Data Panel (Pooled Data), Kombinasi Antara Data Silang (Cross Section) dan Data Runtun Waktu (Time Series)

 

Oleh: Sopana

Data Panel (Pooled Data), Kombinasi Antara Data Silang (Cross Section) dan Data Runtun Waktu (Time Series)

Sebelum dijelaskan pengertian Data Panel (Pooled Data), di bawah ini akan dijelaskan terlebih dahulu pengertian Data Silang (Cross Section) dan Data Runtun Waktu (Time Series) beserta contohnya.

Data Cross Section / Data Silang adalah data yang menunjukkan pada suatu titik waktu tertentu. Contohnya laporan keuangan per 31 desember 2015, data pelanggan PT. Bulan Kembar bulan Juni 2015. Baca lebih lanjut

Iklan

Daftar Referensi Buku Statistik dan Buku Aplikasi Software Statistik ( SPSS LISREL AMOS PLS SAS STATA SPLUS R )

Berikut adalan sebagian Daftar Buku-Buku Aplikasi Software Statistik ( SPSS LISREL AMOS PLS SAS STATA SPLUS R )

  • Advances in Clinical Trial Biostatistics by Nancy L. Geller
  • Analysis of Incomplete Multivariate Data by Joe Schafer
  • Analysis of Messy Data, Volume III: Analysis of Covariance by George A. Milliken Dallas E. Johnson
  • Analysis of Pretest-Posttest Designs by Peter L. Bonate
  • Applied Nonparametric Statistical Methods, Third Edition by Peter Sprent Nigel Charles Smeeton
  • Applied Statistical Designs for the Researcher by Daryl S Paulson
  • Bayes and Empirical Bayes Methods for Data Analysis, Second Edition by Bradley P Carlin Thomas A Louis
  • Clinical Trials in Oncology, Second Edition by Stephanie Green Jacqueline Benedetti John Crowley
  • Contemporary Statistical Models for the Plant and Soil Sciences by Oliver Schabenberger Francis J Pierce
  • Contingency Table Approach to Nonparametric Testing by A J.C.W. Rayner D.J. Best
  • CRC Standard Probability and Statistics Tables and Formulae by Daniel Zwillinger Stephen Kokoska
  • Data Mining Using SAS Applications by George Fernandez
  • Design and Analysis of Cross-Over Trials, Second Edition by Byron Jones M.G. Kenward
  • EM Algorithm and Related Statistical Models, by The Michiko Watanabe Kazunori Yamaguchi
  • Environmental Statistics with S-PLUS by Steven P. Millard Nagaraj K. Neerchal
  • Generalized Latent Variable Modeling: Multilevel, Longitudinal, and Structural Equation Models by Anders Skrondal Sophia Rabe-Hesketh (2 copies)
  • Group Sequential Methods with Applications to Clinical Trials by Christopher Jennison Bruce W. Turnbull
  • Handbook of Parametric and Nonparametric Statistical Procedures, Second Edition by David J Sheskin
  • Handbook of Statistical Analyses Using SAS, Second Edition by Geoff Der Brian S. Everitt
  • Handbook of Statistical Analyses Using SPSS, A Sabine Landau Brian S Everitt
  • Handbook of Statistical Analyses using S-Plus, Second Edition by Brian S. Everitt
  • Handbook of Statistical Analyses Using Stata, Second Edition by Sophia Rabe-Hesketh Brian S. Everitt
  • Hierarchical Modeling and Analysis for Spatial Data by Sudipto Banerjee Bradley P Carlin Alan E Gelfand
  • Introduction to Generalized Linear Models, Second Edition by Annette J. Dobson
  • Measures of Interobserver Agreement by Mohamed M. Shoukri
  • Multidimensional Scaling, Second Edition Trevor F. Cox M.A.A. Cox
  • Sample Size Calculations in Clinical Research by Shein-Chung Chow Jun Shao Hansheng Wang
  • Sampling Methodologies with Applications by Poduri S.R.S. Rao
  • Statistical and Econometric Methods for Transportation Data Analysis by Simon P Washington Matthew G Karlaftis Fred L Mannering
  • Statistics in Drug Research: Methodologies and Recent Developments by SHEIN-CHUNG CHOW JUN SHAO
  • Statistical Methods for Health Sciences, Second Edition by Mohamed M. Shoukri Cheryl A. Pause
  • Statistics in the 21st Century by Adrian E. Raftery Martin A. Tanner Martin T. Wells
  • Theory of the Design of Experiments, The by Sir David R. Cox Nancy Reid
  • Time-Series Forecasting by Chris Chatfield
  • Topics in Modeling of Clustered Data by Marc Aerts Geert Molenberghs Helena Geys Louise Ryan

