ANALISIS KELAYAKAN INVESTASI SENSOR COUNTER DAN RFID DENGAN
PENETAPAN DISCOUNT RATE BERBASIS CAPM
Muhammad Ardhya
Bisma
Universitas Logistik dan
Bisnis Internasional
Abstrak
PT XYZ Indonesia merupakan
perusahaan manufaktur yang berfokus pada produk-produk part otomotif. PT XYZ memiliki
permasalahan terkait ketidaksesuaian jumlah hasil produksi yang berpotensi
menyebabkan kerugian. Penelitian ini menelaah aspek keuangan untuk mengidentifikasi
dan mengevaluasi sistem dan prosedur eksisting guna memberikan gambaran atas
kebutuhan dari sistem yang baru. Selanjutnya, hasil dari identifikasi tersebut akan
dinilai melalui analisis kelayakan keuangan dengan menggunakan kriteria NPV, IRR,
dan payback period. Adapun discount rate ditetapkan berdasarkan pendekatan
capital asset pricing model dan investasi diasumsikan sepenuhnya menggunakan ekuitas.
Analisis sensitivitas juga dilakukan guna menilai elastisitas variabel dalam perhitungan
model kelayakan ini, dan didapatkan bahwa
investasi ini memiliki risiko yang tinggi
Kata
kunci: analisis kelayakan, analisis sensitivitas, CAPM
Abstract
PT XYZ
Indonesia is a manufacturing company that focuses on automotive parts products.
PT XYZ faces an issue of product quantity discrepancy that might leads to the
company’s loss. This study examines the financial aspects to identify and
evaluate the existing system and procedures in order to provide an overview of
the requirements for a new system. Furthermore, the results of this
identification will be assessed through financial feasibility analysis using
criteria such as NPV, IRR, and payback period. The discount rate is determined
based on the capital asset pricing model approach and is assumed that the investation
is to be made entirely equity-based. Sensitivity analysis is also conducted to
assess the elasticity of variables in this feasibility model calculation, and
it is found that this investment carries a high level of risk.
Keywords: feasibility study, sensitivity analysis, CAPM
Pendahuluan
PT XYZ Indonesia
merupakan perusahaan manufaktur yang berfokus pada produk-produk auto parts (Jamaludin,
2022). Dalam
proses produksinya sering terjadi selisih jumlah produk yang dihasilkan atau tersimpan dalam persediaan (Pitoy,
Padaunan, & Herang, 2022). Selisih
produk tersebut dapat disebabkan oleh banyak hal, seperti adanya produk reject
ataupun kesalahan pencatatan pada hasil produksi maupun pada kegiatan stock
opname, atau pun hal
lain seperti tindak pencurian (Winardi
& Saifudin, 2021). Hal ini tidak hanya dialami oleh perusahan
di negara berkambang, tetapi juga pada perusahaan negara maju seperti Amerika Serikat,
sebagaimana dilaporkan oleh ( National
Retail Federation, 2022):
Gambar 1 Penyebab Susut Inventory
Tentunya hal tersebut dapat mengakibatkan penurunan profit
perusahaan atau bahkan kerugian. Adapun yang terjadi pada PT XYZ disajikan
dalam tabel berikut:
Tabel 1 Kekurangan Unit Pada Produksi PT XYZ
|
No |
Bulan |
Hasil Produksi |
Unit Masuk
Proses Berikutnya |
Kekurangan Unit |
|
1 |
Januari |
856,895 |
851,749 |
5,146 |
|
2 |
Februari |
1,192,942 |
1,168,688 |
24,254 |
|
3 |
Maret |
1,349,659 |
1,299,311 |
50,348 |
|
4 |
April |
1,465,157 |
1,451,636 |
13,521 |
|
5 |
Mei |
1,469,527 |
1,451,614 |
17,913 |
|
Total |
6,334,180 |
6,222,998 |
111,182 |
|
|
Persentase Total Kekurangan
Unit Terhadap Produksi |
1.76% |
|||
|
Rata-rata Kekurangan Unit
setiap bulan |
22,236 |
|||
Estimasi standar nilai harga pokok produksi setiap
unit tersebut adalah Rp. 1,170, dengan demikian, ketika mempertimbangkan rataan
kekurangan unit, maka perusahaan dapat diasumsikan mengalami kerugian sebesar Rp.
