Data Panel: Pengertian – Tujuan dan Contoh Penggunaannya

√ Edu Passed Pass quality & scientific checked by advisor, read our quality control guidelance for more info

Dalam penelitian, umumnya peneliti membutuhkan adanya desain penelitian. Di dalam desain tersebut, terdapat metode penelitian tergantung pada tujuan yang ingin dicapai oleh peneliti. Salah satu bagian dari metode yang dapat digunakan adalah metode kuantitatif atau menggunakan data yang bersifat numerik dan dapat diukur.

Terdapat berbagai cara memperoleh data kuantitatif, salah satunya dengan data panel. Berikut adalah penjelasan mulai dari pengertian, tujuan, contoh penelitian, hingga kelebihan dan kekurangan dari data panel.

Pengertian Data Panel

Berdasarkan situs Pelatihan LPEM FEB UI, data panel merupakan metode gabungan antara data time series dengan data cross section. Data cross section tersebut dapat berupa karakteristik suatu perusahaan, wilayah, maupun negara.

Selain itu, dalam situs DQ Lab, data panel diartikan sebagai salah satu kombinasi data antara cross section atau disebut juga dengan satu waktu tertentu dan kemudian disandingkan dengan data time series atau disebut juga dengan data runtun waktu.

Pengertian tersebut tidak jauh berbeda dengan yang disampaikan dalam sumber lain disampaikan bahwa data panel merupakan penggabungan antara data runtun waktu (time series) dengan data silang (cross section). 

Menurut Dr. Faurani Santi, data runtun waktu pada umumnya meliputi suatu objek atau individu, seperti harga saham, kurs mata uang, SBI, atau tingkat inflasi dengan tetap memperhatikan periodenya, baik perhari, perbulan, perkuartal, atau pertahun.

Pasangan data silang terdiri atas beberapa objek atau responden, seperti perusahaan dengan berbagai jenis data. Misalnya, laba, biaya iklan, laba ditahan, dan tingkat investasi dalam suatu periode tertentu, tetapi hanya ada satu data yang diambil.

Tujuan Penggunaan Data Panel

Ketika peneliti ingin melakukan observasi, misal pada perilaku unit ekonomi, seperti rumah tangga, perusahaan, atau negara, peneliti tidak dapat hanya melakukan observasi terhadap setiap unit tersebut dalam satu waktu secara bersamaan, tetapi juga perlu melakukan observasi pada perilaku setiap unit pada berbagai periode waktu.

Oleh sebab itu, data panel digunakan oleh peneliti untuk mendapatkan data yang komprehensif, baik itu dari banyak unit maupun dari beberapa periode. Dengan demikian, hasil dari penelitian menjadi lebih luas dan dapat digeneralisasikan.

Selain itu, terdapat tujuan lain dari analisis secara data panel, yakni untuk memberi deskripsi terkait perubahan sosial, pertumbuhan individu, serta kejadian atau ketidakjadian suatu hal. Tidak hanya itu, hasil dari data panel dapat dijadikan sebagai cara untuk menginformasikan kebijakan dan mengevaluasi kebijakan

Contoh Penggunaan Data Panel

Salah satu penelitian yang menggunakan data panel, tepatnya regresi data panel dilaksanakan oleh mahasiswa dan staf pengajar jurusan Statistika di Universitas Diponegoro, yakni Mariska Srihardianti, Mustafid, dan Alan Prahutama pada tahun 2016 dengan judul Metode Regresi Data Panel untuk Peramalan Konsumsi Energi di Indonesia.

Peneliti menggunakan data total konsumsi energi akhir di Indonesia menggunakan buku Handbook of Energy and Economic Statistics of Indonesia 2012 dan 2015 serta data Produk Domestik Bruto (PDB) di Indonesia atas dasar harga konstan berdasarkan lapangan usaha dari Badan Pusat Statistik Indonesia. 

Kedua data tersebut diperoleh mulai dari tahun 1990 sampai 2014. Selain itu, data juga diklasifikasikan dalam 5 sektor, yakni rumah tangga, industri, transportasi, komersial, dan lainnya. Dengan demikian penelitian ini terdiri atas data cross sectional dan time series sesuai dengan pengertian dari data panel.

Hasil dari penelitian dengan analisis regresi panel data ini menunjukkan perkiraan, yakni konsumsi energi di Indonesia pada tahun 2015 dan 2016 akan meningkat pada sektor rumah tangga dan transportasi. Sedangkan pada sektor industri, komersial, dan lainnya akan menurun pada 2015 dan meningkat pada tahun 2016.

Kelebihan dan Kekurangan Data Panel

Pengguanan data panel memiliki kelebihan dan kekurangan dalam penelitian, yakni sebagai berikut:

Kelebihan

  • Meningkatkan jumlah observasi (sampel).
  • Memperoleh variasi antar unit yang berbeda berdasarkan ruang dan variasi berdasarkan waktu.
  • Menyediakan data yang lebih komprehensif.
  • Data yang dihasilkan memiliki degree of freedom atau derajat bebas yang lebih besar.
  • Mengurangi kolinearitas antar variabel penjelas sehingga estimasi ekonometrika yang diperoleh lebih efisien.
  • Mengatasi masalah yang timbul apabila terdapat masalah pada penghilangan variabel (omitted-variable).
  • Dalam penelitian ekonomi, data panel memiliki keuntungan yang besar dibanding hanya data jenis cross section maupun time series

Kekurangan

  • Kemungkinan adanya faktor pengganggu yang lebih besar karena menggunakan observasi dari data runtut waktu dan antar ruang atau dengan kata lain gabungan dari gangguan kedua data membuat faktor pengganggu menjadi semakin meningkat.
  • Observasi antar ruang yang digunakan berpotensi membuat ketidakkonsistenan parameter regresi sebab skala data yang berbeda.
  • Observasi data runtut waktu menimbulkan terjadinya autokorelasi antar observasi.

Kesimpulan Pembahasan

Demikianlah penjelasan mengenai pengertian, tujuan, contoh penelitian, serta kelebihan dan kekurangan dari data panel. Kesimpulannya, data panel merupakan gabungan dari data time series dan data cross section. Tujuannya adalah untuk memberikan data yang komprehensif, seperti mendeskripsikan perubahan dan menginformasikan kebijakan.

Contoh penelitian dengan data panel dilakukan oleh Srihardianti, Mustafid, dan Prahutama (2016) yang menggunakan data cross sectional mengenai total konsumsi energi akhir di Indonesia dan PDB pada 5 sektor, yaitu umah tangga, industri, transportasi, komersial, dan lainnya. Sedangkan data time series ditunjukkan dengan sumber data tahun 1990-2014.

Kelebihan dari data panel adalah jumlah sampel meningkat sehingga variasi anat unit meningkat, data lebih komprehensif, dan derajat bebas lebih besar. Namun, kekurangan data ini adalah kemungkinan faktor pengganggu meningkat dua kali lipat da mungkin ada autokorelasi.

fbWhatsappTwitterLinkedIn