1 Introduction

Rasio keuangan adalah alat analisis yang digunakan untuk mengukur dan mengevaluasi kinerja keuangan suatu perusahaan. Rasio ini dihitung berdasarkan data yang terdapat dalam laporan keuangan, seperti neraca, laporan laba rugi, dan laporan arus kas. Rasio keuangan memberikan informasi yang penting mengenai aspek-aspek tertentu dari keuangan perusahaan dan berikut beberapa rasio keuangan yang ada.

  1. Profitability : rasio atau perbandingan untuk mengetahui kemampuan perusahaan untuk mendapatkan laba (profit) dari pendapatan (earning) terkait penjualan, aset, dan ekuitas berdasarkan dasar pengukuran tertentu.
  2. Liquidity : kemampuan suatu bisnis atau perusahaan dalam memenuhi kewajibannya dan melunasi utang-utang dalam jangka pendek. utang jangka pendek perusahaan bisa berupa pajak, utang usaha, dividen, dan lain sebagainya.
  3. Solvency : rasio atau perbandingan untuk mengukur kemampuan perusahaan untuk memenuhi kewajiban hutang jangka panjangnya dan sering digunakan oleh calon pemberi pinjaman bisnis.

Dengan menggunakan rasio keuangan, kita dapat menilai kinerja perusahaan secara internal, membandingkan kinerja perusahaan antara periode waktu tertentu, serta melakukan perbandingan dengan perusahaan lain di industri yang sama.

Terdapat dataset berupa rasio keuangan Public Company yang terdaftar pada IDX dari tahun 2020 - 2023. Kali ini kita akan memvisualisasikan perusahaan-perusahaan tersebut dari masing-masing rasio keuangan dan mendapatkan insight dari hasil visualisasi tersebut.

2 Data Preparation

Pada tahap ini akan dilakukan persiapan data sebelum data tersebut nantinya akan digunakan untuk analisis. Persiapannnya bisa meliputi perubahan tipe data, penggantian nama kolom, pengecekan missing value, pengecekan struktur data dan lain sebagainya.

library(dplyr)
## 
## Attaching package: 'dplyr'
## The following objects are masked from 'package:stats':
## 
##     filter, lag
## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union
library(ggplot2)
library(tidyr)
library(scales)
library(glue)
library(plotly)
## 
## Attaching package: 'plotly'
## The following object is masked from 'package:ggplot2':
## 
##     last_plot
## The following object is masked from 'package:stats':
## 
##     filter
## The following object is masked from 'package:graphics':
## 
##     layout
financial_ratio <- read.csv("data_input/financial_ratios.csv")
financial_ratio <- financial_ratio %>%
  rename(
    "2020" = "X2020",
    "2021" = "X2021",
    "2022" = "X2022",
    "2023" = "X2023"
  ) %>%
  mutate(
    "ratio" = as.factor(ratio),
    "type" = as.factor(type),
    "symbol" = as.factor(symbol)
  )
str(financial_ratio)
## 'data.frame':    5932 obs. of  7 variables:
##  $ symbol: Factor w/ 604 levels "AALI","ABBA",..: 1 1 1 1 1 1 1 1 1 1 ...
##  $ ratio : Factor w/ 13 levels "Cash Ratio","Current Ratio",..: 1 2 4 3 7 9 10 11 12 13 ...
##  $ type  : Factor w/ 3 levels "Liquidity","Profitability",..: 1 1 3 3 2 2 2 1 2 2 ...
##  $ 2020  : num  0.486 3.313 0.3 0.202 0.158 ...
##  $ 2021  : num  0.632 1.579 0.276 0.187 0.199 ...
##  $ 2022  : num  0.515 3.6 0.187 0.139 0.175 ...
##  $ 2023  : num  0.483 1.834 0.182 0.139 0.134 ...

Dari struktur dataset di atas, kita dapatkan hasil yaitu terdapat 7 kolom yaitu 3 kolom dengan tipe data factor dan 4 kolom dengan tipe data numeric serta total 5.932 baris observasi. Berikut penjelasan untuk masing-masing kolom :

  • symbol : Daftar nama perusahaan yang diwakili dengan singkatan. Terdapat total 604 Perusahaan yang dianalisa rasio keuangannya.
  • ratio : Jenis-jenis rasio keuangan yang dihitung menggunakan rumus tertentu dari laporan keuangan perusahaan.
  • type : Kategori rasio keuangan yang telah dijelaskan di atas yaitu Liquidity, Profitability dan Solvency.
  • 2020 : Hasil perhitungan rasio keuangan di tahun 2020.
  • 2021 : Hasil perhitungan rasio keuangan di tahun 2021.
  • 2022 : Hasil perhitungan rasio keuangan di tahun 2022.
  • 2023 : Hasil perhitungan rasio keuangan di tahun 2023.

3 Exploratory Data Analysis

Mari kita lihat kembali data di atas :

head(financial_ratio)

Karena data tersebut terdapat 4 tahun observasi, di sini Saya akan membatasi eksplorasinya hanya di tahun 2023 saja karena tahun tersebut adalah tahun yang paling update. Dan di sini Saya akan melakukan visualisasi datanya dengan mengelompokan perusahaan berdasarkan dari 3 type rasio keuangan. Sehingga Saya perlu untuk membuat data frame baru berdasarkan type rasio keuangannya.

