Secara harfiah ekonometrika memiliki arti sebagai pengukuran ekonomi, meskipun begitu pengukuran merupakan satu bagian penting dari luasnya ruang lingkup. Ekonometrika merupakan hasil dari suatu pandangan khusus atas peranan ilmu ekonomi dan penerapan statistika matematika atas data ekonomi untuk memberikan dukungan empiris pada model yang disusun untuk memperoleh hasil dari angka (numerical result). Ekonometrika bisa didefinisikan sebagai analisis kuatitatif atas fenomena ekonomi yang sebenarnya (aktual) dengan didasarkan pada pengembangan yang berbarengan dari teori dan pengamanan, dihubungkan dengan metode inferensi yang sesuai. Ekonometrika juga bisa didefiniskan sebagai ilmu sosial dengan memadukan alat-alat teori ekonomi, matematika, dan statistik inferensi secara bersama-sama diterapkan untuk analisis fenomena ekonomi. Pada intinya bahwa ekonometrika berkaitan dengan penentuan empiris dari hukum ekonomi.

PROSEDUR / LANGKAH-LANGKAH PENELITIAN : Garis besar :a. Pembuatan rancangan;b. Pelaksanaan penelitian;c. Pembuatan laporan penelitian

Bagan arus kegiatan penelitian1. Memilih Masalah; memerlukan kepekaan2. Studi Pendahuluan; studi eksploratoris, mencari informasi;3. Merumuskan Masalah; jelas, dari mana harus mulai, ke mana harus pergi dan dengan apa4. Merumuskan anggapan dasar; sebagai tempat berpijak, (hipotesis);5. Memilih pendekatan; metode atau cara penelitian, jenis / tipe penelitian : sangat emenentukan variabel apa, objeknmya apa, subjeknya apa, sumber datanya di mana;6. Menentukan variabel dan Sumber data; Apa yang akan diteliti? Data diperoleh dari mana?7. Menentukan dan menyusun instrumen; apa jenis data, dari mana diperoleh? Observasi, interview, kuesioner?8. Mengumpulkan data; dari mana, dengan cara apa?9. Analisis data; memerlukan ketekunan dan pengertian terhadap data. Apa jenis data akan menentukan teknis analisisnya10. Menarik kesimpulan; memerlukan kejujuran, apakah hipotesis terbukti?11. Menyusun laporan; memerlukan penguasaan bahasa yang baik dan benar.

Pelaksanaan penelitian dengan menggunakan metode ilmiah harus mengikuti langkah-langkah tertentu. Schluter (1926) memberikan 15 langkah dalam melaksanakan penelitian dengan metode ilmiah.

Langkah-langkah tersebut adalah sebagai berikut:1. Pemilihan bidang, topik atau judul penelitian.2. Mengadakan survei lapangan untuk merumuskan masalah-malalah yang ingindipecahkan.3. Membangun sebuah bibliografi.4. Memformulasikan dan mendefinisikan masalah.5. Membeda-bedakan dan membuat out-line dari unsur-unsur permasalahan.6. Mengklasifikasikan unsur-unsur dalam masalah menurut hu-bungannya dengan dataatau bukti, baik langsung ataupun tidak langsung.7. Menentukan data atau bukti mana yang dikehendaki sesuai dengan pokok-pokokdasar dalam masalah.8. Menentukan apakah data atau bukti yang dipertukan tersedia atau tidak.9. Menguji untuk diketahui apakah masalah dapat dipecahkan atau tidak.10. Mengumpulkan data dan keterangan yang diperlukan.11. Mengatur data secara sistematis untuk dianalisa.12. Menganalisa data dan bukti yang diperoleh untuk membuat interpretasi.13. Mengatur data untuk persentase dan penampilan.14. Menggunakan citasi, referensi dan footnote (catatan kaki).15. Menulis laporan penelitian

LANGKAH-LANGKAH PENELITIAN (Suryabrata, 1989)A. Identifikasi, Pemilihan dan Perumusan Masalah Penelitian1. Identifikasi masalah penelitianSumber:a. Bacaan, terutama bacaan yang berisi laporan hasil penelitian

b. Seminar, diskusi, konferensi dan lain-lain pertemuan ilmiahc. Pernyataan pemegang otoritasd. Pengamatan selintase. Pengalaman pribadif. Perasaan intuitif

