Uploaded by User94616

Celsie Inggartussa

advertisement
NAMA : CELSIE INGGARTUSSA
NIM : 041411131079
1. Jawaban :
a. Time series adalah rangkaian data yang berupa nilai pengamatan yang diukur
selama kurun waktu tertentu, berdasarkan waktu dengan interval yang
uniform sama.

Contoh : Data BMKG misalnya, menentukan musim hujan pada
bulan oktober sampai april. Hal ini selain ditentukan dari arah angin
dan iklim permukaan laut, juga didasari oleh data time series 10 atau
20 tahun sebelumnya yang menghasilkan bahwa Bulan Oktober
sampai April biasanya turun hujan.
b. Cross-section adalah jenis data yang didapat dengan mengamati banyak
subyek dalam satu waktu yang sama. Data cross sectional ini memberi Anda
gambaran tentang populasi tersebut. Data ini hanya akan memberikan
proporsi saat ini dari tingkat tekanan darah. Berdasarkan hanya satu sampel
cross sectional, Anda tidak dapat menilai apakah tingkat kenaikan tekanan
darah rendah atau tinggi. Tapi, itu pasti akan memberi Anda gambaran
tentang skenario.

Contoh : Katakanlah, anggaplah Anda ingin mengukur tingkat
tekanan darah saat ini dalam suatu populasi. 1000 orang akan dipilih
secara acak dari populasi itu. Ini juga disebut penampang dari
rentang populasi tertentu. Sekarang, Tekanan Darah mereka akan
diukur. Tinggi badan, berat badan, dan faktor kesehatan lainnya juga
akan diperhatikan.
c. Data Panel adalah gabungan antara data cross section dan data time series,
dimana unit cross section yang sama diukur pada waktu yang berbeda.

Contoh : Pada kasus berikut ingin melihat bagaimana rasio total
hutang terhadap total aset (dta) pada tiga perusahaan. Data yang
dikumpulkan yaitu dari tahun 2005 hingga 2008. Indikator yang
digunakan diantaranya adalah sebagai berikut: Size : penjualan
(dalam ukuran ln_penjualan), Tang : rasio aset tetap terhadap total
aset, Growth : pertumbuhan penjualan, Prof : rasio laba bersih
terhadap penjualan, Risk : selisih kuadrat dari rata-rata laba bersih
2. Dalam analisis data panel, kita akan menjumpai dua kondisi yaitu ketika
datanya lengkap, artinya setiap objek dalam penelitian lengkap untuk setiap
tahunnya, kondisi demikian disebut balanced panel (lihat gambar 1). Pada
gambar 1 terlihat bahwa semua objek berada pada semua tahun. Sebaliknya
mungkin juga kita menjumpai dimana data tidak lengkap di mana setiap
objeknya tidak tersedia datanya untuk semua tahun atau unbalanced panel
(lihat gambar 2). Pada gambar 2 terlihat bahwa semua objek tidak lengkap
pada semua tahun.
Jika datanya sudah lengkap tentu kita dapat langsung memilih metode
balanced panel. Sebaliknya jika datanya kurang lengkap, kita dapat menggunakan
teknik unbalanced panel atau terlebih dahulu melakukan interpolasi data dan
kembali menggunakan balanced panel ketika semua data telah terisi melalui
metode interpolasi. Metode interpolasi adalah metode untuk mengisi data yang
kosong dengan pendekatan data pada tahun sebelum dan sesudahnya.
3. 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.
Kelemahan metode Pooled Least Square ini adalah ketidaksesuaian model
dengan keadaan yang sesungguhnya. Kondisi ini tiap objek saling berbeda,
bahkan satu objek pada suatu waktu akan sangat berbeda pada kondisi objek
tesebut pada waktu yang lain.
4. Fixed Effect Model (FEM)
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).
5. Kelemahan
metode
estimasi
FEM
dengan
metode
LSDV
adalah
ketidaksesuaian model dengan keadaan yang sesungguhnya. Kondisi tiap objek
saling berbeda, bahkan satu objek pada suatu waktu akan sangat berbeda
dengan kondisi objek tersebut pada waktu yang lain.
6. One Way Model adalah model satu arah, karena hanya mempertimbangkan
efek individu (αi) dalam model. Berikut Persamaannya: Model One Way Data
Panel
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.
Secara matematis sbb: Y = f (X1,X2,X3, X4)
Keterangan :
Y : Produk Domestik Regional Bruto (PDRB)
X1 : Pertumbuhan sumber daya manusia (IPM)
X2 : Tenaga kerja
X3 : Pendidikan
X4 : Inflasi
Two Way Model adalah model yang mempertimbangkan efek dari waktu atau
memasukkan variabel waktu. Berikut Persamaannya: Model Two Way Data
Panel Persamaan di atas menunjukkan dimana terdapat tambahan efek waktu
yang dilambangkan dengan deltha yang dapat bersifat tetap ataupun bersifat
acak antar tahunnya.
Download