1,170 x 22,236 unit x 12 bulan = Rp. 312,193,440 setiap tahunnya. Untuk mengatasi permasalahan tersebut, manajemen
PT XYZ berencana untuk melakukan pengadaan sensor pada bagian cutting guna
meminimalisir potensi kesalahan proses administratif pada penghitungan hasil produksi.
Terkait dengan hal tersebut,
penelitian ini berfokus pada analisis kelayakan khususnya aspek keuangan dengan
pendekatan cost and benefit analysis. Sebagaimana yang telah dilakukan
berbagai peneliti sebelumnya seperti (Ilyas,
2020), (Afaz
& Gusman, 2021), dan (Syamsumarno,
2021), penelitian ini akan
mempertimbangkan kriteria kelayakan yakni NPV, IRR dan payback period. Adapun
yang menjadi pembeda adalah penggunaan capital asset pricing model untuk
menentukan nilai discount rate.
Metode
Gambar 2 Metodologi Penelitian
1)
Penelaahan
aspek operasional,
Pada tahap ini hal yang dilakukan
adalah mengidentifikasi kondisi dan proses bisnis perusahaan sebelum dan sesudah
penerapan sistem baru. Berdasarkan data data dan hasil dari focus group
discussion yang sudah dilakukan dengan manajemen PT XYZ didapatkan bahwa:
a)
Penerapan
sensor dan RFID ini akan membutuhkan 1 karyawan tambahan.
b)
Diperlukan
sosialisasi dan pelatihan dalam penerapan sistem ini
c)
Diperlukan
biaya perawatan hardware dan pembaruan software
d)
Masa
depresiasi aset investasi ditetapkan sebesar 4 tahun
2)
Identifikasi
Cost
Berdasarkan penelaahan operasional
yang sudah dilakukan berikut ini adalah identifikasi biaya yang didapatkan:
Tabel 2 Komponen Biaya Investasi dan Operasional Rutin
|
No |
Komponen |
Biaya |
Unit |
Total |
Penjelasan |
|
1 |
RFID
Tags |
20,000 |
100 |
2,000,000 |
Investasi |
|
2 |
RFID Handheld
reader |
11,500,000 |
45 |
517,500,000 |
Investasi |
|
3 |
RFID Antenna |
1,500,000 |
8 |
12,000,000 |
Investasi |
|
4 |
RFID Fixed
reader |
7,500,000 |
1 |
7,500,000 |
Investasi |
|
5 |
Desktop
reader |
900,000 |
2 |
1,800,000 |
Investasi |
|
6 |
Laptop |
7,000,000 |
1 |
7,000,000 |
Investasi |
|
7 |
Software
(termasuk initial
setup & initial training) |
125,239,147 |
1 |
100,000,000 |
Investasi |
|
8 |
Sensor
Proximity |
147,000 |
9 |
1,323,000 |
Investasi |
|
9 |
Digital
counter |
652,000 |
9 |
5,868,000 |
Investasi |
|
10 |
Connector
Cable |
63,000 |
9 |
567,000 |
Investasi |
|
11 |
Gaji Operator 1 orang |
4,782,935 |
13 |
62,178,155 |
Operasional;
Gaji Tahunan + THR, asumsi kenaikan per tahun menggunakan CAGR dari kenaikan
gaji UMR Kabupaten Bekasi pada tahun 2016 – 2021 sebesar 7.5% |
|
12 |
Hardware & Software Maintenance |
10,152,323 |
10,152,323 |
Operasional;
Biaya per tahun |
|
|
13 |
Depresiasi |
163,889,500 |
163,889,500 |
Depresiasi
straight line dari nilai total investasi; umur aset 4 tahun |
Total nilai investasi yang dibutuhkan
pada periode awal adalah sebesar Rp. 742,975,302.
3)
Identifikasi
Benefit
Dalam skenario yang ditetapkan,
setidaknya terdapat 2 (dua) komponen benefit, yaitu:
a)
Penurunan
jumlah produk yang tidak sesuai
Sebagaimana yang dipaparkan sebelumnya,
estimasi standar nilai harga pokok produksi setiap unit adalah Rp. 1,170,
dengan demikian, ketika mempertimbangkan rataan kekurangan unit, maka perusahaan
dapat diasumsikan mengalami kerugian sebesar Rp. 1,170 x 22,236 unit x 12 bulan
= Rp. 312,193,440 setiap tahunnya.