2. Pemilihan masalah penelitianPertimbangan:a. Pertimbangan dari arah masalahnyab. Pertimbangan dari arah calon peneliti3. Perumusan masalah penelitiana. Perumusan hendaklah dirumuskan dalam bentuk kalimat tanyab. Rumusan hendaklah padat dan jelasc. Rumusan itu hendaknya memberi petunjuk tentang mungkinnya mengumpulkan data guna menjawab pertanyaan-pertanyaan yang terkandung dalam rumusan itu

B. Penelaahan Kepustakaan1. Penelaahan sumber-sumber yang berupa buku2. Pemilihan berdasarkan pada prinsip:a. Relevansib. Kemutakhiran (kecuali studi sejarah)3. Penelaahan sumber-sumber yang berupa laporan hasil penelitianPenilikan berdasarkan atas prinsipa. Relevansib. Kemutakhiranc. Bobot

C. Perumusan HipotesisPerumusan hipotesis hendaklah mempertimbangkan:a. Hipotesis hendaklah menyatakan pertautan antara dua variabel atau lebihb. Hipotesis hendaklah dinyatakan dalam kalimat deklaratif atau pernyataan.c. Hipotesis hendaklah dirumuskan secara jelas dan padatd. Hipotesis hendaklah dapat diuji, artinya hendaklah orang mungkin mengumpulkan data menguji kebenaran hipotesis ituSecara garis besar dapat dibedakan:1) Hipotesis tentang hubungan2) Hipotesis tentang perbedaan

D. Identifikasi, Klasifikasi dan Pendefinisian Variabel 1. Mengidentifikasi variabel. Variabel adalah segala sesuatu yang akan menjadi objek pengamatan penelitian atau faktor-faktor yang berperanan dalam peristiwa atau gejala yang akan diteliti

2. Mengklarifikasi variabelBerdasarkan proses kauantifikasinya, variabel digolongkan menjadi:a. Variabel nominalb. Variabel ordinalc. Variabel intervald. Variabel rasio

Berdasarkan atas fungsinya dalam penelitian variabel dibedakan menjadi:a. Variabel tergantungb. Variabel bebasc. Variabel moderatord. Variabel kendalie. Variabel rambang

3. Merumuskan definisi operasional variabel-variabelDefinisi operasional dirumuskan berdasarkan atas sifat-sifat hal yang didefinisikan yang dapat diamati (diobservasi)a. Yang berdasar atas kegiatan-kegiatan (operations) yang harus dilakukan agar yang didefinisikan itu

terjadib. Yang berdasar atas bagaimana hal yang didefinisikan itu nampaknya (seringkali menunjuk kepada alat pengambil datanya)

E. Pemilihan atau Pengembangan Alat Pengambil DataAlat pengambil data harus memenuhi syarat-syarat:1. Validitas2. Reliabilitas

F. Penyusunan rancangan penelitian G. Penentuan sampel H. Pengumpulan data I. Pengolahan dan analisis data J. Interpretasi hasil analisis K. Penyusunan laporan

Mengapa menjadi disiplin ilmu tersendiri ?Teori ekonomi menghasilkan pernyataan atau hipotesis yang kebanyakan bersifat kualitatif.

Perhatian utama dari matematika ekonomi adalah mengekspresikan teori ekonomi dalam bentuk matematis tanpa memperhatikan keterukuran atau verifikasi empiris dari teori.

Statistika ekonomi terutama berkenaan dengan penghimpunan, pemrosesan, dan penyajian data ekonomi dalam bentuk diagram dan tabel. (GNP, harga, pengangguran, dll.)

