1. Pendahuluan
Ketersediaan fasilitas infrastruktur yang andal menjadi prasyarat untuk memicu dan memacu pertumbuhan ekonomi nasional. Bila tidak sebagai mesin, infrastruktur setidaknya berfungsi sebagai roda dalam aktivitas perekonomian (World Bank, 1994). Di Indonesia kebutuhan dana infrastruktur untuk tahun 2010- 2014 diperkirakan mencapai Rp. 1.429 trilyun untuk mendukung pertumbuhan ekonomi sebesar 4-5%. Dari jumlah tersebut, hanya sekitar Rp. 451 trilyun atau 32% yang mampu disediakan oleh Pemerintah. Untuk menutup kesenjangan yang ada Pemerintah merasa perlu menggandeng pihak swasta untuk ikut
berpartisipasi dalam pembangunan dan pengelolaan infrastruktur publik melalui skim yang dikenal dengan kemitraan-pemerintah-swasta (KPS).
Meski KPS mempunyai spektrum yang luas mulai kontrak manajemen sampai dengan keterlibatan dalam hal pendanaan, konstruksi dan pengoperasian, modalitas yang dipilih untuk sebagian besar proyek KPS adalah build, operate, transfer (BOT) dimana badan usaha membangun fasilitas infrastruktur, mengoperasikannya secara komersial untuk suatu periode konsesi tertentu dan mentransfer kembali fasilitas tersebut, biasanya tanpa biaya, ke pemerintah setelah masa konsesi berakhir (Sapte, 1997). Di sektor jalan tol BOT
malahan sudah identik dengan KPS meski sebenarnya kontrak jenis ini adalah salah satu jenis kontrak yang paling sulit diimplementasikan (Asian Development Bank, 2000).
Untuk kurun waktu 2010-2014 Pemerintah menawarkan sejumlah proyek BOT jalan tol senilai $26.852 juta yang terbagi dalam 35 ruas (Badan Perencanaan dan Pembangunan Nasional, 2010), di luar dari 24 ruas jalan tol yang saat ini sedang dievaluasi penerusan pengusahaannya karena belum ada progres yang signifikan dalam realisasinya. Terlepas dari pengguliran program pembangunan jalan tol yang terkesan ambisius ini, pengalaman empirik menunjukkan bahwa menarik investor swasta ke sektor infrastruktur bukanlah perkara yang mudah sebagaimana dibuktikan saat penyelenggaraan Infrastructure Summit tahun 2005 dan 2006. Sebagian kalangan berpendapat kedua even ini tidak berhasil menggaet calon investor sebagaimana yang diharapkan termasuk di dalamnya investor untuk proyek-proyek jalan tol.
Salah satu syarat utama untuk menarik sektor swasta untuk ikut berpartisipasi dalam pembangunan dan pengelolaannya adalah proyek yang ditawarkan harus atraktif secara finansial. Dalam konteks yang lebih sempit, keatraktivan finansial suatu proyek biasa diukur dari net present value (NPV) atau internal rate of return (IRR)-nya. Kedua indikator tersebut membutuhkan satu informasi untuk keperluan analisisnya yaitu tingkat diskonto atau minimum acceptable/ attractive rate of return (MARR). Tulisan ini menawarkan metodologi estimasi required rate of return (RRR) sebagai hurdle rate pada investasi jalan tol. Dua pendekatan yang digunakan dalam metodologi yang ditawarkan adalah capital asset pricing model (CAPM) (Sharpe, 1964) dan certainty equivalent method (CEM) yang dikombinasikan dengan cumulative prospect theory atau CPT (Tversky and Kahneman, 1992).
Kajian ini dimotivasi oleh setidaknya tiga alasan. Pertama, sejauh ini studi-studi yang ada untuk isu yang relevan hanya sekedar memberikan asumsi besaran hurdle rate (e.g., Bakatjan et al., 2003; Ye dan Tiong, 2000; Zhang, 2005). Akibatnya, banyak studi mengambil asumsi kurang pas yang kerap melanggar prinsip arbitrage-free yang memungkinkan individual mengambil manfaat mendapatkan ekspektasi profit yang tinggi untuk risiko yang rendah atau justru sebaliknya. Kedua, pemahaman tentang RRR sangat penting, khususnya bagi pemerintah yang akan menawarkan proyek-proyek infrastruktur kepada sektor swasta. Public-Private-Partnership (PPP) Book yang dirilis oleh Badan Perencanaan dan Pembangunan Nasional hanya mencantumkan indikator finansial IRR yang sebenarnya belum bisa menjastifikasi apakah proyek yang bersangkutan layak atau tidak bila tanpa disertai informasi tentang MARR. Ketiga, dengan adanya informasi RRR, pemerintah bisa memberikan
keputusan finansial tentang bentuk subsidi yang harus diberikan saat suatu proyek memiliki IRR yang berada di bawah RRR.