Berdasarkan focus group discussion
yang dilakukan dengan manajemen PT XYZ, instalasi sistem sensor dan RFID
dapat mengurangi jumlah rata – rata kekurangan produk hingga 95%. Dengan kata
lain, nilai benefit yang didapatkan adalah senilai Rp. 312,193,440 x 95% = Rp.
296,583,768 setiap tahunnya.
b)
Pengurangan
pajak (tax shield)
Pengurangan pajak bisa diperoleh
karena adanya depresiasi sebagai faktor pengurang pajak dari nilai investasi.
Mengacu pada Pasal 17 Ayat 1 Bagian b UU No. 36 Tahun 2008 tentang Pajak
Penghasilan, diasumsikan
bahwa pajak yang dikenakan pada PT XYZ adalah 25%, oleh karena itu, benefit dari
nilai pengurangan pajak dapat dihitung dengan cara mengalikan nilai depresiasi
terhadap tingkat pajaknya
Rp. 163,889,500 x 25% = Rp. 42,549,822
4)
Penentuan
discount rate
Discount rate ditentukan dengan
menggunakan Capital Asset Pricing Model (CAPM) dengan variabel sebagai berikut (Harrington,
Nunes, Aboulamer, & Grabowski, 2021):
a)
Risk
free rate (Rf): risk free rate yang digunakan adalah nilai yield obligasi
pemerintah Indonesia sesuai dengan jangka waktu perhitungan analisis
kelayakannya yakni 4 tahun dengan nilai 5.9636%
b)
Nilai
β diperoleh dari nilai Unlevered Beta untuk pasar di negara berkembang untuk
industri auto-parts dengan nilai 1.36 (Damodaran,
2016)
c)
Market
Return (Rm) didasarkan pada nilai yearly return IHSG dari periode Januari 2005
hingga Januari 2023. Data diambil melalui (Sinaga,
Wu, & Chen, 2022) sebagaimana tercantum pada tabel
berikut:
Tabel 3 Return IHSG Januari 2005 – Januari 2023
|
Periode |
Date |
Adj. Close Price |
Holding Periode Rate |
Holding Period Rate + 1 |
|
0 |
1/1/2005 |
1045.435059 |
||
|
1 |
1/1/2006 |
1232.321045 |
18% |
118% |
|
2 |
1/1/2007 |
1757.258057 |
43% |
143% |
|
3 |
1/1/2008 |
2627.250977 |
50% |
150% |
|
4 |
1/1/2009 |
1332.666992 |
-49% |
51% |
|
5 |
1/1/2010 |
2610.795898 |
96% |
196% |
|
6 |
1/1/2011 |
3409.166992 |
31% |
131% |
|
7 |
1/1/2012 |
3941.693115 |
16% |
116% |
|
8 |
1/1/2013 |
4453.703125 |
13% |
113% |
|
9 |
1/1/2014 |
4418.756836 |
-1% |
99% |
|
10 |
1/1/2015 |
5289.403809 |
20% |
120% |
|
11 |
1/1/2016 |
4615.163086 |
-13% |
87% |
|
12 |
1/1/2017 |
5294.103027 |
15% |
115% |
|
13 |
1/1/2018 |
6605.630859 |
25% |
125% |
|
14 |
1/1/2019 |
6532.969238 |
-1% |
99% |
|
15 |
1/1/2020 |
5940.047852 |
-9% |
91% |
|
16 |
1/1/2021 |
5862.352051 |
-1% |
99% |
|
17 |
1/1/2022 |
6631.150879 |
13% |
113% |
|
18 |
1/1/2023 |
6850.983887 |
3% |
103% |
Perhitungan Market return dilakukan
dengan menghitung rataan geometrik pada kolom Holding Period Rate + 1, kemudian
dikurangi lagi dengan angka 1. Atau bisa juga dihitung dengan menggunakan
fungsi RATE(nper,,-pv,fv) pada microsoft excel; dimana nilai nper adalah jumlah
periode pada tabel yakni 18, kemudian nilai -pv adalah nilai Adjusted Close Price
pada periode ke-0 yakni -1045.435059, dan nilai fv adalah nilai Adjusted Close Price
pada periode ke-18, yaitu 6850.983887. Dari hasil perhitungan tersebut, didapatkan
nilai market returnnya adalah 11%.
