Ekonometrika dan Data

Ekonometrika dan Data

Ekonometrika merupakan aplikasi metode statistika dan metode matematika untuk menganalisis data ekonomi, dengan maksud memberikan muatan empiris pada teori ekonomi dan membuktikan teori itu salah. Ekonometrika dibedakan dari matematika ekonomi, yang hanya memuat aplikasi matematika, dan teori yang diturunkan tidak harus mempunyai muatan empiris.

Sedangkan, Data adalah catatan atas kumpulan fakta. Data merupakan bentuk jamak dari datum, berasal dari bahasa latin yang berarti "sesuatu yang diberikan". Dalam penggunaan sehari-hari data berarti suatu pernyataan yang diterima secara apa adanya. Pernyataan ini adalah hasil pengukuran atau pengamatan suatu variabel yang bentuknya dapat berupa angka, kata-kata, atau citra.

Dalam keilmuan (ilmiah), fakta dikumpulkan untuk menjadi data. Data kemudian diolah sehingga dapat diutarakan secara jelas dan tepat sehingga dapat dimengerti oleh orang lain yang tidak langsung  mengalaminya sendiri, hal ini dinamakan deskripsi. Pemilahan banyak data sesuai dengan persamaan atau perbedaan yang dikandungnya dinamakan klasifikasi.

Dalam ekonometrika, kita kenal terdapat 3 kelompok data yaitu data runtun waktu (time series), data silang (cross section), dan data panel (pooled data). Data-data tersebut tentunya sangat diperlukan dalam penelitian, maupun pengambilan keputusan. Pengumpulan data biasanya memerlukan waktu yang lama karena dapat melibatkan banyak aktivitas seperti mendatangi responden, menginput data, menyunting data, maupun menampilkannya dengan suatu alat analisis tertentu. Berikut akan dibahas beberapa jenis data yang telah kita bahas di atas.

1.       Data runtun waktu (time series)

Time series merupakan data yang terdiri atas satu objek tetapi meliputi beberapa periode waktu misalnya harian, bulanan, mingguan, tahunan, dan lain-lain. Kita dapat melihat contoh data time series pada data harga saham, data ekspor, data nilai tukar (kurs), data produksi, dan lain-lain sebagainya. Data time series juga sangat berguna bagi pengambil keputusan untuk memperkirakan kejadian di masa yang akan datang. Karena diyakini pola perubahan data runtun waktu beberapa periode masa lampau akan kembali terulang pada masa kini. Data time series juga biasanya bergantung kepada lag atau selisih.

2.       Data Silang (cross section)

Data silang terdiri dari beberapa objek data pada suatu waktu, misalnya data pada suatu restoran akan terdiri dari data penjualan, data pembelian bahan baku, data jumlah karyawan, dan data-data relevan lainnya.

3.       Data Panel (pooled data)

Data panel adalah data yang menggabungkan antara data runtun waktu (time series) dan data silang (cross section). Karena itu data panel akan memiliki beberapa objek dan beberapa periode waktu.

Kriteria Dalam Ekonometrika

Didalam ilmu ekonometrika terdapat delapan kriteria ekonometrika. Namun yang umum digunakan ada lima kriteria. Pada kesempatan  ini saya hanya akan menjelaskan enam kriteria dalam ekonometrika. Yaitu, antara lain:

1.      Biaya Perhitungan

2. Least Square (Kuadtrat Terkecil)
3. Nilai R kuadrat 
4. Unbiasedness (Ketidakbiasan)
5. Efisiensi
6. Mean Square Eror
7. Asymtotic Properties
8. Maximum Likelihood

Kriteria Good Estimator: 

1.       Biaya perhitungan 

      Dalam biaya perhitungan estimator yang baik adalah yang memilik data atau sampel yang cukup murah atau relatif murah. Biaya perhitungan adalah termasuk biaya yang dapat ditoleransi.