Baca lebih lanjut

Liputan Bengkeldata di Tabloid Peluang Usaha Edisi 04 • Th X • 12 – 25 Desember 2014 Hal 32-33

Beta Consulting (Bengkeldata.com) – Market Research Perusahaan hingga Perorangan. Semakin ketatnya persaingan pasar yang terjadi di Indonesia membuat beberapa perusahaan pun tidak asal-asalan dalam menentukan langkah bisnis, apalagi saat ini Indonesia akan dihadapkan pada Masyarakat Ekonomi Asean (MEA), maka kompetisi dalam dunia bisnis pun juga akan semakin banyak. Dengan demikian, persaingan yang akan datang juga tidak hanya pengusaha dalam negeri saja, melainkan juga datang dari para pengusaha asing. Kondisi inilah yang dimanfaatkan sebagai peluang oleh Sopana untuk mendirikan usaha jasa market research atau riset pasar. Keahliannya dalam mengolah data yang pernah didapat semasa kuliah di Jurusan Matematika FMIPA Universitas Sebelas Maret (UNS), Solo Jawa Tengah ternyata menjadi modal utama bagi Sopana untuk mendirikan usaha market research. Ide mendirikan usaha ini muncul saat ia sedang menghadiri acara reuni bersama mahasiswa angkatannya di Jakarta pada tahun 2008. “Saat reuni di sana saya bertemu dengan teman-teman dari berbagai macam daerah, dari situlah saya kemudian terbesit untuk membangun jasa market research, toh nanti saya juga bisa bekerja sama dengan beberapa teman-teman yang ada di beberapa daerah tersebut untuk melakukan sebuah riset,” ujar Sopana. Sambil bekerja di sebuah perusahaan telekomunikasi Sopana pun mulai meluangkan waktu kosongnya untuk merintis usaha jasa market research kecil-kecilan dengan mengusung brand Beta Consulting. “Waktu itu usaha market research ini masih hanya sekadar usaha sampingan, tapi di sini saya yakin usaha ini akan maju,” optimisnya. Melihat usaha ini terus berkembang, Sopana pun memutuskan untuk resign dari tempat ia bekerja demi fokus menggeluti usaha sampingan tersebut. Selanjutnya pada tahun 2012 Sopana menggelontorkan modal sebesar Rp 5 juta yang digunakan sebagai ongkos transportasi dan ekspansi yang lebih luas dengan melakukan pemasaran yang bagus. Menurut Sopana modal untuk menjalankan usaha ini selain komputer adalah modal tim yang kuat, mulai dari tim penanggung jawab, tim ahli hingga tim lapangan dan pengetahuan tentang ilmu statistik. Secara garis besar ilmu yang harus dimiliki dalam menjalankan usaha ini adalah ilmu analisis statistik hal ini berguna untuk mengetahui dan menganalisis kemampuan pasar. Di awal usaha, Sopana menemukan kendala yaitu kesulitan membangun tim yang kuat sehingga ia terpaksa harus mempunyai cadangan tim utama untuk menggantikan sewaktu-waktu diperlukan. Lambat laun usahanya pun semakin banyak dikenal oleh masyarakat sehingga usahanya semakin maju dan mengalami peningkatan klien dari waktu ke waktu. Baca lebih lanjut

Analisa Data Statistik : Analisis Faktor-Faktor yang Mempengaruhi Volatilitas Cadangan Devisa Indonesia menggunakan Time Series Analysis dengan Metode ARCH – GARCH dan VAR

Data finansial seperti cadangan devisa, nilai tukar, maupun tingkat suku bunga mempunyai karakteristik tersendiri dibandingkan data deret waktu (time series). Beberapa karakteristik dari data finansial yaitu menunjukan volatilitas yang tinggi mengikuti periode waktu, sedangkan variansi/ragam adalah konstan untuk data jangka waktu yang panjang.