Setelah ketiga variabel diperoleh maka
nilai discount rate didapatkan sebagai berikut:
Rf + [β x(Rm-Rf)] = 5.96% + [1.36
x (11% - 5.96%)] = 12.83%
Penggunaan discount rate berbasis
CAPM ini pada dasarnya sama dengan nilai cost of equity, yang mana diasumsikan
bahwa seluruh pendanaan investasi berasal dari ekuitas tanpa adanya pinjaman.
Hasil dan Pembahasan
Perhitungan
parameter kelayakan berupa NPV, IRR dan Payback Period diperoleh melalui
perhitungan net cost/benefit sebagai berikut:
Tabel 4 Perhitungan Net Cost/Benefit
|
Periode 0 |
Periode 1 |
Periode 2 |
Periode 3 |
Periode 4 |
|
|
|
2023 |
2024 |
2025 |
2026 |
2027 |
|
Cost |
|||||
|
Investasi |
680,797,147 |
||||
|
Gaji Operator |
62,178,155 |
66,841,517 |
71,854,630 |
77,243,728 |
83,037,007 |
|
Hardware & Software
Maintenance |
10,152,323 |
10,152,323 |
10,152,323 |
10,152,323 |
|
|
Total Cost [1] |
742,975,302 |
76,993,840 |
82,006,953 |
87,396,051 |
93,189,330 |
|
Benefit |
|||||
|
Penurunan jumlah produk yang
tidak sesuai 95% |
296,583,768 |
296,583,768 |
296,583,768 |
296,583,768 |
|
|
Pengurangan pajak (tax
shield) |
42,549,822 |
42,549,822 |
42,549,822 |
42,549,822 |
|
|
Total Benefit [2] |
339,133,589.69 |
339,133,589.69 |
339,133,589.69 |
339,133,589.69 |
|
|
Net Benefit/Cost [2] - [1] |
(742,975,302) |
262,139,750 |
257,126,636 |
251,737,539 |
245,944,259 |
|
Cummulative Net Benefit/Cost |
(742,975,302) |
(480,835,552) |
(223,708,916) |
28,028,623 |
273,972,883 |
|
Discount Rate |
12.83% |
|
NPV |
18,341,332.62 |
|
IRR |
14.02% |
|
Payback Period |
2 tahun 11 bulan |
Dari hasil perhitungan
parameter kelayakan, maka rencana untuk pengadaan serta instalasi sensor
counter dan RFID dapat dikatakan layak. Akan tetapi hasil ini hanya berlaku
jika variabel – variabel biaya serta benefit tidak berubah. Terkait dengan hal
tersebut, maka dilakukan analisis sensitivitas terhadap nilai NPV dengan berbagai
variabel terkait sehingga didapatkan nilai elastisitas dari setiap variabel
sebagai berikut:
Tabel 5 Elastisitas Variabel Terhadap NPV Investasi
|
Variabel |
Elastisitas |
|
Perubahan Nilai Investasi |
-0.39 |
|
Pengurangan Jumlah Produk
yang tidak sesuai |
12.61 |
|
Discount Rate |
-2.19 |
|
Perubahan Tax Rate |
1.52 |
|
Perubahan Nilai Hardware
& Software Maintenance |
-0.05 |
|
Kenaikan Gaji Operator per
tahun |
-0.50 |
Dari hasil analisis sensitivitas
tersebut, variabel dengan nilai elastisitas tertinggi, yang dalam hal ini
adalah variabel persentase pengurangan jumlah produk yang tidak sesuai.
