00724 - Statistika Ilmu Ekonomi: Dasar dan Lanjutan

Abstract

Statistics is one of the fundamental pillars in economics, both at the basic and advanced levels. This article presents a comprehensive discussion of statistics in economics, ranging from basic concepts to advanced methods used in contemporary economic research. The discussion covers descriptive statistics, inferential statistics, regression analysis, econometrics, and the application of these methods in various fields of economic study. In addition, this article also discusses the latest developments in the use of statistics for bibliometric analysis in economic and financial literature. The results of the review show that statistical methods — from simple descriptive statistics to complex econometric models — enable economists to understand, analyze, and predict economic phenomena systematically and evidence-based. The development of statistics in economic research continues to grow along with technological advances and the increasing complexity of economic problems faced by modern society, including the integration of big data and machine learning approaches in economic analysis.

Keywords: statistics, economics, econometrics, regression analysis, bibliometric analysis

Abstrak

Statistika merupakan salah satu pilar fundamental dalam ilmu ekonomi, baik pada tataran dasar maupun lanjutan. Artikel ini menyajikan pembahasan komprehensif mengenai statistika dalam ilmu ekonomi, mulai dari konsep-konsep dasar hingga metode-metode lanjutan yang digunakan dalam penelitian ekonomi kontemporer. Pembahasan mencakup statistika deskriptif, inferensial, analisis regresi, ekonometrika, serta aplikasi metode-metode tersebut dalam berbagai bidang kajian ekonomi. Selain itu, artikel ini juga membahas perkembangan terkini dalam penggunaan statistika untuk analisis bibliometrik dalam literatur ekonomi dan keuangan. Hasil kajian menunjukkan bahwa metode-metode statistika — dari statistika deskriptif yang sederhana hingga model ekonometrika yang kompleks — memungkinkan para ekonom untuk memahami, menganalisis, dan memprediksi fenomena ekonomi secara sistematis dan berbasis bukti. Perkembangan statistika dalam penelitian ekonomi terus berkembang seiring dengan kemajuan teknologi dan semakin kompleksnya permasalahan ekonomi yang dihadapi oleh masyarakat modern, termasuk integrasi pendekatan big data dan machine learning dalam analisis ekonomi.

Kata Kunci: statistika, ilmu ekonomi, ekonometrika, analisis regresi, analisis bibliometrik

1. Pendahuluan

Statistika merupakan salah satu pilar fundamental dalam ilmu ekonomi, baik pada tataran dasar maupun lanjutan. Dalam konteks ilmu ekonomi, statistika berfungsi sebagai alat analisis kuantitatif yang memungkinkan para ekonom, peneliti, dan pembuat kebijakan untuk memahami fenomena ekonomi secara sistematis, mengukur hubungan antarvariabel, serta membuat inferensi dan prediksi yang berbasis data. Penggunaan statistika dalam penelitian ekonomi telah berkembang pesat seiring dengan semakin kompleksnya permasalahan ekonomi yang dihadapi oleh masyarakat modern (Lukita et al., 2022). Sebagai contoh, dalam kajian pertumbuhan ekonomi dan krisis keuangan, pendekatan statistika dan ekonometrika digunakan secara intensif untuk menguji hipotesis dan menghasilkan bukti empiris yang dapat diandalkan (Raz et al., 2012). Demikian pula, dalam analisis dampak pengeluaran pemerintah terhadap kemiskinan dan pertumbuhan ekonomi daerah, metode statistik seperti Partial Least Square (PLS) dan regresi data panel menjadi instrumen analisis yang tidak tergantikan (Ambya & Ciptawaty, 2022).

Artikel ini bertujuan untuk menyajikan pembahasan komprehensif mengenai statistika dalam ilmu ekonomi, mulai dari konsep-konsep dasar hingga metode-metode lanjutan yang digunakan dalam penelitian ekonomi kontemporer. Pembahasan mencakup statistika deskriptif, inferensial, analisis regresi, ekonometrika, serta aplikasi metode-metode tersebut dalam berbagai bidang kajian ekonomi. Selain itu, artikel ini juga membahas perkembangan terkini dalam penggunaan statistika untuk analisis bibliometrik dalam literatur ekonomi dan keuangan, yang semakin banyak digunakan untuk memetakan perkembangan ilmu pengetahuan di bidang ini (Judijanto et al., 2024; Judijanto & Syamsulbahri, 2024).

2. Statistika Dasar dalam Ilmu Ekonomi

2.1 Pengertian dan Ruang Lingkup Statistika Ekonomi

Statistika dalam ilmu ekonomi dapat dipahami sebagai seperangkat metode matematis dan analitis yang digunakan untuk mengumpulkan, mengolah, menyajikan, dan menginterpretasikan data ekonomi guna mendukung pengambilan keputusan yang rasional dan berbasis bukti. Dalam konteks yang lebih luas, statistika ekonomi mencakup berbagai teknik mulai dari penyajian data sederhana hingga pemodelan ekonometrika yang kompleks (Jabnabillah et al., 2023). Ekonometrika sendiri merupakan ilmu yang dapat dipelajari dengan mengenal ilmu-ilmu dasar terlebih dahulu, di mana ilmu dasar yang dimaksud meliputi ilmu matematika, teori-teori ekonomi, dan prinsip-prinsip dalam statistika (Jabnabillah et al., 2023).

Statistika dalam ilmu ekonomi memiliki dua dimensi utama: statistika deskriptif dan statistika inferensial. Statistika deskriptif berkaitan dengan cara meringkas, menyajikan, dan menggambarkan data ekonomi secara sistematis, sedangkan statistika inferensial berkaitan dengan cara menarik kesimpulan tentang populasi berdasarkan sampel data yang tersedia (Tizmi et al., 2022). Kedua dimensi ini saling melengkapi dan menjadi fondasi bagi analisis ekonomi yang lebih mendalam.

Dalam praktik penelitian ekonomi, statistika deskriptif digunakan untuk menentukan bagaimana karakter digunakan dari data, termasuk pengukuran tendensi sentral, dispersi, dan distribusi data (Tizmi et al., 2022). Sementara itu, statistika inferensial memungkinkan peneliti untuk menguji hipotesis ekonomi dan membuat generalisasi dari sampel ke populasi yang lebih luas. Pemilihan alat analisis statistik yang tepat merupakan salah satu tantangan utama yang dihadapi oleh para peneliti ekonomi, di mana hambatan utama terletak pada pemilihan alat analisis statistik yang sesuai dengan jenis data dan pertanyaan penelitian yang diajukan (Prawitasari & Sartika, 2020).

2.2 Statistika Deskriptif dalam Analisis Ekonomi

Statistika deskriptif merupakan langkah awal yang esensial dalam setiap analisis ekonomi. Metode ini mencakup berbagai teknik untuk meringkas dan menyajikan data ekonomi secara informatif dan mudah dipahami. Dalam penelitian ekonomi, statistika deskriptif digunakan untuk mengidentifikasi distribusi publikasi menurut berbagai variabel yang telah diidentifikasi, sementara tren publikasi dieksplorasi dengan memeriksa distribusi publikasi dari waktu ke waktu (Judijanto & Syamsulbahri, 2024).

Ukuran-ukuran statistika deskriptif yang umum digunakan dalam analisis ekonomi meliputi:

Ukuran Tendensi Sentral: Mean (rata-rata), median, dan modus merupakan ukuran yang paling sering digunakan untuk menggambarkan nilai tipikal dari suatu variabel ekonomi. Dalam analisis data panel ekonomi, misalnya, rata-rata pertumbuhan ekonomi atau rata-rata tingkat kemiskinan suatu wilayah menjadi indikator penting dalam evaluasi kebijakan (Ambya & Ciptawaty, 2022). Dalam konteks analisis bibliometrik literatur ekonomi, rata-rata sitasi per makalah dan rata-rata sitasi per tahun menjadi indikator penting untuk mengukur dampak ilmiah suatu penelitian (Judijanto et al., 2024; Judijanto & Syamsulbahri, 2024).

