Secara harfiah ekonometrika memiliki arti sebagai pengukuran ekonomi, meskipun begitu pengukuran

merupakan satu bagian penting dari luasnya ruang lingkup. Ekonometrika merupakan hasil dari suatu
pandangan khusus atas peranan ilmu ekonomi dan penerapan statistika matematika atas data ekonomi
untuk memberikan dukungan empiris pada model yang disusun untuk memperoleh hasil dari angka
(numerical result). Ekonometrika bisa didefinisikan sebagai analisis kuatitatif atas fenomena ekonomi
yang sebenarnya (aktual) dengan didasarkan pada pengembangan yang berbarengan dari teori dan
pengamanan, dihubungkan dengan metode inferensi yang sesuai.
Ekonometrika juga bisa didefiniskan sebagai ilmu sosial dengan memadukan alat-alat teori ekonomi,
matematika, dan statistik inferensi secara bersama-sama diterapkan untuk analisis fenomena ekonomi.
Pada intinya bahwa ekonometrika berkaitan dengan penentuan empiris dari hukum ekonomi.

PROSEDUR / LANGKAH-LANGKAH PENELITIAN : Garis besar :

a. Pembuatan rancangan;
b. Pelaksanaan penelitian;
c. Pembuatan laporan penelitian

Bagan arus kegiatan penelitian

1. Memilih Masalah; memerlukan kepekaan
2. Studi Pendahuluan; studi eksploratoris, mencari informasi;
3. Merumuskan Masalah; jelas, dari mana harus mulai, ke mana harus pergi dan dengan apa
4. Merumuskan anggapan dasar; sebagai tempat berpijak, (hipotesis);
5. Memilih pendekatan; metode atau cara penelitian, jenis / tipe penelitian : sangat emenentukan
variabel apa, objeknmya apa, subjeknya apa, sumber datanya di mana;
6. Menentukan variabel dan Sumber data; Apa yang akan diteliti? Data diperoleh dari mana?
7. Menentukan dan menyusun instrumen; apa jenis data, dari mana diperoleh? Observasi, interview,
kuesioner?
8. Mengumpulkan data; dari mana, dengan cara apa?
9. Analisis data; memerlukan ketekunan dan pengertian terhadap data. Apa jenis data akan
menentukan teknis analisisnya
10. Menarik kesimpulan; memerlukan kejujuran, apakah hipotesis terbukti?
11. Menyusun laporan; memerlukan penguasaan bahasa yang baik dan benar.

Pelaksanaan penelitian dengan menggunakan metode ilmiah harus mengikuti langkah-langkah tertentu.
Schluter (1926) memberikan 15 langkah dalam melaksanakan penelitian dengan metode ilmiah.

Langkah-langkah tersebut adalah sebagai berikut:

1. Pemilihan bidang, topik atau judul penelitian.
2. Mengadakan survei lapangan untuk merumuskan masalah-malalah yang ingin
dipecahkan.
3. Membangun sebuah bibliografi.
4. Memformulasikan dan mendefinisikan masalah.
5. Membeda-bedakan dan membuat out-line dari unsur-unsur permasalahan.
6. Mengklasifikasikan unsur-unsur dalam masalah menurut hu-bungannya dengan data
atau bukti, baik langsung ataupun tidak langsung.
7. Menentukan data atau bukti mana yang dikehendaki sesuai dengan pokok-pokok
dasar dalam masalah.
8. Menentukan apakah data atau bukti yang dipertukan tersedia atau tidak.
9. Menguji untuk diketahui apakah masalah dapat dipecahkan atau tidak.
10. Mengumpulkan data dan keterangan yang diperlukan.
11. Mengatur data secara sistematis untuk dianalisa.
12. Menganalisa data dan bukti yang diperoleh untuk membuat interpretasi.
13. Mengatur data untuk persentase dan penampilan.
14. Menggunakan citasi, referensi dan footnote (catatan kaki).
15. Menulis laporan penelitian

LANGKAH-LANGKAH PENELITIAN (Suryabrata, 1989)

