MAKALAH MANAJEMEN KUANTITATIF

TENTANG

“DATA CROSS SECTION DAN TIME SERIES”

DISUSUN OLEH:

Nama/NIM : 1. Muhammad Thaufik/1810018212020

2. Herlina/1810018212025
Semester : III (Tiga)
Dosen : Dr. Erni Febrina Harahap, S.E, M.Si
Prodi : Manajemen SDM

UNIVERSITAS BUNG HATTA

PASCASARJA
PROGRAM STUDI MANAJEMEN
2020
 DAFTAR ISI

HALAMAN JUDUL HALAMAN

KATA PENGANTAR ..................................................................................................... i

DAFTAR ISI ................................................................................................................... ii

BAB I PENDAHULUAN ............................................................................................... 1

1.1. Latar Belakang ............................................................................................... 1

1.2. Rumusan Masalah.......................................................................................... 2

1.3. Tujuan Penulisan ........................................................................................... 2

BAB II PEMBAHASAN ....................................................... ..........................................3

2.1 Data .................................................................................................................3

2.2 Jenis Data Berdasarkan Waktu Pengumpulannya...........................................4

BAB III PENUTUP ........................................................................................................ 12

3. 1 Kesimpulan .................................................................................................... 12

3. 2 Saran ............................................................................................................. 13

DAFTAR PUSTAKA ..................................................................................................... 14

ii
 KATA PENGANTAR

Puji dan Syukur dipanjatkan kepada Tuhan Yang Maha Esa karena berkat

limpahan Rahmat dan Karunia-Nya sehingga penulis dapat menyusun makalah ini tepat

pada waktunya. Penyusunan makalah ini menitikberatkan pada studi literatur dalam

memberikan informasi penggunaan data berdasarkan waktu kebutuhannya. Penggunaan

data cross section ataupun time series masing-masing memiliki kelebihannya tergantung

kebutuhan peneliti dalam menganalisa fenomena ataupun permasalahan yang akan

dikaji. Apakah hanya membutuhkan analisa sederhana atau sedikit lebih komplek

melalui regresi satu atau beberapa variabel.

Tentunya penulis mengucapkan terima kasih yang sebesar-besarnya kepada

semua pihak yang telah membantu dalam penyusunan makalah ini. Saran dan kritik yang

membangun sangat diperlukan bagi kami dalam penyempurnaan tulisan, artikel,

makalah kami di kesempatan lainnya.

Akhir kata, semoga makalah ini dapat memberikan tambahan khasanah/referensi

bagi setiap yang membaca.

Tuapejat, Mei 2020

Penulis

i
 BAB I

PENDAHULUAN

1.1. Latar Belakang

Dalam menjawab dan membuktikan beberapa dugaan atau hipotesa dalam

sebuah kajian ataupun penelitian tentunya akan membutuhkan data sebagai input

utama dalam proses pembuktiannya. Penggunaan data menjadi syarat utama dalam

memberikan fakta-fakta gambaran informasi keadaan sebenarnya dilapangan.

Penggunaan data dibutuhkan dalam beragam bidang, mulai dari pergudangan,

kependudukan, penjualan, penelitian dan sebagainya. Semakin kompleks data maka

semakin rumit juga pengelolaannya.

Bagi para peneliti/pengkaji, penggunaan data merupakan hal yang wajib harus

ada sebelum menarik sebuah asumsi/kesimpulan. Pada umumnya, data dapat diartikan

sebagai suatu fakta yang bisa digambarkan dengan kode, simbol, angka dan lain-lain.

Suharsimi menyatakan (2006:118) data diartikan sebagai hasil pencatatan peneliti,

baik itu berupa fakta maupun angka. Menurut Soeratno dan Arsyad (2003:72-73), data

adalah semua hasil pengukuran atau observasi yang sudah dicatat guna suatu keperluan

tertentu. Data merupakan suatu bahan yang masih mentah yang membutuhkan

pengolahan lebih lanjut sehingga menghasilkan informasi atau keterangan, baik

kuantitatif maupun kualitatif yang menunjukkan suatu fakta (Riduwan.2009:5).

Penggunaan data akan sangat berhubungan erat dengan jumlah sampel yang

digunakan, penarikan sampel tertentu akan dapat didapat dengan menggunakan jenis

data yang relevan dan sesuai dengan kebutuhan penelitian. Dilihat dari waktu

1
kebutuhan data yang akan digunakan, data dapat dikelompokkan menjadi data cross

section dan data time series. Penggunaan jenis data ini sering dipergunakan oleh

peneliti untuk melihat keadaan data baik dalam kurun waktu tertentu ataupun beberapa

kurun waktu dalam satu atau beberapa variabel.

