bab iv kesimpulan dan saran

BAB IV
KESIMPULAN DAN SARAN
4.1. Kesimpulan
Adanya kendala untuk menggunakan sebuah perkiraan untuk mewakili
yang paling tepat, informasi yang tidak pasti dalam model jangka panjang dalam
keputusan investasi, tetapi sekarang kemajuan telah membuat mudah untuk
mengkualifikasi ketidakpastian dalam mengambil keputusan melalui model. Tidak
seperti sebuah perkiraan yang sering mengabaikan ketidakpastian, hasil kuantitatif
simulasi Monte Carlo dapat membantu penilai lebih memahami dampak dari
ketidakpastian pada estimasi Nilai Pasar. Pada akhirnya, hal ini dapat
menyebabkan keputusan lebih akurat, efisien, dan efektif.
1. Sebagai kesimpulan, simulasi Monte Carlo dapat dengan mudah digunakan
untuk
memecahkan keputusan probabilistik
yang berbeda.
Hal
ini
memungkinkan kita untuk menjalankan simulasi untuk variabel yang tidak
pasti. Kita dapat mengatur variabel keputusan terbaik untuk memenuhi
kenyamanan atau tingkat risiko mengingat berbagai ketidakpastian yang ada
di lingkungan.
2. Crystal Ball, perangkat lunak add-in untuk program spreadsheet komersial,
dapat digunakan untuk mengatasi banyaknya ketidakpastian dalam mengambil
keputusan penganggaran modal. Kesulitan dalam proses penganggaran modal
berasal dari kesulitan memperkirakan jumlah dan waktu arus kas masa
depan. Tidak seperti pendekatan deterministik kebanyakan yang mengabaikan
56
ketidakpastian dan mengandalkan hanya pada satu, sebuah perkiraan terbaik.
Cara
untuk
menghadapinya
dengan
sifat
sensitivitas
perhitungan
penganggaran modal dimulai dengan model deterministik yang menggunakan
sebuah perkiraan untuk menganalisis masalah penganggaran modal. Model
deterministik mengasumsikan bahwa semua masukan diketahui dengan pasti
dan masukan masing-masing diwakili oleh sebuah perkiraan. Perangkat lunak
simulasi ini kemudian digunakan untuk menggantikan estimasi satu titik di
setiap sel model dengan fungsi kepadatan probabilitas yang sesuai, atau
distribusi dari nilai yang paling mungkin.
4.2. Saran
1.
Model spreedsheet membantu penilai lebih memahami dan memperkirakan
nilai sensitivitas terhadap berbagai tingkat arus kas tahunan, nilai-nilai
terminal, dan tingkat diskonto. Setelah memasukkan variabel yang relevan
dalam model, maka dapat dengan mudah memperkirakan nilai dengan standar
deviasi dan ukuran nonparametrik dasar tendensi sentral, seperti kuartil dan
median. Model ini memungkinkan untuk mengembangkan berbagai perkiraan
dengan ukuran risiko melalui model simulasi Monte Carlo.
2.
Arus kas dan prakiraan berbagai tingkat diskonto mungkin salah (setelah
semua ramalan masa depan), penggunaan prakiraan pasar yang diturunkan
harus mewakili titik terbaik perkiraan pasar adalah peramalan pada waktu
analisis. Model ini merupakan alat yang sangat baik untuk analisis sensivitas
dan dapat membantu dalam menentukan nilai pasar ketika penilai merasa
57
bahwa pelaku pasar menggunakan rentang dari perkiraan titik dalam
menganalisis.
3.
Gambaran penting dari model ini adalah bahwa hal ini memungkinkan analis
untuk memiliki tingkat kenyamanan yang tinggi dalam perkiraannya.
Mengetahui kisaran, standar deviasi, dan kuartil atas dan bawah median akan
memberikan
informasi
tambahan
untuk
membantu
dalam
membuat
kesimpulan yang berguna dan rekomendasi.
4.
Model ini tidak dimaksudkan untuk menggantikan analisis yang cermat dan
bijaksana pada bagian appraisal. Hal ini tidak dirancang untuk mengurangi
upaya
analitis
ke
depan
yang
dibutuhkan
kebenaran
dan
akurat
memperkirakan kemungkinan arus kas masa depan dan tingkat diskonto saat
ini. Sebaliknya, model ini mengakui kenyataan bahwa, dalam setiap penilaian
analitis, arus kas masa depan merupakan perkiraan belaka yang mungkin akan
berbeda dari tingkat perkiraan. Harga diskonto diperkirakan dari data pasar
dan dilakukan bervariasi.
5.
Model ini dirancang untuk memungkinkan penilai untuk secara resmi
mempertimbangkan implikasi nilai dengan perubahan dalam tiga variabel
masukan dasar DCF. Model ini memang memiliki kelemahan, karena
mengasumsikan probabilitas yang sama untuk perubahan arus kas, nilai
terminal, dan tingkat diskonto. Artinya adalah bahwa salah satu variabel
mungkin memiliki varians yang relatif rendah (jarak dari titik tinggi dan
rendah adalah kecil). Tetapi kemungkinan yang sangat tinggi berubah,
sedangkan yang lain mungkin memiliki varians yang relatif tinggi (jarak yang
58
luas dari tinggi dan angka rendah), tetapi rendah kemungkinan berubah dari
waktu ke waktu.