A. Identifikasi, Pemilihan dan Perumusan Masalah Penelitian
1. Identifikasi masalah penelitian
Sumber:
a. Bacaan, terutama bacaan yang berisi laporan hasil penelitian
b. Seminar, diskusi, konferensi dan lain-lain pertemuan ilmiah
c. Pernyataan pemegang otoritas
d. Pengamatan selintas
e. Pengalaman pribadi
f. Perasaan intuitif

2. Pemilihan masalah penelitian

Pertimbangan:
a. Pertimbangan dari arah masalahnya
b. Pertimbangan dari arah calon peneliti
3. Perumusan masalah penelitian
a. Perumusan hendaklah dirumuskan dalam bentuk kalimat tanya
b. Rumusan hendaklah padat dan jelas
c. Rumusan itu hendaknya memberi petunjuk tentang mungkinnya mengumpulkan data guna menjawab
pertanyaan-pertanyaan yang terkandung dalam rumusan itu

B. Penelaahan Kepustakaan
1. Penelaahan sumber-sumber yang berupa buku
2. Pemilihan berdasarkan pada prinsip:
a. Relevansi
b. Kemutakhiran (kecuali studi sejarah)
3. Penelaahan sumber-sumber yang berupa laporan hasil penelitian
Penilikan berdasarkan atas prinsip
a. Relevansi
b. Kemutakhiran
c. Bobot

C. Perumusan Hipotesis
Perumusan hipotesis hendaklah mempertimbangkan:
a. Hipotesis hendaklah menyatakan pertautan antara dua variabel atau lebih
b. Hipotesis hendaklah dinyatakan dalam kalimat deklaratif atau pernyataan.
c. Hipotesis hendaklah dirumuskan secara jelas dan padat
d. Hipotesis hendaklah dapat diuji, artinya hendaklah orang mungkin mengumpulkan data menguji
kebenaran hipotesis itu
Secara garis besar dapat dibedakan:
1) Hipotesis tentang hubungan
2) Hipotesis tentang perbedaan

D. Identifikasi, Klasifikasi dan Pendefinisian Variabel 1. Mengidentifikasi variabel.

Variabel adalah segala sesuatu yang akan menjadi objek pengamatan penelitian atau faktor-faktor yang
berperanan dalam peristiwa atau gejala yang akan diteliti

2. Mengklarifikasi variabel
Berdasarkan proses kauantifikasinya, variabel digolongkan menjadi:
a. Variabel nominal
b. Variabel ordinal
c. Variabel interval
d. Variabel rasio

Berdasarkan atas fungsinya dalam penelitian variabel dibedakan menjadi:

a. Variabel tergantung
b. Variabel bebas
c. Variabel moderator
d. Variabel kendali
e. Variabel rambang

3. Merumuskan definisi operasional variabel-variabel

Definisi operasional dirumuskan berdasarkan atas sifat-sifat hal yang didefinisikan yang dapat diamati
(diobservasi)
a. Yang berdasar atas kegiatan-kegiatan (operations) yang harus dilakukan agar yang didefinisikan itu
terjadi
b. Yang berdasar atas bagaimana hal yang didefinisikan itu nampaknya (seringkali menunjuk kepada
alat pengambil datanya)

E. Pemilihan atau Pengembangan Alat Pengambil Data

Alat pengambil data harus memenuhi syarat-syarat:
1. Validitas
2. Reliabilitas

F. Penyusunan rancangan penelitian

G. Penentuan sampel
H. Pengumpulan data
I. Pengolahan dan analisis data
J. Interpretasi hasil analisis
K. Penyusunan laporan

Mengapa menjadi disiplin ilmu tersendiri ?

Teori ekonomi menghasilkan pernyataan atau hipotesis yang kebanyakan bersifat kualitatif.

Perhatian utama dari matematika ekonomi adalah mengekspresikan teori ekonomi dalam bentuk
matematis tanpa memperhatikan keterukuran atau verifikasi empiris dari teori.

Statistika ekonomi terutama berkenaan dengan penghimpunan, pemrosesan, dan penyajian data
ekonomi dalam bentuk diagram dan tabel. (GNP, harga, pengangguran, dll.)

