RPS minggu 12 · 2x50 menit
Perencanaan Skenario dan Analisis Sensitivitas Perencanaan Bisnis dan Penganggaran Perusahaan — Magister Manajemen FEB UNDIP Selamat datang di pertemuan kedua belas. Minggu lalu kita menyusun business plan sebagai dokumen yang mengintegrasikan semua teknik P1-P10. Hari ini kita akan stress-test plan itu dengan tiga teknik analisis ketidakpastian: sensitivitas, skenario, dan Monte Carlo. Tujuannya sederhana: tahu seberapa kuat plan kita bila asumsi berubah. Kita akan memakai kerangka Knight 1921 yang membedakan risk (terukur) dari uncertainty (tidak terukur), dan menghitung sensitivitas NPV terhadap WACC. Kasus: Telkom 5G, Astra elastisitas penjualan. Setelah hari ini, plan Anda akan punya buffer ketahanan yang dapat dijelaskan kepada investor. Peta Pembelajaran Hari Ini Sub-CPMK 12: menerapkan teknik analisis sensitivitas, skenario, dan simulasi untuk mengevaluasi ketahanan plan.
Risk vs uncertainty (Knight 1921) Tiga teknik: sensitivitas / skenario / MC Sensitivitas NPV terhadap WACC Skenario Best/Base/Worst Simulasi Monte Carlo (konsep) Kasus Telkom 5G & Astra; persiapan P13 Posisi: P11 plan → P12 stress-test → P14 keputusan akhir. Tanpa P12, plan rentan diserang investor.
Posisi pertemuan ini kritis: plan P11 harus diuji ketahanannya di P12 sebelum kita keputusan akhir P14. Banyak plan yang terlihat bagus di base case tetapi runtuh di skenario tertekan — dan investor mahir tahu ini. Hari ini kita akan menguji dengan tiga teknik komplementer: sensitivitas (satu variabel diubah), skenario (beberapa variabel diubah bersama), dan Monte Carlo (distribusi probabilistik). Pertanyaan pemantik: plan yang tidak diuji adalah plan yang belum siap. Mari kita mulai. Knight 1921: Risk vs Uncertainty Frank Knight membedakan risk (probabilitas terukur, dapat diasuransikan) dari uncertainty (probabilitas tidak terukur, tidak dapat diasuransikan).
Probabilitas terukur dari historikal Dapat diasuransikan / dilindungi Contoh: kredit macet historis, volatilitas harga Probabilitas tidak terukur / novel Tidak dapat diasuransikan Contoh: pandemi, disrupsi teknologi, regulasi baru Bencana besar bisnis sering dari uncertainty, bukan risk. Plan harus mengakui keduanya, bukan hanya yang dapat dihitung.
Frank Knight di "Risk, Uncertainty and Profit" (1921) membuat distingsi fundamental: risk adalah ketidakpastian dengan probabilitas terukur (berbasis historikal), sedangkan uncertainty adalah ketidakpastian dengan probabilitas tidak terukur (kejadian novel). Risk dapat diasuransikan: kredit macet historis, volatilitas harga komoditas. Uncertainty tidak dapat diasuransikan: pandemi COVID-19, disrupsi teknologi (AI), regulasi baru. Bencana besar bisnis sering berasal dari uncertainty, bukan risk. Plan yang baik harus mengakui keduanya, bukan hanya yang dapat dihitung dengan rumus. Tantangan: bagaimana mengkuantifikasi yang tidak terkuantifikasi? Kerangka skenario dan wargaming adalah jawaban praktis. Bagian 1 · 1/4
Tiga Teknik Analisis
Diskusi kelas: di perusahaan Anda, teknik mana yang paling sering dipakai? Apakah cukup?
Blok pertama memperkenalkan tiga teknik analisis ketidakpastian. Pertanyaan diskusi membuka praktik: banyak perusahaan hanya pakai sensitivitas (satu variabel) — teknik paling sederhana. Skenario lebih realistis karena variabel bergerak bersama. Monte Carlo paling realistis tetapi paling kompleks. Pertanyaan pemantik: apakah cukup? Biasanya tidak — ketiga teknik komplementer. Tiga Teknik Komplementer Teknik Cara Kerja Output Biaya Sensitivitas Satu variabel diubah ceteris paribus Tornado chart, ambang batas Rendah Skenario Beberapa variabel konsisten diubah NPV Best/Base/Worst Sedang Monte Carlo Distribusi probabilitas per variabel Distribusi NPV, P5/P50/P95 Tinggi
Praktik baik: mulai dari sensitivitas → skenario → Monte Carlo bila proyek cukup material untuk membenarkan biaya analisis.
