Accounting

Research Tools
10 ANALISIS DATA PANEL
 Capaian Pembelajaran
Mampu bertanggungjawab atas tugas yang
Program diberikan, berperilaku etis, professional,
PLO 1
Studi/Lulusan komunikatif dan aspiratif dalam berkinerja
pada berbagai organisasi
Mampu memahami dan menjelaskan
Mata
CLO 2 berbagai macam alat-alat statistik yang
Kuliah
digunakan untuk uji kualitas data dalam
penelitian akuntansi.
Sub CLO 2.1 Mampu melakukan pengolahan data
panel
Bukti ketercapaian Pembelajaran Mata
Kuliah

Ketepatan dalam menginterpretasikan hasil pengolahan data panel

Konsep Dasar Data Panel
• Data panel biasa disebut data longitudinal atau data runtun waktu silang (cross-sectional
time series), dimana banyak kasus (orang, perusahaan, Negara dan lain-lain) diamati pada dua
periode waktu atau lebih yang diindikasikan dengan penggunaan data time series.
• Data panel dapat menjelaskan dua macam informasi yaitu: informasi cross-section pada
perbedaan antar subjek, dan informasi time series yang merefleksikan perubahan pada subjek
waktu. Ketika kedua informasi tersebut tersedia, maka analisis data panel dapat digunakan.

• Panel data adalah data yang memiliki dimensi waktu dan ruang.
• Dalam panel data, data cross-section yang sama diobservasi menurut waktu.
• Balanced panel jika setiap cross-section unit memiliki jumlah observasi time-series yang
sama.
• Unbalanced panel  jika jumlah observasi berbeda untuk setiap cross-section unit
ADVANTAGE OF PANEL DATA (Baltagi,
1995)
• Panel data estimation dapat mencakup masalah heterogenitas
• Panel data memberikan informasi lebih banyak, lebih bervariasi, mempersedikit
kolinieritas antar variabel, dan lebih efisien
• Panel data lebih baik digunakan untuk melihat perubahan yang bersifat dinamik.
• Panel data dapat mendeteksi dan mengukur efek lebih baik.
• Panel data memungkinkan kita untuk meneliti model yang lebih kompleks  behavioral
models
• Panel data dapat meminimalkan bias
• Menghindari masalah multikolinieritas
 
Kesulitan utama
• Faktor pengganggu akan berpotensi mengandung gangguan yang disebabkan
penggunaan observasi runtun waktu, observasi lintas sektoral, serta gabungan keduanya
• Penggunaan observasi lintas sektoral mempunyai potensi tidak konsistennya parameter regresi.
• Penggunaan observasi runtun waktu mempunyai potensi autokorelasi antar observasi.
Contoh klasifikasi cara pengambilan data:
Pada data time series, satu atau lebih variabel akan
diamati pada satu unit observasi dalam kurun waktu Pada data cross-section merupakan amatan dari
tertentu beberapa unit observasi dalam satu titik waktu
Tingkat Inflasi di Indonesia Periode 2013 - 2017 Tingkat Inflasi 5 Negara ASEAN Tahun 2018
Nama Negara Inflasi 2018
Tahun Inflasi
Indonesia 3,1
2013 8,4
Malaysia 0,3
2014 8,4
Filipina 5,9
2015 4,9
Singapura 0,5
2016 3
Thailand 0,8
2017 3,6
Sumber : https://www.bi.go.id

Sumber : https://www.bi.go.id
Data Panel adalah gabungan antara data cross section dan data time
series, dimana unit cross section yang sama diukur pada waktu yang
berbeda.
Tingkat Inflasi 5 Negara ASEAN Periode 2013 - 2017
Tahun Indonesia Malaysia Filipina Singapura Thailand

2013 8,4 3,0 3,4 2,0 1,7

2014 8,4 2,8 2,9 -0,1 1,1

2015 4,9 2,6 0,3 -0,7 -0,9

2016 3,0 1,6 2,0 0,0 0,7

2017 3,6 3,5 3,0 0,5 0,9

Sumber : https://www.bi.go.id
ESTIMASI DATA PANEL

• Terdapat 3 cara estimasi (Pindyck dan Rubinfeld, 1998)

• Regresi Penggabungan semua data (Pooled OLS)
• Covariance Model (Fixed Effects  Least Squares Dummy Variable
(LSDV) Model
• Error Component Model (Random Effects)
Penggunaan sofware untuk Analisis Data Panel :
1. Eviews
2. STATA
Untuk contoh kasus menggunakan Eviews 9
Pengertian Regresi Data Panel
• Regresi Data Panel adalah gabungan antara data cross section dan
data time series, dimana unit cross section yang sama diukur pada
waktu yang berbeda. Maka dengan kata lain, data panel merupakan
data dari beberapa individu sama yang diamati dalam kurun waktu
tertentu. Jika kita memiliki T periode waktu (t = 1,2,…,T) dan N jumlah
individu (i = 1,2,…,N), maka dengan data panel kita akan memiliki total
unit observasi sebanyak NT.
• Jika jumlah unit waktu sama untuk setiap individu, maka data
disebut balanced panel. Jika sebaliknya, yakni jumlah unit waktu
berbeda untuk setiap individu, maka disebut unbalanced panel.
 Persamaan Regresi Data Panel
Persamaan Regresi data panel ada 2 macam , yaitu One
Way Model dan Two Way Model.
One Way Model adalah model satu arah, karena hanya
mempertimbangkan efek individu (αi) dalam model.
Berikut Persamaannya:

Dimana:
α       = Konstanta
β       = Vektor berukuran P x 1 merupakan parameter hasil estimasi
Xit    = Observasi ke-it dari P variabel bebas
αi      = efek individu yang berbeda-beda untuk setiap individu ke-i
Eit     = error regresi seperti halnya pada model regresi klasik.
 Model Data Panel
Two Way Model adalah model yang mempertimbangkan
efek dari waktu atau memasukkan variabel waktu. Berikut
Persamaannya:

Persamaan di atas menunjukkan dimana terdapat

tambahan efek waktu yang dilambangkan
dengan deltha yang dapat bersifat tetap ataupun bersifat
acak antar tahunnya.
Asumsi Regresi Data Panel
• Metode Regresi Data Panel akan memberikan hasil pendugaan yang
bersifat Best Linear Unbiased Estimation (BLUE) jika semua asumsi Gauss
Markov terpenuhi diantaranya adalah non-autcorrelation.
• Non-autocorrelation inilah yang sulit terpenuhi pada saat kita melakukan
analisis pada data panel. Sehingga pendugaan parameter tidak lagi bersifat
BLUE. Jika data panel dianalisis dengan pendekatan model-model time
series seperti fungsi transfer, maka ada informasi keragaman dari unit
cross section yang diabaikan dalam pemodelan. Salah satu keuntungan
dari analisis regresi data panel adalah mempertimbangkan keragamaan
yang terjadi dalam unit cross section.
Keuntungan Regresi Data Panel
Keuntungan melakukan regresi data panel, antara lain:
• Pertama, dapat memberikan peneliti jumlah pengamatan yang besar,
meningkatkan degree of freedom (derajat kebebasan), data memiliki
variabilitas yang besar dan mengurangi kolinieritas antara variabel
penjelas, di mana dapat menghasilkan estimasi ekonometri yang efisien.
• Kedua, panel data dapat memberikan informasi lebih banyak yang tidak
dapat diberikan hanya oleh data cross section atau time series saja.
• Ketiga, panel data dapat memberikan penyelesaian yang lebih baik dalam
inferensi perubahan dinamis dibandingkan data cross section.
Tahapan Regresi Data Panel
Tidak seperti regresi biasanya, regresi data panel harus melalui tahapan penentuan model estimasi yang tepat.
Berikut diagram tahapan dari regresi data panel:
PENENTUAN MODEL ESTIMASI:
Dalam metode estimasi model regresi dengan menggunakan data panel dapat dilakukan melalui tiga
pendekatan, antara lain:
1. Common Effect Model atau Pooled Least Square (PLS)
• Merupakan pendekatan model data panel yang paling sederhana karena hanya mengkombinasikan data
time series dan cross section. Pada model ini tidak diperhatikan dimensi waktu maupun individu,
sehingga diasumsikan bahwa perilaku data perusahaan sama dalam berbagai kurun waktu. Metode ini
bisa menggunakan pendekatan Ordinary Least Square (OLS) atau teknik kuadrat terkecil untuk
mengestimasi model data panel.
2. Fixed Effect Model (FE)
• Model ini mengasumsikan bahwa perbedaan antar individu dapat diakomodasi dari perbedaan
intersepnya. Untuk mengestimasi data panel model Fixed Effects menggunakan teknik variable dummy
untuk menangkap perbedaan intersep antar perusahaan, perbedaan intersep bisa terjadi karena
perbedaan budaya kerja, manajerial, dan insentif. Namun demikian slopnya sama antar perusahaan.
Model estimasi ini sering juga disebut dengan teknik Least Squares Dummy Variable (LSDV).
3. Random Effect Model (RE)
• Model ini akan mengestimasi data panel dimana variabel gangguan  mungkin saling berhubungan antar
waktu dan antar individu. Pada model Random Effect perbedaan intersep diakomodasi oleh error terms
masing-masing perusahaan. Keuntungan menggunkan model Random Effect yakni menghilangkan 
heteroskedastisitas. Model ini juga disebut dengan Error Component Model (ECM) atau teknik
Generalized Least Square (GLS) .
Penentuan Metode Estimasi Regresi Data Panel
Untuk memilih model yang paling tepat terdapat beberapa pengujian yang dapat dilakukan, antara lain:
1. Uji Chow
• Chow test adalah pengujian untuk menentukan model apakah Common Effect (CE) ataukah Fixed Effect (FE) yang paling
tepat digunakan dalam mengestimasi data panel.
• Apabila Hasil:
• H0: Pilih PLS (CE)
• H1: Pilih FE (FE)
2. Uji Hausman
• Hausman test adalah pengujian statistik untuk memilih apakah model Fixed Effect atau Random Effect yang paling tepat
digunakan.
• Apabila Hasil:
• H0: Pilih RE
• H1: Pilih FE
3. Uji Lagrange Multiplier
• uji Lagrange Multiplier (LM) adalah uji untuk mengetahui apakah model Random Effect lebih baik daripada metode
Common Effect (PLS) digunakan.
• Apabila Hasil:
• H0: Pilih PLS
• H1: Pilih RE
Dari ketiga uji untuk menentukan Metode Estimasi di atas,
digambarkan dalam grafik di bawah ini:
Referensi :
1. https://www.statistikian.com/2014/11/regresi-data-panel.html