Meskipun statistika matematis (teori statistika) menyediakan berbagai alat inferensi, ahli ekonometri
sering memerlukan metode khusus untuk melihat kekhasan data ekonomi secara alami, karena data
tidak dibangkitkan dari hasil percobaan yang terkendali. (Data konsumsi, pendapatan, investasi,
tabungan, harga, dll.). Data tersebut dengan demikian mengandung kesalahan pengukuran.

a. Data nominal
Sebelum kita membicarakan bagaimana alat analisis digunakan, akan diberikan ulasan tentang
bagaimana sebenarnya data nominal yang sering digunakan dalam statistik nonparametrik bagi
mahasiswa. Menuruti Moh. Nazir, data nominal adalah ukuran yang paling sederhana, dimana
angka yang diberikan kepada objek mempunyai arti sebagai label saja, dan tidak menunjukkan
tingkatan apapun. Ciri-ciri data nominal adalah hanya memiliki atribut, atau nama, atau
diskrit. Data nominal merupakan data kontinum dan tidak memiliki urutan. Bila objek
dikelompokkan ke dalam set-set, dan kepada semua anggota set diberikan angka, set-set
tersebut tidak boleh tumpang tindih dan bersisa. Misalnya tentang jenis olah raga yakni tenis,
basket dan renang. Kemudian masing-masing anggota set di atas kita berikan angka, misalnya
tenis (1), basket (2) dan renang (3). Jelas kelihatan bahwa angka yang diberikan tidak
menunjukkan bahwa tingkat olah raga basket lebih tinggi dari tenis ataupun tingkat renang
lebih tinggi dari tenis. Angka tersebut tidak memberikan arti apa-apa jika ditambahkan. Angka
yang diberikan hanya berfungsi sebagai label saja. Begitu juga tentang suku, yakni Dayak,
Bugis dan Badui. Tentang partai, misalnya Partai Bulan, Partai Bintang dan Partai Matahari.
Masing-masing kategori tidak dinyatakan lebih tinggi dari atribut (nama) yang lain. Seseorang
yang pergi ke Jakarta, tidak akan pernah mengatakan dua setengah kali, atau tiga seperempat
kali. Tetapi akan mengatakan dua kali, lima kali, atau tujuh kali. Begitu juga tentang ukuran
jumlah anak dalam suatu keluarga. Numerik yang dihasilkan akan selalu berbentuk bilangan
bulat, demikian seterusnya. Tidak akan pernah ada bilangan pecahan. Data nominal ini
diperoleh dari hasil pengukuran dengan skala nominal. Menuruti Sugiono, alat analisis (uji
hipotesis asosiatif) statistik nonparametrik yang digunakan untuk data nominal adalah
Coefisien Contingensi. Akan tetapi karena pengujian hipotesis Coefisien Contingensi
memerlukan rumus Chi Square (χ2), perhitungannya dilakukan setelah kita menghitung Chi
Square. Penggunaan model statistik nonparametrik selain Coefisien Contingensi tidak lazim
dilakukan.
b. Data ordinal
Bagian lain dari data kontinum adalah data ordinal. Data ini, selain memiliki nama (atribut),
juga memiliki peringkat atau urutan. Angka yang diberikan mengandung tingkatan. Ia
digunakan untuk mengurutkan objek dari yang paling rendah sampai yang paling tinggi atau
sebaliknya. Ukuran ini tidak memberikan nilai absolut terhadap objek, tetapi hanya
memberikan peringkat saja. Jika kita memiliki sebuah set objek yang dinomori, dari 1 sampai
n, misalnya peringkat 1, 2, 3, 4, 5 dan seterusnya, bila dinyatakan dalam skala, maka jarak
antara data yang satu dengan lainnya tidak sama. Ia akan memiliki urutan mulai dari yang
paling tinggi sampai paling rendah. Atau paling baik sampai ke yang paling buruk. Misalnya