1.2. Rumusan Masalah

a. Apakah pengertian data cross section?

b. Apakah pengertian data time series?

c. Bagaimana penggunaan cross section?

d. Bagaimana penggunaan time series?

1.3. Tujuan

a. Untuk mengetahui pengertian data cross section?

b. Untuk mengetahui pengertian data time series?

c. Untuk mengetahui cara penggunaan cross section?

d. Untuk mengetahui cara penggunaan time series?

2
 BAB II

PEMBAHASAN

2.1. Data

a. Pengertian Data

Data berasal dari kata jamak datum dalam bahasa inggris berarti suatu

yang diketahui atau dianggap. Secara umum, pengertian data adalah sekumpulan

keterangan atau fakta mentah berupa simbol, angka, kata-kata, atau citra, yang

didapatkan melalui proses pengamatan atau pencarian ke sumber-sumber tertentu.

Menurut Pendit (1992), data adalah hasil observasi langsung terhadap suatu kejadian,

yang merupakan perlambangan yang mewakili objek atau konsep dalam dunia

nyata. Hal ini dilengkapi dengan nilai tertentu. Menurut Ralston dan Reilly (Chamidi,

2004: 314), data didefinisikan sebagai fakta atau apa yang dikatakan sebagai hasil dari

suatu observasi terhadap fenomena alam. Sebagai hasil observasi langsung terhadap

kejadian atau fakta dari fenomena di alam nyata, data bisa berupa tulisan atau

gambar yang dilengkapi dengan nilai tertentu. Contohnya, daftar hadir siswa

semester 1 adalah data. Daftar tersebut masih merupakan bentuk mentah karena belum

memberikan informasi apa-apa. Sebagian besar orang awam sering memiliki

pengertian yang agak rancu terhadap data dan informasi. Sering terjadi pengertian data

digunakan untuk menyebut informasi, demikian pula sebaliknya.

3
 b. Syarat Data

Syarat dari sebuah data dianggap baik dan berguna adalah sebagai berikut:

1) Data harus obyektif, artinya data itu menggambarkan seperti apa

adanya.

2) Data harus mewakili.

3) Data harus mempunyai kesalahan baku (standar error) yang kecil

(apabila data merupakan suatu perkiraan). Kesalahan baku merupakan

simpangan baku suatu perkiraan dan digunakan untuk mengukur

tingkat ketelitian. Makin kecil kesalahan baku suatu perkiraan, makin

telitilah perkiraan tersebut.

4) Data harus tepat waktu, syarat tepat waktu penting sekali jika data

tersebut akan digunakan untuk mengontrol pelaksanaan dan

perencanaan sehingga persoalan yang terjadi dapat diketahui untuk

segera diatasi, dikoreksi dan dipecahkan.

5) Data harus mempunyai hubungan dengan persoalan yang akan

dipecahkan

2.2. Jenis Data Berdasarkan Waktu Pengumpulannya

Salah satu jenis data dapat dikelompokkan berdasarkan waktu pengumpulannya.

Jenis data ini disebut dengan data cross section (penampang melintang) dan data

time series (deret waktu).

a. Data cross section (penampang melintang)

Secara sederhana konsep data cross section adalah data yang memiliki objek

yang banyak pada tahun yang sama atau data yang dikumpulkan dalam satu

4
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. Sebagai contoh seorang

mahasiswa ingin meneliti tentang pengaruh tingkat kehadiran pegawai dalam

organisasi terhadap persentase kinerja di tahun 2020. Dalam melakukan

penelitian tersebut, dia mengumpulkan data responden dari perwakilan OPD

di sebuah kabupaten dan mengambil sample masing-masing OPD sebanyak

10 orang. Data yang dikumpulkan oleh peneliti tersebut bersifat cross section,

karena data yang dikumpulkan masih dalam tahun yang sama. Artinya, data

tidak mengandung unsur waktu dan data dikelompokkan berdasarkan asal

responden.

Keadaan Kinerja Pegawai Bulan September

No Nama Pegawai Tingkat Kehadiran Nilai SKP
1 Ria 100 85,4
2 Nia 98 83,4
3 Anto 99 84,6
4 Nita 95 84,2
5 Bowo 100 85,7
6 Arture 80 82,8
7 Milan 90 83,2
8 Adreas 100 85,3
9 Niko 95 82,4
10 Toni 96 83,8
Contoh data cross section

Data cross section digunakan dalam melakukan penelitian cross sectional.

