Anda di halaman 1dari 7

Data Cross-Section, Data Time Series, dan Data Panel.

Gujarati (2003:27) menyatakan data cross-section merupakan suatu data yang terdiri dari satu
atau lebih variabel yang dikumpulkan pada waktu yang sama (at the same point in time).
Tabel 1 merupakan contoh dari data cross-section.

Data cross-section pada Tabel 1 terdiri atas dua variabel, yakni pendapatan (X) dan
pengeluaran (Y). Data pendapatan dan pengeluaran dari enam perusahaan tersebut
dikumpulkan pada waktu yang sama, yakni pada tahun 2000.
Selain data cross-section, terdapat jenis data lain, yakni data time series. Pada data time
series, serangkaian nilai pengamatan dari suatu variabel dikumpulkan berdasarkan waktu
yang berbeda-beda (Gujarati, 2003:25). Tabel 2 merupakan contoh dari data time series.

Data time series pada Tabel 2 menyajikan tingkat pendapatan dan pengeluaran dari
perusahaan X selama enam tahun, yakni dari tahun 2000 sampai tahun 2005.
Data yang memuat unsur time series dan cross-section disebut dengan data panel. Data
panel disebut juga dengan pooled data (pooling of time series and cross sectional
observations), combination of time series and cross section data, micropanel data. Tabel 3
merupakan contoh dari data panel.

dan seterusnya. Berdasarkan data pada Tabel 3, perhatikan bahwa masing-masing unit crosssectional memiliki jumlah waku pengamatan yang sama. Pada unit cross-sectional
Perusahaan A, memiliki 3 waktu pengamatan, yakni mulai dari tahun 2000, 2001, dan 2002.
Begitu juga pada unit cross-sectional Perusahaan B memiliki 3 waktu pengamatan, yakni dari
tahun 2000, 2001, dan 2002. Data panel yang demikian disebut juga dengan istilah balanced

panel. Namun jumlah waktu pengamatan tidak sama atau berbeda-beda, maka disebut
unbalanced panel.

Jenis-Jenis Data

Jenis Data Menurut Cara Memperolehnya :


Data Primer
Data primer adalah secara langsung diambil dari objek / obyek penelitian oleh peneliti
perorangan maupun organisasi. Contoh : Mewawancarai langsung penonton bioskop 21
untuk meneliti preferensi konsumen bioskop.
Data Sekunder
Data sekunder adalah data yang didapat tidak secara langsung dari objek penelitian. Peneliti
mendapatkan data yang sudah jadi yang dikumpulkan oleh pihak lain dengan berbagai cara
atau metode baik secara komersial maupun non komersial. Contohnya adalah pada peneliti
yang menggunakan data statistik hasil riset dari surat kabar atau majalah.

Macam-Macam Data Berdasarkan Sumber Data :


Data Internal
Data internal adalah data yang menggambarkan situasi dan kondisi pada suatu organisasi
secara internal. Misal : data keuangan, data pegawai, data produksi, dsb.
Data Eksternal
Data eksternal adalah data yang menggambarkan situasi serta kondisi yang ada di
luarorganisasi. Contohnya adalah data jumlah penggunaan sua tu produk pada konsumen,
tingkat preferensi pelanggan, persebaran penduduk, dan lain sebagainya.

Jenis-jenis Data Menurut Waktu Pengumpulannya :


Data Cross Section
Data cross-section adalah data yang menunjukkan titik waktu tertentu. Contohnya laporan
keuangan per 31 desember 2006, data pelanggan PT. Angin Ribut bulan mei 2004, dan lain
sebagainya.

Data Time Series / Berkala


Data berkala adalah data yang datanya menggambarkan sesuatu dari waktu ke waktu atau
periode secara historis. Contoh data time series adalah data perkembangan nilai tukar dollar
amerika terhadap euro eropa dari tahun 2004 sampai 2006, jumlah pengikut jamaah nurdin m.
top dan doktor azahari dari bulan ke bulan, dll.

Data dengan Variabel bebas dan variabel terikat :


Variabel bebas adalah data unit atau ukuran yang diubah dalam suatu pengamatan. Dalam
hubungan sebab-akibat, variable terikat berperan sebagai sebab sementara variable bebas
adalah akibat.
Data dengan variabel terikat adalah data unit atau ukuran yang berubah sesuai dengan
berubahnya variable lain. Variabel terikat menjadi hal yang diperhatikan dalam suatu
pengamatan.

