HANDOUT PANEL

DATA

2013
OLEH
ARIF R HAKIM
Disampaikan pada Kuliah Asistensi PPIE FE UI
TA 2013/2014

DATA PANEL
I. Pengantar

Data panel merupakan gabungan antara data lintas waktu (time series) dan
data lintas individu (cross section). Data panel menjadi sangat bermanfaat karena
mengizinkan kita untuk mendalami efek ekonomi yang tidak dapat diperoleh jika
kita hanya menggunakan data time series atau data cross section. Bentuk model
regresi data panel yang akan kita lakukan dapat ditulis sebagai berikut :
Yit =

X1it +

X2it +

X3it + eit

(1)

dimana : Yt = impor (dalam juta); X1 = PDB (dalam juta); X2 = rasio indeks harga; X3
= nilai tukar; i = individu daerah/negara; dan t = waktu.

Regresi dengan data panel memiliki beberapa keuntungan diantaranya.

Pertama, data panel menyediakan data yang lebih banyak karena
menggabungkan data time series dan data cross section sehingga menghasilkan
degree of freedom yang lebih besar. Kedua, estimasi data panel dapat mengatasi
masalah yang timbul ketika terdapat masalah penghilangan variabel yang
seharusnya masuk dalam model (omitted variable).
II. Estimasi Model dalam Panel Data

Dalam analisa model data panel dikenal empat macam pendekatan estimasi
yaitu pendekatan kuadrat terkecil (pooled least squares), pendekatan efek tetap
(fixed effect), dan pendekatan efek acak (random effect).
II.1 Pendekatan Kuadrat Terkecil (Pooled Least Squares/PLS)
Pendekatan ini secara sederhana menggabungkan (pooled) seluruh data timeseries dan cross-section dan kemudian mengestimasi model dengan
mempergunakan metode OLS (ordinary least squares) atau sering dikenal dengan
pendekatan pooled least squares. Model persamaan regresi sepertu dalam
persamaan (1).
Yit = + 1 X1it + 2 X2it + 3 X3it + eit
(2)
Pendekatan PLS mengasumsikan intersep dan slope koefisien dianggap
konstan baik antar waktu maupun antar individu. Estimasi dalam teknik ini akan
sulit melihat perubahan individu karena semua individu dianggap sama atau
homogen.

ARH-AsistensiPPIEFEUI

Tabel 1. Estimasi Pooled Least Squares

Hasil estimasi dengan

pendekatan pooled least
squares menunjukkan
bahwa hanya variabel X1
dan X3 yang
berpengaruh signifikan
terhadap Y pada =
10%. Nilai R-Squared
sebesar 0.3228 berarti
variasi variabel
independen menjelaskan
variabel dependen
sebesar 32.29 persen.

II.2 Pendekatan Efek Tetap (Fixed Effect)

Pendekatan efek tetap dilakukan untuk memperbaiki asumsi teknik PLS yang
jauh dari realita sebenarnya. Pendekatan efek tetap muncul karena perbedaan
karakteristik setiap individu seperti budaya, gaya kepemimpinan, sistem
pemerintahan, dan sebagainya. Maka pendekatan efek tetap mengasumsikan
adanya intersep yang dapat berbeda antar individu, namun intercept setiap
perusahaan tidak bervariasi sepanjang waktu. Pendekatan efek tetap dapat
diestimasi dengan teknik variabel dummy untuk menjelaskan perbedaan intersep
tersebut. :
Yit = 0 + 1 X1it + 2 X2it + 3 X3it + 4 D1i + 5 D2i + 6 D3i + eit
(3)
dimana nilai intercept untuk setiap unit individu dapat dituliskan berikut :
D1i = 1 untuk JTG
= 0 untuk lainnya

D2i = 1 untuk JBR

= 0 untuk lainnya

D3i = 1 untuk JTM

= 0 untuk lainnya

Karena kita mempunyai 4 individu yang berbeda maka terdapat tiga variabel
dummy yang diperlukan untuk mengetahui perbedaan intersep keempat daerah
tersebut.
Hasil estimasi dengan pendekatan fixed effect (LSDV) menunjukkan variabel X1 berpengaruh signifikan
terhadap Y serta tidak semua variabel dummy signifikan pada = 10%. Intersep untuk DKJ sebesar 24731.440; JTG sebesar -33967.281
(-24731.440 - 9235.841); JBR sebesar 41952.500 (-24731.440
66683.94); dan JTM sebesar 18243.280 (-24731.440 42974.72).

ARH-AsistensiPPIEFEUI

Tabel 3. Estimasi Fixed Effect (Efek Tetap)

Hasil estimasi dengan

pendekatan fixed effect
menunjukkan variabel X1
berpengaruh signifikan
terhadap Y pada =
10%. Intersep untuk DKJ
sebesar -24731.440
(-25105.71 + 374.27);
JTG sebesar -33967.281
(-34341.440 + 374.27);
JBR sebesar 41952.500
(41578.23 + 374.27); dan
JTM sebesar 18243.280
(17869.02 + 374.27).