Penelitian cross-sectional diartikan sebagai penelitian yang dilakukan pada

satu waktu dan satu kali, tidak ada follow up, untuk mencari hubungan antara

variabel independen (terikat) dengan variabel dependen (bebas). Rancangan

cross sectional dapat dilihat dimana pengukuran dan pengamatannya

5
dilakukan secara simultan pada satu saat (sekali waktu). Jika dilihat dari

kerangka/desain penelitiannya, bahwa jenis penelitian ini akan mengamati

variabel-variabel yang termasuk faktor risiko dan variabel-variabel yang

termasuk efek diobservasi sekaligus pada waktu yang sama. Dalam studi

cross-sectional sangat berguna untuk mengidentifikasi hubungan antar

variabel potensial namun tidak untuk menentukan kausalitasnya. Penelitian

lintas-bagian (cross sectional) relatif lebih mudah dan murah untuk

dikerjakan oleh peneliti dan amat berguna bagi penemuan pemapar yang

terikat erat pada karakteristik masing-masing individu.

Contoh judul penelitian cross sectional adalah “hubungan kualitas menyusui

terhadap kelancaran pengeluaran air susu ibu”, peneliti melakukan

pengukuran atau pengamatan terhadap kualitas menyusui, yang diukur secara

bersamaan dengan kelancaran pengeluaran ASI setelah melihat variabel yang

termasuk dalam kualitas menyusui tersebut.

Kelebihan rancangan desain penelitian cross sectional (penampang

melintang) adalah :

(1) Mudah untuk dilakukan.

(2) Murah.

(3) Baik untuk analisis deskriptif.

(4) Tidak memaksa subyek untuk memberikan akibat ataupun konklusi.

Kelemahan rancangan desain penelitian cross sectional (penampang

melintang) adalah:

6
 (1) Memiliki validitas inferensi yang lemah dan kurang mewakili sejumlah

populasi yang akurat, oleh karena itu penelitian ini tidak tepat bila

digunakan untuk menganalisis hubungan kausal.

(2) Sulit untuk menentukan sebab dan akibat karena pengambilan data risiko

dan efek dilakukan pada saat yang bersamaan.

(3) Dibutuhkan jumlah subyek yang cukup banyak, terutama bila variabel

yang dipelajari banyak.

(4) Tidak praktis untuk meneliti kasus yang sangat jarang.

b. Data time series (deret waktu)

Data time series merupakan data yang diperoleh dari amatan satu objek dari

beberapa periode waktu. Data time series sering kali ditemukan dalam

berbagai bidang disiplin ilmu seperti ekonomi, pertanian, meteorologi,

biologi, serta disiplin ilmu lainnya. Data bentuk time series dapat dicatat

berdasarkan periode waktu harian, mingguan, bulanan, tahunan, ataupun

periode waktu tertentu lainnya dalam rentang waktu yang sama (Cryer, 2008).

Pada data time series nilai pengamatan suatu periode waktu diasumsikan

dipengaruhi oleh nilai pengamatan pada periode waktu sebelumnya.

Sehingga, analisis data time series memungkinan untuk melakukan

peramalan (forecasting) di masa mendatang. Misalkan pada bidang ekonomi,

Bank Indonesia mencatat nilai tukar harian dolar terhadap rupiah selama

periode waktu tertentu. Dari data yang telah diperoleh ini kita tertarik untuk

mengetahui perkiraan atau ramalan dari nilai tukar dolar terhadap rupiah pada

beberapa periode waktu selanjutnya (pada masa yang akan datang).

7
 Peramalan terhadap data time series berguna untuk kepentingan berbagai

pihak, selain dapat memprediksi nilai kita juga dapat menentukan suatu

kebijakan tertentu yang sangat dipengaruhi oleh besar atau kecilnya nilai

ramalan yang diperoleh. Pada kasus nilai tukar dolar terhadap rupiah tadi

misalnya, jika pada peramalan diperoleh bahwa nilai tukar dolar terhadap

rupiah di masa yang akan datang meningkat (menurunnya nilai tukar

rupiah/depresiasi) maka pemerintah perlu melakukan tindakan pencegahan

untuk menghindari terjadinya depresiasi. Sebaliknya ketika nilai tukar dolar

terhadap rupiah diramalkan akan turun, pemerintah dapat merencanakan

kegiatan ekspor yang tentunya akan memberi keuntungan besar bagi

pemasukan negara disaat mata uang rupiah menaik.