Meskipun statistika matematis (teori statistika) menyediakan berbagai alat inferensi, ahli ekonometri sering memerlukan metode khusus untuk melihat kekhasan data ekonomi secara alami, karena data tidak dibangkitkan dari hasil percobaan yang terkendali. (Data konsumsi, pendapatan, investasi, tabungan, harga, dll.). Data tersebut dengan demikian mengandung kesalahan pengukuran.

a. Data nominalSebelum kita membicarakan bagaimana alat analisis digunakan, akan diberikan ulasan tentang bagaimana sebenarnya data nominal yang sering digunakan dalam statistik nonparametrik bagi mahasiswa. Menuruti Moh. Nazir, data nominal adalah ukuran yang paling sederhana, dimana angka yang diberikan kepada objek mempunyai arti sebagai label saja, dan tidak menunjukkan tingkatan apapun. Ciri-ciri data nominal adalah hanya memiliki atribut, atau nama, atau diskrit. Data nominal merupakan data kontinum dan tidak memiliki urutan. Bila objek dikelompokkan ke dalam set-set, dan kepada semua anggota set diberikan angka, set-set tersebut tidak boleh tumpang tindih dan bersisa. Misalnya tentang jenis olah raga yakni tenis, basket dan renang. Kemudian masing-masing anggota set di atas kita berikan angka, misalnya tenis (1), basket (2) dan renang (3). Jelas kelihatan bahwa angka yang diberikan tidak menunjukkan bahwa tingkat olah raga basket lebih tinggi dari tenis ataupun tingkat renang lebih tinggi dari tenis. Angka tersebut tidak memberikan arti apa-apa jika ditambahkan. Angka yang diberikan hanya berfungsi sebagai label saja. Begitu juga tentang suku, yakni Dayak, Bugis dan Badui. Tentang partai, misalnya Partai Bulan, Partai Bintang dan Partai Matahari. Masing-masing kategori tidak dinyatakan lebih tinggi dari atribut (nama) yang lain. Seseorang yang pergi ke Jakarta, tidak akan pernah mengatakan dua setengah kali, atau tiga seperempat kali. Tetapi akan mengatakan dua kali, lima kali, atau tujuh kali. Begitu juga tentang ukuran jumlah anak dalam suatu keluarga. Numerik yang dihasilkan akan selalu berbentuk bilangan bulat, demikian seterusnya. Tidak akan pernah ada bilangan pecahan. Data nominal ini diperoleh dari hasil pengukuran dengan skala nominal. Menuruti Sugiono, alat analisis (uji hipotesis asosiatif) statistik nonparametrik yang digunakan untuk data nominal adalah Coefisien Contingensi. Akan tetapi karena pengujian hipotesis Coefisien Contingensi memerlukan rumus Chi Square (χ2), perhitungannya dilakukan setelah kita menghitung Chi Square. Penggunaan model statistik nonparametrik selain Coefisien Contingensi tidak lazim dilakukan.b. Data ordinalBagian lain dari data kontinum adalah data ordinal. Data ini, selain memiliki nama (atribut), juga memiliki peringkat atau urutan. Angka yang diberikan mengandung tingkatan. Ia digunakan untuk mengurutkan objek dari yang paling rendah sampai yang paling tinggi atau