Dalam beberapa periode terdapat variansi/ragam data finansial relatif tinggi. Keadaan ini disebut conditionally heteroskedastic. Jika terdeteksi adanya conditionally heteroskedastic maka model autoregressive moving average (ARMA) tidak akurat lagi untuk digunakan. Model deret waktu (time series) yang mengakomodir adanya heteroskedastic / heteroskedastisitas adalah ARCH (Autoregressive Conditional Heteroscedasticity) / GARCH (General Autoregressive Conditional Heteroscedasticity) . Model lain selain ARCH & GARCH adalah TARCH, E-GARCH, M-GARCH, TGARCH dan lain-lain.

Variabel-variabel ekonomi biasanya nonstasioner dan mempunyai sifat kointegrasi, sehingga model statistik yang dibentuk harus dapat mengatasi dan mencerminkan sifat tersebut. Metode yang sesuai dengan permasalahan ini adalah metode VAR (Vector Autoregression).

Variabel yang digunakan sebanyak lima variabel makro ekonomi. Kelima Variabel tersebut yakni cadangan devisa, nilai tukar rupiah terhadap USD, tingkat suku bunga, Indeks Harga Saham Gabungan (IHSG) dan netto ekspor.

Metodologi yang digunakan dimulai dengan metode ARCH/GARCH yang fungsinya untuk mengatahui ada tidaknya volatilitas dari masing-masing variabel yang diteliti. Selanjutnya dengan metode VAR akan selidiki pengaruh volatilitas dari variabel nilai tukar, suku bunga, IHSG dan neto ekspor terhadap volatilitas cadangan devisa. Hasil model VAR yang diperoleh tersebut kemudian digunakan untuk melakukan uji berikutnya yaitu uji kointegrasi Johansen untuk mengetahui hubungan keseimbangan jangka panjang dan Vector Error Correction Mechanism (VECM) untuk mengetahui hubungan keseimbangan jangka pendek.

Kesimpulan dari hasil analisa data yaitu bahwa variabel-variabel yang terdeteksi adanya ARCH/GARCH adalah variabel cadangan devisa, IHSG, nilai tukar, dan neto ekspor. Sedangkan variabel tingkat suku bunga tidak menunjukkan gejala adanya heteroskedastisitas dalam series datanya.

Untuk Konsultasi Analisa data selanjutnya, yang berhubungan dengan Time Series Analisis (AR, MA, ARMA, ARIMA, ARCH, GARCH, TARCH, E-GARCH, M-GARCH, T-GARCH, dll) menggunakan eviews silahkan menghubungi :

Beta Consulting

Telp: (021)3333 7389 – 0819 4505 9000
Email: info@bengkeldata.com

www.Bengkeldata.com
www.olah-data.com

follow us:
http://Twitter.com/olahdata

ARCH, GARCH, cadangan devisa, IHSG, neto ekspor, nilai tukar, tingkat suku bunga, uji kointegrasi, volatilitas, VAR, VECM, heteroskedastisitas, ARMA, deret waktu, time series, heteroskedastic, analisa data, konsultan, jasa,analisis data,analisis data statistik, analisa data, analisa data statistik, jasa statistik, konsultan statistik, jasa survei, konsultan survey, jasa riset pasar, konsutan riset pasar,skripsi, tesis, disertasi,ahli, olah data, olahdata, pengolahan, olah data, statistik, statistika, skripsi, tesis, data panel, regresi, korelasi, SEM, validitas, reliabilitas, survei pasar, alpha, cronbach, pearson, tugas, akhir, sarjana, jakarta, penelitian, spss, eviews, amos, lisrel, minitab, regresi, konsultasi, konsultan, analisis data, analisis data statistik, analisa data, analisa data statistik, jasa statistik, konsultan statistik, jasa survei, konsultan survey, jasa riset pasar, konsutan riset pasar , skripsi, tesis, disertasi,ahli, olahdata, pengolahan, olah data, statitistik, statistika, skripsi, tesis, data panel, regresi, korelasi, SEM, validitas, reliabilitas, survei pasar, alpha, cronbach, pearson,tugas, akhir, sarjana, jakarta, penelitian, spss, amos