2. Hurdle Rate dalam Proyek Investasi
Di samping estimasi ekspektasi arus kas (cash flow), memperkirakan hurdle rate merupakan persoalan yang tidak kalah peliknya. Kesalahan dalam estimasi dapat mengakibatkan kesalahan dalam pengambilan keputusan finansial yang fatal, seperti proyek investasi yang seharusnya layak menjadi tidak layak atau sebaliknya. Namun, isu hurdle rate tampaknya masih menjadi isu sekunder yang sedemikian mudahnya diresolusi hanya dengan asumsi semata tanpa disertai argumentasi yang plausibel. Bahkan, banyak kalangan yang menganggap hurdle rate suatu proyek investasi sama dengan tingkat suku bunga pinjaman (Wibowo, 2005).
Beberapa studi memberikan beragam asumsi untuk penentuan hurdle rate, mulai dari 10% (e.g., Chiang et al., 2010), 2% plus 8% sebagai percentage return (Astuti et al., 2009), 12% (Ye and Tiong, 2000), 2% di atas tingkat suku bunga (pinjaman) bank (Hermawan, 2009), sampai 4% di atas rata-rata suku bunga bank pemerintah (Kementerian Pekerjaan Umum, 2010). Perbedaan asumsi secara akademis dapat diterima selama ada jastifikasi dan argumentasinya. Namun, studi-studi ini tidak memberikan penjelasan yang tegas yang menghubungkan asumsi hurdle rate dengan risiko investasi.
Secara prinsip, hurdle rate merepresentasikan opportunity cost of capital yaitu imbal hasil (return) minimum yang mampu ditawarkan oleh proyek investasi lainnya yang memiliki profil risiko yang sama dengan proyek yang dievaluasi. Semakin tinggi risiko, semakin tinggi pula hurdle rate yang ditetapkan dan demikian pula sebaliknya. Artinya, hurdle rate perlu disesuaikan terhadap risiko yang ada dan prinsip inilah yang harus senantiasa dipenuhi.
Risiko dapat dikategorikan secara berbeda seperti risiko yang dapat dikontrol dan tidak dapat dikontrol, risiko yang bisa diasuransikan dan yang tidak, atau risiko murni (pure risk) dan risiko dinamis atau spekulatif. Dalam teori finansial, risiko juga bisa dikelompokkan menjadi risiko pasar atau risiko sistematis dan risiko unik atau spesifik proyek atau idiosyncratic. Termasuk dalam kelompok pertama adalah fluktuasi laju inflasi, nilai tukar mata uang, tingkat suku bunga, laju produk domestik bruto, fluktuasi harga BBM sementara termasuk dalam risiko spesifik proyek adalah proyek mengalami keterlambatan, pendapatan tidak sesuai dengan rencana, biaya konstruksi meningkat, bertambahnya kompetitor, terjadinya mogok kerja, dan lain-lain. Dalam teori portofolio risiko non-sistematis dapat tereliminasi melalui diversifikasi tetapi tidak demikian halnya dengan risiko sistematis (Capiński dan Zastawniak, 2003).
Dalam praktik, asumsi investor yang mendiversifikasikan asetnya secara baik (well-diversified investor) yang memungkinkan risiko nonsistematis tereliminasi tidak sepenuhnya dapat diterima. Ada perspektif lain yang secara fundamental berbeda dengan teori portofolio yang memandang risiko secara keseluruhan (total risk approach atau TRA), jadi tidak sekedar mempertimbangkan risiko sistematis semata. Pollio (1999) pendekatan menyatakan bahwa yang mempertimbangkan manfaat diversifikasi secara teoretis benar, namun kebanyakan investor menerapkan TRA. Dengan memasukkan manfaat diversifikasi, hurdle rate suatu proyek bisa setengah atau kurang dari apa yang diperoleh melalui TRA. Palliam (2005) menegaskan bahwa TRA lebih relevan untuk mengestimasi biaya modal (cost of capital) bagi investor yang memandang bisnisnya tidak sebagai bagian dari portofolio yang terdiversifikasi melainkan lebih sebagai sebuah proyek modal.
