TUGAS MAKALAH EKONOMETRIKA

TIPOLOGI DATA DALAM EKONOMETRIKA

“ DATA LINTAS RUANG (CROSS-SECTION), DATA RUNTUT WAKTU )TIME-SERIES),
DATA NOMINAL, DATA ORDINAL, DATA INTERVAL DAN DATA RASIO”

DISUSUN OLEH :

KELOMPOK 5

 RIDHAYANI (105961114118)
 REVITA PUTRI PRATAMA (105961115018)
 MUH. IZZUL ISMATULLAH (105961116918)
 ERWIN RIAN ROSANDA (105961111716)

4E

PROGRAM STUDI AGRIBISNIS

FAKULTAS PERTANIAN
UNIVERSITAS MUHAMMADIYAH MAKASSAR
2020
 KATA PENGANTAR

Puji syukur penulis limpahkan kehadirat Allah SWT, karena atas pertolongannya_Nya, penulis
dapat menyelesaikan Makalah ini tepat pada waktu yang telah direncanakan. Tak lupa sholawat serta
salam Penulis haturkan kepada Nabi Muhammad SAW beserta keluarga dan sahabat, semoga selalu dapat
menuntun penulis pada ruang dan waktu yang lain.

Dalam penyelesaian makalah ini tidak jarang penulis menemukan kesulitan-kesulitan. Akan tetapi,
berkat motivasi dan dukungan dari berbagai pihak, kesulitan-kesulitan itu akhirnya dapat diatasi. Maka
dari itu, melalui kesempatan ini penulis menyampaikan rasa terima kasih sebanyak-banyaknya kepada
berbagai pihak yang telah membantu penulis.

Penulis menyadari selesainya makalah ini, masih jauh dari kesempurnaan. Oleh karena itu, kritik
dan saran yang bersifat membangun sangat penulis harapkan. Akhirnya penulis berharap agar malakah ini
bermanfaat.

Penulis

Pen
Makassar, April 2020

Penulis
 DAFTAR ISI

KATA PENGANTAR..............................................................................................

DAFTAR ISI.............................................................................................................

BAB I PENDAHULUAN

1.1 Latar Belakang......................................................................................

BAB II PEMBAHASAN

2.1 Data Lintas Ruang (cross-series)...........................................................

2.2 Data Runtut Waktu (time-series)...........................................................

2.3 Data Nominal........................................................................................

2.4 Data Ordinal..........................................................................................

2.5 Data Interval..........................................................................................

2.6 Data Rasio.............................................................................................

 BAB I

PENDAHULUAN

1.1 Latar Belakang

Ekonometri sebagai integrasi dari ilmu ekonomi, statistik dan matematika telah
menampakkan peranannya dalam penelitian – penelitian empiris bidang ekonomi. Peranannya itu
menjadi semakin menonjol dewasa ini seiring dengan berkembangnya ilmu pengetahuan dan
teknologi dalam menjawab tantangan permasalahan yang semakin kompleks dan bersifat
multidimensional. Metodologi ekonometrika telah berkembang dengan pesat akhir-akhir ini,
dimana perkembangan itu didukung oleh berbagai fasilitas lainnya seperti komputer dan tentu
saja karena perkembangan dari ilmu ekonomi, statistik dan matematika itu sendiri.

Penggunaan ekonometrika telah sedemikian luas sehingga hamper semua jurnal, tesis,
disertasi dan bahkan skripsi dalam ekonomi memakai ekonometri sebagai salah satu alat yang
digunakan. Sementara itu dalam prakteknya, ekonometri terutama dipakai di bank sentral, oleh
tim ekonomi pemerintah untuk melakukan perencanaan dan analisis kebijakan ekonomi dan juga
oleh dunia usaha untuk mengoptimalkan kinerja perusahaan. Selain di bidang moneter,
ekonometrika jug sudah banyak dipakai diberbagai bidang ekonomi lain dan juga bisnis dan
manajemen, seperti mikroekonomi, marketing dan finance.
 BAB II