Data Berkala
Data berkala adalah data yang dikumpulkan dari waktu ke waktu untuk menggambarkan
suatu perkembangan atau kecenderungan keadaan/peristiwa/kegiatan. Biasanya jarak dari
waktu ke waktu sama. Data berkala disebut juga time series data. Dengan analisis data
berkala kita dapat mengetahui perkembangan satu atau beberapa keadaan serta hubungan atau
pengaruhnya

terhadap

keadaan

lain.

Gerakan-gerakan khas data berkala dapat digolongkan menjadi empat kelompok utama, yang
sering disebut komponen-komponen data berkala, yaitu :
1. Gerakan trend jangka panjang (T) adalah suatu garis halus atau kurva yang menunjukkan
suatu kecenderungan umum dari suatu data berkala. Kecenderungan tersebut arahnya bisa
naik

bisa

juga

turun.

2. Gerakan siklis (C) adalah gerakan naik-turun di sekitar garis trend jangka panjang. Atau
bisa juga dikatakan suatu gerakan sekitar rata-rata nilai data berkala, di atas atau di bawah
garis trend dalam jangka panjang.

3. Gerakan variasi musim (S) adalah gerakan yang mempunyai pola-pola tetap atau identik
dari waktu ke waktu dengan jangka waktu yang kurang dari satu tahun.
4. Gerakan yang tak teratur atau gerakan yang acak (I) adalah gerakan dengan pola tidak
teratur dan tidak dapat diperkirakan yang terjadi dalam waktu singkat.
Contoh data berkala adalah sebagai berikut :
pertumbuhan ekonomi per tahun dari tahun 1995 sampai tahun 2000.
jumlah produksi minyak per bulan
indeks harga saham per hari
jumlah keuntungan perusahaan tiap tahun.
Persamaan klasik mengasumsikan bahwa data berkala Y merupakan hasil perkalian dari
komponen-komponen,

T,

C,

dan

yaitu

Ada juga statistikawan yang mengasumsikan bahwa data berkala Y = T + C + S + I


Bentuk Umum Persamaan Trend Linear
Y = a + bX
Y = nilai trend pada periode tertentu (variabel tak bebas)
X = periode waktu (variabel bebas)
a = intersep dari persamaan trend
b = koefisien kemiringan atau gradien dari persamaan trend yang menunjukkan besarnya Y
bila terjadi perubahan pada X.
Ada empat cara untuk menentukan persamaan trend linear, yaitu :
a) Metode bebas
b) Metode setengah rata-rata
c) Metode rata-rata bergerak
d) Metode kuadrat terkecil
a) Metode Bebas merupakan cara yang paling sederhana dan mudah untuk menentukan trend
dari data berkala.
Langkah-langkah yang diperlukan :
1. Buatlah sumbu datar X dan sumbu tegak Y dalam sistem koordinat Cartesius.
2. Buatlah diagram pencar (scatter diagram) dari pasangan titik (X,Y) yang menyatakan
kaitan antara waktu dan nilai data berkala.
3. Tariklah garis linear yang arahnya mengikuti arah penyebaran nilai-nilai data berkala.
4. Pilihlah dua titik sembarang untuk menentukan persamaan trend linear, misalnya (X1,Y1)
dan (X2, Y2)
5. Pilih salah satu periode waktu data berkala sebagai titik asal (X=0)
6. Masukkanlah atau subtitusikanlah nilai-nilai X dan Y dari dua titik yang telah dipilih pada
rumus persamaan umum trend linear.
7. Selanjutnya tentukanlah nilai-nilai trend dengan memakai persamaan yang telah diperoleh
tersebut.