3. Metodologi Perhitungan Required Rate of Return
Required rate of return (RRR) didefinisikan sebagai imbal hasil minimum yang dituntut oleh investor dari suatu proyek investasi yang sesuai dengan risiko yang harus ditanggung bila investor melaksanakan investasi tersebut. RRR berperan sebagai MARR dalam analisis IRR atau hurdle rate dalam analisis NPV. Dalam tulisan ini, kuantum RRR adalah suku bunga tanpa risiko (risk-free interest rate atau \(r_f\)) ditambah dengan premium risiko atau:
Menggunakan perspektif TRA, premium sebagai kompensasi harus disediakan baik untuk risiko sistematis maupun nonsistematis, atau:
\[\pi_{tot} = \pi_{sys} + \pi_{non-sys} \tag{2}\] dengan p<sub>tot</sub>=premium total risiko, p<sub>sys</sub>=premium risiko sistematis, p<sub>non-sys</sub>=premium risiko non-sistematis. Premium untuk risiko sistematis dihitung menggunakan CAPM sementara premium risiko non-sistematis menggunakan CEM. Untuk menghindari terjadinya penghitungan berganda (double counting) atas premium risiko, risiko-risiko yang bertanggung jawab terhadap ketidakpastian arus kas saat menggunakan CEM adalah risiko-risiko yang sifatnya spesifik proyek dan tidak lagi memperhitungkan risiko sistematis yang sudah terwakili melalui CAPM. Dalam tulisan ini premium risiko sistematis sama untuk setiap jalan tol dengan argumentasi faktor-faktor risiko sistematis berpengaruh terhadap seluruh operasi jalan tol nasional.
3.1 Capital asset pricing model
Menurut CAPM, imbal hasil ekspektasi merupakan fungsi dari beta yaitu suatu ukuran yang merefleksikan sensitivitas pengembalian suatu aset terhadap volatilitas
pasar. Sebagaimana diketahui, CAPM hanya mengkompensasi risiko sistematis dan tidak risiko nonsistematis. Untuk menghemat ruang penulisan, dasar teori tentang CAPM tidak diberikan di sini dan pembaca dapat mengacu ke buku-buku teks standar keuangan (e.g., Brealey and Myers, 2000; Levy dan Sarnat, 1994).
Risiko dalam CAPM dinyatakan dalam ukuran yang disebut beta yang merefleksikan sensitivitas pengembalian suatu aset terhadap volatilitas pasar:
\[\beta = \frac{\operatorname{cov}(\tilde{r}, \tilde{r}_m)}{\sigma_m^2} \tag{3}\] dengan \(cov(\tilde{r}, \tilde{r}_m)\) = kovarian antara imbal hasil aset dan hasil pasar (market return), \(\sigma_{\rm m}^2\) varian imbal hasil pasar. Semakin tinggi imbal hasil aset tersebut berkorelasi dengan pasar, semakin tinggi pula beta dan risikonya. Bila beta dihitung dari suatu aset yang sebagian didanai dengan utang (leveraged), beta tersebut perlu ditransformasikan kembali (unlever) untuk menghilangkan efek dari keputusan finansial untuk mendapatkan apa yang disebut unlevered beta melalui rumus (Brealey and Myers, 2000):
\[\beta_u = \frac{\beta}{1 + (1 - T)\frac{D}{E}} \tag{4}\] dengan \(b_u\)=unlevered beta, b=levered beta, T=tingkat pajak, D/E=rasio utang-ekuitas. Selanjutnya, unlevered beta menentukan premium untuk risiko sistematis vaitu:
\[\pi_{svs} = \beta_u \times MRP \tag{5}\] dengan \(p_{sys}\)=premium untuk risiko sistematis, MRP=premium risiko pasar. Di Indonesia, MRP berada dalam kisaran 6,5 sampai 7,5%. Wibowo (2006) memberikan estimasi MRP sebesar 6,67%.
3.2 Certainty equivalent method
NPV untuk proyek di bawah ketidakpastian dapat dirumuskan secara sederhana sebagai:
\[NPV = \sum_{i=0}^{n} \frac{C_i}{\left(1 + r_f\right)^i} \tag{6}\] dengan \(C_i\) = arus kas pada periode ke-i. Notasi (\(\sim\)) di atas suatu variabel menandakan bahwa variabel yang bersangkutan adalah variabel stokastik. Penggunaan suku bunga tanpa risiko dalam Persamaan (6) dilatarbelakangi oleh alasan bahwa risiko diperhitungkan secara langsung dalam analisis yaitu dengan mengasumsikan NPV sebagai variabel stokastik yang bergerak mengikuti ketidakpastian arus kas. Bila digunakan tingkat diskonto yang sudah disesuaikan
terhadap risiko (risk-adjusted discount rate) untuk arus kas yang berisiko, terjadi apa yang disebut oleh Brealey dan Myers (2000) sebagai pre-judging risk. Karena alasan inilah tingkat diskonto yang paling pas dalam kondisi ini adalah suku bunga tanpa risiko. NPV yang stokastik dapat ditransformasikan menjadi NPV yang deterministik dengan terlebih dahulu menghitung certainty equivalent (CE). Penulis mengaplikasikan CPT sebagai metoda transformasi yang akan dijelaskan lebih detil dalam subbab berikut ini.