dalam skala Likert (Moh Nazir), mulai dari sangat setuju, setuju, ragu-ragu, tidak setuju
sampai sangat tidak setuju. Atau jawaban pertanyaan tentang kecenderungan masyarakat
untuk menghadiri rapat umum pemilihan kepala daerah, mulai dari tidak pernah absen
menghadiri, dengan kode 5, kadang-kadang saja menghadiri, dengan kode 4, kurang
menghadiri, dengan kode 3, tidak pernah menghadiri, dengan kode 2 sampai tidak ingin
menghadiri sama sekali, dengan kode 1. Dari hasil pengukuran dengan menggunakan skala
ordinal ini akan diperoleh data ordinal. Alat analisis (uji hipotesis asosiatif) statistik
nonparametrik yang lazim digunakan untuk data ordinal adalah Spearman Rank Correlation
dan Kendall Tau.
c. Data interval
Pemberian angka kepada set dari objek yang mempunyai sifat-sifat ukuran ordinal dan
ditambah satu sifat lain, yakni jarak yang sama pada pengukuran dinamakan data interval.
Data ini memperlihatkan jarak yang sama dari ciri atau sifat objek yang diukur. Akan tetapi
ukuran interval tidak memberikan jumlah absolut dari objek yang diukur. Data yang diperoleh
dari hasil pengukuran menggunakan skala interval dinamakan data interval. Misalnya tentang
nilai ujian 6 orang mahasiswa, yakni A, B, C, D, E dan F diukur dengan ukuran interval pada
skala prestasi dengan ukuran 1, 2, 3, 4, 5 dan 6, maka dapat dikatakan bahwa beda prestasi
antara C dan A adalah 3 – 1 = 2. Beda prestasi antara C dan F adalah 6 – 3 = 3. Akan tetapi
tidak bisa dikatakan bahwa prestasi E adalah 5 kali prestasi A ataupun prestasi F adalah 3 kali
lebih baik dari prestasi B. Dari hasil pengukuran dengan menggunakan skala interval ini akan
diperoleh data interval. Alat analisis (uji hipotesis asosiatif) statistik parametrik yang lazim
digunakan untuk data interval ini adalah Pearson Korelasi Product Moment, Partial
Correlation, Multiple Correlation, Partial Regression, dan Multiple Regression.
d. Data ratio
Ukuran yang meliputi semua ukuran di atas ditambah dengan satu sifat yang lain, yakni
ukuran yang memberikan keterangan tentang nilai absolut dari objek yang diukur dinamakan
ukuran ratio. Ukuran ratio memiliki titik nol, karenanya, interval jarak tidak dinyatakan
dengan beda angka rata-rata satu kelompok dibandingkan dengan titik nol di atas. Oleh karena
ada titik nol, maka ukuran ratio dapat dibuat perkalian ataupun pembagian. Angka pada skala
ratio dapat menunjukkan nilai sebenarnya dari objek yang diukur. Jika ada 4 orang
pengemudi, A, B, C dan D mempunyai pendapatan masing-masing perhari Rp. 10.000,
Rp.30.000, Rp. 40.000 dan Rp. 50.000. bila dilihat dengan ukuran ratio maka pendapatan
pengemudi C adalah 4 kali pendapatan pengemudi A. Pendapatan D adalah 5 kali pendapatan
A. Pendapatan C adalah 4/3 kali pendapatan B. Dengan kata lain, ratio antara C dan A adalah
4 : 1, ratio antara D dan A adalah 5 : 1, sedangkan rasio antara C dan B adalah 4 : 3. Interval
pendapatan pengemudi A dan C adalah 30.000. dan pendapatan pengemudi C adalah 4 kali
pendapatan pengemudi A. Contoh lainnya adalah berat badan bayi yang diukur dengan skala
ratio. Bayi A memiliki berat 3 Kg. Bayi B memiliki berat 2 Kg dan bayi C memiliki berat 1
Kg. Jika diukur dengan skala Ratio, maka bayi A memiliki ratio berat badan 3 kali dari berat
