Kamis, 27 Juli 2017

Manipulasi Data, atau Mengubah Data?

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

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

Seperti yang diketahui, bahwa sebenarnya apa yang di-treatment-kan terhadap informasi atau data itu adalah 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 aktivitas membuat jalan pintas yang tujuannya membuat kronologi logika menjadi lebih mudah. Yaitu dengan membuat 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 memberikan ruang luas bagi kita bila ingin mengubah suatu data. Mengubah dalam hal ini dimaksudkan agar data yang tersedia telah relevan dengan penggunaan analisisnya. Jika bertujuan menganalisis pola tahunan, maka data triwulanan perlu diubah menjadi data tahunan, jika bertujuan menganalisis pola bulanan, maka data tahunan harus dipecah menjadi data bulanan dan seterusnya.
Mengubah pola data tentu ada rambu-rambunya.

Menggabungkan pola dari data triwulanan ke pola tahunan tentu lebih mudah dibanding memecah dari data tahunan menjadi data bulanan. Perlakuan saat mengubah data juga memerlukan teknik-teknik khusus agar pola data yang terbentuk juga relevan dengan tujuan analisis. Pola data yang terbentuk juga sesuai dari aspek historisnya.

Kesalahan konfigurasi pola 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 hingga berpola tertentu lebih “aman” sebab kronologis perlakuan bersifat induktif. Fenomena ekonomi dapat kita ungkap pada akhir penggabungan data itu. Berbeda jauh untuk data hasil pemecahan, fenomena-fenomena ekonomi harus kita kaitkan menurut referensi waktunya masing-masing sedemikian rupa sehingga pola data hasil pemecahan telah “mendekati” historis data yang sebenarnya.