II.3 Pendekatan Efek Acak (Random Effect)

Pendekatan efek acak digunakan untuk memperbaiki efisiensi proses least
squares dengan memperhitungkan error dari cross-section dan time-series.
Model random effect adalah variasi dari estimasi generalized least squares.
Pendekatan ini mengasumsikan efek individu yang tidak terobservasi tidak
berkorelasi dengan regressor atau dengan kata lain bersifat random.
Berdasarkan persamaan [1] diatas menjadi:
Yit =

X1it +

X2it +

X3it + wit

(4)

Error term kini adalah wit yang terdiri dari ui dan eit. Adapun ui adalah residual
secara individu, sedangkan eit adalah residual secara keseluruhan. Untuk alasan
inilah, REM sering juga disebut error components model (ECM).
Persamaan [4] dapat dimodifikasi menjadi :
Yit =

X1it +

X2it + ui + eit

(5)

Estimasi model random effect dengan metode Generalized Least Squares (GLS)
dikarenakan adanya korelasi residual sehingga metode OLS tidak dapat digunakan
untuk mendapatkan estimator yang efisien.

ARH-AsistensiPPIEFEUI

Tabel 4. Estimasi Random Effect (Efek Acak)

Hasil estimasi dengan

pendekatan Efek Acak
menunjukkan variabel X1,
& X3 berpengaruh
signifikan terhadap Y
pada = 10%. Nilai
intersep (C) sebesar
-13594.44 menunjukkan
nilai rata-rata dari
komponen kesalahan
random (random error
component) untuk
seluruh daerah. Nilai
random effect yang
cenderung sama untuk
seluruh daerah
menunjukkan
kecil/hampir tidak ada
perbedaan komponen
kesalahan random setiap
daerah.

III. Pengujian Hausman untuk Efek Tetap dan Efek Acak

Pengujian spesifikasi Hausman mengikuti distribusi Chi Squared yang
didasarkan pada kriteria Wald, seperti ditunjukkan sebagai berikut:
(6)
W 2 [ K ] [ OLS GLS ]' 1 [ OLS GLS ]

dengan K merupakan derajat kebebasan yang besarnya sama dengan jumlah

koefisien slope hasil estimasi.
Secara sederhana hipotesis pengujian hausman adalah sebagai berikut :
H0 : efek acak (random effect)

H1 : efek tetap (fixed effect)

Dengan perbandigan terhadap Chi Squared Table, maka jika Hausman Statistics
lebih besar dari Chi Squared Table maka cukup bukti untuk menolak hipotesis nol
sehingga model yang lebih sesuai dalam menjelaskan dalam permodelan data
panel tersebut adalah model efek tetap, begitu pula sebaliknya.

ARH-AsistensiPPIEFEUI

Tabel 5. Pengujian Efek Tetap vs Efek Random

ARH-AsistensiPPIEFEUI

Hasil pengujian untuk efek

tetap atau efek random
ditunjukkan dengan nilai
prob
hitung
sebesar
0.0000. Karena nilai prob
hitung lebih kecil alpha
(10%), tolak Ho terima Ha.
Model yang tepat adalah
efek tetap (fixed effect).

Praktek Data Panel (Eviews)

Bagian ini akan menyajikan praktek estimasi data panel dengan menggunakan
Eviews untuk struktur data panel berformat unstacked sebagaimana tersaji
berikut.
Tahun

Y_JTG

X1_JTG

X2_JTG

X3_JTG

155220

91.45

7085

1998

27337

119097

2000

33511

144843

100.00

208420

123.83

1999
2001
2002
2003
2004

24002
30959
31285
32544
51783

161950
241684
247904

76.03

48.23

8465

8940

123754

98.36

37.47

2001
2002
2003

62057
64721
75805

100.00

126207

102.25

116086
149792

2004 95353 168352

Sumber : www.adb.org

101.64
104.09
106.95

73352
79506

43.27
44.22
43.15
39.59
39.06

74538

95.80

90320

100.00

95164

103.20

88001

101.40

3.80
3.80
3.80

103737

Y_DKJ

X1_DKJ

X2_DKJ

X3_DKJ

6366

73845

96.20

40.31

6413
6412
7289
7407
7643

117776
68232

104.40

3.80

82726

6561

50350

113774

3.80

36.69

1999

61924

98.50

104294

X3_JTM

2000

79148

9290

X2_JTM
98.16

65492
82195

X1_JTM
126092

X3_JBR

9595

10400

Y_JTM
43108

X2_JBR

58319

Tahun
1998

X1_JBR

8025

112.55

51.16

Y_JBR

105.85
90.80

67097

100.00

74575

110.00

70646
77380
86080

106.80
113.80
120.60

3.80
3.80

39.06
50.00
51.40
53.10
55.57
56.27

1. Pembuatan workfile untuk data panel.

Tahap ini merupakan langkah pertama dalam estimasi data panel. Urutan
langkah-langkahnya pilih File -> Workfile -> New.

