Ekonometrika dan Visualisasi Data

Pada postingan saya sebelumnya kita sudah berkenalan sedikit dengan Ekonometrika. Wong masih satu kali dibahas, pastilah kita belum paham betul mengenai Ekonometrika. Ya tho?!Nah, sederhananya pada postingan yang lalu kita membahas bahwa Ekonometrika yaitu kombinasi antara ilmu ekonomi dan matematika ekonomi yang kemudian di olah secara statistika ekonomi maka menghasilkan sebuah data. Seperti yang kita ketahui, statistika ekonomi yang berkenaan dengan penghimpunan data, mengolah data, juga dapat menyajikan data ekonomi secara visual seperti diagram, tabel maupun grafik.

Penyajian data secara diagram, tabel maupun grafik inilah yang disebut dengan visualisasi data. Visualisasi data juga termasuk komunikasi visual. Visualisasi data bukanlah bidang ilmu maupun gabungan dari bidang ilmu yang satu dan bidang ilmu lainnya seperti halnya Ekonometrika. Namun, visualisasi data dapat menginterpretasikan hasil data dari berbagai bidang ilmu.

Selain itu tujuan visualisasi data yaitu untuk mengkomunikasikan informasi secara lebih jelas dan efisien kepada pengguna lewat grafik informasi seperti tabel, grafik maupun diagram. Dan yang paling penting ialah visualisasi dapat membantu pengguna untuk menganalisa dan penalaran (membuat perbandingan, dan memperhatikan hukum sebab akibat atau kausalitas) tentang data dan bukti.

Dalam data ekonometrika terdapat kriteria yang dapat digunakan sebagai estimator. Di antara kriterianya ialah memperhitungkan biaya agar dapat di minimalisir. Least square yaitu jarak antara nilai dugaan dan nilai aktual yang kecil pada estimator Ordinary Least Square(OLS). Nilai R2(R Kuadrat) yang tinggi sering menjadi kesalahpahaman karena banyak yang mengartikan apabila R-kuadratnya tinggi maka semakin baik pula lah model ekonometrikanya, padahal belum tentu. Karena pada saat mengolah data (dengan waktu pengumpulan) secara cross section maka kita tidak akan menemukan R-squared yang tinggi. Kennedy (1996) dan Cramer (1987) mengatakan "Tujuan Ekonometrika bukan R-Kuadrat yang tinggi, namun memperoleh pendugaan parameter terbaik". Unbiasednessadalah kebalikan dari bias. Pada model ekonometrika, kita tidak boleh berharap pada estimator bias karena maksudnya ialah dugaan jauh dari harapan.  Nah jadi jika kita menemukan kriteria seperti UNBIASED, LINIER atau VARIAN yang paling minimum maka disebut BLUE (Best Linier Unbiased Estimator).

Untuk memperoleh data ada dua cara yaitu data primer atau data yang diteliti langsung pada objeknya, kedua yaitu data sekunderyaitu data yang diambil dari sumber lain yang kemudian di olah lagi. Menurut sifatnya data juga ada dua yaitu kualitatif dan kuantitatif.

Metode pengumpulan data yaitu bisa dengan cara wawancara yang terstruktur dan tidak terstruktur, melalui observasi, membuat angket (kuesioner) dan lain sebagainya.

Finally!!! Sumber data yang dapat dengan mudah kita akses via internet ialah situs Badan Pusat Statistik, Bank Indonesia dan juga Bursa Efek Indonesia.