3.3 Cumulative prospect theory
Investor pada prinsipnya adalah seorang individu yang takut terhadap risiko (Reilly and Brown, 2003) sementara individu yang seluruh hidupnya didedikasikan untuk mengambil risiko (risk-taker) biasanya merupakan individu yang ceroboh (Ang and Tang, 1984). Teorema utilitas kerap digunakan sebagai alat pengambil keputusan untuk mengevaluasi proyek di bawah ketidakpastian (e.g., Byrne, 1996; Flanagan and Norman, 1993; Hertz dan Thomas, 1983). Namun eksperimen menunjukkan bahwa individu kerap memperlihatkan perilaku yang justru melanggar aksioma-aksioma teorema utilitas yang mendorong munculnya prospect theory (PT) sebagai alternatif dari teorema utilitas (Kahneman and Tversky, 1979).
Bila teorema utilitas mentransformasikan monetary outcome ke dalam utilitas, PT merefleksikannya ke dalam nilai (value) yang berbeda fungsinya untuk kerugian (losses) dan keuntungan (gain) yang juga tidak linear. Namun berbeda dengan teorema utilitas, probabilitas dalam PT ditransformasikan ke dalam bobot putusan. Kedua transformasi ini dilakukan karena, berdasarkan eksperimen Kahneman and Tversky (1978), individu lebih cenderung bersifat risk taker saat ia berhadapan dengan pilihan losses dan risk averse saat dengan pilihan gains dan bereaksi berlebihan untuk kenaikan nilai probabilitas yang kecil pada nilai-nilai ekstrem. Contoh, individu akan memberikan bobot yang lebih besar untuk kenaikan probabilitas dari 0,99 ke 1,00 (tidak pasti ke pasti) atau 0,00 ke 0,01 (pasti ke tidak pasti) ketimbang, misal, dari 0,49 ke 0,50 meski secara absolut memiliki kenaikan yang sama.
Dalam perjalanannya Tversky dan Kahneman (1992) merevisi PT dan mengembangkan CPT sebagai respon atas kritik terhadap PT yang melanggar first order stochastic dominance (untuk lebih jelasnya tentang prinsip ini pembaca dapat membaca, misal, Levy dan Sarnat, 1994). Sama halnya dengan William F. Sharpe yang meraih penghargaan Nobel di bidang ekonomi tahun 1990 untuk CAPM yang dikembangkannya, Daniel Kahneman sebagai salah satu penemu CPT juga mendapatkan Nobel di tahun 2002 untuk kontribusi yang disumbangkannya. Appendiks B dalam makalah ini memberikan penjelasan singkat tentang CPT. Untuk referensi yang lebih lengkap pembaca dapat mengacu
Tversky dan Kahneman (1992). Mengadopsi CPT,
\[CPT_{value} = \sum_{i=0}^{n} \pi_{i}^{+} \nu \left( NPV_{i} \right) + \sum_{i=-m}^{0} \pi_{i}^{-} \nu \left( NPV_{j} \right)\] (7)
dengan CPT value=total rata-rata tertimbang CPT value, NPV<sub>i</sub>=NPV pada persentil ke-i dan NPV<sub>j</sub>=NPV pada persentil ke-j sehingga hubungan bahwa:
\(NPV_i < NPV_j\) untuk \(i \le j\) dalam konteks CPT dapat selalu
dipenuhi. Dalam banyak kasus, menghitung nilai persentil ke-i merupakan hal yang sulit karena ketidakpastian arus kas disebabkan banyak faktor risiko yang memiliki karakteristik masing-masing. Oleh karena itu, aplikasi simulasi Monte Carlo tentunya akan sangat membantu dalam perhitungan selama fungsi kerapatan probabilitas berikut dengan parameternya dari komponen arus kas diketahui. Selanjutnya, menggunakan inversi Persamaan (23) sampai (25), CE dari NPV dapat dihitung sebagai:
\[CE(NPV) = NPV = v^{-1}(CPT_{value})\] (8)
dengan CE(NPV)= CE dari NP. Sementara itu berdasarkan perhitungan NPV konvensional:
\[NPV = v^{-1} \left( CPT_{value} \right) = \sum_{i=0}^{n} \frac{E\left(C_{i}\right)}{\left(1+r\right)^{i}}\] \[\tag{9}\] dengan \(E(C_i)\) =ekspektasi arus kas pada periode ke-i yang diperoleh dari rencana bisnis, r=risk-adjusted discount rate.
\[0 = -v^{-1} \left( CPT_{value} \right) + \sum_{i=0}^{n} \frac{E(C_i)}{\left( 1 + IRR^* \right)^i}\] (10)
dengan IRR*= total rate of return sebagai premium risiko non-sistematis. Selanjutnya,
\[\pi_{non-sys} = IRR^* - r_f \tag{11}\]
Premium risiko non-sistematis dalam Persamaan (11) ditambahkan dengan premium risiko sistematis menentukan RRR.
