click, to get the pdf version
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. Jika kita amati masing-masing data tersebut terkait dengan waktu (time) dan terjadi berurutan. Misalnya data produksi minyak sawit dari tahun 2000 hingga 2009, data kurs Rupiah terhadap dollar Amerika Serikat dari tahun 2000 – 2006, dan lain-lain. Dengan demikian maka akan sangat mudah untuk mengenali jenis data ini.
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. Katakanlah pada beberapa kasus misalnya produksi dunia komoditas kopi pada tahun sebelumnya akan mempengaruhi harga kopi dunia pada tahun berikutnya. Dengan demikian maka akan diperlukan data lag produksi kopi, bukan data aktual harga kopi. Tabel berikut ini akan memperjelas konsep lag yang mempengaruhi data time series.
Tabel 1. Produksi dan lag produksi kopi dunia tahun 200 – 2005
Tahun
|
Produksi
Kopi Dunia
(Ton)
|
Lag
Produksi Kopi
|
2000
|
7.562.713
|
-
|
2001
|
7.407.986
|
-154.727
|
2002
|
7.876.893
|
468.907
|
2003
|
7.179.592
|
-697.301
|
2004
|
7.582.293
|
402.701
|
2005
|
7.276.333
|
-305.960
|
Data lag tersebut kemudian dapat digunakan untuk melihat pengaruh lag produksi terhadap harga kopi dunia.
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. Ilustrasinya seperti pada table di bawah ini.
Tabel 2. Perbandingan antara penjualan, pembelian bahan baku, dan jumlah karyawan pada restoran A, B, dan C pada bulan Januari 2009
Restoran
|
Penjualan
|
Pembelian bahan baku
|
Jumlah Karyawan
|
A
|
19.587.200
|
10.300.100
|
10
|
B
|
23.584.000
|
16.200.589
|
15
|
C
|
17.211.000
|
13.300.251
|
7
|
Sumber: FAO (2009)
Dari data tersebut dapat maka dapat dilihat produktivitas pada restoran A, B, dan C.
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. Contoh data panel dapat dilihat pada table berikut ini.
Tabel 3. Data panel ekspor dan impor kopi Indonesia dan Malaysia pada periode tahun 2005 – 2007
Negara
|
Periode
|
Ekspor (ton)
|
Impor (ton)
|
Indonesia
|
2005
|
443.366
|
1.654
|
Indonesia
|
2006
|
411.721
|
5.092
|
Indonesia
|
2007
|
320.600
|
47.937
|
Malaysia
|
2005
|
666
|
23.826
|
Malaysia
|
2006
|
1.490
|
35.368
|
Malaysia
|
2007
|
984
|
42.165
|
Sumber: FAO (2009)
Setelah jelas konsep data, maka kita dapat melakukan dan menerapkan alat analisis yang sesuai. Untuk melihat contoh data panel dalam jumlah besar kamu bisa ambil disini.