sebaliknya. Ukuran ini tidak memberikan nilai absolut terhadap objek, tetapi hanya memberikan peringkat saja. Jika kita memiliki sebuah set objek yang dinomori, dari 1 sampai n, misalnya peringkat 1, 2, 3, 4, 5 dan seterusnya, bila dinyatakan dalam skala, maka jarak antara data yang satu dengan lainnya tidak sama. Ia akan memiliki urutan mulai dari yang paling tinggi sampai paling rendah. Atau paling baik sampai ke yang paling buruk. Misalnya dalam skala Likert (Moh Nazir), mulai dari sangat setuju, setuju, ragu-ragu, tidak setuju sampai sangat tidak setuju. Atau jawaban pertanyaan tentang kecenderungan masyarakat untuk menghadiri rapat umum pemilihan kepala daerah, mulai dari tidak pernah absen menghadiri, dengan kode 5, kadang-kadang saja menghadiri, dengan kode 4, kurang menghadiri, dengan kode 3, tidak pernah menghadiri, dengan kode 2 sampai tidak ingin menghadiri sama sekali, dengan kode 1. Dari hasil pengukuran dengan menggunakan skala ordinal ini akan diperoleh data ordinal. Alat analisis (uji hipotesis asosiatif) statistik nonparametrik yang lazim digunakan untuk data ordinal adalah Spearman Rank Correlation dan Kendall Tau.c. Data intervalPemberian angka kepada set dari objek yang mempunyai sifat-sifat ukuran ordinal dan ditambah satu sifat lain, yakni jarak yang sama pada pengukuran dinamakan data interval. Data ini memperlihatkan jarak yang sama dari ciri atau sifat objek yang diukur. Akan tetapi ukuran interval tidak memberikan jumlah absolut dari objek yang diukur. Data yang diperoleh dari hasil pengukuran menggunakan skala interval dinamakan data interval. Misalnya tentang nilai ujian 6 orang mahasiswa, yakni A, B, C, D, E dan F diukur dengan ukuran interval pada skala prestasi dengan ukuran 1, 2, 3, 4, 5 dan 6, maka dapat dikatakan bahwa beda prestasi antara C dan A adalah 3 – 1 = 2. Beda prestasi antara C dan F adalah 6 – 3 = 3. Akan tetapi tidak bisa dikatakan bahwa prestasi E adalah 5 kali prestasi A ataupun prestasi F adalah 3 kali lebih baik dari prestasi B. Dari hasil pengukuran dengan menggunakan skala interval ini akan diperoleh data interval. Alat analisis (uji hipotesis asosiatif) statistik parametrik yang lazim digunakan untuk data interval ini adalah Pearson Korelasi Product Moment, Partial Correlation, Multiple Correlation, Partial Regression, dan Multiple Regression.d. Data ratioUkuran yang meliputi semua ukuran di atas ditambah dengan satu sifat yang lain, yakni ukuran yang memberikan keterangan tentang nilai absolut dari objek yang diukur dinamakan ukuran ratio. Ukuran ratio memiliki titik nol, karenanya, interval jarak tidak dinyatakan dengan beda angka rata-rata satu kelompok dibandingkan dengan titik nol di atas. Oleh karena ada titik nol, maka ukuran ratio dapat dibuat perkalian ataupun pembagian. Angka pada skala ratio dapat menunjukkan nilai sebenarnya dari objek yang diukur. Jika ada 4 orang pengemudi, A, B, C dan D mempunyai pendapatan masing-masing perhari Rp. 10.000, Rp.30.000, Rp. 40.000 dan Rp. 50.000. bila dilihat dengan ukuran ratio maka pendapatan pengemudi C adalah 4 kali pendapatan pengemudi A. Pendapatan D adalah 5 kali pendapatan A. Pendapatan C adalah 4/3 kali pendapatan B. Dengan kata lain, ratio antara C dan A adalah 4 : 1, ratio antara D dan A adalah 5 : 1, sedangkan rasio antara C dan B adalah 4 : 3. Interval pendapatan pengemudi A dan C adalah 30.000. dan pendapatan pengemudi C adalah 4 kali pendapatan pengemudi A. Contoh lainnya adalah berat badan bayi yang diukur dengan skala ratio. Bayi A memiliki berat 3 Kg. Bayi B memiliki berat 2 Kg dan bayi C memiliki berat 1 Kg. Jika diukur dengan skala Ratio, maka bayi A memiliki ratio berat badan 3 kali dari berat badan bayi C. Bayi B memiliki ratio berat badan dua kali dari berat badan bayi C, dan bayi C memiliki ratio berat badan sepertiga kali berat badan bayi A, dst. Dari hasil pengukuran dengan menggunakan skala rasio ini akan diperoleh data ratio. Alat analisis (uji hipotesis asosiatif) yang digunakan adalah statistik parametrik dan yang lazim digunakan untuk data rasio ini adalah Pearson Korelasi Product Moment, Partial Correlation, Multiple Correlation, Partial Regression, dan Multiple Regression.Sesuai dengan ulasan jenis pengukuran yang digunakan, maka variabel penelitian diharapkan dapat bagi 4 bagian, yakni variabel nominal, variabel ordinal, variabel interval, dan variabel ratio. Variabel nominal, yaitu variabel yang dikategorikan secara diskrit dan saling terpisah seperti status perkawinan, jenis kelamin, suku bangsa, dan sebagainya. Variabel ordinal adalah variabel yang disusun atas dasar peringkat, seperti motivasi seseorang untuk bekerja, peringkat perlombaan catur, peringkat tingkat kesukaran suatu pekerjaan dan lain-lain. Variabel interval adalah variabel yang diukur dengan ukuran interval seperti indek prestasi ahasiswa, skala termometer dan sebagainya, sedangkan variabel rasio adalah variabel yang disusun dengan ukuran ratio seperti tingkat penganggguran, penghasilan, berat badan, dan sebagainya......