ARH-AsistensiPPIEFEUI

Layar akan muncul jendela file kerja atau Workfile Create. Pada menu
Workfile structure type pilih Reguler - dated frequency. Menu Date
specification untuk bagian Frequency pilih Annual, Start date ketikkan 1990,
dan End data ketikkan 2004. Jika sudah klik Ok.

Kita akan memperoleh sebuah workfile yang siap digunakan dengan rentang
waktu 15 tahun.

ARH-AsistensiPPIEFEUI

2. Pembuatan pool object untuk data panel.

Tahap ini merupakan identifikasi terhadap data cross section yang terlibat
dalam estimasi panel data. Urutan langkah-langkahnya, pilih Object -> New
Object -> Pool lalu pilih Ok.

Layar akan muncul pool window lalu ketikkan cross section identifiers yang
diawali dengan tanda _ untuk setiap nama cross section identifiers.

ARH-AsistensiPPIEFEUI

3. Penginputan data panel.

Tahap ini memasukkan data panel yang akan digunakan untuk estimasi.
Urutan langkahnya, dari Workfile pilih menu Object -> New Object. Maka
layar muncul menu New Object.
Pilihan Type of object pilih Group, lalu name for object ketikan data, lalu Ok.

Lakukan pemindahan data dalam bentuk Excel ke workfile Eviews. Dari file
Excel, data yang akan digunakan diblok terlebih dahulu kemudian pilih menu
Copy. Pada file Eviews, kursor diletakkan pada ujung sebelah kiri, kemudian
klik kanan pilih Paste.

ARH-AsistensiPPIEFEUI

10

Maka akan muncul hasil input data yang siap diolah dengan menggunakan
teknis panel data.

4. Estimasi Data Panel.

Tahap ini, kita akan melakukan estimasi data panel baik pendekatan pooled
least squares, fixed effect, maupun random effect. Urutan langkah, pilih menu
Estimate pada Pool Window.

ARH-AsistensiPPIEFEUI

11

Layar memunculkan Pool Estimation. Pada kolom Dependent variable

ketikkan Y? sebagai variabel dependen. Pada kolom Regression and AR()
terms, pilih menu Common coefficients ketikkan X1? X2? X3? C.
Pada kolom Estimation method, bagian menu Cross-section pilih None. Untuk
menu lainnya biarkan sesuai default lalu tekan Ok.

Maka akan muncul hasil estimasi panel data dengan pendekatan pooled least
squares.

ARH-AsistensiPPIEFEUI

12

Cara yang sama dapat dilakukan untuk mengestimasi dengan pendekatan fixed
effect model. Pada Pool Window, pilih Estimate.

Pada kolom Estimation method, bagian menu Cross-section pilih Fixed. Untuk
menu lainnya biarkan sesuai default lalu tekan Ok.

Maka akan muncul hasil estimasi panel data dengan pendekatan fixed effect
model.

ARH-AsistensiPPIEFEUI

13

Cara yang sama dapat dilakukan untuk mengestimasi dengan pendekatan

random effect model. Pada Pool Window, pilih Estimate.
Pada kolom Estimation method, bagian menu Cross-section pilih Random.
Untuk menu lainnya biarkan sesuai default lalu tekan Ok.

Maka akan muncul hasil estimasi panel data dengan pendekatan random
effect model.

ARH-AsistensiPPIEFEUI

14

Pemilihan bentuk pendekatan fixed effect maupun random effect, dapat

dilakukan dengan bantuan perangkat lunak Eviews. Dari hasil estimasi random
effect, pilih View -> Fixed/Random Effects Testing -> Correlated Random
Effects Hausman Test.

Maka akan muncul hasil pengujian hausman.

*#$ Hand Out ini tidak luput dari kekurangan dan

kelebihan, semuanya merupakan tanggung jawab
penyusun*#$
ARH-AsistensiPPIEFEUI

15

Referensi

Ekananda, Mahyus, Bahan Ajar Kuliah Ekonometrika, Pascasarjana Ilmu Ekonomi

Fakultas Ekonomi Universitas Indonesia, 2009.

Gujarati, Damodar, Basic Econometrics, Edisi 4, New York : The McGraw-Hill

Companies, 2004.

Hill, R. Carter, William E. Griffiths, and Guay C. Lim, Principles of Econometrics,

Edisi 4, New York : John Wiley & Sons, 2012.

Nachrowi, N Djalal. dan Hardius Usman, Pendekatan Populer dan Praktis

Ekonometrika untuk Analisis Ekonomi dan Keuangan, Jakarta : Lembaga
Penerbit Universitas Indonesia, 2006.

Nurkholis, Bahan Ajar Kuliah Ekonometrika, Magister Perencanaan & Kebijakan

Publik Fakultas Ekonomi Universitas Indonesia, 2010.

Widarjono, Agus, Ekonometrika : Teori dan Aplikasi untuk Ekonomi dan Bisnis,
Yogyakarta : Penerbit Ekonisia Fakultas Ekonomi Universitas Islam Indonesia,
2005.
Situs

www.adb.org

ARH-AsistensiPPIEFEUI

16