Tiga teknik analisis ketidakpastian bersifat komplementer, bukan pengganti. Sensitivitas: ubah satu variabel ceteris paribus (semua hal sama), outputnya tornado chart yang menunjukkan variabel paling berpengaruh. Skenario: ubah beberapa variabel secara konsisten (mis. base case = normal, worst = resesi), outputnya NPV untuk tiap skenario. Monte Carlo: distribusi probabilitas per variabel, outputnya distribusi NPV dengan persentil P5/P50/P95. Praktik baik: mulai dari sensitivitas (biaya rendah), lalu skenario (biaya sedang), lalu Monte Carlo bila proyek cukup material. Untuk keputusan kecil, sensitivitas saja cukup. Untuk keputusan miliaran rupiah, Monte Carlo diperlukan. Investor akan menilai apakah tingkat analisis sesuai dengan materialitas keputusan. Hitung dari Nol: Sensitivitas NPV vs WACC Skenario: Anuitas Rp 50 jt/tahun selama 5 tahun. WACC diduga 10% sebagai base. Uji sensitivitas pada WACC 8%, 10%, 12%, 14%.
WACC PV Annuity Factor NPV (Rp jt) Δ vs Base 8% 3,9927 +186,02 +62,5 10% (base) 3,7908 +123,51 0 12% 3,6048 +66,08 −57,4 14% 3,4331 +13,21 −110,3
Elasitas NPV
−57 jt / 2%
Setiap kenaikan WACC 2 pp menurunkan NPV ~Rp 57 jt
Sensitivitas NPV terhadap WACC mengilustrasikan teknik dasar. Anuitas Rp 50 jt/tahun selama 5 tahun, dengan WACC yang divariasikan 8%, 10%, 12%, 14%. PV annuity factor: 3,9927 (8%), 3,7908 (10%), 3,6048 (12%), 3,4331 (14%). NPV = 50 × factor − CAPEX (anggap CAPEX = 0 untuk anuitas murni). Hasil: NPV turun dari +186,02 jt (8%) ke +13,21 jt (14%). Elastisitas: setiap kenaikan WACC 2 poin persen menurunkan NPV sekitar Rp 57 jt. Implikasi: bila WACC aktual ternyata 14% (bukan 10% yang diasumsikan), plan masih positif tetapi margin tipis. Investor akan menanyakan: dari mana WACC 10% berasal? Apakah sudah sensitif terhadap perubahan biaya utang dan ekuitas? Bila tidak yakin, sebaiknya pakai WACC konservatif 12% di base case. Bagian 2 · 2/4
Analisis Skenario
Diskusi kelas: bagaimana memilih 3 skenario (Best/Base/Worst) yang realistis, bukan optimis/pesimis sembarang?
Blok kedua mendalami analisis skenario. Pertanyaan diskusi membuka jebakan umum: banyak plan memilih skenario worst case yang tidak realistis (terlalu dramatis) atau terlalu dekat dengan base (tidak menambah informasi). Praktik baik: skenario harus konsisten secara narasi (resesi 2008, pandemi 2020, krisis 1997) dengan variabel yang bergerak bersama secara logis. Hitung dari Nol: NPV Best/Base/Worst Skenario: Plan ekspansi pabrik. CAPEX Rp 30 M, umur 8 th, WACC 11% (PV factor 5,1461). Asumsi per skenario:
Variabel Best Base Worst FCF tahunan (Rp M) 9,5 5,8 4,3 PV factor 8y @11% 5,1461 5,1461 5,1461 PV FCF (Rp M) 48,89 29,85 22,13 NPV = PV − CAPEX (Rp M) +18,89 −0,15 −7,87
Skenario base NPV ≈ 0 — proyek impas. Skenario worst −Rp 7,87 M. Pertimbangkan real option (tunda ekspansi) atau restrukturisasi CAPEX.