Ukuran Dispersi: Standar deviasi, varians, dan rentang (range) digunakan untuk mengukur seberapa besar variasi atau penyebaran data ekonomi dari nilai rata-ratanya. Dalam analisis meta-analisis, standar deviasi dan ukuran efek (size effect) dari publikasi dengan pendekatan kuantitatif dikumpulkan untuk analisis lebih lanjut (Marta et al., 2024). Ukuran dispersi ini sangat penting dalam analisis risiko ekonomi dan keuangan, di mana volatilitas merupakan indikator kunci dalam manajemen risiko (Judijanto, Sudarmanto, et al., 2024).

Distribusi Frekuensi dan Visualisasi Data: Tabel frekuensi, histogram, dan grafik batang digunakan secara luas dalam analisis ekonomi untuk menggambarkan distribusi variabel-variabel ekonomi. Dalam penelitian tentang pengeluaran pemerintah dan pertumbuhan ekonomi, misalnya, data dianalisis secara deskriptif menggunakan tabel frekuensi untuk menggambarkan karakteristik sampel penelitian (Ambya & Ciptawaty, 2022; Prawitasari & Sartika, 2020).

Indeks dan Rasio Ekonomi: Dalam analisis ekonomi makro, berbagai indeks seperti indeks harga konsumen, indeks produksi industri, dan rasio-rasio keuangan merupakan bentuk statistika deskriptif yang digunakan untuk mengukur kondisi perekonomian secara agregat. Data yang digunakan dalam penelitian ekonomi seringkali bersumber dari publikasi statistik resmi seperti Badan Pusat Statistik (BPS), yang merupakan lembaga survei statistik resmi yang bertanggung jawab sebagai badan publikasi laporan serta informasi yang penting terkait fenomena ekonomi yang nyata di Indonesia (Wahyudi & Tiara, 2022).

2.3 Distribusi Probabilitas dalam Ekonomi

Pemahaman tentang distribusi probabilitas merupakan fondasi penting dalam statistika ekonomi. Distribusi probabilitas menggambarkan kemungkinan terjadinya berbagai nilai dari suatu variabel ekonomi, dan menjadi dasar bagi berbagai metode inferensial yang digunakan dalam analisis ekonomi.

Distribusi normal merupakan distribusi yang paling sering diasumsikan dalam analisis ekonomi, terutama karena teorema limit sentral yang menyatakan bahwa rata-rata sampel dari populasi mana pun akan mendekati distribusi normal seiring dengan meningkatnya ukuran sampel. Asumsi normalitas ini menjadi prasyarat bagi banyak uji statistik parametrik yang digunakan dalam penelitian ekonomi. Prosedur statistik inferensial parametriks dipakai karena data berasal dari anggota populasi yang berdistribusi normal dan sampel ditarik secara acak dari populasi yang berdistribusi normal (Zulfadhli, 2022).

Selain distribusi normal, distribusi-distribusi lain seperti distribusi t-Student, distribusi chi-kuadrat, dan distribusi F juga memainkan peran penting dalam pengujian hipotesis ekonomi. Distribusi t-Student digunakan dalam uji-t untuk membandingkan rata-rata dua kelompok atau menguji signifikansi koefisien regresi, sementara distribusi F digunakan dalam analisis varians (ANOVA) dan uji signifikansi model regresi secara keseluruhan (Aliasuddin et al., 2022; Zulfadhli, 2022).

2.4 Pengujian Hipotesis dalam Penelitian Ekonomi

Pengujian hipotesis merupakan salah satu aplikasi terpenting dari statistika inferensial dalam ilmu ekonomi. Melalui pengujian hipotesis, peneliti ekonomi dapat menentukan apakah suatu hubungan atau perbedaan yang diamati dalam data sampel mencerminkan hubungan atau perbedaan yang sesungguhnya dalam populasi, atau hanya merupakan hasil kebetulan akibat variasi sampling.

Dalam penelitian ekonomi, pengujian hipotesis umumnya melibatkan penetapan hipotesis nol (H₀) dan hipotesis alternatif (H₁), pemilihan tingkat signifikansi (α), penghitungan statistik uji, dan pengambilan keputusan berdasarkan nilai-p atau perbandingan statistik uji dengan nilai kritis. Sebagai contoh, dalam penelitian tentang pengaruh pengeluaran pemerintah terhadap kemiskinan dan pertumbuhan ekonomi, terdapat tiga hipotesis nol yang harus diuji: (1) tidak ada pengaruh langsung pendidikan dan kesehatan terhadap kemiskinan; (2) tidak ada efek langsung dari kemiskinan terhadap pertumbuhan ekonomi (Ambya & Ciptawaty, 2022).

Uji-t satu sampel dan uji ANOVA searah merupakan contoh pengujian hipotesis yang umum digunakan dalam penelitian ekonomi. Dalam penelitian tentang pengetahuan mahasiswa tentang karya tulis ilmiah, misalnya, analisis data menggunakan statistik inferensial parametriks yakni uji-t satu sampel dan uji ANOVA searah melalui penghitungan SPSS (Zulfadhli, 2022). Nilai signifikansi (p-value) yang diperoleh dari pengujian ini kemudian dibandingkan dengan tingkat signifikansi yang telah ditetapkan (biasanya α = 0,05) untuk menentukan apakah hipotesis nol ditolak atau gagal ditolak.

Dalam konteks penelitian ekonomi yang lebih kompleks, pengujian hipotesis seringkali melibatkan uji-uji yang lebih canggih seperti uji Hausman untuk memilih antara model efek tetap dan efek acak dalam data panel, uji Granger untuk kausalitas, dan berbagai uji diagnostik untuk memeriksa asumsi-asumsi model ekonometrika (Aliasuddin et al., 2022; Nurjan & Sari, 2023).

3. Analisis Regresi dalam Ekonomi

3.1 Regresi Linear Sederhana

Analisis regresi merupakan salah satu metode statistika yang paling banyak digunakan dalam penelitian ekonomi. Regresi linear sederhana menggambarkan hubungan linear antara satu variabel dependen (Y) dan satu variabel independen (X), yang dinyatakan dalam persamaan: Y = α + βX + ε, di mana α adalah konstanta (intercept), β adalah koefisien regresi (slope), dan ε adalah error term.

Dalam penelitian ekonomi, regresi linear sederhana digunakan untuk menganalisis berbagai hubungan ekonomi yang mendasar. Sebagai contoh, dalam penelitian tentang pengaruh pertumbuhan ekonomi terhadap tingkat kemiskinan di Kota Medan, metode yang digunakan adalah uji regresi sederhana dengan SPSS, dengan pertumbuhan ekonomi sebagai variabel independen (X) dan tingkat kemiskinan sebagai variabel dependen (Y) (Silalahi et al., 2023). Hasil penelitian menunjukkan bahwa pertumbuhan ekonomi yang terjadi di Kota Medan memiliki pengaruh positif dan signifikan terhadap tingkat kemiskinan di kota tersebut (Silalahi et al., 2023).

Interpretasi koefisien regresi dalam konteks ekonomi memerlukan pemahaman yang mendalam tentang teori ekonomi yang mendasarinya. Koefisien β menunjukkan perubahan rata-rata dalam variabel dependen untuk setiap satu unit perubahan dalam variabel independen, dengan asumsi variabel lain konstan (ceteris paribus). Dalam analisis ekonomi, interpretasi ini harus selalu dikaitkan dengan teori ekonomi yang relevan untuk memastikan bahwa hubungan yang ditemukan secara statistik juga bermakna secara ekonomi (Silalahi et al., 2023).

3.2 Regresi Linear Berganda

Regresi linear berganda merupakan perluasan dari regresi sederhana yang memungkinkan analisis pengaruh beberapa variabel independen secara simultan terhadap satu variabel dependen. Dalam ilmu ekonomi, hampir semua fenomena ekonomi dipengaruhi oleh lebih dari satu faktor, sehingga regresi berganda menjadi alat analisis yang sangat penting.

Model regresi berganda dalam ekonomi dapat dinyatakan sebagai: Y = α + β₁X₁ + β₂X₂ + ... + βₙXₙ + ε. Dalam penelitian tentang kualitas laporan keberlanjutan perusahaan, misalnya, analisis data menggunakan statistik deskriptif, regresi linier berganda, serta uji asumsi klasik untuk menguji pengaruh media online, media sosial, dan jenis industri terhadap kualitas pengungkapan laporan keberlanjutan (Tizmi et al., 2022).