4. Contoh Studi Kasus
Metodologi diaplikasikan untuk tiga contoh proyek investasi jalan tol yang diselenggarakan menggunakan kontrak build, operate, transfer (BOT). Ketiga proyek ini direncanakan beroperasi tahun 2015. Proyek A berada di Pulau Jawa sementara dua proyek lainnya dibangun di luar Pulau Jawa yang belum pernah dioperasikan jalan tol sebelumnya sehingga risiko
volume lalulintas untuk kedua proyek terakhir dikategorikan 'tinggi'. Kategori risiko 'sedang' dilabelkan untuk Proyek A dengan alasan meski proye ini berada di Pulau Jawa namun termasuk jalan tol antarkota.
Hal yang perlu dicatat bahwa data dan informasi yang disajikan dalam tulisan ini hanya untuk keperluan contoh perhitungan saja dan tidak harus merefleksikan rencana bisnis dari proyek investasi jalan tol yang ada. Karena dalam tulisan ini RRR ditinjau dari perspektif proyek, arus kas yang dihitung adalah operating cash flow before financing. Bila RRR dari perspektif ekuitas yang akan dinilai, arus kas yang sesuai adalah free cash flow to equity (FCFE) dan IRR yang bersesuaian adalah return on equity (ROE). Terkadang pengertian IRR on project dan ROE kerap tidak dimengerti dan saling tertukar satu dengan yang lainnya padahal keduanya memiliki profil risiko yang jauh berbeda.
Tabel 1 memperlihatkan data teknis dan finansial untuk ketiga proyek ini. Sebagaimana terlihat, IRR on project bervariasi antara 9,66% dan 16,09%. Tabel 2 menyajikan asumi data dan informasi yang dibutuhkan untuk keperluan analisis finansial yang berlaku untuk ketiga proyek studi kasus. Sejauh ini keputusan apakah masing-masing dari ketiga proyek ini layak atau tidak layak secara finansial belum dapat diambil sepanjang informasi tentang RRR sebagai hurdle rate belum tersedia.
Tabel 1. Data teknis dan finansial proyek studi kasus
| Proyek Jalan Tol | ||||
|---|---|---|---|---|
| Data Teknis dan Finansial | A | B | C | |
| Panjang jalan (km) | 37,62 | 50,00 | 46,00 | |
| Masa konsesi (tahun) | 35 (termasuk 2 tahun pembebasan lahan dan 2 tahun masa konstruksi) | 35 (termasuk 2 tahun pembebasan lahan dan 2 tahun masa konstruksi) | 35 (termasuk 2 tahun pembebasan lahan dan 2 tahun masa konstruksi) | |
| Biaya lahan (2010) (Rp. Milyar) | 293,2 | 280,0 | 765,0 | |
| Biaya konstruksi (2010) (Rp. Milyar) | 2.234,4 | 2.446,8 | 4.847,1 | |
| Volume kendaraan di tahun pertama operasi (kendaraan per hari) | 22.220 | 12.281 | 16.577 | |
| Tarif golongan I (Rp/km) | 616 | 831 | 571 | |
| IRR (%) | 16,09 | 15,48 | 9,66 | |
| Perkiraan tingkat risiko volume lalulintas | Sedang | Tinggi | Tinggi | |
Tabel 2. Asumsi data umum proyek studi kasus
| Asumsi | Besaran | |
|---|---|---|
| Rasio volume golongan I:II:III:IV:V | : | 85%:6%:4%3%:2% |
| Rasio tarif golongan I:II:III:IV:V | : | 1,0:1,5:2,0:2,5:3,0 |
| Interval kenaikan tarif | : | 2 tahun sekali |
| Laju ekskalasi biaya lahan | : | 20% per tahun |
| Laju ekskalasi biaya konstruksi | : | 7% per tahun |
| Distribusi biaya lahan | : | 30:70 (durasi pengadaan lahan 2 tahun) |
| Distribusi biaya konstruksi | : | 40:60 (durasi konstruksi 2 tahun) |
| Pertumbuhan volume lalulintas | : | 9% (5 tahun pertama) |
| Laju inflasi | : | 7% per tahun |
| 8% (5 tahun kedua) | ||
| 7% (5 tahun ketiga) | ||
| 6% (5 tahun keempat) | ||
| 5% (5 tahun kelima) | ||
| 3% (5 tahun keenam) | ||
| 0% (sisanya) | ||
| Biaya O&M | : | 15% pendapatan tol |
| Pendapatan lain-lain | : | 1,5% pendapatan tol |
| Tingkat pajak pendapatan | : | 30% |
| Suku bunga tanpa risiko | : | 9% |
4.1 Perhitungan premium risiko non-sistematis
Untuk perhitungan premium risiko non-sistematis faktor risiko yang dipertimbangkan adalah risiko volume lalulintas, kenaikan biaya konstruksi, keterlambatan konstruksi, keterlambatan pengadaan lahan. Kenaikan biaya lahan tidak dipertimbangkan sebagai faktor risiko dengan alasan bahwa risiko ini telah dikover melalui mekanisme landcapping yang disediakan pemerintah. Risiko volume lalulintas diwakili dengan ketidakpastian volume lalulintas di tahun pertama operasi.
