Variable, Pengukuran, dan Data dalam Model Penelitian Ekonomi

 

Konsep Dasar dan Jenis Variabel

• Definisi: Konsep merupakan ringkasan abstrak dari suatu fenomena (misalnya inflasi), indikator adalah ukuran konkret untuk mengobservasi konsep tersebut, dan variabel adalah besaran yang dapat berubah yang mewakili konsep.
  
  
• Peran Variabel: Variabel diklasifikasikan menjadi variabel independen (penyebab), dependen (dipengaruhi), moderator (memperkuat atau melemahkan hubungan), kontrol (dijaga tetap konstan untuk validitas), dan intervening (memengaruhi fenomena tetapi tidak terukur langsung).
  
  

Pengukuran dan Skala Data

• Tipe Data: Data dapat berbentuk kualitatif (kategorik seperti jenis kelamin) atau kuantitatif (numerik). Data kuantitatif terbagi lagi menjadi data diskrit (bilangan bulat) dan kontinu (bilangan pecahan).
  
  
• Skala Pengukuran: Terdiri dari skala nominal (kategori tanpa urutan), ordinal (kategori dengan urutan), interval (memiliki jarak bermakna tetapi nilai nol tidak absolut), dan rasio (memiliki nilai nol absolut dan dapat dibandingkan).
  
  

Jenis Data Penelitian

• Berdasarkan Sumber: Data primer diperoleh langsung dari responden seperti melalui kuesioner, sedangkan data sekunder bersumber dari publikasi resmi seperti lembaga BPS atau BI.
  
  
• Berdasarkan Dimensi: Data time series didasarkan pada urutan waktu (misal: PDB tahunan), data cross section diambil dari banyak individu/unit pada suatu periode tertentu, dan data panel adalah kombinasi yang mencatat beberapa unit observasi selama beberapa periode waktu.
  
  

Penerapan dalam Model Penelitian Ekonomi

• Model Konsumsi Keynesian: Mengukur pengaruh pendapatan disposabel terhadap tingkat konsumsi dengan model $C=a+bYd$. Analisis regresi menunjukkan bahwa peningkatan pendapatan disposabel akan meningkatkan konsumsi sesuai dengan proporsi marginal propensity to consume (b) di mana $0<b<1$.
  
  
• Model Analisis Kemiskinan: Tingkat kemiskinan dipengaruhi oleh faktor pendapatan, tingkat pendidikan, dan jumlah tanggungan keluarga dengan persamaan $POV=\alpha+\beta1Y+\beta2EDU+\beta3HH+\epsilon$. Hasil estimasi regresi secara umum mengindikasikan bahwa pendapatan dan pendidikan yang lebih tinggi akan menurunkan probabilitas kemiskinan, sedangkan jumlah tanggungan yang lebih besar akan meningkatkannya.