Olahdata Skripsi Tesis Disertasi : Analisis data / Analisa data apa yang cocok untuk skripsi, tesis, disertasi, atau penelitian yang Anda butuhkan? (Part I)

Apakah Anda sedang menyususn skripsi, tesis atau disertasi, atau penelitian? Dalam menyusun skripsi, tesis, disertasi, atau penelitian seringkali kita dihadapkan pada suatu permasalahan yang menjadi momok bagi mahasiswa/peneliti, yaitu analisis data / analisa data. Saya yakin bahwa Anda sebagai mahasiswa/peneliti memahami betul proses/tahapan dalam membuat skripsi, tesis atau disertasi, atau penelitian. Mulai dari tahapan mencari tema skripsi, tesis atau disertasi, atau penelitian, menetukan permasalahan, membuat kerangka pemikiran, membuat proposal, hingga menentukan lokasi penelitian. Nah ada satu lagi yang mungkin/bahkan ’lupa’ yaitu metode analisis data / analisa data yang digunakan. Apabila Anda belum memahami analisis data / analisa data –nya, maka Beta Consulting ( www.Bengkeldata.com / www.olah-data.com ) dengan senang hati akan membantu Anda untuk menentukan analisis data / analisa data yang cocok dengan skripsi, tesis atau disertasi, atau penelitian Anda.

Metode analisis data / analisa data apa yang cocok dengan skripsi, tesis, disertasi, atau penelitian Anda? Mari kita bahas contoh beberapa analisis data / analisa data yang cocok dengan skripsi, tesis, disertasi, atau penelitian. Yuukk Mariii… 🙂

Pertama, misalkan skripsi, tesis, disertasi, atau penelitian Anda itu membahas bagaimana hubungan diantara dua variabel. Maka metode analisis data / analisa data yang digunakan adalah metode regresi sederhana. Apabila skripsi, tesis, disertasi, atau penelitian ada 3 variabel atau lebih, maka metode analisis data / analisa data yang digunakan adalah metode regresi berganda atau  regresi multivariabel / regresi multivariat.

Tunggu dulu… Metode regresi sederhana / regresi regresi berganda atau  regresi multivariabel / regresi multivariat juga ada macamnya. Selain regresi sederhana, ada juga regresi logistik. Oke, sekali lagi Beta Consulting ( www.Bengkeldata.com / www.olah-data.com ) dengan senang hati akan membantu Anda untuk menentukan analisis data / analisa data yang cocok dengan skripsi, tesis atau disertasi, atau penelitian Anda.

Beta Consulting ( www.Bengkeldata.com / www.olah-data.com ) dengan senang hati dan didukung oleh tim yang berpengalaman, akan membantu Anda untuk menentukan analisis data / analisa data yang cocok dengan skripsi, tesis atau disertasi, atau penelitian Anda.

Hubungi kami di :

Beta Consulting

Telp: (021)71088944 – 0819 4505 9000

Email: info@bengkeldata.com

www.Bengkeldata.com

www.olah-data.com

follow us:

http://Twitter.com/olahdata

Konsultan, Jasa, analisis data, analisis data statistik, analisa data, analisa data statistik, jasa statistik, konsultan statistik, jasa survei, konsultan survey, jasa riset pasar, konsutan riset pasar , skripsi, tesis, disertasi, regresi, regresi berganda, regresi data panel, data panel, multivariat, regresi logistik, bengkeldata, olahdata, olahdata statistik, skripsi, tesis, disertasi