4.1.1 Volume lalulintas
Sejauh pemahaman Penulis, sampai saat ini belum ada studi faktor risiko volume lalulintas khusus Indonesia yang dapat digunakan sebagai acuan untuk aktuarial. Referensi yang tersedia untuk isu ini yang kerap juga diacu oleh penulis lainnya, termasuk Penulis, adalah Bain dan Wilkins (2002), Bain dan Plantagie (2003), Bain dan Plantagie (2004), dan Bain (2009). Untuk keperluan perhitungan RRR, data dalam referensi yang disebutkan digunakan untuk pemodelan ketidakpastian volume lalulintas. Meski tidak secara eksak menggambarkan kondisi lalulintas di Indonesia, referensi-referensi ini setidaknya dapat merefleksikan kecenderungan perilaku lalulintas khususnya di selama masa ramp-up berdasarkan jumlah sampel yang besar.
Berdasarkan Bain dan Wilkins (2002), tingkat akurasi prediksi volume lalulintas di wilayah yang sudah mengenal jalan tol sebelumnya lebih tinggi, dengan purata 0,81 (deviasi standar=0,24) dibandingkan wilayah yang belum, purata 0,58 (deviasi standar=0,26) (Gambar 1). Dengan data yang lebih banyak (n=87) survei memperlihatkan bahwa secara rata-rata terjadi overestimasi sebesar 24% (purata 0,76, deviasi standar=0,26), sebagaimana tersaji dalam Gambar 2. Meski Gambar 1 dan Gambar 2 hanya memperlihatkan rasio di tahun pertama operasi, studi
lanjut Bain (2009) menegaskan tidak terjadi perbaikan kinerja akurasi selama setidaknya 5 (lima) tahun setelah jalan tol dibuka. Informasi ini bisa digunakan menjadi dasar asumsi bahwa rasio ini akan tetap dapat digunakan selama masa operasi jalan tol. Untuk keperluan analisis, risiko 'tinggi', 'sedang', dan 'rendah' diwakili oleh fungsi N(0,58; 0,262 ), N(0,76; 0,262 ) dan N(0,81; 0,242 ).
4.1.2 Biaya konstruksi
Sebagai solusi atas keterbatasan data untuk pemodelan biaya konstruksi, Penulis menggunakan data empirik dari Bain (2007) yang hasilnya disajikan dalam Gambar 3. Gambar 3 memperlihatkan hasil fitting data rasio biaya konstruksi realisasi dan estimasi dengan fungsi kerapatan probabilitas terpilih adalah extreme value dengan parameter lokasi a=1,029 dan parameter skala b=0,096.
4.1.3 Durasi pengadaan lahan
Penilaian subjektif diberikan untuk memodelkan ketidakpastian durasi pengadaan lahan. Dalam kajian ini, durasi direpresentasikan sebagai distribusi diskrit dengan parameter (1, 0,1; 2,0,3; 3,0,4; 4, 0,2) yang artinya durasi pengadaan lahan dapat dilaksanakan dalam 1 (satu) tahun dengan probabilitas 0,2, 2 (dua) tahun dengan probabilitas 0,3, dan seterusnya.
4.1.4 Durasi konstruksi
Sama halnya dengan durasi pengadaan lahan, pemodelan ketidakpastian durasi konstruksi didasarkan pada penilaian subjektif yang dilakukan Penulis. Durasi dimodelkan sebagai variabel acak mengikuti distribusi diskrit dengan parameter (2, 0,4; 3,0,6). yang artinya konstruksi dapat diselesaikan dalam waktu 2 (dua) tahun dengan probabilitas 0,4, dan 3 (tiga) tahun dengan probabilitas 0,6.
Gambar 1. Fitting distribusi rasio volume lalulintas realisasi dan prediksi di wilayah yang belum dibangun jalan tol (Sumber: Bain dan Wilkins, 2002)
Gambar 2 Fitting distribusi rasio volume lalulintas realisasi dan prediksi Tahun 2004 (Sumber: Bain dan Plantagie, 2004)
Gambar 3 Fitting Distribusi Rasio Biaya Konstruksi Realisasi dan Estimasi
4.2 Premium risiko non-sistematis
Untuk mendapatkan NPV pada persentil tertentu, Penulis melakukan simulasi Monte Carlo menggunakan piranti lunak Crystal Ball® versi 7.3 dengan parameter distribusi yang telah dijelaskan sebelumnya. Persentil yang digunakan adalah persentil ke-1 sampai 100 dengan interval 1. Gambar 4 memperlihatkan contoh distribusi kumulatif NPV dengan tingkat diskonto suku bunga tanpa risiko (NPV@rf) untuk Proyek A. Investigasi menunjukkan bahwa probabilitas NPV@rf negatif sekitar 8%. Selanjutnya semua nilai NPV pada persentil 1-100 dikonversi menggunakan Persamaan (23) sampai Persamaan (25) menjadi nilai dalam konteks CPT. Sementara ini parameter yang digunakan adalah parameter yang direkomendasikan Tversky dan Kahneman (1992) yaitu a==0,88;=2,25; =0,61 dan =0,69.