badan bayi C. Bayi B memiliki ratio berat badan dua kali dari berat badan bayi C, dan bayi C
memiliki ratio berat badan sepertiga kali berat badan bayi A, dst. Dari hasil pengukuran
dengan menggunakan skala rasio ini akan diperoleh data ratio. Alat analisis (uji hipotesis
asosiatif) yang digunakan adalah statistik parametrik dan yang lazim digunakan untuk data
rasio ini adalah Pearson Korelasi Product Moment, Partial Correlation, Multiple Correlation,
Partial Regression, dan Multiple Regression.
Sesuai dengan ulasan jenis pengukuran yang digunakan, maka variabel penelitian diharapkan
dapat bagi 4 bagian, yakni variabel nominal, variabel ordinal, variabel interval, dan variabel
ratio. Variabel nominal, yaitu variabel yang dikategorikan secara diskrit dan saling terpisah
seperti status perkawinan, jenis kelamin, suku bangsa, dan sebagainya. Variabel ordinal adalah
variabel yang disusun atas dasar peringkat, seperti motivasi seseorang untuk bekerja,
peringkat perlombaan catur, peringkat tingkat kesukaran suatu pekerjaan dan lain-lain.
Variabel interval adalah variabel yang diukur dengan ukuran interval seperti indek prestasi
ahasiswa, skala termometer dan sebagainya, sedangkan variabel rasio adalah variabel yang
disusun dengan ukuran ratio seperti tingkat penganggguran, penghasilan, berat badan, dan
sebagainya......
 e. Konversi variabel ordinal
Adakalanya kita tidak ingin menguji hipotesis dengan alat uji hipotesis statistik nonparametrik
dengan berbagai pertimbangan. Misalnya kita ingin melakukan uji statistik parametrik Pearson
Korelasi Product Moment, Partial Correlation, Multiple Correlation, Partial Regresion dan
Multiple Regression, padahal data yang kita miliki adalah hasil pengukuran dengan skala
ordinal, sedangkan persyaratan penggunaan statistik parametrik adalah selain data harus
berbentuk interval atau rasio, data harus memiliki distribusi normal. Jika kita tidak ingin
melakukan ujinormalitas karena data yang kita miliki adalah data ordinal, hal itu bisa saja kita
lakukan dengan cara menaikkan data dari pengukuran skala ordinal menjadi data dalam skala
interval dengan metode Suksesive Interval.
Menuruti Al-Rasyid, menaikkan data dari skala ordinal menjadi skala interval dinamakan
transformasi data. Transformasi data ini, dilakukan diantaranya adalah dengan menggunakan
Metode Suksesive Interval. Transformasi Data Ordinal ini dilakukan dengan tujuan untuk
memperoleh data dengan skala pengururan interval yang lazim digunakan bagi kepentingan
analisis statistik parametrik. Transformasi data ordinal menjadi Interval ini, selain merupakan
suatu kelaziman, juga untuk mengubah data agar memiliki sebaran normal. Artinya, setelah
melakukan Transformasi data ordinal menggunakan model ini tidak perlu melakukan uji
normalitas. Karena salah satu syarat penggunaan statistik parametrik, selain data harus
memiliki skala interval (dan ratio), data juga harus memiliki distribusi normal. Dengan
dilakukannya transformasi data ini, diharapkan data ordinal sudah menjadi data interval yang
memiliki sebaran normal yang langsung bisa dilakukan analisis dengan statistik parametrik.
Berbeda dengan ststistik nonparametrik, ia hanya digunakan untuk mengukur distribusi.
(Ronald E. Walpole).