Sebelum melakukan interpretasi hasil regresi berganda, peneliti harus memastikan bahwa asumsi-asumsi klasik regresi terpenuhi, yang meliputi:

• Linearitas: Hubungan antara variabel dependen dan independen bersifat linear.

• Normalitas Residual: Residual (error) berdistribusi normal.

• Homoskedastisitas: Varians residual konstan untuk semua nilai variabel independen.

• Non-Multikolinearitas: Tidak ada korelasi yang sempurna atau mendekati sempurna antara variabel-variabel independen.

• Non-Autokorelasi: Residual tidak berkorelasi satu sama lain.

Pengujian asumsi-asumsi ini merupakan bagian integral dari analisis regresi dalam penelitian ekonomi. Pelanggaran terhadap asumsi-asumsi ini dapat menghasilkan estimasi koefisien yang bias, tidak efisien, atau tidak konsisten, sehingga kesimpulan yang diambil dari analisis tersebut menjadi tidak valid (Ambya & Ciptawaty, 2022; Tizmi et al., 2022).

3.3 Uji Asumsi Klasik

Uji asumsi klasik merupakan serangkaian pengujian yang dilakukan untuk memastikan bahwa model regresi yang digunakan memenuhi persyaratan statistik yang diperlukan untuk menghasilkan estimasi yang BLUE (Best Linear Unbiased Estimator). Dalam penelitian ekonomi, uji asumsi klasik yang umum dilakukan meliputi:

Uji Normalitas: Digunakan untuk menguji apakah residual model regresi berdistribusi normal. Uji ini dapat dilakukan menggunakan uji Kolmogorov-Smirnov, uji Shapiro-Wilk, atau dengan melihat grafik normal probability plot. Dalam penelitian ekonomi yang menggunakan perangkat lunak statistik seperti IBM SPSS, uji normalitas merupakan salah satu tahap wajib dalam analisis regresi (Tizmi et al., 2022).

Uji Heteroskedastisitas: Digunakan untuk menguji apakah varians residual konstan (homoskedastis) atau bervariasi (heteroskedastis) untuk berbagai nilai variabel independen. Heteroskedastisitas sering ditemukan dalam data ekonomi cross-section, terutama ketika data mencakup unit-unit ekonomi dengan ukuran yang sangat berbeda. Uji Glejser, uji White, dan uji Breusch-Pagan merupakan beberapa metode yang umum digunakan untuk mendeteksi heteroskedastisitas (Tizmi et al., 2022).

Uji Multikolinearitas: Digunakan untuk mendeteksi adanya korelasi yang tinggi antara variabel-variabel independen dalam model regresi. Multikolinearitas dapat menyebabkan estimasi koefisien menjadi tidak stabil dan standar error menjadi sangat besar, sehingga uji-t menjadi tidak signifikan meskipun variabel tersebut sebenarnya berpengaruh terhadap variabel dependen. Nilai Variance Inflation Factor (VIF) dan Tolerance merupakan indikator yang umum digunakan untuk mendeteksi multikolinearitas (Ambya & Ciptawaty, 2022; Tizmi et al., 2022).

Uji Autokorelasi: Digunakan untuk mendeteksi adanya korelasi antara residual pada satu periode dengan residual pada periode sebelumnya, yang sering terjadi dalam data time series ekonomi. Uji Durbin-Watson merupakan uji yang paling umum digunakan untuk mendeteksi autokorelasi dalam model regresi (Aliasuddin et al., 2022).

4. Ekonometrika sebagai Statistika Lanjutan dalam Ekonomi

4.1 Pengertian dan Perkembangan Ekonometrika

Ekonometrika merupakan cabang ilmu yang menggabungkan teori ekonomi, matematika, dan statistika untuk menganalisis fenomena ekonomi secara kuantitatif. Ekonometrika atau dikenal sebagai ekonometrika merupakan ilmu yang dapat dipelajari dengan mengenal ilmu-ilmu dasar terlebih dahulu, di mana ilmu dasar yang dimaksud meliputi ilmu matematika, teori-teori ekonomi, dan prinsip-prinsip dalam statistika (Jabnabillah et al., 2023). Dalam perkembangannya, ekonometrika telah menjadi alat analisis yang sangat penting dalam penelitian ekonomi modern, memungkinkan para ekonom untuk menguji teori-teori ekonomi secara empiris dan menghasilkan bukti kuantitatif yang dapat digunakan sebagai dasar kebijakan ekonomi.

Perkembangan ekonometrika dalam penelitian pertanian dan sumber daya alam menunjukkan bahwa sejak awal, sejumlah ekonom pertanian terlibat dalam pengembangan metode ekonometrika baru, dan seiring waktu ketika profesi ekonomi menjadi lebih berorientasi empiris, para ekonom pertanian dan sumber daya semakin mengambil peran sebagai "early adopters" dari metode ekonometrika baru (Bessler et al., 2010). Hal ini mencerminkan dinamika perkembangan ekonometrika yang terus berevolusi seiring dengan kebutuhan analisis ekonomi yang semakin kompleks.

4.2 Model Data Panel

Analisis data panel merupakan salah satu metode ekonometrika yang paling banyak digunakan dalam penelitian ekonomi kontemporer. Data panel menggabungkan dimensi cross-section (berbagai unit ekonomi seperti negara, provinsi, atau perusahaan) dengan dimensi time series (berbagai periode waktu), sehingga memungkinkan analisis yang lebih kaya dan komprehensif dibandingkan dengan data cross-section atau time series saja.

Dalam penelitian tentang pengaruh pengeluaran lembaga nirlaba rumah tangga dan perubahan inventori terhadap pertumbuhan ekonomi Provinsi Nusa Tenggara Barat, misalnya, digunakan regresi data panel dengan total 10 kabupaten/kota menggunakan program EViews 12, dengan estimasi model Fixed Effect (FEM) (Nurjan & Sari, 2023). Pemilihan antara model Fixed Effect (FEM) dan Random Effect (REM) dalam analisis data panel biasanya dilakukan berdasarkan uji Hausman, yang menguji apakah efek individu berkorelasi dengan variabel independen dalam model.

Model Fixed Effect mengasumsikan bahwa setiap unit cross-section memiliki intercept yang berbeda-beda tetapi konstan sepanjang waktu, sehingga dapat mengendalikan heterogenitas yang tidak teramati yang bersifat tetap. Sementara itu, model Random Effect mengasumsikan bahwa perbedaan antarunit cross-section bersifat acak dan tidak berkorelasi dengan variabel independen dalam model (Ambya & Ciptawaty, 2022; Nurjan & Sari, 2023).

Keunggulan utama analisis data panel dibandingkan dengan data cross-section atau time series adalah kemampuannya untuk mengendalikan heterogenitas individu yang tidak teramati, memberikan lebih banyak informasi dan variabilitas data, mengurangi kolinearitas antarvariabel, serta meningkatkan efisiensi estimasi. Dalam penelitian ekonomi regional, data panel sangat berguna untuk menganalisis perbedaan kinerja ekonomi antardaerah dan mengidentifikasi faktor-faktor yang memengaruhi pertumbuhan ekonomi daerah (Ambya & Ciptawaty, 2022; Raz et al., 2012).

4.3 Model Time Series dan Analisis Runtun Waktu

Analisis time series merupakan metode statistika yang digunakan untuk menganalisis data yang dikumpulkan secara berurutan dalam waktu. Dalam ilmu ekonomi, data time series sangat umum digunakan, mulai dari data PDB, inflasi, suku bunga, hingga harga saham dan nilai tukar. Penerapan berbagai model time series sangat penting dalam penelitian ilmu ekonomi terutama untuk kepentingan publikasi artikel di jurnal internasional (Aliasuddin et al., 2022).

Salah satu konsep fundamental dalam analisis time series ekonomi adalah stasioneritas. Faktor stasioneritas ini sangat penting dalam estimasi model ekonomi terutama dalam penggunaan data time series (Aliasuddin et al., 2022). Data time series dikatakan stasioner jika mean, varians, dan autokovarians-nya tidak berubah sepanjang waktu. Banyak data ekonomi makro seperti PDB, tingkat harga, dan nilai tukar bersifat nonstasioner, sehingga diperlukan transformasi atau diferensiasi sebelum dapat dianalisis menggunakan metode time series standar.