Perkembangan Keadaan COVID-19 Nasional

3/21/2020 3/22/2020 3/23/2020 3/24/2020 3/25/2020 3/26/2020 3/27/2020 3/28/2020 3/29/2020 3/30/2020 3/31/2020
Kasus (jiwa) 450 514 579 686 790 893 1046 1048 1285 1414 1528
Meninggal
38 48 49 55 58 78 87 87 114 122 136
(jiwa)
Sembuh
20 29 30 30 31 35 46 46 64 75 81
(jiwa)
Contoh data time series

Analisis data time series dapat digolongkan berdasarkan banyaknya peubah

yang menjadi pengamatan. Data time series yang diambil dari satu peubah

pengamatan disebut dengan time series univariat. Analisis pada data time

series univariat biasanya dimodelkan dalam beberapa metode seperti

Autoregressive (AR), Moving Average (MA), Autoregressive Moving

Average (ARMA), ataupun Autoregressive Integrated Moving Average

(ARIMA). Salah satu contoh data time series univariat adalah data nilai tukar

dolar terhadap rupiah seperti yang dijabarkan tadi. Selain satu peubah,

8
pengamatan data time series juga dapat dilihat dari dua peubah. Analisis time

series bivariat merupakan suatu analisis time series pada suatu peubah

tertentu yang hasilnya akan menjadi lebih baik jika melibatkan peubah

lainnya, dimana peubah lainnya ini dapat menjelaskan keragaman dari peubah

yang menjadi target analisis. Sebagai contoh, pengukuran panjang seorang

bayi perperiode waktu yang diduga dipengaruhi oleh berat bayi. Sehingga

pada setiap pengamatan akan dicatat panjang serta berat bayi. Kasus yang

seperti ini tergolong pada analisis time series bivariat yang dapat dianalisis

menggunakan model fungsi transfer. Selanjutnya, analisis time series dengan

multivariat dilakukan pada saat menganalisis suatu peubah dalam

pengamatan berkaitan dengan peubah lainnya yang tersusun dalam suatu

sistem yang saling terkait. Sehingga pengamatan suatu peubah tidak hanya

dipengaruhi oleh periode pengamatan sebelumya, namun juga dipengaruhi

oleh periode waktu sebelumnya pada pengamatan peubah lainnya. Analisis

yang digunakan pada time series multivariat ini dikenal dengan Vector

Autoregressive (VAR) dan Cointegration.

Analisis data runtun waktu/time series tujuannya untuk memilah data runtun

waktu menjadi komponen-komponen dan memproyeksikannya ke depan.

Data runtun waktu memiliki empat komponen yaitu :

 Trend: kecenderungan naik turun dalam jangka panjang

Suatu gerakan kecenderungan naik atau turun dalam jangka panjang yang

diperoleh dari rata-rata perubahan dari waktu ke waktu dan nilainya

cukup rata (smooth).

9
 Musiman: pola fluktuasi data setiap tahun

Pola data musiman dapat mempunyai pola musim yang berulang dari

periode ke periode berikutnya. Misalnya pola yang berulang setiap bulan

tertentu, tahun tertentu, atau minggu tertentu.

 Siklus: Pola data beberapa tahun yang biasanya dikaitkan dengan siklus

bisnis.

Pola siklus berbentuk tren yang memuat musiman namun periode

musimannya lebih panjang.

 Variasi acak/tidak beraturan: Perubahan data yang disebabkan oleh

situasi yang tidak biasa.

Tidak teratur, tidak sistematik. Karena adanya peristiwa yang tidak

terprediksi seperti demo serikat, perang, fenomena alam.

Ada beberapa tujuan dalam analisis data deret waktu, antara lain:

(1) Deskripsi (description) : Jika ingin mempresentasikan karakter dari data

yang dimiliki.

(2) Menerangkan (explanation) : Jika variabel data deret waktu lebih dari

satu buah, maka telaahan dilakukan untuk menentukan apakah salah satu

variabel dapat menjelaskan variabel lain, sehingga bisa dibangun sebuah

model regresi (fungsi transfer) untuk keperluan analisis data deret waktu

lebih lanjut.