VARIABEL

Variabel penelitian adalah objek yang diteliti yang memiliki nilai yang bervariasi. Dengan
demikian sesuatu yang hanya mempunyai satu nilai (tidak mempunyai nilai yang bervariasi) tidak
dapat dinyatakan sebagai variabel, tetapi konstanta (constant).

1. Kualitatif dan Kuantitatif

Qualitative Variable, adalah variabel yang datanya berupa data kualitatif (skala nominal atau
ordinal). Quantitative Variable, adalah variabel yang datanya berupa angka (skala ordinal,
interval, atau rasio). 1. Variabel Independen (Pengaruh, Bebas, Stimulus, Prediktor)
Merupakan variabel yang mempengaruhi atau yang menjadi sebab perubahannya atau
timbulnya variabel dependen (terikat).
2. Variabel Dependen (Dipengaruhi, Terikat, Output, Kriteria, Konsekuen)
Merupakan variabel yang dipengaruhi atau akibat, karena adanya variabel bebas.
Contoh: Pengaruh Iklan Terhadap Motivasi Pembelian.
Iklan = Variabel Independen
Motivasi Pembelian = Variabel Dependen.

2. Bebas dan Terikat Variabel Bebas (Independent Variable), adalah variabel yang
mempengaruhi variabel yang lain (variabel terikat). Variabel Terikat (Dependent Variable),
adalah variabel yang dipengaruhi oleh variabel lain (variabel bebas).

Dua pengertian di atas memperlihatkan bahwa istilah dua jenis variabel ini muncul pada
penelitian (study) pengaruh.

Jika digambarkan, modelnya akan menjadi:

VB

VT
 Contoh: Pada penelitian tentang ”Pengaruh IQ terhadap Nilai yang Dicapai Mahasiswa dalam
Perkuliahan Statistika”, yang menjadi VB adalah ”IQ” dan yang menjadi VT
adalah ”Nilai yang Dicapai Mahasiswa dalam Perkuliahan Statistika”.

Catatan: Pada penelitian korelasional tidak dikenal istilah variabel bebas dan terikat, karena;

a. Pada hubungan relasional tidak ada variabel yang ”mempengaruhi” (VB)

maupun ”dipengaruhi” (VT).

Contoh: Hubungan Kemampuan Berbahasa Arab dan Kemampuan

Berbahasa Inggris Mahasiswa.

b. Pada hubungan resiprokal tiap variabel ”mempengaruhi” dan ”dipengaruhi”

oleh variabel yang lain, sehingga penentuan VB dan VT menjadi rancu.

Contoh: Hubungan Motivasi dan Hasil Belajar Mahasiswa.

Ekonometrika merupakan perpaduan dari teori ekonomi, matematika dan statistika, yang dapat
digunakan untuk memecahkan persoalan ekonomi yang bersifat kuantitatif, secara empiris.
Teori ekonomi berfungsi untuk mengidentifikasi variabel-variabel yang terlibat dalam suatu
gejala ekonomi dan atau teori ekonomi yang akan dianalisis, beserta banyaknya hubungan
antarvariabel. Matematika berfungsi untuk merumuskan hubungan antarvariabel tersebut
dalam bentuk persamaan matematis, agar dapat diuji keberlakuannya secara empiris.
Sedangkan statistika berfungsi untuk menentukan nilai koefisien daripada variabel-variabel
ekonomi beserta tingkat keeratan hubungan dan pengaruh antarvariabelnya.

Sebagai perpaduan dari teori ekonomi, matematika dan statistika, ekonometrika dapat diartikan
sebagai bidang studi yang mempelajari gejala ekonomi dan atau teori ekonomi yang bersifat
kuantitatif, secara empiris, berdasarkan rumusan matematis dan analisis statistika. Sehingga
sangat berguna dalam merumuskan model, menganalisis data empiris untuk menguji
keberlakuan suatu teori ekonomi dan atau memecahkan persoalan yang terdapat dalam suatu
gejala ekonomi, serta untuk menarik kesimpulan yang sangat bermanfaat dalam penentuan
kebijakan, dan meramalkan gerak perubahan nilai variabel.

1.Hipotesis nol mengandung arti tidak ada pengaruh, tidak ada interaksi, tidak ada hubungan, atau tidak
ada perbedaan
2.Hipotesis alternative adalah pernyataan operasional dari hipotesis penelitian. Bila hipotesis alternatif
berdasarkan teori maka disebut hipotesis deduktif. Tetapi bila hipotesis alternatif berdasarkan
pengamatan disebut hipotesis induktif
Contoh hipotesis nol (Ho) ; Tidak ada perbedaan kreatifitas antara anak yang diberi keleluasaan dengan
anak yang dikekang dalam keluarga.

Contoh hipotesis alternative (Ha) ; Ada perbedaan kreativitas antara anak yang diberi keleluasaan
dengan anak yang dikekang dalam keluarga atau Kreativitas anak yang diberi keleluasaan lebih tinggi
daripada kreativitas anak yang dikekang (hubungan positif) ; atau kreativitas anak yang dikekang lebih
tinggi daripada kreativitas anak yang diberi keleluasaan (hubungan negatif).
Standard error metode pengukuran atau estimasi adalah standar deviasi dari distribusi sampling
yang terkait dengan metode estimasi. [1] Istilah ini juga dapat digunakan untuk merujuk kepada
perkiraan bahwa deviasi standar, berasal dari sampel tertentu digunakan untuk menghitung
perkiraan.