Beberapa model time series yang umum digunakan dalam analisis ekonomi meliputi:

Model ARIMA (Autoregressive Integrated Moving Average): Model ini menggabungkan komponen autoregresif (AR), integrasi (I), dan moving average (MA) untuk memodelkan dan meramalkan data time series ekonomi. Model ARIMA sangat berguna untuk peramalan jangka pendek variabel-variabel ekonomi seperti inflasi, pertumbuhan ekonomi, dan nilai tukar.

Model VAR (Vector Autoregression): Model VAR digunakan untuk menganalisis hubungan dinamis antara beberapa variabel time series secara simultan. Dalam penelitian ekonomi, model VAR sering digunakan untuk menganalisis transmisi kebijakan moneter, dampak guncangan ekonomi, dan hubungan antarvariabel makroekonomi.

Model GARCH (Generalized Autoregressive Conditional Heteroskedasticity): Model GARCH digunakan untuk memodelkan volatilitas dalam data keuangan dan ekonomi, di mana varians residual tidak konstan tetapi bergantung pada nilai residual sebelumnya. Model ini sangat berguna dalam analisis risiko keuangan dan manajemen portofolio (Judijanto, Sudarmanto, et al., 2024).

Model TAR (Threshold Autoregressive): Model TAR merupakan model yang sangat baru dan masih jarang digunakan dalam penelitian dan publikasi di dalam negeri namun sudah banyak dilakukan di luar negeri. Model ini relatif baru dan penggunaannya juga masih sangat terbatas sehingga aplikasi model ini dalam penelitian ekonomi dan keuangan masih sangat besar (Aliasuddin et al., 2022).

4.4 Ekonometrika Spasial

Ekonometrika spasial merupakan cabang ekonometrika yang secara khusus menangani data yang memiliki dimensi spasial atau geografis. Ekonometrika spasial dapat didefinisikan dalam arti sempit sebagai metode dan teknik untuk analisis model regresi menggunakan data yang diamati dalam porsi-porsi diskrit dari ruang seperti negara atau wilayah, dan dalam arti yang lebih luas mencakup model dan instrumen teoritis dari statistika spasial dan analisis data spasial untuk menganalisis berbagai efek ekonomi seperti eksternalitas, interaksi, konsentrasi spasial, dan banyak lainnya (Arbia, 2016).

Dalam ekonometrika spasial, terdapat beberapa jenis ketergantungan spasial yang perlu diperhatikan, yaitu spatial lag (ketergantungan pada nilai variabel dependen di wilayah tetangga) dan spatial error (ketergantungan pada error term di wilayah tetangga). Pengabaian ketergantungan spasial dalam model ekonometrika dapat menghasilkan estimasi yang bias dan tidak efisien, sehingga penggunaan model ekonometrika spasial menjadi penting dalam analisis ekonomi regional dan urban (Arbia, 2016).

4.5 Analisis Kausalitas dan Kointegrasi

Dalam penelitian ekonomi, seringkali diperlukan analisis yang lebih mendalam tentang hubungan kausal antara variabel-variabel ekonomi, bukan sekadar hubungan korelasi. Uji kausalitas Granger merupakan salah satu metode yang paling umum digunakan untuk menguji apakah suatu variabel ekonomi dapat membantu memprediksi variabel ekonomi lainnya, yang diinterpretasikan sebagai indikasi kausalitas dalam arti statistik.

Analisis kointegrasi merupakan metode yang digunakan untuk menguji apakah dua atau lebih variabel time series nonstasioner memiliki hubungan jangka panjang yang stabil. Dalam penelitian ekonomi, kointegrasi sering ditemukan antara variabel-variabel makroekonomi seperti konsumsi dan pendapatan, ekspor dan impor, serta harga domestik dan harga internasional. Keberadaan kointegrasi memungkinkan penggunaan model Error Correction Model (ECM) yang dapat menangkap dinamika jangka pendek sekaligus hubungan jangka panjang antara variabel-variabel ekonomi (Aliasuddin et al., 2022; Bessler et al., 2010).

5. Statistika dalam Analisis Keuangan dan Manajemen Risiko

5.1 Statistika dalam Analisis Keuangan

Statistika memainkan peran yang sangat penting dalam analisis keuangan, mulai dari penilaian aset, analisis portofolio, hingga manajemen risiko. Dalam analisis keuangan, berbagai metode statistika digunakan untuk mengukur return dan risiko investasi, menguji efisiensi pasar, dan menganalisis perilaku harga aset keuangan.

Dalam penelitian tentang tren penelitian option pricing, analisis bibliometrik mencakup 5.367 makalah dari basis data Scopus yang diakses selama periode 38 tahun (1985–2023) dan diterbitkan di 50 jurnal keuangan dan ekonomi, ekonometrik, dan keuangan teratas (Yusiana et al., 2023). Hal ini menunjukkan betapa luasnya penggunaan metode statistika dalam penelitian keuangan, khususnya dalam pengembangan model penetapan harga opsi yang merupakan salah satu aplikasi statistika paling canggih dalam keuangan.

Analisis risiko keuangan merupakan salah satu aplikasi statistika yang paling penting dalam dunia keuangan modern. Pendekatan yang efektif dalam manajemen risiko keuangan melibatkan penggunaan berbagai teknik dan instrumen, termasuk diversifikasi portofolio, asuransi, derivatif keuangan, serta penggunaan model matematis dan statistik untuk mengukur risiko dan membuat keputusan yang berbasis data (Judijanto, Sudarmanto, et al., 2024). Dalam konteks ini, statistika tidak hanya berfungsi sebagai alat deskriptif tetapi juga sebagai alat prediktif yang memungkinkan para manajer risiko untuk mengantisipasi dan mengelola risiko keuangan secara proaktif.

5.2 Analisis Financial Distress

Analisis financial distress merupakan salah satu bidang penelitian keuangan yang sangat bergantung pada metode statistika. Dalam literatur keuangan, berbagai teori dan model telah dikembangkan untuk menganalisis financial distress, di mana beberapa pendekatan berfokus pada faktor-faktor internal perusahaan seperti struktur modal, manajemen risiko, dan profitabilitas (Judijanto, Adha, et al., 2024). Analisis klaster menunjukkan bahwa topik financial distress terutama terkait dengan konsep keuangan seperti leverage, profitability, liquidity, dan cash flow (Judijanto, Adha, et al., 2024).

Dalam penelitian bibliometrik tentang financial distress, analisis kuantitatif dilakukan untuk mengidentifikasi jumlah publikasi, sitasi, serta jaringan kolaborasi di antara penulis (Judijanto, Adha, et al., 2024). Tren penelitian mengindikasikan peningkatan minat pada topik seperti financial literacy dan capital structure dalam beberapa tahun terakhir, sementara peluang penelitian diidentifikasi di area yang kurang dieksplorasi seperti tata kelola perusahaan dan penghindaran pajak (Judijanto, Adha, et al., 2024).

5.3 Statistika dalam Analisis Pasar Modal

Analisis pasar modal merupakan salah satu bidang yang paling intensif menggunakan metode statistika dalam ilmu ekonomi dan keuangan. Berbagai model statistika digunakan untuk menganalisis perilaku harga saham, mengukur efisiensi pasar, dan mengevaluasi kinerja portofolio investasi.

Dalam penelitian tentang option pricing, misalnya, analisis bibliometrik menunjukkan bahwa Amerika Serikat telah menerbitkan lebih banyak artikel daripada negara lain (total 411), menjadikannya negara dengan total publikasi tertinggi dalam bidang ini (Yusiana et al., 2023). Artikel-artikel Amerika Serikat mendapatkan lebih dari dua kali lebih banyak kutipan secara keseluruhan dibandingkan dengan semua artikel lainnya, mencerminkan dominasi penelitian Amerika Serikat dalam pengembangan metode statistika untuk analisis pasar modal (Yusiana et al., 2023).

6. Statistika dalam Analisis Pertumbuhan Ekonomi dan Pembangunan

6.1 Model Pertumbuhan Ekonomi

Analisis pertumbuhan ekonomi merupakan salah satu bidang penelitian ekonomi yang paling banyak menggunakan metode statistika dan ekonometrika. Berbagai teori pertumbuhan ekonomi, mulai dari model neoklasik Solow hingga model pertumbuhan endogen, telah diuji secara empiris menggunakan berbagai metode statistika dan ekonometrika.