2.       Least square ( Kuadrat terkecil)

Syarat estimator yang baik adalah yang memiliki residual yang kecil. Atau jarak antara nilai dugaan dan nilai aktual kecil. Bagaimana kriteria kecil?

·    Minimization of the sum of squared residuals 

• Caranya dengan estimator Ordinary Least Square (OLS)

Keterangan: dapat dilihat digambar tersebut ada actual data dan residual. Jika actual data dan residual berdekatan jaraknya maka itu dikatakan estimator yang baik. Least Square digunakan untuk Agresi Linier.

Adapun didalam Least Square:

a.       Nilai dugaan yang didapat dari sampel  X dan Y disebut dengan variabel

b.       Nilai dugaan yang didapat dari populasi X dan Y disebut dengan parameter.

3.       Nilai R kuadrat

Semakin besar nilai R kuadrat semakin baik sebuah model ekonometrika.

R kuadrat terbagi menjadi dua, yaitu:

a.        R Square

R square digunakan untuk data yang variabelnya (x = 1)

b.       Adjusted R Square

Adjusted R Square dugunakan untuk data yang variabelnya ( X > 1)

R kuadrat sering disebut sebagai “good fit”. Karena R kuadrat digunakan sebagai indeks seberapa akurat fits dengan data fits, penduga OLS atau “best-fitting estimator). Namun sering terjadi “abused” terhadap R Squared ketika peneliti puas degan hasil olahan data karena nilai R-Squared yang tinggi, karena jika mengolah data cross – section kita tidak akan mendapatkan nilai  R-Squared yang tinggi.

4.       Unbiasedness (Ketidakbiasan)

Data yang baik adalah data yang tidak bias. Dalam  model ekonometrika kita berharap tidak mendapatkan estimator yang bias, artinya dugaan jauh dari harapan. Estimator yang bias adalah estimator yang memiliki nilai yang rendah.

Jika kita lihat grafik disamping maka garis estimator parameter itu selalu ditengah atau pada titik 0.

5.       Efisiensi

Efesiensi adalah kurva yang memiliki keragaman yang kecil atau kurvanya mengerucut ketengah. Dapat dilihat pada grafik dibawah ini :

Jika kita menemukan estimator yang memiliki kriteria yang telah disebutkan, atau unbiased, linier, dan Varian yang paling minimum maka disebut BLUE (Best Linier Unbiased Estimator).

6.       Mean Square Error (MSE)

MeanSquare Error merupakan kriteria yang tidak populer . Biasanya digunakan jika ada trade off.  Trade off adalah situasi dimana seseorang harus membuat keputusan terhadap dua hal atau lebih, mengorbankan/ kehilangan suatu aspek dengan alasan tertentu untuk memperoleh aspek lain dengan kualitas yang berbeda sebagai pilihan yang diambil.

Dalam Mean Square Error  ini peneliti dihadapkan dengan dua pilihan antara  “low bias” dengan “low variance”

Uji dan Type Error

1.       Menguji Hipotesis

a.         Null hypotesis (H₀)

b.        Alternatif Hypotesis (H₁)

c.         Uji statistic

d.        Rejection Regio

2.       Format Hypotesis diantarannya:

a.        Tentukan null dan alternatif hypothesis

b.        Tentukan wilayah penolakan (alpha)

c.        Tentukan nilai uji

d.        Kesimpulan

3.        Type Error

Type Error terbagi menjadi 2 type:

a.         Type Error 1

Menolak H₀ padahal H₀ benar

Cnth: Bumi itu bulat

H₀ = bumi itu bola

H₁ = bumi itu kubus

Maka jika seseorang mengatakan bumi itu kubus maka orang tersebut menolak H₀ padahal H₀ benar.

b.         Type Error 2

Menolak H₀ padahal H₀ salah

Cnth:  Agus mencuri ayam tetangga dan disaksikan oleh 4 warga

H₀  =  Dibebaskan

H₁ = Masuk Penjara

Dan sang hakim menerima status H₀ maka disini sang hakim menolak H₀  padahal H₀ salah.