PEMBAHASAN

2.1 Data Lintas Ruang {cross-section)

Data dimana satu atau lebih variabelnya dikumpulkan pada waktu yang sama, misalnya
sensus setiap 5 tahun sekali, data pemilih tetap yang diambil setiap 5 tahun sekali, data produksi
perusahaan dan lain-lain. Ketika data runtun waktu mengasumsikan stasioneritas, data silang juga
memiliki masalah yaitu heterogenitas. Karena ia mengasumsikan data harus bersifat homogen.
Contoh data :
Berikut adalah data hubungan antara nilai penjualan sektor industri Amerika Serikat terhadap
keuntungan penjualan industri setelah pajak 2015 (non-adjusted) yang diambil dari US Census
Bureau. Dari grafik kita dapat melihat bahwa data tidak tersebar normal.

2.2 Data Runtut Waktu (ime-series)

Data time series adalah sekumpulan pengamatan terhadap nilai dimana variabel memiliki
komponen waktu atau data yang digunakan sebagai variabel diambil pada beberapa interval
waktu. Misalnya data harian, mingguan, bulanan, tahunan, kuartal, dan semester. Dengan
perkembangan teknologi komputerisasi bahkan data sudah dapat diambil dalam hitungan hari,
jam, menit maupun per detik, misalnya data harga bursa yang diambil secara terus menerus
 dengan standar waktu yang relatif singkat real time. Data time series mengasumsikan stationeritas
yang bermakna bahwa nilai mean dan keragaman data tidak berbeda signifikan antar waktu.
Tentang stasioneritas telah dibahas pada bagian lain blog ini.
Contoh data :
Berikut ini adalah data kunjungan Ke Bali berdasarkan Badan Pusat Statistik Indonesia (BPS),
Data ini masih belum stasioner, apa itu data yang stasioner?? kamu bisa download materi tentang
uji stasioneritas data disini.

2.3 Data Nominal

Data nominal ialah ukuran paling sederhana dimana angka yang diberikan terhadap objek
memiliki arti sebagai label saja, dan tidak menunjukan tingkatan apapun.Data dengan jenis
nominal ini bertujuan untuk membedakan data pada kelompok yang bersifat kualitatif. Sedangkan
di dalam ilmu statistika, data nominal adalah data dengan level pengukuran yang paling rendah.
Adapun ciri-ciri dari data nominal yaitu, hanya memiliki atribut, nama, ataupun diskrit.
Data nominal disebut juga dengan data diskrit yang tidak memiliki urutan. Yaitu apabila objek
dikelompokkan ke dalam set-set, dan pada semua anggota set diberikan angka, maka set-set
tersebut tidak boleh tumpang tindih dan bersisa.
Ciri Data Nominal
Berikut ini adalah beberapa ciri mengenai data nominal:
  Tidak dapat dilakukan operasi matematika (X, +, -, :). Misal, tidak mungkin 3-2=1
(Wiraswasta dikurangi pegawa swasta = pegawai negri).
 Posisi data setara.

Contoh Data Nominal

Adapun contoh dari data nominal adalah sebagai berikut:,

 Mengelompokan ekstrkulikuler pada suatu SMA dari bidang olahraga. Data ekskul
dikategorikan menjadi “futsal” yang diwakili dengan huruf A, kemudian “voli” yang
diwakili dengan huruf B, dan “basket” diwakili oleh huruf C.
 Di dalam sebuah pondok pesantren, antara santriwan dan santriwati asramanya
dipisahkan dengan berisi simbol A2, sedangkan untuk santriwati adalah B2.
 Pengelompokan komplek rumah pada suatu perumahan, misal dari sebelah “utara” A,
“barat” adalah komplek B, “selatan” adalah komplek C, dan bagian “timur” adalah
komplek D.
 Data jenis kelamin pada sampel penelitian Departemen Pendidikan, data siswa
dikategorikan menjadi ‘laki-laki’ yang diwakli dengan angka 1, dan ‘perempuan’
diwakili dengan angka 2. Konsekuensi dari data nominal tersebut adalah, tidak mungkin
seseorang memiliki dua kategori sekaligus, dan angka yang digunakan di sini hanya
sebagai kode/simbol saja, sehingga tidak bisa dilakukan operasi matematika.
 Di dalam sebuah gedung bioskop para penonton diberikan no kursi duduk yang berbeda
agar tidak terjadi perebutan kursi.