Menurut pandangan neoklasik (misalnya Solow, 1956), pertumbuhan didukung oleh akumulasi modal dengan "diminishing rate" dalam jangka panjang (Raz et al., 2012). Pengujian empiris terhadap teori pertumbuhan neoklasik ini memerlukan penggunaan metode ekonometrika yang canggih, termasuk analisis data panel dan model pertumbuhan konvergensi. Pengakuan bahwa penentu pertumbuhan ekonomi jangka panjang adalah masalah makroekonomi sentral disertai pada akhir 1980-an oleh kemajuan penting dalam teori pertumbuhan ekonomi, di mana periode ini menampilkan perkembangan model "pertumbuhan endogen" (Ambya & Ciptawaty, 2022).

Dalam penelitian tentang dampak krisis keuangan global terhadap pertumbuhan ekonomi Asia Timur, pendekatan ekonometrika data panel digunakan untuk menguji sejauh mana krisis keuangan pada tahun 1997 dan 2008 memengaruhi perekonomian Asia Timur (Raz et al., 2012). Bukti empiris menunjukkan bahwa meskipun kedua krisis telah memberikan dampak buruk pada perekonomian Asia Timur, gelombang krisis 2008 relatif tidak lebih parah daripada krisis tahun 1997 (Raz et al., 2012).

6.2 Analisis Kemiskinan dan Ketimpangan

Statistika juga memainkan peran penting dalam analisis kemiskinan dan ketimpangan pendapatan. Berbagai indikator statistika digunakan untuk mengukur tingkat kemiskinan, ketimpangan distribusi pendapatan, dan kesejahteraan masyarakat. Koefisien Gini, indeks kemiskinan, dan berbagai ukuran ketimpangan lainnya merupakan contoh aplikasi statistika dalam analisis kemiskinan dan ketimpangan.

Dalam penelitian tentang hubungan antara belanja pemerintah, tingkat kemiskinan, dan pertumbuhan ekonomi daerah otonomi baru di Provinsi Lampung, analisis menggunakan Partial Least Square (PLS) menunjukkan bahwa terdapat pengaruh tidak langsung pendidikan (pengeluaran pendidikan) terhadap kemiskinan sebesar -0,509 dan pengeluaran kesehatan terhadap kemiskinan dengan pengaruh sebesar -0,510 (Ambya & Ciptawaty, 2022). Selain itu, terdapat pengaruh total kemiskinan terhadap PDRB sebesar -0,983, dengan estimasi parameter yang sangat signifikan (Ambya & Ciptawaty, 2022).

Dalam penelitian tentang ketimpangan pendapatan dan kebahagiaan, analisis menggunakan metode Panel Data Analysis untuk 16 provinsi menunjukkan bahwa terdapat hubungan positif dan signifikan antara pendapatan per kapita dan rata-rata lama sekolah terhadap tingkat kebahagiaan, sementara ketimpangan pendapatan memiliki pengaruh negatif dan signifikan terhadap tingkat kebahagiaan (Wahyudi & Tiara, 2022). Temuan ini memberikan implikasi penting bagi kebijakan ekonomi yang bertujuan untuk meningkatkan kesejahteraan masyarakat secara menyeluruh.

7. Analisis Bibliometrik sebagai Metode Statistika dalam Kajian Literatur Ekonomi

7.1 Pengertian dan Dasar Analisis Bibliometrik

Analisis bibliometrik merupakan penerapan metode statistika dan matematika untuk menganalisis literatur ilmiah dalam berbagai bidang, termasuk ilmu ekonomi. Bibliometrik, berdasarkan statistik matematika, adalah penerapan ilmu informasi pada buku, artikel, dan publikasi lainnya (Kahfi, 2022). Dalam konteks penelitian ekonomi, analisis bibliometrik digunakan untuk memetakan perkembangan literatur, mengidentifikasi tren penelitian, dan mengevaluasi dampak ilmiah dari berbagai karya penelitian.

Analisis bibliometrik memiliki keunggulan dibandingkan tinjauan atau studi literatur tradisional, karena metode bibliometrik memberikan gambaran jaringan seluruh topik penelitian dengan menganalisis ratusan hingga puluhan ribu dokumen dalam database lengkap melalui perangkat lunak profesional dan komputer berkinerja tinggi (Kahfi, 2022). Dalam penelitian ekonomi, analisis bibliometrik semakin banyak digunakan untuk memberikan gambaran yang komprehensif dan objektif tentang perkembangan suatu bidang kajian ekonomi.

Analisis bibliometrik mengacu pada penggunaan alat statistik yang memungkinkan analisis kuantitatif produksi ilmiah (Budiani & Sopiah, 2022). Dengan berfokus pada berbagai aspek minat yang berkontribusi pada karakterisasi bidang studi, seperti publikasi, jurnal, negara, bahasa, dan organisasi, analisis bibliometrik memperkenalkan ketelitian kuantitatif pada penilaian subjektif dari literatur (Budiani & Sopiah, 2022).

7.2 Indikator Bibliometrik dalam Penelitian Ekonomi

Berbagai indikator bibliometrik digunakan dalam analisis literatur ekonomi, yang dapat diklasifikasikan menjadi tiga kelompok berbeda: indikator kuantitas, indikator kualitas, dan indikator struktural (Agustina et al., 2021). Indikator kuantitas mencakup jumlah publikasi, jumlah penulis, dan jumlah sitasi, sementara indikator kualitas mencakup h-index, g-index, dan faktor dampak jurnal. Indikator struktural mencakup jaringan kolaborasi penulis dan peta co-occurrence kata kunci.

Dalam analisis bibliometrik literatur manajemen strategis, misalnya, terdapat 980 makalah yang diterbitkan selama periode 1965 hingga 2023, dengan total 478.483 kutipan yang diterima, memberikan rata-rata sekitar 488,25 kutipan per makalah (Judijanto & Syamsulbahri, 2024). Jumlah kutipan per tahun rata-rata adalah sekitar 8.109,88, menunjukkan pengakuan yang kuat dalam literatur ilmiah (Judijanto & Syamsulbahri, 2024). Secara keseluruhan, terdapat 267 makalah yang menerima setidaknya 267 kutipan, yang menentukan h-index, dan terdapat juga 682 makalah yang menerima setidaknya 682 kutipan, yang menentukan g-index (Judijanto & Syamsulbahri, 2024).

Dalam analisis bibliometrik literatur financial distress, data menunjukkan bahwa hampir semua makalah (980) memiliki setidaknya satu sitasi, dengan jumlah yang menurun pada level sitasi yang lebih tinggi, yaitu 472 makalah memiliki lebih dari 10 sitasi dan 171 makalah memiliki lebih dari 20 sitasi (Judijanto, Adha, et al., 2024). Hal ini menekankan bahwa sebagian besar penelitian dalam literatur financial distress memiliki dampak yang cukup besar, dengan sejumlah makalah yang sangat sering dirujuk dalam penelitian lanjutan (Judijanto, Adha, et al., 2024).

7.3 Tren Penelitian dalam Literatur Ekonomi dan Keuangan

Analisis bibliometrik telah digunakan secara luas untuk mengidentifikasi tren penelitian dalam berbagai bidang kajian ekonomi dan keuangan. Dalam penelitian tentang tren penelitian option pricing, analisis bibliometrik mencakup 913 artikel setelah menggunakan kata kunci "penetapan harga opsi" sebagai istilah pencarian utama, dan menunjukkan bahwa peningkatan tajam dalam jumlah publikasi (56) untuk tahun 2015 mengindikasikan bahwa minat dalam area ini terus berkembang (Yusiana et al., 2023).

Dalam penelitian tentang perkembangan teknologi dan inovasi dalam digital banking, analisis bibliometrik mengidentifikasi tema utama, tren penelitian, peluang riset yang kurang dieksplorasi, dan pola kolaborasi penulis (Judijanto, Destiana, et al., 2024). Temuan menunjukkan bahwa inovasi teknologi adalah topik dominan dengan fokus signifikan pada kebijakan inovasi, pembangunan berkelanjutan, dan inovasi hijau (Judijanto, Destiana, et al., 2024). Tren penelitian telah bergeser dari sistem nasional dan inovasi terbuka ke arah inovasi hijau dan keberlanjutan dalam beberapa tahun terakhir (Judijanto, Destiana, et al., 2024).

