflasi (ft) /
2011
Suku Bunga
(it) / 2008
Inflasi (ft) /
2012
Inflasi (ft) /
2013
Inflasi (ft) /
2016
Suku Bunga
(it) / 2009
Inflasi (ft) /
2017
Inflasi (ft) /
2021
Std b
Coeff
0.215
0.117
(0.096)
0.090
0.086
0.057
(0.056)
0.050
0.047
Tabel V.13 Nilai Korelasi Variabel Ketidakpastian Terhadap IRR
Skenario Cash flow dan Nilai Koefisien Korelasi
Coef
Coef
Coef
Rank
A
Rank
B
Rank
C
Rank
D
Corr
Corr
Corr
Suku
Suku
Suku
Suku
Bunga
Bunga
Bunga
Bunga
(0.039)
#1
0.121
#1
0.065
#1
#1
(it)
/
(it)
/
(it)
/
(it)
/
2007
2007
2007
2007
Inflasi
Inflasi
Inflasi
Inflasi
#2
(ft)
/ (0.064)
#3
(ft)
/ (0.103)
#4
(ft)
/ 0.034
#2
(ft)
/
2009
2009
2009
2009
Tingkat
Tingkat
Tingkat
Tingkat
Penjualan
Penjualan
Penjualan
Penjualan
#9
(0.055)
#9
(0.080) #11
0.029
#10
(St)
/
(St)
/
(St)
/
(St)
/
2008
2008
2008
2008
119
Coef
Rank
Corr
0.079
#1
0.077
#3
0.066
#9
E
Coef
Corr
Suku
Bunga
0.078
(it)
/
2007
Inflasi
(ft)
/ 0.064
2009
Tingkat
Penjualan
(0.053)
(St)
/
2008
Berdasarkan Tabel V.13 diatas, dapat dilihat bahwa ranking sensitivitas untuk kriteria
IRR sama halnya dengan kriteria payback period dan NPV, Suku Bunga 2007 juga
mempunyai nilai korelasi yang paling tinggi diantara variabel ketidakpastian lainnya.
Pada skenario E Suku Bunga 2007 mempunyai nilai koefisien korelasi yaitu 0,078,
kemudian disusul Inflasi 2009 yang mempunyai nilai koefisien korelasi yaitu 0,064 dan
Tingkat Penjualan 2008 yang mempunyai nilai koefisien korelasi negatif yaitu 0,053.
Diagram tornado sensitivitas IRR terhadap variabel ketidakpastian dapat dilihat pada
Gambar V.10 berikut ini.
Inputs
Suku Bunga (i t )/2007
Suku Bunga (it) / 20
Inflasi (f t )/2009
Inflasi (ft) / 2009
Tingkat Penjualan
0.25
0.24
0.23
0.22
0.2
0.21
(St )/2008
Tingkat Penjualan
(S
Mean of IRR
Gambar V.10 Diagram Tornado Sensivitas IRR Terhadap Variabel
Ketidakpastian
Dari diagram tornado sensitivitas Payback Period terhadap variabel ketidakpastian
diatas dapat dilihat bahwa interpretasi hasil regresi dan korelasi awal yang tersaji pada
Tabel V.12 dan Tabel V.13 terbukti adanya. Suku Bunga 2007 mempunyai rentang
batang terpanjang dan memiliki pengaruh dalam menentukan nilai IRR sebesar 3,62%
kemudian disusul dengan Inflasi 2009 yaitu 2,09%. Sedangkan Tingkat Penjualan 2008
mempunyai
rentang
batang
terpendek
dengan
nilai
IRR
sebesar
0,29%.
0.25
IRR
0.24
0.23
Tingkat Penjualan (St)
/ 2008 K35
Inflasi (ft) / 2009 L50
0.22
Suku Bunga (it) / 2007
J171
0.21
0.2
-43%
7%
57%
107%
157%
207%
257%
Change From Base Value (%)
Gambar V.11 Spider Diagram
(Persentase Change from Base Value Terhadap IRR)
Berdasarkan pada gambar diatas persentase perubahan variabel ketidakpastian dari nilai
dasar (base value) terhadap mean IRR, Suku Bunga 2007 merupakan variabel
ketidakpastian yang paling sensitif dibandingkan variabel ketidakpastian lainnya karena
memiliki gradien garis terbesar. Suku Bunga maksimum yang terjadi pada tahun
tersebut yaitu 39,92% yang merupakan perubahan maksimum arah positif dari base
value yaitu 260,66% yang akan menghasilkan mean IRR sebesar 20,44%. Sedangkan
suku bunga minimum yang terjadi pada tahun tersebut 7,27% yang merupakan
perubahan minimum arah negatif dari base value sebesar 34,29% yang akan
menghasilkan mean IRR sebesar 24,05%%.
Data persentase change from base value variabel ketidakpastian terhadap mean IRR
disajikan pada Tabel V.14 berikut.
121
Tabel V.14 Change From Base Value Terhadap Mean IRR
Base Value
Minimum
Maksimum
Suku Bunga
IRR
%
(%)
(34,29%)
24,05%
260,66%
20,44%
Inflasi
%
(42,86%)
149,81%
IRR
(%)
23,12%
25,21%
Tingkat Penjualan
IRR
%
(%)
(24,50%)
23,60%
24,50%
23,37%
Sedangkan hasil analisis berdasarkan percentile distribusi, akan dimisalkan pada range
percentile 1% dan 99%. Dari hasil analisis, pada percentile 1% dihasilkan kemungkinan
Suku Bunga yaitu 7,27% akan menghasilkan mean IRR sebesar 24,05% dan pada
percentile 99% dengan kemungkinan Suku Bunga yaitu 39,92% yang akan
menghasilkan mean IRR sebesar 20,44%.