2.4 Data Ordinal

Data ordinal adalah, data yang didapatkan dengan cara klasifikasi atau kategorisasi.
Sedangkan di dalam ilmu statistika, data dengan jenis ordinal memiliki level pengukuran yang
lebih tinggi dibandingkan dengan data nominal. Selain itu ia juga termasuk ke dalam data
kualitatif. Apabila di dalam data nominal semua data dianggap bersifat kualitatif dan setara, maka
pada data ordinal terdapat klasifikasi data berdasarkan tingkatannya.
Adapun angka yang diberikan di dalam data ordinal juga mengandung beberapa
tingkatan, hal tersebut berfungsi untuk mengurutkan objek dari yang paling rendah hingga urutan
yang paling tinggi, atau sebaliknya.
Ciri Data Ordinal
  Tidak dapat dilakukan operasi matematika. Tidak mungkin 2+3=5 (yang berarti sangat
puas ditambah puas = cukup puas).
 Posisi data tidak setara.
Contoh Data Ordinal
 Berikut ini adalah beberapa contoh data ordinal:
 Penghitungan suara pada sebuah pemilu. Misal total suara partai Gerindra 60%, partai
Demokrat 30%, dan partai Golkar 20%, maka suara tertinggi di pegang oleh partai
Gerindra sebagai peringkat pertama, sehingga menjadi pemenang dalam pemilu tersebut.
 Mengenai tingkat pendidikan yang dikategorikan menjadi ‘SD’ yang wakili dengan
angka 1, ‘SMP’ yang diwakili dengan angka 2, ‘SMA’ yang diwakili dengan angka 3,
‘Diploma’ yang diwakili dengan angka 4, dan ‘Sarjana’ yang diwakili dengan angka 5.
Sama halnya dengan data nominal, meskipun tingkatannya lebih tinggi, data ordinal tetap
tidak bisa untuk dilakukan operasi matematika. Angka yang digunakan hanya sebagai
simbol/kode saja. Pada contoh di atas tingkat tertinggi adalah ‘Sarjana’ dan terendah
adalah ‘SD’ (Sarjana>Diploma>SMA>SMP>SD).
 Pada sebuah survei, terdapat hasil bahwa pelajar di Jawa Barat 67% mengaku pernah
mengalami seks pranikah, sedangkan pelajar di Jawa Timur hampir 84% pernah
mengalami seks pranikah, dalam contoh ini maka Jawa Timur memegang angka tertinggi
pada survei.
 Suatu peringkat atau ranking disebuah kelas misalnya Hasan ranking 1, dan Ahmad
ranking maka Hasan lebih pandai daripada Ahmad.
 Pada tingkatan beladiri Taekwondo memiliki beberapa tahapan sabuk, misalnya dari
tahap pertama sabuk putih, kuning, hijau, biru, merah, dan yang terakhir adalah hitam.