e. Konversi variabel ordinalAdakalanya kita tidak ingin menguji hipotesis dengan alat uji hipotesis statistik nonparametrik dengan berbagai pertimbangan. Misalnya kita ingin melakukan uji statistik parametrik Pearson Korelasi Product Moment, Partial Correlation, Multiple Correlation, Partial Regresion dan Multiple Regression, padahal data yang kita miliki adalah hasil pengukuran dengan skala ordinal, sedangkan persyaratan penggunaan statistik parametrik adalah selain data harus berbentuk interval atau rasio, data harus memiliki distribusi normal. Jika kita tidak ingin melakukan ujinormalitas karena data yang kita miliki adalah data ordinal, hal itu bisa saja kita lakukan dengan cara menaikkan data dari pengukuran skala ordinal menjadi data dalam skala interval dengan metode Suksesive Interval.Menuruti Al-Rasyid, menaikkan data dari skala ordinal menjadi skala interval dinamakan transformasi data. Transformasi data ini, dilakukan diantaranya adalah dengan menggunakan Metode Suksesive Interval. Transformasi Data Ordinal ini dilakukan dengan tujuan untuk memperoleh data dengan skala pengururan interval yang lazim digunakan bagi kepentingan analisis statistik parametrik. Transformasi data ordinal menjadi Interval ini, selain merupakan suatu kelaziman, juga untuk mengubah data agar memiliki sebaran normal. Artinya, setelah melakukan Transformasi data ordinal menggunakan model ini tidak perlu melakukan uji normalitas. Karena salah satu syarat penggunaan statistik parametrik, selain data harus memiliki skala interval (dan ratio), data juga harus memiliki distribusi normal. Dengan dilakukannya transformasi data ini, diharapkan data ordinal sudah menjadi data interval yang memiliki sebaran normal yang langsung bisa dilakukan analisis dengan statistik parametrik. Berbeda dengan ststistik nonparametrik, ia hanya digunakan untuk mengukur distribusi. (Ronald E. Walpole).

VARIABEL

Variabel penelitian adalah objek yang diteliti yang memiliki nilai yang bervariasi. Dengan demikian sesuatu yang hanya mempunyai satu nilai (tidak mempunyai nilai yang bervariasi) tidak dapat dinyatakan sebagai variabel, tetapi konstanta (constant).

1. Kualitatif dan Kuantitatif

Qualitative Variable, adalah variabel yang datanya berupa data kualitatif (skala nominal atau ordinal). Quantitative Variable, adalah variabel yang datanya berupa angka (skala ordinal, interval, atau rasio). 1. Variabel Independen (Pengaruh, Bebas, Stimulus, Prediktor)Merupakan variabel yang mempengaruhi atau yang menjadi sebab perubahannya atau timbulnya variabel dependen (terikat).2. Variabel Dependen (Dipengaruhi, Terikat, Output, Kriteria, Konsekuen)Merupakan variabel yang dipengaruhi atau akibat, karena adanya variabel bebas.Contoh: Pengaruh Iklan Terhadap Motivasi Pembelian.Iklan = Variabel IndependenMotivasi Pembelian = Variabel Dependen.

2. Bebas dan Terikat Variabel Bebas (Independent Variable), adalah variabel yang mempengaruhi variabel yang lain (variabel terikat). Variabel Terikat (Dependent Variable), adalah variabel yang dipengaruhi oleh variabel lain (variabel bebas).