Gambar 5 menyajikan hubungan antara NPV dan nilai untuk NPV yang bersesuaian sementara Gambar 6 menampilkan hubungan antara stated probability dan bobot putusan yang dihitung menggunakan Persamaan (19) dan (20) untuk Proyek A. Sebagaimana tersaji, terjadi kenaikan laju perubahan bobot putusan pada nilai-nilai stated probability tertentu seperti antara 0,0 dan 0,1 dan 0,9 dan 1,0. Tabel 3 menampilkan ringkasan hasil perhitungan premium risiko nonsistematis untuk ketiga proyek yang ditinjau. Proyek B memiliki premium risiko tertinggi (4,91%) sementara Proyek A memiliki premium risiko terendah (2,59%). Bila hanya risiko proyek saja yang ditinjau, proyek C jelas tidak memenuhi kriteria kelayakan finansial karena memiliki NPV negatif. Sementara itu proyek A dan B meski memiliki NPV positif perlu tetap dievaluasi apakah masih layak bila risiko sistematis dipertimbangkan.
Tabel 3. Hasil perhitungan premium risiko non-sistematis
| Parameter | Proyek | |||
|---|---|---|---|---|
| A | B | C | ||
| CPT value (Rp. Juta) | 370.327 | 118.981 | -57.925 | |
| CE NPV (Rp. Juta) | 2.127.836 | 585.581 | -98.831 | |
| Premium risiko non-sistematis (%) | 2,59 | 4,91 | 4,43 | |
Gambar 4. Distribusi kumulatif NPV@rf proyek A
Gambar 5. Konversi NPV@rf ke CPT value Proyek A
Gambar 6. Konversi stated probability ke bobot putusan Proyek A
4.3 Perhitungan premium risiko sistematis
Untuk perhitungan premium risiko sistematis dibutuhkan data tentang rasio utang-ekuitas (DER) dan beta aset untuk industri jalan tol nasional. Saat ini baru ada dua operator jalan tol yang sudah masuk ke lantai bursa yaitu PT Citra Marga Nusaphala Persada (CMNP) dan PT Jasa Marga (Persero). Berdasarkan data yang diperoleh dari Bloomberg (2010a, 2010b), levered beta untuk Jasa Marga berkisar 1,01 dan 0,55 untuk PT CMNP. DER rata-rata untuk PT Jasa Marga antara tahun 2004-2008 dan PT CMNP antara tahun 2003- 2007 masing-masing 2,61X dan 0,64X.
Tabel 4 memperlihatkan hasil perhitungan unlevered beta menggunakan Persamaan 4. Sebagaimana tersaji, unlevered beta rata-rata untuk industri jalan tol nasional 0,37. Bila diasumsikan premium risiko pasar adalah 6,5% premium risiko sistematis berdasarkan CAPM adalah sekitar 2,41%.
4.4 Perhitungan required rate of return
Berdasarkan hasil perhitungan sebelumnya diperoleh bahwa premium risiko non-sistematis bervariasi antara 2,59 dan 4,91% dan premium risiko sistematis adalah 2,41% dengan asumsi suku bunga tanpa risiko sama dengan 9%. RRR bervariasi antara 14,00 sampai 16,32%, tergantung pada risiko proyek (Tabel 5). Dari ketiga proyek yang ditinjau, hanya ada satu proyek yang layak secara finansial yaitu Proyek A yang memiliki IRR (16,09%) di atas RRR yang dihitung (14,00%).
Proyek B meski memiliki IRR yang cukup tinggi yaitu 15,48% namun karena RRR lebih tinggi (16,32%), proyek ini dikategorikan tidak layak. Kesimpulan yang sama juga berlaku untuk Proyek C yaitu IRR lebih rendah daripada RRR. Ketidaklayakan ini disebabkan, salah satunya, tingkat risiko volume lalulintas yang dikategorikan tinggi mengingat ruas jalan tol ini dibangun di daerah yang belum memiliki pengalaman tol sebelumnya.
Bila Pemerintah berkeinginan menarik sektor swasta untuk ikut dalam pembangunan dan pengelolaan Proyek B dan C, Pemerintah perlu mempertimbangkan pemberian subsidi pembebasan lahan dan/atau sebagian konstruksi atau dukungan finansial lainnya yang tujuannya untuk meningkatkan IRR sama dengan RRR. Isu tentang subsidi tidak menjadi ruang lingkup dalam kajian ini dan akan dibahas dalam tulisan lainnya yang sedang disiapkan Penulis. Namun secara prinsip, keberadaan subsidi baik untuk lahan maupun sebagian konstruksi akan menurunkan biaya investasi. Bila biaya investasi berkurang, ceteris paribus, IRR akan meningkat dengan sendirinya.