2.5 Data Interval

Data interval adalah, data yang didapatkan dengan cara pengukuran. Dimana jarak antara
dua titik di dalam skala sudah diketahui. Berbeda dengan skala ordinal yang telah kita bahas di
atas, yang dimana jarak antara dua titik tidak diperhatikan (misal jarak antara puas dan tidak puas,
yang sebenarnya menyangkut perasaan orang saja).
Selain itu, data jenis interval juga termasuk ke dalam kelompok data kuantitatif. Di dalam
ilmu statistika, data interval memiliki tingkat pengukuran yang lebih tinggi dibandingkan dengan
data nominal ataupun ordinal.
 Angka yang digunakan pada data interval ini, selain menunjukkan urutan juga dapat
dilakukan operasi matematika. Angka nol yang digunakan di dalam data interval bukan
merupakan nilai nol yang sebenarnya.
Ciri Data Interval
 Dapat dilakukan operasi matematika. Misal panas 40 derajad adalah dua kali panas
dibanding 20 derajad.
 Tidak terdapat kategorisasi atau pemberian kode semisal terjadi pada data nominal dan
ordinal.
Contoh Data Interval
 Adapun contoh data interval adalah sebagai berikut:
 Rata-rata tinggi badan berdasarkan usia, untuk anak-anak yang berusia 6-12 thn memiliki
rata-rata tinggi badan 130-145 cm. Untuk remaja yang berusia 13-18 thn memiliki rata-
rata tinggi badan 146-160 cm. Sedangkan untuk dewasa yang berusia 19-26 thn memiliki
rata-rata tinggi badan 161-199 cm.
 Interval nilai mata pelajaran bahasa Indonesia siswa SMA 1 Madiun adalah antara 0-100.
Apabila siswa A dan B masing-masing memiliki nilai 45 dan 90, maka bukan berarti
tingkat kecerdasan B dua kali A. Nilai 0-100 hanya merupakan rentang yang dibuat
berdasarkan kategori pelajaran matematika dan mungkin berbeda dengan mata pelajaran
lain.
 Kecepatan setiap orang dalam berkendara di jalan raya. Siswo apabila berkendara dengan
kecepatan 20-40 km/jam masuk pada ukuran pelan. Untuk Adi jika berkendara memiliki
kecapatan 50-60 km/jam maka masuk pada ukuran sedang. Terakhir Lorenzo pada saat
berkendara selalu berkecapatan 70-80 km/jam maka masuk pada ukuran cepat.
 Dasar dari Pemrograman mempunyai 1 SKS, waktunya adalah 50 menit. Begitupun
dengan Teknik Digital yang mempunyai 2 SKS yang berarti waktunya 100 menit. Dan
yang terakhir adalah kalkulasi yang mempunyai 3 SKS waktunya adalah 150 menit.
Sehingga dapat disimpulkan bahwa selisih masing-masing data di atas adalah 50 menit.

2.6 Data Rasio

Ukuran rasio atau data rasio yaitu ukuran yang memberikan keterangan mengenai nilai
absolut dari objek yang diukur. Data rasio yang didapat pada pengukuran dengan skala rasio
memiliki titik nol.
Oleh karena itu, interval jarak tidak dinyatakan dengan beda angka rata-rata satu
kelompok dibandingkan dengan titik nol di atas. Sebab ada titik nol, maka data rasio dapat dibuat
perkalian ataupun pembagian.Selain itu angka pada data rasio dapat menunjukkan nilai
sebenarnya dari objek yang diukur.
Sedangkan di dalam ilmu statistika, data rasio adalah tipe data dengan level pengukuran
paling tinggi daripada tipe data yang lainnya. Data rasio ini juga termasuk pada kelompok data
kuantitatif. Angka yang digunakan pada data ini menunjukkan angka yang sebenarnya, sehingga
bukan hanya sebagai simbol namun juga memiliki nilai nol yang sebenarnya. Pada data ini juga
dapat dilakukan berbagai macam operasi matematika.
Ciri Data Rasio
 Dapat dilakukan operasi matematika. Contoh: 100 cm + 35 cm = 135 cm; 10 apel + 2
apel = 12 apel.
 Tidak ada kategorisasi ataupun pemberian kode.
Contoh Data Rasio
 Tinggi badan dari setiap data yang dikumpulkan, apabila dilihat dari skala rasio Adi lebih
tinggi 10 cm dari pada Deni, dan Deni lebih tinggi 10 cm daripada Doni, dan Doni paling
pendek diantara Adi dan Deni.
 Pada sebuah bank, seseorang memiliki tabungan dengan saldo Rp. 10.000.000. Angkat
tersebut menunjukkan bahwa orang tersebut benar-benar memiliki saldo sebesar Rp.
10.000.000. Apabila seseorang memiliki saldo -Rp. 1.000.000, berarti orang tersebut
memiliki hutang sebesar Rp. 1.000.000. Sedangkan apabila seseorang memiliki saldo Rp.
0 berarti orang tersebut tidak memiliki tabungan ataupun hutang.