Dalam penelitian tentang literasi keuangan digital, analisis bibliometrik menemukan bahwa topik literasi keuangan, inklusi keuangan, dan keuangan digital merupakan tema sentral yang banyak diteliti, sementara topik seperti alat digital, literasi keuangan Islam, dan gender masih jarang diperhatikan (Judijanto, Rasidun, et al., 2024). Tren penelitian menunjukkan pergeseran fokus dari topik umum ke aplikasi praktis teknologi keuangan dalam beberapa tahun terakhir (Judijanto, Rasidun, et al., 2024).

7.4 Jaringan Kolaborasi dan Pemetaan Pengetahuan

Salah satu keunggulan analisis bibliometrik adalah kemampuannya untuk memetakan jaringan kolaborasi antarpeneliti dan mengidentifikasi klaster-klaster penelitian dalam suatu bidang kajian. Jaringan kolaborasi antara penulis dianalisis untuk memahami struktur koneksi di antara entitas-entitas ini, sedangkan analisis frekuensi kata kunci memberikan wawasan tentang topik-topik yang paling banyak diperhatikan dalam literatur (Judijanto & Syamsulbahri, 2024).

Dalam penelitian tentang manajemen risiko keuangan, analisis bibliometrik mengungkapkan peningkatan perhatian terhadap isu-isu seperti krisis keuangan, manajemen risiko perbankan, dan praktik keuangan yang berkelanjutan (Judijanto, Sudarmanto, et al., 2024). Selain itu, perkembangan teknologi keuangan, resiliensi sistem keuangan, dan pengaruh media sosial juga menjadi fokus penelitian yang penting (Judijanto, Sudarmanto, et al., 2024). Penelitian ini juga mengidentifikasi kolaborasi antara peneliti dan peneliti kunci dalam jaringan akademik, memberikan wawasan yang berharga bagi praktisi, akademisi, dan pembuat kebijakan (Judijanto, Sudarmanto, et al., 2024).

Dalam penelitian tentang etika bisnis dan tanggung jawab sosial perusahaan (CSR), analisis bibliometrik mengidentifikasi tren penelitian, kontribusi para penulis, dan potensi kesenjangan pengetahuan (Judijanto, Fajariana, et al., 2024). Data bibliometrik mencakup berbagai jenis publikasi ilmiah, termasuk jurnal, konferensi, dan buku, yang kemudian dianalisis secara statistik untuk mengidentifikasi tren penelitian, pola kolaborasi antarpeneliti, serta jurnal yang paling banyak berkontribusi dalam domain tersebut (Judijanto, Fajariana, et al., 2024).

8. Aplikasi Statistika dalam Bidang-Bidang Khusus Ekonomi

8.1 Statistika dalam Ekonomi Pembangunan

Ekonomi pembangunan merupakan salah satu bidang yang paling intensif menggunakan metode statistika untuk menganalisis proses pembangunan ekonomi dan mengidentifikasi faktor-faktor yang memengaruhinya. Berbagai indikator pembangunan seperti Indeks Pembangunan Manusia (IPM), tingkat kemiskinan, dan ketimpangan pendapatan diukur dan dianalisis menggunakan metode statistika yang beragam.

Dalam penelitian tentang Sustainable Development Goals (SDGs), analisis bibliometrik digunakan untuk menganalisis sampel dari 3.608 artikel yang diterbitkan antara tahun 1996 hingga 2022 (Setiyowati et al., 2023). Hasil menunjukkan bahwa ada peningkatan literatur tentang SDGs dari tahun 1996 hingga 2022, dan peningkatan yang signifikan sejak tahun 2016 (Setiyowati et al., 2023). Ada berbagai penelitian yang melibatkan kolaborasi multipenulis yang diterbitkan dalam berbagai bahasa, dengan total 32 penulis dari 141 negara yang berbeda dan 32 lembaga (Setiyowati et al., 2023).

8.2 Statistika dalam Ekonomi Keuangan Islam

Ekonomi keuangan Islam merupakan bidang yang semakin berkembang dan memerlukan pendekatan statistika yang khusus untuk menganalisis berbagai instrumen dan lembaga keuangan syariah. Dalam penelitian tentang tren dan dinamika penelitian akuntansi syariah di Indonesia, analisis bibliometrik menunjukkan bahwa topik-topik yang paling banyak diteliti adalah Bank Syariah, Islamic Social Reporting (ISR), Corporate Social Responsibility (CSR), Profitabilitas, dan Good Corporate Governance (GCG) (Fauziah et al., 2022).

Dinamika penelitian akuntansi syariah berfluktuasi pada kisaran rata-rata 50 artikel per tahun, dan publikasi tertinggi terjadi pada 2015 dan 2018, sedangkan publikasi terendah terjadi pada 2019 (Fauziah et al., 2022). Dalam penelitian tentang strategi pemasaran bank syariah, analisis bibliometrik menunjukkan bahwa publikasi di bidang Islamic Bank Marketing berasal dari beberapa mata pelajaran atau disiplin ilmu, di mana ilmu sosial mendominasi publikasi dengan 847 artikel di bidang ekonomi dan keuangan (Hakim & Angraeni, 2022).

8.3 Statistika dalam Analisis FinTech dan Ekonomi Digital

Perkembangan teknologi keuangan (FinTech) telah membuka bidang penelitian baru yang memerlukan pendekatan statistika yang inovatif. Dalam kajian tentang perkembangan FinTech terhadap crowdfunding dan blockchain, analisis statistik menunjukkan bahwa studi modern tentang FinTech terfragmentasi dengan landasan teoretis yang terkendali, dan crowdfunding serta blockchain mungkin tampak sebagai perbaikan yang dapat mengganggu intermediasi ekonomi konvensional namun dengan cara yang berbeda (Lukita et al., 2022).

Berdasarkan tinjauan ilmiah tentang panduan berpengaruh di antara 402 makalah yang terpublikasi antara 2014 hingga 2022, penelitian mengidentifikasi kesenjangan dalam studi Ekonomi dan Keuangan terkait program FinTech: Crowdfunding dan Blockchain dengan menggunakan Systematic Mapping Study (SMS) (Lukita et al., 2022). Temuan ini menunjukkan bahwa meskipun FinTech telah berkembang pesat, masih terdapat banyak pertanyaan penelitian yang belum terjawab, terutama terkait dengan dampak ekonomi jangka panjang dari inovasi-inovasi FinTech tersebut.

9. Metode Penelitian Kuantitatif dalam Ekonomi

9.1 Desain Penelitian Kuantitatif

Penelitian kuantitatif dalam ilmu ekonomi menggunakan pendekatan yang sistematis dan terstruktur untuk mengumpulkan dan menganalisis data numerik. Pendekatan kuantitatif berkembang dinamis dengan pertanyaan tertutup, data survei, data eksperimen, dan data sekunder, serta menggunakan analisis statistik dan interpretasi statistik (Mustikasari et al., 2023). Desain penelitian kuantitatif dalam ekonomi mencakup berbagai jenis, mulai dari penelitian eksperimental, quasi-eksperimental, hingga penelitian observasional menggunakan data sekunder.

Dalam penelitian tentang efektivitas penggunaan bahan ajar statistika berbasis data sekunder dari situs web pemerintah, misalnya, digunakan desain quasi experiment dengan rancangan Nonequivalent (Pretest-Posttest) Control Group Design (Jabnabillah et al., 2023). Populasi penelitian berjumlah 153 orang, dan sampel didapat melalui teknik purposive sampling dengan jumlah keseluruhan 92 mahasiswa (Jabnabillah et al., 2023). Hasil penelitian menunjukkan bahwa rata-rata hasil pascates mahasiswa pada kelas eksperimen sebesar 72,24 yang memiliki nilai lebih tinggi jika dibandingkan dengan kelas kontrol yang hanya mencapai 62,50 (Jabnabillah et al., 2023).

9.2 Pengumpulan dan Pengolahan Data Ekonomi

Pengumpulan data merupakan tahap kritis dalam penelitian ekonomi kuantitatif. Data ekonomi dapat bersumber dari berbagai sumber, termasuk data primer yang dikumpulkan langsung melalui survei atau eksperimen, dan data sekunder yang diperoleh dari publikasi statistik resmi, laporan perusahaan, atau database akademik.