Tabel 6 Ilustrasi Simulasi Perubahan Variabel Benefit
“Penurunan jumlah produk yang tidak sesuai 90%”
|
0 |
1 |
2 |
3 |
4 |
|
|
|
2023 |
2024 |
2025 |
2026 |
2027 |
|
Cost |
|||||
|
Investasi |
680,797,147 |
||||
|
Gaji Operator |
62,178,155 |
66,841,517 |
71,854,630 |
77,243,728 |
83,037,007 |
|
Hardware & Software Maintenance |
10,152,323 |
10,152,323 |
10,152,323 |
10,152,323 |
|
|
Total Cost [1] |
742,975,302 |
76,993,840 |
82,006,953 |
87,396,051 |
93,189,330 |
|
Benefit |
|||||
|
Penurunan jumlah produk yang
tidak sesuai 90% |
280,974,096 |
280,974,096 |
280,974,096 |
280,974,096 |
|
|
Pengurangan pajak (tax
shield) |
42,549,822 |
42,549,822 |
42,549,822 |
42,549,822 |
|
|
Total Benefit [2] |
323,523,917.69 |
323,523,917.69 |
323,523,917.69 |
323,523,917.69 |
|
|
Net Benefit/Cost [2] - [1] |
(742,975,302) |
246,530,078 |
241,516,964 |
236,127,867 |
230,334,587 |
|
Cummulative Net Benefit/Cost |
(742,975,302) |
(496,445,224) |
(254,928,260) |
(18,800,393) |
211,534,195 |
|
Discount Rate |
12.83% |
|
NPV |
(28,253,669.90) |
|
IRR |
10.97% |
|
Payback Period |
3 tahun 1 bulan |
Melalui simulasi lebih
lanjut didapatkan bahwa ketika nilai pengurangan produk tidak sesuai hanya
mencapai 90% (selisih 5% dari skenario awal), maka investasi ini sudah
dinyatakan tidak layak. Dengan nilai elastisitas dan rentang toleransi seperti yang
ditunjukkan, dapat dikatakan bahwa investasi ini memiliki risiko yang tinggi (Bisma
& Pramudita, 2021).
Kesimpulan
Secara umum investasi sensor counter dan RFID dapat
dinyatakan layak hanya jika seluruh asumsi tidak berubah. Analisis sensitivitas lebih lanjut
menunjukkan bahwa dengan nilai elastisitas dan rentang toleransi saat ini,
dapat dikatakan bahwa investasi ini memiliki risiko yang tinggi.
DAFTAR
PUSTAKA
Afaz, Triyanchy, & Gusman, Mulya.
(2021). Analisis Kelayakan Investasi Menggunakan Metode Discounted Cash Flow
pada Tambang Aspal PT. Wijaya Karya Bitumen di Desa Nambo Kecematan Lasalimu,
Kabupaten Buton, Sulawesi Tenggara. Bina Tambang, 6(2), 84–95.
Bisma, M. Ardhya, & Pramudita,
Aditia Sovia. (2021). Business model formulation of social-commerce based
influencer on instagram platform. Jurnal Organisasi Dan Manajemen, 17(2),
249–264.
Damodaran, Aswath. (2016). Damodaran
on valuation: security analysis for investment and corporate finance. John
Wiley & Sons.
Federation, National Retail. (2022).
Retail Security Survey.
Harrington, James P., Nunes, Carla,
Aboulamer, Anas, & Grabowski, Roger J. (2021). Valuation Handbook—International
Guide to Cost of Capital: 2021 Summary Edition. CFA Institute Research
Foundation Books, October. http://dx.doi.org/10.2139/ssrn.3958962
Ilyas, Amin. (2020). Evaluasi
Kelayakan Investasi Proyek Pembangunan Perumahan Green Terrace Ditinjau Pada
Aspek Keuangan. Journal of Economics and Business UBS, 9(1), 9–17.
Jamaludin, Maun. (2022). PERENCANAAN
SUPPLY CHAIN MANAGEMENT (SCM) PADA PT. XYZ BANDUNG JAWA BARAT. Kebijakan:
Jurnal Ilmu Administrasi, 13(2), 70–83.
Pitoy, Frendy Fernando, Padaunan,
Ellen, & Herang, Cristoforus Stary. (2022). Dukungan Keluarga Dan Kepatuhan
Minum Obat Pada Pasien Tuberkulosis Paru Di Wilayah Kerja Puskesmas Sagerat Kota
Bitung. Klabat Journal of Nursing, 4(1), 1–7.
Sinaga, Josua, Wu, Ting, & Chen,
Yu wang. (2022). Impact of government interventions on the stock market during
COVID-19: a case study in Indonesia. SN Business & Economics, 2(9),
136.
Syamsumarno, Gladys Citrasari.
(2021). Analisa Kelayakan Investasi Penggantian Mesin Bag Making Di PT X. Journal
Printing and Packaging Technology, 2(1).
Winardi, Nastiti Kusuma, &
Saifudin, Saifudin. (2021). Kajian Pengendalian Internal Persediaan Barang
Logistik dan Upaya Pencegahan Fraud pada Bagian Logistik: Studi pada Instalasi
Murai RSUP dr. Karyadi Semarang. Solusi, 19(2).