Analisa Data : Analisis Data pada Model Regresi Data Panel

Data panel atau panel data atau Pooled Data adalah gabungan dari data time series (antar waktu) dan data cross section (antar individu/ruang). Untuk menggambarkan panel data / data panel / Pooled Data secara singkat, misalkan pada data cross section, nilai dari satu variabel atau lebih dikumpulkan untuk beberapa unit sampel pada suatu waktu waktu. Dalam panel data / data panel / pooled data , unit cross section yang sama di-survey dalam beberapa waktu (Gujarati, 2003:637).
Regresi dengan menggunakan panel data / data panel / pooled data, memberikan beberapa keunggulan dibandingkan dengan pendekatan standar cross section dan time series.

Begini, misalkan kita punya data 50 Bank, masing – masing Bank dicari ROI, NOPAT, dan lainnya untuk tahun 2007 saja, maka data tersebut disebut dengan data Cross Section. Tapi, kalau kita punya data 1 Bank, namun data ROI, NOPAT, dan data lainnya dari Bank tersebut kita miliki sejak tahun 1998 hingga 2007, maka data tersebut disebut dengan data Time Series.
Gabungan dari keduanya, yaitu 50 Bank dengan beberapa satuan waktu misalkan 1998 hingga 2007 disebut dengan Data Panel (Pooled Data).

Keunggulan dan Permasalahan Regresi dengan Data Panel
Hsiao (1986), mencatat bahwa penggunaan panel data / data panel  / pooled data dalam penelitian ekonomi memiliki beberapa keuntungan utama dibandingkan data jenis cross section maupun time series.
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 datadata panel dapat memberikan penyelesaian yang lebih baik dalam inferensi perubahan dinamis dibandingkan data cross section.

Di samping berbagai keunggulan dimiliki model panel datadata panel  / pooled data tersebut, ada beberapa permasalahan yang muncul dalam pemanfaatan data panel, yaitu permasalahan autokorelasi dan heterokedastisitas. Sementara itu ada permasalahan baru yang muncul seperti korelasi silang (cross-correlation) antar unit individu pada periode yang sama.

Estimasi Regresi dengan Data Panel
Estimasi model data panel ergantung kepada asumsi yang dibuat peneliti terhadap intersep/konstanta (intercept), koefisien kemiringan (slope coefficients) dan variabel error (error term). Model-model estimasi ini akan ditinjau pada kesempatan lain.

Regresi dengan data panel adalah unik. Unik karena memiliki dua dimensi, yaitu dimensi time series dan dimensi cross section. Dengan kata lain, regresi data panel merupakan regresi gabungan jangka pendek dan jangka panjang. Ada dua autokorelasi di dalam regresi data panel / data panel : autokorelasi residual time series, dan korelasi antar residual. Begitu juga dengan heteroskedastisitas : heteroskedastisitas residual cross-section, heteroskedastisitas antar residual.

Analisis data panel / data panel merupakan pengembangan dari analisis regresi. Terdapat tiga metode regresi dasar yang ada, yaitu Common Pooled Least Square (OLS), Fixed Effect Regression, dan Random Effect.

Metode mana yang paling sesuai ? Untuk mengetahui jawabannya, harus dilakukan 2 buah Uji, yaitu Uji Hausmann dan Uji Chow.

Untuk konsultasi lebih lanjut, silahkan hubungi:

http://www.bengkeldata.com

CS : 021-3333 7398- 08194505 9000
e-mail : info@bengkeldata.com

==========================================
IKLAN—IKLAN—IKLAN—

Beta Consulting ( Bengkeldata.com ) merupakan sebuah lembaga konsultasi untuk membantu perusahaan/perorangan dalam melakukan analisa data statistika, olah data penelitian , riset pasar dan konsultasi manajemen.

LAYANAN
1. Olah Data Statistika/ analisa data Penelitian
2. Training Statistika : SPSS, Eviews, SAS, Lisrel, Minitab, Amos
3. Riset Pasar
4. Management Consultancy

Hubungi:
Beta Consulting ( Bengkeldata.com )
Telp: (021) 3333 7398 – 0819 4505 9000

email : info@bengkeldata.com

=======================================