Thursday, August 3, 2017

√ Manipulasi Data, Atau Mengubah Data?

Keruangan ekonometrika begitu kental mengenalkan kita kepada data berjenis runtun waktu atau time series. Ekonometrika memperlihatkan tantangan berupa pola-pola data dengan referensi waktu (time reference) bermacam-macam, ada harian, mingguan, bulanan, triwulanan sampai tahunan. Masing-masing referensi waktu yang berbeda juga mengandung sikap data yang berbeda pula sesuai dengan bencana fenomena ekonomi.

Realita memperlihatkan bahwa isu atau data yang tersedia tak selalu sesuai keinginan. Ketika kita ingin menganalisis secara tahunan, data yang ada justru berpola triwulanan, atau sebaliknya. Permasalahan menyerupai ini sering muncul dalam ekonometrika sehingga mendorong peneliti atau pengamat mengubah data menjadi apa yang diinginkan.

Seperti yang diketahui, bahwa bekerjsama apa yang di-treatment-kan terhadap isu atau data itu yaitu mengubah data. Mengubah berbeda dengan memanipulasi data. Manipulasi dalam kalkulasi matematik sendiri dipandang sebagai “mengadakan” yang sebetulnya tidak ada sebagai alternatif penyelesaian masalah. Aktivitas manipulasi merupakan acara menciptakan jalan pintas yang tujuannya menciptakan kronologi logika menjadi lebih mudah. Yaitu dengan menciptakan sebuah dummy berbentuk objek atau premis matematik tertentu. Poin ini patut dibahas sebagai konsekuensi pemaknaan ganda atau kesalahan makna pada literature-literatur yang ada.

Ekonometrika memperlihatkan ruang luas bagi kita bila ingin mengubah suatu data. Mengubah dalam hal ini dimaksudkan biar data yang tersedia telah relevan dengan penggunaan analisisnya. Jika bertujuan menganalisis rujukan tahunan, maka data triwulanan perlu diubah menjadi data tahunan, bila bertujuan menganalisis rujukan bulanan, maka data tahunan harus dipecah menjadi data bulanan dan seterusnya.
Mengubah rujukan data tentu ada rambu-rambunya.

Menggabungkan rujukan dari data triwulanan ke rujukan tahunan tentu lebih gampang dibanding memecah dari data tahunan menjadi data bulanan. Perlakuan ketika mengubah data juga memerlukan teknik-teknik khusus biar rujukan data yang terbentuk juga relevan dengan tujuan analisis. Pola data yang terbentuk juga sesuai dari aspek historisnya.

Kesalahan konfigurasi rujukan data hasil memecah data tentu lebih fatal dari sekadar menggabung data. Dampak yang akan dirasakan apabila hal tersebut terjadi utamanya pada relevansi model-model ekonometris sebagai instrumen analisis.

Menggabungkan data sampai berpola tertentu lebih “aman” alasannya yaitu kronologis perlakuan bersifat induktif. Fenomena ekonomi sanggup kita ungkap pada final penggabungan data itu. Berbeda jauh untuk data hasil pemecahan, fenomena-fenomena ekonomi harus kita kaitkan berdasarkan referensi waktunya masing-masing sedemikian rupa sehingga rujukan data hasil pemecahan telah “mendekati” historis data yang sebenarnya.

Sumber http://www.ngobrolstatistik.com/