Dalam penelitian ekonomi di Indonesia, Badan Pusat Statistik (BPS) merupakan sumber data sekunder yang paling penting dan terpercaya. Data yang digunakan berasal dari Badan Pusat Statistik (BPS) dan dianalisis menggunakan uji regresi sederhana untuk mengukur hubungan antara variabel independen dan variabel dependen (Silalahi et al., 2023). Selain BPS, sumber data sekunder lainnya yang sering digunakan dalam penelitian ekonomi Indonesia meliputi Bank Indonesia (BI), Otoritas Jasa Keuangan (OJK), dan berbagai kementerian terkait (Jabnabillah et al., 2023).

Pengolahan data ekonomi melibatkan berbagai tahap, mulai dari pembersihan data (data cleaning), transformasi data, hingga analisis statistik menggunakan berbagai perangkat lunak statistik. Perangkat lunak yang umum digunakan dalam penelitian ekonomi meliputi SPSS, Stata, EViews, R, dan Python. Dalam penelitian tentang kualitas laporan keberlanjutan, misalnya, untuk mengujinya diperlukan pengolahan data yang dapat dibantu dengan perangkat lunak statistik yaitu IBM SPSS 23 (Tizmi et al., 2022).

9.3 Validitas dan Reliabilitas dalam Penelitian Ekonomi

Validitas dan reliabilitas merupakan dua konsep fundamental dalam penelitian kuantitatif ekonomi. Validitas mengacu pada sejauh mana suatu instrumen pengukuran benar-benar mengukur apa yang dimaksudkan untuk diukur, sementara reliabilitas mengacu pada konsistensi atau keandalan pengukuran tersebut.

Dalam penelitian ekonomi yang menggunakan data survei, validitas instrumen pengukuran perlu diuji melalui uji validitas isi (content validity), validitas konstruk (construct validity), dan validitas kriteria (criterion validity). Sementara itu, reliabilitas instrumen dapat diuji menggunakan koefisien Cronbach's alpha atau metode test-retest. Dalam penelitian tentang penilaian kebutuhan peningkatan kompetensi bagi pemangku jabatan fungsional, misalnya, data dianalisis secara deskriptif menggunakan tabel frekuensi untuk menggambarkan karakteristik responden dan distribusi jawaban (Prawitasari & Sartika, 2020).

10. Perkembangan Terkini dan Tantangan Statistika dalam Ekonomi

10.1 Big Data dan Machine Learning dalam Ekonomi

Perkembangan teknologi informasi telah membuka era baru dalam analisis ekonomi, di mana data dalam jumlah yang sangat besar (big data) dapat dianalisis menggunakan metode-metode machine learning yang canggih. Metode-metode ini memungkinkan identifikasi pola-pola kompleks dalam data ekonomi yang tidak dapat ditangkap oleh metode statistika tradisional.

Dalam konteks analisis sitasi dan bibliometrik, misalnya, telah diusulkan perubahan metode dari pengukuran sederhana data bibliografi ke analisis teks dan konteks berbasis pendekatan ilmu komputer (teknik machine learning) (Yaniasih, 2020). Metode baru ini memiliki potensi untuk dikembangkan dalam kerangka kajian kuantitatif sains dan teknologi untuk mengatasi kritik-kritik yang ada terhadap metode analisis sitasi tradisional (Yaniasih, 2020).

10.2 Kritik terhadap Metode Statistika dalam Ekonomi

Meskipun statistika merupakan alat yang sangat penting dalam penelitian ekonomi, terdapat berbagai kritik terhadap penggunaan metode statistika dalam ilmu ekonomi. Kritik-kritik ini mencakup masalah validitas internal dan eksternal, bias seleksi, masalah kausalitas versus korelasi, dan keterbatasan asumsi-asumsi model statistika.

Dalam konteks analisis sitasi, misalnya, terdapat banyak kritik terhadap penggunaan sitasi sebagai indikator kinerja penelitian, yang mencakup: (1) kritik terhadap paradigma positivis yang tidak berhasil mencapai tujuannya, (2) kritik terhadap metode yang menghasilkan hasil yang tidak valid, dan (3) kritik terhadap isu-isu etis peneliti dan bias dalam implementasi (Yaniasih, 2020). Kritik-kritik ini menunjukkan bahwa penggunaan statistika dalam evaluasi kinerja penelitian ekonomi perlu dilakukan dengan hati-hati dan mempertimbangkan berbagai keterbatasan metodologis.

10.3 Peluang Penelitian di Masa Depan

Perkembangan statistika dalam ilmu ekonomi membuka berbagai peluang penelitian yang menarik di masa depan. Dalam bidang manajemen strategis, misalnya, penelitian lebih lanjut mungkin mengeksplorasi pengembangan dan implementasi "balanced scorecard" yang inovatif, khususnya dalam konteks teknologi baru dan perubahan lingkungan bisnis (Judijanto & Syamsulbahri, 2024). Dalam bidang manajemen risiko keuangan, isu seperti perang dagang, fluktuasi mata uang, dan utang negara bisa menjadi semakin relevan dalam penelitian ke depan (Judijanto, Sudarmanto, et al., 2024).

Dalam bidang literasi keuangan digital, penelitian lebih lanjut yang mengeksplorasi topik kurang terjamah dan meningkatkan kolaborasi lintas kelompok dapat memperkaya literatur dan memberikan wawasan yang lebih komprehensif serta inovatif (Judijanto, Rasidun, et al., 2024). Sementara itu, dalam bidang financial distress, peluang penelitian diidentifikasi di area yang kurang dieksplorasi seperti tata kelola perusahaan dan penghindaran pajak (Judijanto, Adha, et al., 2024).

11. Kesimpulan

Statistika merupakan fondasi yang tidak tergantikan dalam ilmu ekonomi, baik pada tataran dasar maupun lanjutan. Dari statistika deskriptif yang sederhana hingga model ekonometrika yang kompleks, metode-metode statistika memungkinkan para ekonom untuk memahami, menganalisis, dan memprediksi fenomena ekonomi secara sistematis dan berbasis bukti. Penggunaan statistika dalam penelitian ekonomi terus berkembang seiring dengan kemajuan teknologi dan semakin kompleksnya permasalahan ekonomi yang dihadapi oleh masyarakat modern.

Dalam konteks penelitian ekonomi di Indonesia, penggunaan statistika telah berkembang pesat, mulai dari analisis pertumbuhan ekonomi daerah menggunakan data panel (Ambya & Ciptawaty, 2022; Nurjan & Sari, 2023), analisis kemiskinan dan ketimpangan (Silalahi et al., 2023; Wahyudi & Tiara, 2022), hingga analisis bibliometrik untuk memetakan perkembangan literatur ekonomi dan keuangan (Judijanto, Adha, et al., 2024; Judijanto, Destiana, et al., 2024; Judijanto, Rasidun, et al., 2024; Judijanto, Sudarmanto, et al., 2024; Judijanto & Syamsulbahri, 2024; Yusiana et al., 2023). Perkembangan ini mencerminkan semakin matangnya tradisi penelitian ekonomi kuantitatif di Indonesia, meskipun masih terdapat berbagai tantangan yang perlu diatasi, termasuk keterbatasan data, kapasitas metodologis peneliti, dan kebutuhan untuk mengintegrasikan metode-metode statistika terbaru dalam penelitian ekonomi.

Ke depan, pengembangan statistika dalam ilmu ekonomi perlu memperhatikan beberapa hal penting: pertama, peningkatan kualitas dan ketersediaan data ekonomi; kedua, pengembangan kapasitas metodologis peneliti ekonomi dalam menggunakan metode-metode statistika yang semakin canggih; ketiga, integrasi pendekatan big data dan machine learning dalam analisis ekonomi; dan keempat, peningkatan kolaborasi antarpeneliti untuk menghasilkan penelitian ekonomi yang lebih komprehensif dan berdampak. Dengan demikian, statistika akan terus memainkan peran yang semakin penting dalam pengembangan ilmu ekonomi dan perumusan kebijakan ekonomi yang berbasis bukti.