Skenario Best/Base/Worst untuk plan ekspansi pabrik. CAPEX Rp 30 M, umur 8 tahun, WACC 11% (PV factor 5,1461). FCF tahunan bervariasi: Best Rp 9,5 M, Base Rp 5,8 M, Worst Rp 4,3 M. Hasil NPV: Best +Rp 18,89 M, Base −Rp 0,15 M (mendekati impas), Worst −Rp 7,87 M. Temuan: skenario base NPV ≈ 0, artinya proyek impas pada asumsi dasar. Worst case menghasilkan kerugian Rp 7,87 M. Implikasi keputusan: pertimbangkan real option — tunda ekspansi sampai demand konfirmasi, atau restrukturisasi CAPEX (mis. leasing bukan beli). Investor akan menanyakan: probabilitas tiap skenario? Bila worst case 25% mungkin, expected NPV = 0,25(−7,87) + 0,5(−0,15) + 0,25(18,89) = Rp 2,7 M — masih positif tetapi margin tipis. Diskusi real option adalah konsep lanjutan (Trigeorgis 1996) yang akan dibahas singkat di P14. Memilih Tiga Skenario Realistis Base = konsensus ekonomi makro (BI/IMF) Best = upside yang dapat dicapai Worst = historikal krisis terdekat (1997/2008/2020) Worst terlalu dramatis (tidak kredibel) Best terlalu optimis (tidak realistis) Skenario tanpa narasi (angka lepas) Setiap skenario harus punya narasi "mengapa ini bisa terjadi" — bukan hanya angka di Excel.
Memilih tiga skenario realistis adalah seni, bukan sains. Praktik baik: base case = konsensus ekonomi makro dari BI/IMF, bukan asumsi manajemen sendiri. Best case = upside yang dapat dicapai dengan eksekusi baik (bukan fantasi). Worst case = replikasi krisis historikal terdekat (1997, 2008, 2020). Jebakan umum: worst case terlalu dramatis (tidak kredibel), best case terlalu optimis (tidak realistis), atau skenario tanpa narasi (angka lepas). Setiap skenario harus punya narasi "mengapa ini bisa terjadi" — misalnya worst case karena "pandemi baru 2026 mengulang pola 2020 dengan PDB −2,1%". Narasi membuat skenario dapat dipertahankan dalam diskusi dengan investor dan tim eksekutif. Bagian 3 · 3/4
Monte Carlo (Konsep)
Diskusi kelas: kapan Monte Carlo layak biayanya? Bagaimana memilih distribusi input?
Blok ketiga memperkenalkan Monte Carlo secara konseptual. Pertanyaan diskusi membuka trade-off biaya-manfaat: Monte Carlo memerlukan ribuan iterasi, distribusi input per variabel, dan analisis output probabilistik. Layak untuk keputusan material (miliaran rupiah, infrastruktur, M&A). Tidak layak untuk keputusan kecil (beli mesin Rp 500 jt). Monte Carlo: Konsep & Aplikasi Monte Carlo mengulang perhitungan NPV ribuan kali dengan variabel input dari distribusi probabilitas, menghasilkan distribusi output.
Harga: lognormal Volume: normal/trianguler Kurs: random walk Inflasi: trianguler Distribusi NPV (histogram) P(NPV > 0) — probabilitas viable P5, P50, P95 (variance) Sensitivity ranking probabilistik Bukan jaminan keputusan lebih baik — Monte Carlo hanya mengkuantifikasi ketidakpastian. Interpretasi tetap perlu manusia.
Monte Carlo adalah teknik paling realistis tetapi paling kompleks. Cara kerja: setiap variabel input diberi distribusi probabilitas (harga lognormal, volume normal/trianguler, kurs random walk, inflasi trianguler), kemudian perhitungan NPV diulang ribuan kali (umumnya 10.000 iterasi), dan outputnya adalah distribusi NPV. Analisis output: histogram distribusi NPV, probabilitas NPV positif (P(NPV > 0)), persentil P5/P50/P95 untuk mengukur variance, dan sensitivity ranking probabilistik. Software: @Risk, Crystal Ball, atau Python (numpy.random). Catatan penting: Monte Carlo bukan jaminan keputusan lebih baik — teknik ini hanya mengkuantifikasi ketidakpastian yang ada. Interpretasi tetap memerlukan manusia. Jebakan: garbage in garbage out. Bila distribusi input spekulatif, output Monte Carlo juga spekulatif — dengan presisi palsu yang berbahaya. Kapan Pakai Monte Carlo? Karakter Proyek Rekomendasi Teknik CAPEX < Rp 1 M, demand stabil Sensitivitas saja CAPEX Rp 1-10 M, demand fluktuatif Sensitivitas + skenario CAPEX > Rp 10 M, demand sangat tidak pasti Monte Carlo M&A, integrasi, regulasi kompleks Monte Carlo + real option
Aturan praktis: biaya analisis harus proporsional terhadap materialitas keputusan. Jangan over-engineer keputusan kecil.