Ilustrasi dan data dari dampak perubahan variabel-variabel ketidakpastian terhadap IRR,
yang didasarkan pada percentile-percentile tertentu dapat dilihat pada Gambar V.12
dan Tabel V.15 dibawah ini..
0.25
IRR
0.24
0.23
Tingkat Penjualan (St)
/ 2008 K35
Inflasi (ft) / 2009 L50
0.22
Suku Bunga (it) / 2007
J171
0.21
0.2
0%
20%
40%
60%
80%
Percentile
Gambar V.12 Spider Diagram
(Percentile Terhadap Mean IRR)
122
100%
Tabel V.15 Percentile Terhadap Mean IRR
Percentile
1%
5%
50%
95%
99%
V.3
Suku Bunga
IRR
%
(%)
7,27%
24,05%
7,40%
23,82%
8,95%
23,67%
21,12%
22,32%
39,92%
20,44%
Inflasi
%
4,76%
5,16%
7,42%
14,51%
20,81%
IRR
(%)
23,12%
23,11%
23,40%
24,26%
25,21%
Tingkat Penjualan
IRR
%
(%)
60,4%
23,60%
62%
23,59%
80%
23,53%
98%
23,31%
99,6%
23,37%
Pembahasan Hasil Penelitian
Hasil pengujian model kelayakan finansial pengembangan perumahan yang
dikembangkan dengan menggunakan simulasi, memberikan informasi yang lebih
beragam dibandingkan dengan model kelayakan finansial pengembangan perumahan
yang sudah ada.
Model memberikan kemungkinan-kemungkinan pengembalian yang diharapkan dari
masing-masing skenario yang dikembangkan, yang dipresentasikan melalui kriteria
kelayakan finansial payback period, net present value (NPV) dan internal rate of return
(IRR). Model kelayakan finansial pengembangan perumahan yang dikembangkan ini
juga memberikan gambaran mengenai besarnya risiko pada masing-masing skenario
yang telah dikembangkan.
Berdasarkan hasil simulasi monte carlo terhadap kriteria kelayakan finansial pada 5
skenario yang telah dikembangkan, maka dapat diketahui bahwa skenario E merupakan
skenario yang menawarkan payback paling cepat dan nilai mean NPV dan IRR paling
besar dibandingkan skenario yang lain.
Pengambilan keputusan investasi berdasarkan hasil dari simulasi pada 5 skenario yang
dikembangkan akan bergantung pada kriteria kelayakan finansial yang digunakan
pengembang untuk menilai kelayakan investasi pengembangan perumahan dan persepsi
risiko pengembang.
123
Dalam model dilakukan juga analisis sensitivitas lanjut variabel ketidakpastian untuk
mengetahui pengaruh perubahan variabel ketidakpastian terhadap kriteria kelayakan
finansial finansial payback period, net present value (NPV) dan internal rate of return
(IRR). Dari analisis sensitivitas lanjut tersebut diketahui bahwa Suku Bunga merupakan
variabel ketidakpastian yang memiliki korelasi yang paling kuat dan pengaruh yang
paling signifikan dalam menentukan kelayakan finansial investasi pengembangan
perumahan, kemudian diikuti oleh Inflasi dan Tingkat Penjualan.
Berdasarkan hasil pengujian model, maka model kelayakan finansial pengembangan
perumahan yang dikembangkan dalam penelitian ini mampu menjawab permasalahan
yang telah dirumuskan dan tercapainya tujuan-tujuan yang diingikan dalam penelitian
ini seperti yang dijabarkan pada Bab I. Hal tersebut diketahui karena model
menghasilkan kemungkinan-kemungkinan pengembalian yang diharapkan dan diketahui
besarnya risiko pada investasi pengembangan perumahan. Selain itu analisis sensitivitas
lanjut dapat memberikan gambaran pengaruh variabel ketidakpastian terhadap kriteria
kelayakan finansial.
Dalam penerapannya terdapat beberapa hal yang perlu diperhatikan karena sangat
menentukan output yang dihasilkan yaitu penentuan fungsi distribusi probabilitas dari
variabel ketidakpastian seperti ketersedian data historis menyebabkan timbulnya
permasalahan ketepatan terhadap fungsi distribusi probabilitas dari variabel tersebut.
Permasalahan
yang
muncul
saat
pengembangan
model
ini
yaitu
sulitnya
mengembangkan biaya perizinan baik perizinan tanah maupun bangunan. Hal tersebut
disebabkan karena penelitian ini mencakup 5 wilayah yaitu DKI Jakarta, Bogor, Depok,
Tangerang dan Bekasi maka peraturan perizinan yang ditetapkan untuk tiap daerah
berbeda-beda tergantung dari kebijakan pemerintah daerah (PEMDA) setempat
sehingga cara perhitungan dan nilai dari indeks yang ditetapkan juga berbeda.
Secara umum dapat disimpulkan bahwa pengembangan model analisis kelayakan
finansial investasi pengembangan perumahan telah mampu menjawab permasalahan
yang terkait dengan risiko dan ketidakpastian dalam analisis kelayakan finansial suatu
investasi pengembangan perumahan. Model dikembangkan dengan menggunakan
124
software memudahkan perolehan informasi seperti analisis sensitivitas. Terlepas dari
permasalahan
yang
ditimbul
dalam
pengembangannya,
model
ini
dapat
memproyeksikan keadaan di masa yang akan datang dengan menghasilkan berbagai
kemungkinan output sehingga pengembang dapat mengambil keputusan lebih baik.
125