Daftar Pustaka

Agustina, D., Putri, M. A., & Ramadhan, M. G. (2021). Pemetaan riset strategi pemasaran bank syariah: Analisis bibliometrik. Malia (Terakreditasi), 12(2), 225–242. https://doi.org/10.35891/ml.v12i2.2417

Aliasuddin, A., Rahmi, N., Tabrani, M., Nashrillah, N., & Fachrurrozi, K. (2022). Pelatihan online metode kuantitatif: Model runtun waktu terapan. Jurnal Pemberdayaan Umat, 1(1), 51–59. https://doi.org/10.35912/jpu.v1i1.895

Ambya, A., & Ciptawaty, U. (2022). Hubungan antara belanja pemerintah, tingkat kemiskinan, dan pertumbuhan ekonomi daerah otonomi baru di Provinsi Lampung. Jurnal Paradigma Ekonomika, 17(1), 157–166. https://doi.org/10.22437/jpe.v17i1.17747

Arbia, G. (2016). Spatial econometrics: A broad view. Foundations and Trends® in Econometrics, 8(3–4), 145–265. https://doi.org/10.1561/0800000030

Bessler, D. A., Dorfman, J. H., Holt, M. T., & LaFrance, J. T. (2010). Econometric developments in agricultural and resource economics: The first 100 years. American Journal of Agricultural Economics, 92(2), 571–589. https://doi.org/10.1093/ajae/aaq010

Budiani, A., & Sopiah, S. (2022). Green human resource management: A systematic literature review (SLR) and bibliometric analysis. Jurnal Syntax Fusion, 2(11), 818–832. https://doi.org/10.54543/fusion.v2i11.224

Fauziah, D., Bayinah, A. N., Mardian, S., & Rianti, F. (2022). Tren dan dinamika penelitian akuntansi syariah di Indonesia: Analisis bibliometrik. Jurnal Akuntansi dan Keuangan Islam, 10(1), 89–98. https://doi.org/10.35836/jakis.v10i1.275

Hakim, L., & Angraeni, F. M. (2022). Analisis bibliometrik tentang riset strategi pemasaran bank syariah. Human Falah Jurnal Studi Ekonomi dan Bisnis Islam, 9(2), 125. https://doi.org/10.30829/hf.v9i2.12897

Jabnabillah, F., Aswin, A., & Fahlevi, M. R. (2023). Efektivitas situs web pemerintah sebagai sumber data sekunder bahan ajar perkuliahan statistika. Sustainable, 6(1), 59–70. https://doi.org/10.32923/kjmp.v6i1.3373

Judijanto, L., & Syamsulbahri, S. (2024). Analisis bibliometrik terhadap publikasi internasional dalam manajemen strategis. Jurnal Bisnis dan Manajemen West Science, 3(01), 48–56. https://doi.org/10.58812/jbmws.v3i01.979

Judijanto, L., Adha, W. I., Fitrianingsih, D., & Sudarmanto, E. (2024). Financial distress dalam literatur keuangan dengan analisis bibliometrik. Jurnal Ekonomi dan Kewirausahaan West Science, 2(03), 353–363. https://doi.org/10.58812/jekws.v2i03.1434

Judijanto, L., Destiana, R., Sudarmanto, E., & Vandika, A. Y. (2024). Analisis bibliometrik perkembangan teknologi dan inovasi dalam digital banking. Jurnal Ekonomi dan Kewirausahaan West Science, 2(03), 315–328. https://doi.org/10.58812/jekws.v2i03.1431

Judijanto, L., Fajariana, D. E., Harsono, I., & Sutanto, H. (2024). Eksplorasi penelitian etika bisnis dan tanggung jawab sosial perusahaan dengan pendekatan bibliometrik. Sanskara Manajemen dan Bisnis, 2(02), 115–123. https://doi.org/10.58812/smb.v2i02.369

Judijanto, L., Rasidun, L. O., & Aris, N. (2024). Kontribusi akademik dalam pengembangan literasi keuangan digital. Jurnal Ekonomi dan Kewirausahaan West Science, 2(03), 329–340. https://doi.org/10.58812/jekws.v2i03.1432

Judijanto, L., Sudarmanto, E., & Utami, E. Y. (2024). Peta dinamika penelitian manajemen risiko keuangan melalui analisis bibliometrik. Jurnal Ekonomi dan Kewirausahaan West Science, 2(02), 199–208. https://doi.org/10.58812/jekws.v2i02.1113

Kahfi, M. R. A. A. A. A. (2022). Pemetaan bibliometrik dengan VOSviewer terhadap perkembangan hasil penelitian implementasi good corporate governance. Research Journal of Accounting and Business Management, 6(1), 49. https://doi.org/10.31293/rjabm.v6i1.5847

Lukita, C., Fadli, I. S., & Faturahman, A. (2022). Perkembangan FinTech terhadap crowdfunding dan blockchain di era disrupsi 4.0. Jurnal Mentari Manajemen Pendidikan dan Teknologi Informasi, 1(1), 9–19. https://doi.org/10.33050/mentari.v1i1.135

Marta, R., Ambiyar, A., Ermita, E., & Hikmah, R. (2024). Analisis evaluasi dalam pendidikan vokasi serta dampaknya pada program pendidikan ditinjau berdasarkan persepsi publikasi ilmiah berbasis meta-analysis. Voteteknika (Vocational Teknik Elektronika dan Informatika), 12(2), 254. https://doi.org/10.24036/voteteknika.v12i2.128802

Mustikasari, M., Marlida, S., & Ma'shum, M. Z. (2023). Membaca kemampuan menulis proposal skripsi pada mahasiswa: Jalan panjang membangun literasi bangsa. Fastabiq Jurnal Studi Islam, 4(1), 25–39. https://doi.org/10.47281/fas.v4i1.130

Nurjan, B., & Sari, I. F. (2023). Pengaruh pengeluaran lembaga non-profit rumah tangga dan perubahan inventori terhadap pertumbuhan ekonomi Provinsi Nusa Tenggara Barat. Ekoma Jurnal Ekonomi Manajemen Akuntansi, 3(1), 207–217. https://doi.org/10.56799/ekoma.v3i1.2109

Prawitasari, N., & Sartika, D. (2020). Penilaian kebutuhan peningkatan kompetensi bagi pemangku jabatan fungsional tertentu. Jurnal Kebijakan Pembangunan, 15(2), 163–176. https://doi.org/10.47441/jkp.v15i2.128

Raz, A., Indra, T. P., & Artikasih, D. K. (2012). Krisis keuangan global dan pertumbuhan ekonomi: Analisa dari perekonomian Asia Timur. Bulletin of Monetary Economics and Banking, 15(2), 37–56. https://doi.org/10.21098/bemp.v15i2.61

Setiyowati, S. W., Fauzan, F., & Indiraswari, S. D. (2023). Menilai pertumbuhan dan tren pada studi sustainable development goals: Analisis bibliometrik. Jurnal Ekonomi Modernisasi, 18(3), 332–355. https://doi.org/10.21067/jem.v18i3.7581

Silalahi, A. S., Harningtias, A., & Rengganis, M. (2023). Analysis of the influence of economic growth on poverty levels in Medan City. Indonesian Journal of Advanced Research, 2(7), 857–868. https://doi.org/10.55927/ijar.v2i7.4541

Tizmi, S., Luthan, E., & Rahman, A. (2022). Kualitas laporan keberlanjutan: Eksistensi dari media dan industri. E-Jurnal Akuntansi, 32(2), 3750. https://doi.org/10.24843/eja.2022.v32.i02.p12

Wahyudi, H., & Tiara, A. (2022). Ketimpangan pendapatan penyebab tidak bahagia. Jurnal Studi Pemerintahan dan Akuntabilitas, 1(2), 125–138. https://doi.org/10.35912/jastaka.v1i2.1419

Yaniasih, Y. (2020). Teori kritis terhadap analisis sitasi untuk kajian kuantitatif sains dan evaluasi kinerja riset. Berkala Ilmu Perpustakaan dan Informasi, 16(1), 127–141. https://doi.org/10.22146/bip.v16i1.72

Yusiana, R., Chandra, D., & Sari, M. (2023). Tren penelitian option pricing: Analisis bibliometris. Jurnal Ekonomi Manajemen, 9(2), 123–139. https://doi.org/10.37058/jem.v9i2.8913

Zulfadhli, M. (2022). Pengetahuan tentang karya tulis ilmiah bagi mahasiswa baru. Jurnal Pembelajaran Bahasa dan Sastra, 1(1), 1–10. https://doi.org/10.55909/jpbs.v1i1.10