(3) Perkiraan (prediction) : Jika dimiliki sampel data deret waktu dan

diinginkan perkiraan nilai data berikutnya, maka proses peramalan harus

dilakukan. Peramalan adalah sasaran utama dari analisis data deret

10
 waktu, yang prosesnya bisa berdasarkan karakter dari komponen data

atau model regresi deret waktu. Pengertian perkiraan (prediction) dan

peramalan (forecasting) beberapa penulis ada yang membedakannya,

sebab mereka berpendapat perkiraan adalah penaksiran (estimation) nilai

dengan data dengan tidak memperhatikan model hubungan (regresi)

antara nilai data, tetapi peramalan adalah proses penaksiran nilai data

berdasarkan sebuah model hubungan fungsional antar nilai data.

(4) Kontrol (control) : Proses kontrol dilakukan untuk menelaah apakah

model (regresi) ramalan (perkiraan) yang ditentukan cukup baik untuk

digunakan. Dalam statistika, sebuah model baik digunakan untuk

peramalan, jika dipenuhi modelnya cocok dan asumsinya juga dipenuhi.

Sehingga proses kontrol terhadap model perlu dilakukan untuk menelaah

dipenuhi tidaknya asumsi, kecocokan bentuk model yang dibangun, ada-

tidaknya pencilan (outliers), yang analisisnya dapat dilakukan

berdasarkan karakter nilai residu atau analisis varians.

11
 BAB III

KESIMPULAN

3.1. Kesimpulan

1. data cross section adalah data yang memiliki objek yang banyak pada

tahun yang sama atau data yang dikumpulkan dalam satu waktu

terhadap banyak objek.

2. Kelebihan rancangan desain penelitian cross sectional (penampang

melintang) antara lain mudah untuk dilakukan, murah, baik untuk

analisis deskriptif, tidak memaksa subyek untuk memberikan akibat

ataupun konklusi.

3. Kelemahan rancangan desain penelitian cross sectional (penampang

melintang) antara lain memiliki validitas inferensi yang lemah dan

kurang mewakili sejumlah populasi yang akurat,oleh karena itu

penelitian ini tidak tepat bila digunakan untuk menganalisis hubungan

kausal, sulit untuk menentukan sebab dan akibat karena pengambilan

data risiko dan efek dilakukan pada saat yang bersamaan, dibutuhkan

jumlah subyek yang cukup banyak, terutama bila variable yang

dipelajari banyak, tidak praktis untuk meneliti kasus yang sangat

jarang.

12
 4. Data time series merupakan data yang diperoleh dari amatan satu objek

dari beberapa periode waktu.

5. Pada data time series nilai pengamatan suatu periode waktu

diasumsikan dipengaruhi oleh nilai pengamatan pada periode waktu

sebelumnya sehingga analisis data time series memungkinan untuk

melakukan peramalan (forecasting) di masa mendatang.

3.2. Saran

1. Khususnya bagi peneliti yang menggunakan data runtun waktu sekunder

bahwa para peneliti seharusnya mengetahui dan mengerti data runtun

waktu yang didapatkan. Data time series tersebut tidak bisa langsung

dipakai tanpa mengetahui bagaimana metodologi perolehan data runtun

waktu tersebut didapatkan oleh instansi terkait penelitian, agar dalam

melakukan forecasting lebih akurat dan terukur.

13
 DAFTAR PUSTAKA

Chamidi, Safrudin. (2004). “Kaitan antara Data dan Informasi Pendidikan dengan

Perencanaan Pendidikan,” Jurnal Pendidikan dan Kebudayaan (48) 10, hlm.

311—328.

Pendit, Putu Laxman. (1992). “Makna Informasi: Lanjutan dari Sebuah Perdebatan,”

dalam Kepustakawanan Indonesia: Potensi dan Tantangannya, eds. Antonius

Bangun dkk. Jakarta: Kesaint-Blanc.

Riduwan.2009. Skala Pengukuran Variabel-variabel Penelitian.Bandung: Alfabeta.

Sueratno dan Lincolin Arsyad.2003. metodologi Penelitian untuk Ekonimi dan Bisnis.

Yoyakarta: UPP AMP YKPN.

Suharsimi Arikunto.2006.Prosedur Penelitian, Suatu Pendekatan Praktik.Jakarta:

Rineka Cipta.

http://abhie-institute.blogspot.com/2012/07/metode-penelitian-cross-sectional.html

https://www.mobilestatistik.com/analisis-data-deret-waktu-time-series-data-analysis/

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

14