Tabel ini memberi aturan praktis kapan pakai teknik mana. CAPEX < Rp 1 M dengan demand stabil: sensitivitas saja cukup. CAPEX Rp 1-10 M dengan demand fluktuatif: kombinasi sensitivitas + skenario. CAPEX > Rp 10 M dengan demand sangat tidak pasti: Monte Carlo. M&A atau integrasi dengan regulasi kompleks: Monte Carlo + real option analysis. Aturan praktis: biaya analisis harus proporsional terhadap materialitas keputusan. Jangan over-engineer keputusan kecil (mis. beli mesin Rp 200 jt) dengan Monte Carlo — itu waste. Jangan under-engineer keputusan besar (mis. ekspansi pabrik Rp 50 M) dengan hanya sensitivitas — itu negligence. Sebagai CFO, Anda harus menilai materialitas keputusan dan memilih teknik yang sesuai. Bagian 4 · 4/4
Kasus Telkom & Astra
Diskusi kelas: bagaimana Telkom menguji kelayakan investasi 5G? Skenario seperti apa yang dipakai?
Blok penutup membahas dua kasus nyata. Pertanyaan diskusi membuka kompleksitas investasi 5G Telkom: CAPEX miliaran dolar, demand tidak pasti (ARPU konsumer sulit naik), kompetisi (Indosat, XL). Telkom menggunakan kombinasi skenario + sensitivitas, dengan Monte Carlo untuk proyek per kota. Plan 5G Telkom adalah contoh dokumentasi analisis ketidakpastian yang baik. Kasus Telkom 5G: Sensitivitas IRR Skenario ARPU/bln Market Share IRR Best Rp 150 rb 20% ~18% Base Rp 120 rb 15% ~13% Worst Rp 100 rb 10% ~8%
Range IRR 8-18% (dihedge) — keputusan 5G sangat sensitif terhadap ARPU dan market share. Telkom menunda roll-out luas hingga demand konfirmasi.
Kasus Telkom 5G mengilustrasikan sensitivitas IRR pada proyek teknologi besar. CAPEX miliaran dolar, dengan tiga skenario ARPU dan market share. Hasil IRR (dihedge karena data internal Telkom): Best 18%, Base 13%, Worst 8%. Range IRR 8-18% menunjukkan keputusan sangat sensitif terhadap asumsi ARPU dan market share. Pelajaran strategis: Telkom menunda roll-out 5G luas hingga demand konfirmasi melalui pilot di kota-kota besar. Ini contoh real option — investasi bertahap alih-alih big bang. Praktik baik perencana: bila IRR range terlalu lebar dan overlap dengan WACC, pertimbangkan real option (tunda, ekspansi bertahap) alih-alih keputusan binary. Plan yang baik mengakui ketidakpastian dan merancang fleksibilitas operasional. Sebagai perencana bisnis, sajikan analisis sensitivitas/skenario dalam dokumen plan — jangan sembunyikan. Kasus Astra: Elastisitas Mobil vs Bunga Astra menguji sensitivitas penjualan mobil terhadap suku bunga kredit. Elastisitas ~−0,7 hingga −1,1 (dihedge, bervariasi per segmen).
Segment Elastisitas Interpretasi Mobil Nasional Mass −1,1 Sangat sensitif (perlu bunga rendah) Mobil Premium −0,4 Kurang sensitif (cash buyer banyak) Truk Komersial −0,7 Sedang (proyek bisnis jangka panjang)
Pelajaran: sensitivitas berbeda per segmen. Plan agregat menyesatkan — pecah per segmen untuk akurasi.
Kasus Astra mengilustrasikan sensitivitas segmen terhadap suku bunga. Elastisitas penjualan mobil vs bunga kredit: ~−0,7 sampai −1,1 (dihedge karena bervariasi per segmen dan tahun). Mobil mass-market sangat sensitif (−1,1) karena mayoritas pembeli pakai kredit — kenaikan bunga BI langsung menurunkan penjualan. Mobil premium kurang sensitif (−0,4) karena banyak cash buyer. Truk komersial sedang (−0,7) karena keputusan didasarkan proyek bisnis jangka panjang. Pelajaran untuk perencana bisnis: sensitivitas berbeda per segmen. Plan yang diagregatkan menyesatkan — pecah per segmen untuk akurasi. Bila Anda merencanakan ekspansi multi-segmen, analisis sensitivitas per segmen wajib dilakukan. Hasil agregat mungkin menunjukkan "kuat", tetapi satu segmen mungkin runtuh di skenario tertentu. Investor akan menanyakan per-segmen, bukan agregat. Tornado Chart: Variabel Paling Berpengaruh Tornado chart mengurutkan variabel input berdasarkan dampak terhadap output (NPV/IRR). Bentuknya seperti tornado — paling lebar paling berpengaruh.
