Jenis-jenis data: 

 Cross sectional
artinya itu data yang dikumpulkan dalam satu waktu. Contoh:data PDB
Indonesia berdasarkan provinsi tahun 2012
 Time series
artinya data yang dikumpulkan dalam satu series waktu. Contoh: data PDB
Indonesia tahun 1997-2012
 Panel 
merupakan data gabungan cross sectional dan time series. Contoh: data PDB
Indonesia berdasarkan provinsi tahun 1997-2012

Model Time Series adalah suatu peramalan nilai-nilai masa depan yang didasarkan pada nilai-nilai
masa lampau suatu variabel dan atau kesalahan masa lampau.  Model time series biasanya lebih
sering digunakan untuk suatu peramalan/prediksi.     Dalam tehnik peramal an dengan time
series ada 2 kategori utama yang perlu dilakukan pengujian, yaitu pemulusan (smoothing) dan
dekomposisi (decomposition).  Metode pemulusan mendasarkan ramalannya dengan prinsip rata-
rata dari kesalahan masa lalu (Averaging smoothing past errors) dengan menambahkan nilai
ramalan sebelumnya dengan persentase kesalahan (percentage of the errors) antara nilai
sebenarnya (actual value) dengan nilai ramalannya (forecasting value).  Metoda dekomposisi
mendasarkan prediksinya dengan membagi data time series menjadi beberapa komponen dari
Trend, Siklis, Musiman dan pengaruh Random; kemudian mengkombinasikan prediksi dari
komponen-komponen tersebut (kecuali pengaruh random yang sulit diprediksi).  Pendekatan lain
untuk peramalan  adalah metoda causal atau yang lebih dikenal dengan sebutan regresi. Tehnik
pemulusan dan regresi akan dibahas pada sesi tulisan yang lain.

Jika dilihat berdasarkan sifat data, data bisa bersifat cross section, time

series dan panel.

Cross Section

Secara sederhana konsep data cross section adalah data yang memiliki objek yang
banyak pada tahun yang sama atau data yang dikumpulkan dalam satu waktu
terhadap banyak objek. Pengertian objek di sini bisa macam-macam dan berupa
banyak hal seperti misalnya individu/orang, perusahaan, bank, daerah (kabupaten
dan kota), dan bahkan negara.

Contoh ain misalnya: Seorang mahasiswa ingin meneliti tentang pengaruh tingkat
partisipasi siswa dalam organisasi terhadap persentase kelulusan di tahun 2017.
Dalam melakukan penelitian tersebut, dia mengumpulkan data responden dari
perwakilan sekolah di sebuah kabupaten dan mengambil sample masing-masing
sekolah sebanyak 20 orang.

Data yang dikumpulkan oleh peneliti tersbeut bersifat cross section. Data yang
dikumpulknan masih dalam tahun yang sama. Artinya, data tidak mengandung unsur
waktu namun data dikelompokkan berdasarkan asal responden. Biasanya
pengelompokkan responden tersebut dapat mempengaruhi hasil karena memiliki
karakteristik yang berbeda. Contoh: pada sekolah yang favorit, kemungkinan besar
tingkat persentase kelulusan tinggi dan partisipasi keorganisasian juga tinggi. Hal ini
belum tentu sama dengan sekolah lainnya, sehingga pengambilan sample harus
sangat diperhatikan.
Time Series

Berbeda dengan cross section, time series mengandung unsur waktu. konsep dari
data time series adalah data yang memliki runtun waktu yang lebih dari satu tahun
pada satu objek atau data yang dikumpulkan dari waktu ke waktu terhadap satu
individu/objek. Misalnya seorang mahasiswa melakukan analisis trend konsumsi
sayuran dari tahun 1990 sampai dengan 2017. Data yang diambil biasanya hanya
satu kelompok, yakni konsumsi sayuran nasional namun memiliki range waktu yang
panjang dari periode tahun tersebut. Tentu jumlah tahun akan sangat mempengaruhi
pola data mengingat dalam berjalannya periode terjadi kondisi yang berbeda-beda,
seperti tingkat inflasi, tingkat susku bunga, nilai mata uang, dan lain- lain.

https://swanstatistics.com/data-time-series-deret-waktu/

https://maglearning.wordpress.com/2019/02/13/jenis-jenis-data-berdasarkan-dimensi-waktu/