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.