Bar horizontal per variabel Panjang = sensitivitas (ΔNPV) Urutan dari paling lebar ke sempit Fokus mitigasi pada variabel teratas Identifikasi 2-3 variabel kunci Bangun kontrak hedge untuk price Diversifikasi supply untuk input Real option bila variabel tak terkontrol Tornado chart fokus upaya mitigasi pada variabel paling berpengaruh — bukan semua variabel sama prioritasnya.
Tornado chart adalah output visual analisis sensitivitas. Setiap variabel input diplot sebagai bar horizontal dengan panjang = sensitivitas (ΔNPV saat variabel berubah ±10%). Variabel diurutkan dari paling lebar ke paling sempit — menyerupai bentuk tornado. Implikasi manajerial: fokus upaya mitigasi pada 2-3 variabel teratas. Bila harga output paling berpengaruh, pertimbangkan kontrak hedge atau forward contract. Bila harga input, diversifikasi supplier atau kontrak long-term. Bila variabel tak terkontrol (kurs, suku bunga), pertimbangkan real option (fleksibilitas operasional). Tornado chart membantu manajemen fokus pada few key drivers, bukan semua variabel. Praktik baik di McKinsey, BCG, dan corporate planning — sebaiknya dimasukkan di tugas akhir P14 Anda. Coba Sendiri: Analisis Sensitivitas & Skenario Geser asumsi proyek acuan (harga, volume, biaya, WACC) untuk melihat dampaknya pada NPV base/best/worst case — eksplorasi variabel kunci yang paling menggerakkan nilai.
Widget ini melatih intuisi sensitivitas. Minta mahasiswa mengidentifikasi variabel paling berpengaruh terhadap NPV — itu kandidat untuk tornado chart di tugas P14. Diskusikan: variabel mana yang paling tepat untuk di-hedge (kontrak forward, supply contract) versus dimitigasi dengan real option? Coba Sendiri: Rolling Forecast vs Anggaran Statis Geser tren realisasi YTD dan bulan update forecast untuk membandingkan kekuatan rolling forecast dalam mendeteksi sinyal koreksi versus keterbatasan anggaran statis tahunan.
Widget ini menyambungkan P12 (analisis skenario) dengan P13 (tata kelola penganggaran). Rolling forecast bukan menggantikan anggaran, melainkan melengkapi: anggaran sebagai kontrak komitmen tahunan, rolling forecast sebagai indikator early-warning. Minta mahasiswa mengubah tren realisasi ke mode unfavorable (mis. 80%) dan amati bagaimana rolling forecast menyarankan tindakan korektif jauh lebih awal dibanding anggaran statis yang baru terlihat salah di akhir tahun. Ringkasan Kunci Pertemuan 12 Risk vs Uncertainty
Knight 1921 — keduanya harus diakui
Tiga Teknik
Sensitivitas · Skenario · Monte Carlo
Real Option
Fleksibilitas operasional di tengah ketidakpastian
Plan yang diuji ketahanannya adalah plan yang dapat dipercaya. Plan yang tidak diuji adalah plan yang belum siap.
Persiapan P13: minggu depan kita masuk ke tata kelola proses penganggaran — mengapa anggaran sering gagal karena gaming manusia.
Sebagai penutup, tiga pesan kunci. Pertama, distingsi Knight antara risk (terukur) dan uncertainty (tidak terukur) — plan harus mengakui keduanya. Kedua, tiga teknik komplementer: sensitivitas (satu variabel), skenario (beberapa variabel konsisten), Monte Carlo (distribusi probabilistik). Ketiga, real option — fleksibilitas operasional di tengah ketidakpastian, terutama bila IRR range overlap WACC. Pertemuan berikutnya kita akan bahas dimensi manusia: tata kelola proses penganggaran. Mengapa anggaran sering gagal bukan karena teknik salah, tetapi karena gaming manusia (Jensen 2001, Hope-Fraser 2003). Sampai jumpa minggu depan. 📖 Baca juga: Npv Vs Irr — penjelasan mendalam dan contoh numerik.