Penetapan Target Kinerja Keuangan Menggunakan Fuzzy Goal Programming pada Perusahaan Penerbangan

Abstract

Penelitian ini bertujuan merumuskan model Fuzzy Goal Programming (FGP) untuk menetapkan target kinerja keuangan optimal pada PT X. Metode FGP dipilih karena mampu mengakomodasi beberapa tujuan yang saling bertentangan dengan mempertimbangkan toleransi pencapaian target. Model diimplementasikan menggunakan LINGO 11.0. Model mengintegrasikan batasan rasio keuangan historis ke dalam lima fungsi tujuan: memaksimumkan pendapatan usaha, meminimumkan beban usaha, meminimumkan total liabilitas, memaksimumkan total ekuitas, dan memaksimumkan arus kas operasi. Analisis dilakukan melalui dua skenario penetapan target. Skenario 1 menetapkan nilai target berdasarkan nilai historis terbaik, yaitu nilai maksimum untuk tujuan yang dimaksimumkan dan nilai minimum untuk tujuan diminimumkan. Skenario 2 menetapkan nilai target berdasarkan nilai historis yang disesuaikan dengan persentase kenaikan atau penurunan historis masing-masing akun keuangan. Hasil penelitian menunjukkan bahwa tingkat kepuasan model (?) pada Skenario 1 sebesar 0,6684, sedangkan pada Skenario 2 sebesar 0,5364. Penurunan nilai ? menunjukkan bahwa peningkatan target kinerja menyebabkan semakin sulitnya seluruh tujuan dicapai secara bersamaan. Meskipun demikian, Skenario 2 menghasilkan target optimum Pendapatan Usaha dan Total Ekuitas yang lebih tinggi dengan tetap mempertahankan ketersediaan arus kas serta menekan beban usaha. Dengan demikian, Skenario 1 lebih sesuai apabila perusahaan memprioritaskan kestabilan, sedangkan Skenario 2 lebih tepat apabila perusahaan berorientasi pada pertumbuhan kinerja keuangan.

This study aims to formulate a Fuzzy Goal Programming (FGP) model to determine the optimal financial performance targets for PT X. FGP was selected because it can accommodate multiple conflicting objectives while considering the tolerance of target achievement. The model was implemented using LINGO 11.0 by incorporating historical financial ratio constraints into five objective functions: maximizing operating revenue, minimizing operating expenses, minimizing total liabilities, maximizing total equity, and maximizing operating cash flow. The analysis was conducted using two target-setting scenarios. Scenario 1 determined targets based on the best historical values, namely the maximum values for maximization objectives and the minimum values for minimization objectives. Scenario 2 determined targets by adjusting historical values using historical percentage increases or decreases for each financial account. The results showed that the model satisfaction level (?) was 0.6684 in Scenario 1 and 0.5364 in Scenario 2. The lower ? value indicates that higher performance targets make all objectives more difficult to achieve simultaneously. Scenario 1 is more suitable for companies prioritizing stability, whereas Scenario 2 is more appropriate for companies focusing on financial performance growth.