4.5 Potensi dan keterbatasan studi
Metodologi yang ditawarkan dalam tulisan ini potensial untuk diaplikasikan di Indonesia karena dua alasan. Pertama, sejauh pemahaman Penulis belum ada satu pun metodologi yang pernah dipublikasikan, setidaknya di Indonesia, yang mendiskusikan secara eksplisit penentuan tingkat diskonto atau MARR dalam proyek investasi berdasarkan tingkat risiko. Pada satu sisi CAPM kerap digunakan untuk mengestimasi biaya modal namun pada sisi lain, sebagaimana telah disinggung sebelumnya, asumsi risiko spesifik proyek dapat tereliminasi melalui diversifikasi tidak sepenuhnya dapat diterima.
Kedua, metodologi ini membutuhkan data dan informasi yang seharusnya tersedia dalam setiap studi kelayakan yang komprehensif. Namun sayangnya studistudi kelayakan yang ada jarang bisa menyediakan data yang dibutuhkan, terutama bila dikaitkan dengan analisis risiko. Bila data yang dibutuhkan tersedia, RRR dapat lebih akurat dihitung menggunakan metodologi yang ditawarkan. Tanpa data yang memadai, risiko sulit dikuantifikasi dan penilaiannya akan didasarkan pada persepsi semata yang terkadang tidak merefleksikan kondisi sebenarnya.
Tabel 4. Perhitungan beta aset industri jalan tol nasional
| Nama Perusahaan | Levered Beta | DER Rata-Rata | Unlevered Beta |
|---|---|---|---|
| PT Jasa Marga | 1,01 | 2,61 | 0,36 |
| PT Citra Marga Nusaphala Persada | 0,55 | 0,64 | 0,38 |
| Rata-Rata | 0,37 |
Tabel 5. Hasil perhitungan required rate of return
| Suku Bunga | Premium (%) | |||||
|---|---|---|---|---|---|---|
| Proyek | Tanpa Risiko (%) | Risiko Non- Sistematis | Risiko Sistematis | RRR (%) | IRR (%) | Kesimpulan |
| A | 9,00 | 2,59 | 2,41 | 14,00 | 16,09 | Layak |
| B | 9,00 | 4,91 | 2,41 | 16,32 | 15,48 | Tidak |
| C | 9,00 | 4,43 | 2,41 | 15,84 | 9,66 | Tidak |
Meski potensial, metodologi yang disampaikan tetap perlu digunakan secara hati-hati untuk menghindari perhitungan berganda. Dalam konteks yang lebih teknis, premium risiko sistematis dan non-sistematis harus dipisahkan secara tegas. Penelitian ini meninggalkan sejumlah isu menarik untuk ditindaklanjuti sebagai ruang penelitian baru, termasuk penentuan parameter CPT yang akan menjadi fokus penelitian Penulis selanjutnya. Ini termasuk salah satu keterbatasan studi.
5. Kesimpulan
- 1. Pertimbangan yang mendasar saat menawarkan proyek-proyek KPS, tidak semata proyek jalan tol, adalah bahwa proyek-proyek ini layak secara finansial. Dalam konteks yang lebih sempit, keatraktivan finansial suatu proyek terukur dari NPV atau IRR yang dihasilkan.
- 2. Isu tingkat diskonto atau MARR menjadi isu yang krusial. Tulisan ini menawarkan metodologi perhitungan RRR sebagai tingkat diskonto atau MARR menggunakan TRA. CAPM dan CEM yang dikombinasikan dengan CPT digunakan untuk mengestimasi premium risiko sistematis dan risiko non-sistematis.
- 3. Simulasi Monte-Carlo juga dimanfaatkan untuk perhitungan CPT. Tiga proyek jalan tol dijadikan studi kasus untuk ilustrasi aplikasi. Melalui metodologi yang ditawarkan ini, estimasi RRR dapat dilakukan secara lebih sistematis dan spesifik proyek.
- 4. Minimnya kualitas dan kuantitas data seharusnya perlu mendorong para pemangku kepentingan, khususnya Pemerintah, untuk lebih sadar mengelola data secara lebih baik dan memfasilitasi riset dan pengembangan untuk keperluan yang lebih besar. Di sektor jalan tol, Peraturan Menteri Pekerjaan Umum No. 01/PRT/M/2007 tentang petunjuk teknis penelitian, pengembangan, dan pemberdayaan di bidang jalan tol perlu lebih dioptimalkan. Termasuk dalam bidang kajian yang perlu mendapatkan perhatian adalah analisis risiko karena pada prinsipnya sebuah proyek KPS adalah proyek di mana Pemerintah dan badan usaha swasta harus berbagi risiko.