Anda di halaman 1dari 3

Pengertian Data Primer Secara Umum

Data primer merupakan sebuah data penelitian yang dalam mengumpulkan suatu informasi
dilakukan dengan cara langsung pada sumber aslinya, bisa dilakukan dengan cara wawancara,
pendapat dari perorangan atau kelompok, atau bisa juga melalui hasil observasi, peristiwa dan
hasil uji suatu benda.
Secara singkatnya, pengumpulan informasi  untuk data primer ini dengan metode survei atau
mencari jawaban atau riset bersangkutan mengenai data yang dibutuhkan.
Data primer juga menggunakan data observasi manakala melakukan penelitian terhadap suatu
benda, kemudian hasilnya dikumpulkan sehingga menjadi sebuah data.

Kelebihan Data Primer

Data primer merupakan sumber data yang dikumpulkan berdasarkan riset langsung—artinya,
data yang dihasilkan bisa dibuktikan kebenarannya. Kelebihan lainnya, di dalam data primer
tidak ada unsur kebohongan karena bisa mengetahui sumber dari mana data yang dikumpulkan
tersebut guna mengecek kevalidannya.

Kekurangan Data Primer

Untuk data primer, selain punya kelebihan juga ada kekurangan yang dimiliki. Untuk waktu
yang dibutuhkan, saat mengumpulkan informasi jauh lebih lama. Kekurangan data primer
lainnya adalah soal biaya. Biaya yang dikeluarkan untuk mengumpulkan data primer lumayan
besar.

Pengertian Data Sekunder

Data sekunder ini kebalikannya dari data primer kalau data primer pengumpulan data secara
langsung, untuk data sekunder adalah secara tidak langsung.
Secara lengkapnya, pengertian data sekunder yaitu sumber data yang didapatkan melalui orang
ketiga atau dengan cara tidak langsung bisa melalui informasi yang sudah ada, melalui catatan,
buku maupun arsip lainnya yang sudah ada dan bisa dinikmati khalayak umum.
Itu artinya untuk data sekunder ini cara mendapatkan informasinya tidak perlu datang langsung
ke lapangan. Cukup pergi ke pusat kajian, datang ke perpustakaan, pusat arsip dan rajin baca-
baca buku berhubungan dengan data yang ingin diteliti.

Kelebihan Data Sekunder

Untuk kelebihan data sekunder ini bisa lebih menghemat waktu anda untuk penelitian. Untuk
masalah biaya jadi lebih murah karena cukup dengan datang ke pusat sumber kajian seperti
perpustakaan, pusat arsip dan lain-lain.
Hanya dengan sekali datang bisa mengklasifikasikan suatu permasalahan dan menganalis data
sehingga menjadi informasi yang bisa dinikmati khalayak umum.

Kekurangan Data Sekunder

Data sekunder ini selain punya kelebihan juga memiliki beberapa kekurangan. Diantara
kekurangan yang dimiliki adalah soal kevalidan data. Masalahnya jika kita mencari referensi
dalam buku sumber informasi bisa jadi sudah lama atau tidak terkini lagi. Secara tidak langsung
hasil penelitian juga berpengaruh.
Metode Ordinary Least Squares (OLS) atau metode kuadrat terkecil biasa merupakan metode
yang paling populer untuk menyelesaikan masalah hitung perataan. Metode OLS ini
dikemukakan oleh Carl Friedrich Gauss seorang ahli matematika dari Jerman.
Menurut Mudrajat Kuncoro, 2001 terdapat beberapa asumsi utama yang mendasari model regresi
linear klasik dengan metode OLS, yaitu:
1. Model regresi linear, artinya linear dalam parameter
2. X diasumsikan non stokastik (tidak random) artinya nilai X dianggap tetap dalam sample
yang berulang
3. Nilai rata-rata kesalahan adalah nol, atau E (µ / Xi) = 0
4. Homoskedastisitas, artinya varian kesalahan sama untuk setiap periode (homo = sama,
skedastisitas = sebaran) dinyatakan dalam bentuk matematis, var (µ / Xi) = 0
5. Tidak ada autokorelasi antar kesalahan (antara µi dan µj) = 0
Dinyatakan dalam bahasa matematis: Covarians (µi, µj) = 0
1. Antara µ dan X saling bebas, sehingga covarians (µi, X) = 0
2. Tidak ada multikolinearitas yang sempurna antar variable bebas
3. Jumlah observasi n harus lebih besar daripada jumlah parameter yang diestimasi (jumlah
variable bebas)
4. Adanya variabilitas dalam nilai X, artinya nilai X harus berbeda (tidak boleh sama
semua)
5. Model regresi telah dispesifikasikan secara benar. Dengan kata lain tidak ada bias
(kesalahan) spesifikasi dalam model yang digunakan dalam analisis empiris
(Mudrajad Kuncoro, 2001:97)
Menurut teorema Gauss-Markov, setiap pemerkira/ estimator OLS harus memenuhi kriteria
BLUE, yaitu (Gujarati, 1995: 72-73) yaitu:
 Best = yang terbaik
Hasil regresi dikatakan “Best” apabila garis regresi yang dihasilkan guna melakukan
estimasi atau peramalan dari sebaran data, menghasilkan error yang terkecil.
 Linear = merupakan kombinasi dari data sample
Linear dalam model artinya model yang digunakan dalam analisis regresi telah sesuai dengan
kaidah model OLS dimana variable-variable penduganya hanya berpangkat satu.
Sedangkan linear dalam parameter menjelaskan bahwa parameter yang dihasilkan merupakan
fungsi linear dari sample.
 Unbiased = rata-rata nilai harapan (E/b) harus sama dengan nilai sebenarnya (b1)
Dalam bahasa Indonesia adalah tidak bias. Estimator dikatakan tidak bias jika nilai harapan
estimator b sama dengan nilai yang benar dari b. Artinya nilai rata-rata b = b.
Bila nilai rata-rata b tidak sama dengan nilai b maka selisihnya itu disebut bias.
 Estimator = memiliki varians yang minimal diantara pemerkira lain yang tidak bias.