3.1 Data Frame Rasio Liquidity

Menampilkan data nilai rasio perusaha-perusahan berdasarkan rata-rata rasio Liquidity.

ratio_Liquidity <- financial_ratio %>% 
      filter(type == "Liquidity") %>%
      group_by(symbol) %>% 
      summarise("rasio_Liquidity" = round(mean(`2023`, na.rm = TRUE), 2)) %>%
      head(10) %>%
      ungroup()
head(ratio_Liquidity)

3.2 Data Frame Rasio Profitability

Menampilkan data nilai rasio perusaha-perusahan berdasarkan rata-rata rasio Profitability.

ratio_Profitability <- financial_ratio %>% 
      filter(type == "Profitability") %>%
      group_by(symbol) %>% 
      summarise("rasio_Profitability" = round(mean(`2023`, na.rm = TRUE), 2)) %>%
      head(10) %>%
      ungroup()
head(ratio_Profitability)

3.3 Data Frame Rasio Solvency

Menampilkan data nilai rasio perusaha-perusahan berdasarkan rata-rata rasio Solvency.

ratio_Solvency <- financial_ratio %>% 
      filter(type == "Solvency") %>%
      group_by(symbol) %>% 
      summarise("rasio_Solvency" = round(mean(`2023`, na.rm = TRUE), 2)) %>%
      head(10) %>%
      ungroup()
head(ratio_Solvency)

4 Explanatory Visualization

Explanatory visualization merupakan tahap membuat visualisasi untuk mempresentasikan data kita. Visualization dilakukan pada masing-masing tipe rasio dari data yang sudah disiapkan pada saat tahap EDA.

4.1 Visualization Rasio Liquidity

ggplot(data = ratio_Liquidity, mapping = aes(x = rasio_Liquidity, y = reorder(symbol, rasio_Liquidity))) +
  geom_col(aes(fill = rasio_Liquidity)) +
  scale_fill_gradient(low="lightblue", high="blue") +
  geom_text(aes(label = rasio_Liquidity), color = "black") +
  labs(x = "Rasio",
       y = "Perusahaan",
       title = "Rasio Liquidity Perusahaan Terdaftar IDX",
       subtitle = "Tahun 2023") +
  theme_light() +
  theme(legend.position = "none")

4.2 Visualization Rasio Profitability

ggplot(data = ratio_Profitability, mapping = aes(x = rasio_Profitability, y = reorder(symbol, rasio_Profitability))) +
  geom_col(aes(fill = rasio_Profitability)) +
  scale_fill_gradient(low="lightgreen", high="darkgreen") +
  geom_text(aes(label = rasio_Profitability), color = "black") +
  labs(x = "Rasio",
       y = "Perusahaan",
       title = "Rasio Profitability Perusahaan Terdaftar IDX",
       subtitle = "Tahun 2023") +
  theme_light() +
  theme(legend.position = "none")

4.3 Visualization Rasio Solvency

ggplot(data = ratio_Solvency, mapping = aes(x = rasio_Solvency, y = reorder(symbol, rasio_Solvency))) +
  geom_col(aes(fill = rasio_Solvency)) +
  scale_fill_gradient(low="pink", high="red") +
  geom_text(aes(label = rasio_Solvency), color = "black") +
  labs(x = "Rasio",
       y = "Perusahaan",
       title = "Rasio Solvency Perusahaan Terdaftar IDX",
       subtitle = "Tahun 2023") +
  theme_light() +
  theme(legend.position = "none")

5 Conclusion

Dari visualisasi terhadap data masing-masing type rasio keuangan yang telah dilakukan di atas, kita mendapatkan insight sebagai berikut.

3 Perusahaan yang memiliki rasio Liquidity tertinggi antara lain :

  • ACES : 4
  • ADES : 3.26
  • ADMF : 2.42

3 Perusahaan yang memiliki rasio Profitability tertinggi antara lain :

  • ADES : 0.31
  • ABMM : 0.24
  • ADMF : 0.23

3 Perusahaan yang memiliki rasio Solvency tertinggi antara lain :

  • ADES : 933.9
  • ADMR : 6.57
  • ACES : 5.04

Dari insight di atas dapat disimpulkan bahwa terdapat 1 perusahaan yang memiliki rasio yang cukup bagus dari 3 type rasio yaitu perusahaan dengan kode ADES atau jika menurut IDX kode tersebut adalah inisial untuk perusahaan dengan nama Akasha Wira International Tbk yang mana merupakan perusahaan yang bidang usaha utamanya adalah Minuman dan Makanan Ringan.

Interpretasi terhadap angka rasio di atas adalah semakin besar rasionya semakin sehat perusahaan tersebut. Misalkan dalam rasio Luquidity pada ADES sebesar 3.26 atau 326% yang berarti aset lancar yang dimiliki perusahaan ADES 3.26 kali dari kewajiban jangka pendek perusahaan ADES, sehingga perusahaan ADES bisa memenuhi kewajiban jangka pendek tersebut.

Namun terdapat outlier data pada rasio Solvency di ADES sehingga angkanya berbeda jauh dengan perusahaan yang lain, ada penyebab yang mungkin terjadi antara lain ada kesalahan pengisian value pada suatu baris atau memang perhitungan untuk rasio tertentu yang ada type Solvency menghasilkan angka tersebut.

Berikut ini adalah detail nilai dari rasio masing-masing type rasio keuangan dari Perusahaan ADES.

rasio_ADES <- financial_ratio %>%
  filter(symbol == "ADES") %>%
  select(-"2020", -"2021", -"2022") %>%
  mutate(across(where(is.numeric), ~ round(., 4))) %>%
  arrange(type)
rasio_ADES