b) Metode setengah rata-rata


Dilakukan dengan tahap berikut :
1. Bagilah data berkala menjadi dua kelompok yang sama banyak, katakanlah kelompok 1
dan kelompok 2.
2. Tentukanlah rata-rata hitung masing-masing kelompok.
3. Tentukanlah dua titik, yaitu (X1, Y1) dan (X2, Y2) dimana absis X1 dan X2 ditentukan
dari periode waktu data berkala.
4. Tentukanlah nilai a dan b dengan mensubtitusikan nilai-nilai X dan Y dari dua titik tersebut
pada persamaan trend Y = a + bX.
c) Metode rata-rata bergerak
Salah satu manfaat penting dari rata-rata bergerak adalah untuk mengurangi variasi dari data
berkala aslinya. Dengan mengurangi variasi tersebut , maka rata-rata bergerak dapat
menghilangkan fluktuasi-fluktuasi yang tidak diinginkan.
Misalnya : a, b, c, d, e, e, f, g.
Maka, rumusnya
Y1= (a+b+c)/n
Y2= (b+c+d)/n
Cat :
Nilai n untuk tiap perhitungan Y tergantung jumlah yang diperhitungkan, sedangkan setiap Y
+ 1 , maka akan bergeser ke data disebelah kanan.
d) Metode Kuadrat Terkecil
Antara nilai nilai data berkala Y1 ,Y2, Y3, , Yn dengan nilai nilai trend Y^1, Y^2,
Y^3,.., Y^n, yang diperoleh dari persamaan trend linear mempunyai eror sebesar
ei=Yi-Y^i dari semua titik adalah ei . Maka akan berlaku rumus :
a=(Y)/n dan b=(XY)/(X^2 )
dimana, X=0
X adalah variabel waktu dari data berkala dan Y adalah nilai-nilai data berkala.

Regresi Data Panel


Regresi data panel merupakan pengembangan dari regresi linier dengan metode
OLS yang memiliki kekhususan dari segi jenis data dan tujuan analisisnya. Dari
segi jenis data, regresi data panel memiliki karakteristik (jenis) data cross
section dan time series. Sifat cross section data ditunjukkan oleh data yang
terdiri lebih dari satu entitas (individu), sedangkan sifat time series ditunjukkan
oleh setiap individu memiliki lebih dari satu pengamatan waktu (periode). Misal
pada suatu penelitian diamati entitas yang terdiri dari empat perusahaan dengan

masing-masing perusahaan memiliki periode pengamatan yang sama yaitu 15


tahun dari tahun 1935 sampai dengan 1954.
Dilihat dari tujuan analisis data, data panel berguna untuk melihat dampak
ekonomis yang tidak terpisahkan antar setiap individu dalam beberapa periode,
dan hal ini tidak bisa didapatkan dari penggunaan data cross section atau data
time series secara terpisah. Adanya perbedaan karakteristik variabel terikat dari
setiap entitas atau adanya pengaruh variabel lain di luar model yang ingin
diamati pengaruhnya penggunaan regresi data panel akan efektif karena regresi
linier tidak dapat melakukannya.
Data time series
Sering disebut juga dengan data runtut waktu yaitu merupakan rangkaian observasi pada
suatu nilai yang diambil pada waktu yang berbeda. Data tersebut dapat dikumpulkan secara
berkala pada interval waktu tertentu, misalnya harian, mingguan, bulanan, atau tahunan.
Meskipun data time series sering digunakan dalam penelitian ekonomi, sebenarnya data time
series sering menimbulkan masalah dalam analisisnya, terutama masalah stationary. Secara
singkat data yang tidak stasioner adalah data di mana nilai rata-rata dan variansnya tidak
sistematis dalam kurun waktu tertentu.
Data Cross Section
Data cross section adalah data dari satu atau lebih variabel yang dikumpulkan dalam waktu
yang sama, misalnya sensus penduduk. Data tipe ini juga mempunyai permasalahan lain yaitu
masalah heterogenitas. Misalnya pengukuran data gaji karyawan dari berbagai kota, ada di
antaranya yang terlalu tinggi nilainya dan ada di antaranya yang terlalu rendah nilainya.
Pooled Data
Secara sederhana, pooled data adalah kombinasi antara data time series dan data cross
section. Contohnya adalah data beberapa rasio keuangan dari beberapa perusahaan dalam
rentang beberapa tahun atau periode tertentu.
Data Panel
Data panel adalah bentuk khusus dari pooled data. Data panel juga sering disebut dengan
longitudinal atau micropanel data. Tipe data panel adalah pooled data dengan unit cross
sectional yang sama, misalnya unit keluarga atau perusahaan.