Data Dalam Ekonometrika

Dalam ekonometrika data merupakan komponen yang sangat penting. Jika tidak ada data maka kita tidak bisa membuat suatu kesimpulan dari suatu teori.

Dimana kita dapat memperoleh data?

1.       Visualisasi distribusi data

Dalam visualisasi distribusi data yang digunakan data linier dan itu merupakan syarat wajib

2.       Eksplorsi pengetahuan terkait fungsi distribusi untuk mengekstrak informasi yang diinginkan.

Kategori Data

Data dibagi kedalam beberapa kategori yaitu sebagai berikut:

1.       Cara memperolehnya

a.        Primer

Data primer kita dapat langsung dari objek penelitian kita

b.       Sekunder

Data skunder kita dapat dari data-data yang sudah ada.

2.       Menurut sifatnya

a.        Kuantitatif

Data kuantitatif dalam ekonometrika dapat langsung kita olah dengan menggunakan aplikasi.

b.        Kualitatif

Data kualitatif dapat juga kita  olah dengan menggunakan aplikasi seperti data kuantitatif dengan cara  datanya harus dikuantifikasikan terlebih dahulu.

3.       Menurut sumbernya

a.        Internal

Data yang kita dapat dari perusahaan devisi pengembangan atau tempat kita melakukan penelitian untuk mengumpulkan data.

b.        Eksternal

Data yang kita peroleh dari suatu keadaan atau kegiatan diluar perusahaan tersebut atau tempat kita melakukan penelitian.

4.       Menurut Waktu Pengumpulannya

a.        Cross Section

Data yang dikumpulkan dari beberapa variabel dalam satu waktu bisa dalam hitungan per minggu, perbulan, dan pertahun sekali.

b.        Time Series

Data yang dikumpulkan dari satu variabel saja.

Metode Pengumpulan Data

Metode pengumpulan dapat kita lakukan dengan beberapa cara diantaranya:

1.       Wawancara

Wawancra dibagi menjadi dua wawancara terstruktur dan wawancara tidak terstuktur. Wawancara terstruktur adalah wawancara yang jadwal dan list pertanyaanya sudah disiapkan terlebih dahulu sebelum melakukan wawancara dengan narasumber. Sedangkan wawancara tidak terstruktur adalah wawancara yang pertanyaanya kita berikan tidak dilist dahulu dan bertanya sesuai dengan apa yang kita lihat.

2.       Observasi

Observasi adalah metode pengumpulkan data dengan cara langsung terjun kelapangan untuk menemukan suatu masalah.

3.       Angket

Angket adalah metode pengumpulan data yang dilakukan dengan cara mengajukan pertanyaan tertulis dan akan dijawab tertulis juga oleh responden.

4.       Studi Dokumen

Studi dokumen adalah metode pengumpulan data dengan cari mengambil data dari dokumen-dokumen terdahulu atau yang sudah ada.

Sumber Data Ekonomi

1.       BPS (Badan Pusat Statistik)

Data ekspor-impor, kemiskinan, kependudukan, dsb.

2.       BEI (Bursa Efek Indonesia)

Saham dan laporan keuangan perusahaan emiten, dsb.

3.       BI (Bank Indonesia)

Statistik ekonomi dan keuangan, statistik ekonomi dan moneter, perbankan, dsb.

Demikianlah tulisan ini saya buat agar kiranya dapat bermanfaat dan menambah khazanah ilmu kita bersama. Saya menyadari tulisan ini masih jauh dari kesempurnaan, maka dari itu diharapkan kepada para pembaca agar kiranya dapat memberikan kritik dan sarannya yang membangun. Alhasil tulisan ini dapat mendekati kata sempurna, walaupun kesempurnaan itu hanya milki Allah SWT. Akhir kata lebih dan kurangnya saya mohon maaf kepada Allah SWT saya mohon ampun. Terimakasih wassalamu’alaikum wr. wb.