Dua pengertian di atas memperlihatkan bahwa istilah dua jenis variabel ini muncul pada penelitian (study) pengaruh.

Jika digambarkan, modelnya akan menjadi:

VB

VT

Contoh: Pada penelitian tentang ”Pengaruh IQ terhadap Nilai yang Dicapai Mahasiswa dalam Perkuliahan Statistika”, yang menjadi VB adalah ”IQ” dan yang menjadi VT adalah ”Nilai yang Dicapai Mahasiswa dalam Perkuliahan Statistika”.

Catatan: Pada penelitian korelasional tidak dikenal istilah variabel bebas dan terikat, karena;

a. Pada hubungan relasional tidak ada variabel yang ”mempengaruhi” (VB) maupun ”dipengaruhi” (VT).

Contoh: Hubungan Kemampuan Berbahasa Arab dan Kemampuan Berbahasa Inggris Mahasiswa.

b. Pada hubungan resiprokal tiap variabel ”mempengaruhi” dan ”dipengaruhi” oleh variabel yang lain, sehingga penentuan VB dan VT menjadi rancu.

Contoh: Hubungan Motivasi dan Hasil Belajar Mahasiswa.

Ekonometrika merupakan perpaduan dari teori ekonomi, matematika dan statistika, yang dapat digunakan untuk memecahkan persoalan ekonomi yang bersifat kuantitatif, secara empiris. Teori ekonomi berfungsi untuk mengidentifikasi variabel-variabel yang terlibat dalam suatu gejala ekonomi dan atau teori ekonomi yang akan dianalisis, beserta banyaknya hubungan antarvariabel. Matematika berfungsi untuk merumuskan hubungan antarvariabel tersebut dalam bentuk persamaan matematis, agar dapat diuji keberlakuannya secara empiris. Sedangkan statistika berfungsi untuk menentukan nilai koefisien daripada variabel-variabel ekonomi beserta tingkat keeratan hubungan dan pengaruh antarvariabelnya.

Sebagai perpaduan dari teori ekonomi, matematika dan statistika, ekonometrika dapat diartikan sebagai bidang studi yang mempelajari gejala ekonomi dan atau teori ekonomi yang bersifat kuantitatif, secara empiris, berdasarkan rumusan matematis dan analisis statistika. Sehingga sangat berguna dalam merumuskan model, menganalisis data empiris untuk menguji keberlakuan suatu teori ekonomi dan atau memecahkan persoalan yang terdapat dalam suatu gejala ekonomi, serta untuk menarik kesimpulan yang sangat bermanfaat dalam penentuan kebijakan, dan meramalkan gerak perubahan nilai variabel.

1.Hipotesis nol mengandung arti tidak ada pengaruh, tidak ada interaksi, tidak ada hubungan, atau tidak ada perbedaan2.Hipotesis alternative adalah pernyataan operasional dari hipotesis penelitian. Bila hipotesis alternatif berdasarkan teori maka disebut hipotesis deduktif. Tetapi bila hipotesis alternatif berdasarkan pengamatan disebut hipotesis induktifContoh hipotesis nol (Ho) ; Tidak ada perbedaan kreatifitas antara anak yang diberi keleluasaan dengan anak yang dikekang dalam keluarga.

Contoh hipotesis alternative (Ha) ; Ada perbedaan kreativitas antara anak yang diberi keleluasaan dengan anak yang dikekang dalam keluarga atau Kreativitas anak yang diberi keleluasaan lebih tinggi daripada kreativitas anak yang dikekang (hubungan positif) ; atau kreativitas anak yang dikekang lebih tinggi daripada kreativitas anak yang diberi keleluasaan (hubungan negatif).

Standard error metode pengukuran atau estimasi adalah standar deviasi dari distribusi sampling yang terkait dengan metode estimasi. [1] Istilah ini juga dapat digunakan untuk merujuk kepada perkiraan bahwa deviasi standar, berasal dari sampel tertentu digunakan untuk menghitung perkiraan.