HASIL DAN PEMBAHASAN 4.1 Struktur Data Penelitian
4.7.4. Hasil Estimasi Model Konvergensi Inflasi Beta Panel Dinamis
4.7.4.2. Conditional Beta Convergence
Hasil estimasi parameter model konvergensi beta kondisional disajikan pada tabel 4.16 dengan menggunakan kedua metode AB-GMM dan SYS-GMM dalam estimasi twostep noconstant. Model konvergensi beta kondisional merupakan model konvergensi absolut ditambah dengan variabel eksplanatori yang berpengaruh cukup kuat terhadap pembentukan konvergensi inflasi antar provinsi di Indonesia. Hasil perhitungan konvergensi beta kondisional berguna untuk memberikan gambaran proses konvergensi inflasi di Indonesia yang dilakukan penelitian dengan jangka waktu 13 tahun (2002-2014) dengan variabel eksplanatori yaitu lag diferensial inflasi, lag inflasi, dan penyesuaian suku bunga riil yang termasuk variabel endogen karena korelasi yang signifikan dan saling berpengaruh dengan inflasi.
125
Tabel 4.16. Hasil Estimasi Model Konvergensi Beta Kondisional Panel Dinamis
Variabel Independen AB-GMM SYS-GMM
lag P lag P -0.0192666* (0.00001054) 0.8637273* (0.0005525) -0.0102524* (0.00000514) -0.0070682* (0.000548) 0.9922432* (0.0006573) -0.0113729* (0.00000868) Hasil Statistik Uji :
Wald - Test 3.03 10 7 [0.0000] 7 1.70 10 [0.0000] Arellano-Bond - m1 - m2 -4.3824 [0.0000] 2.1223 [0.0338] -3.9751 [0.0001] 0.08473 [0.9325] Sargan - Test Chi2 (54) :25.99976
[0.9995] Chi2 (64) :25.99751 [1.0000] Speed of convergence, (%/th) 0.304 0.381 Half-life (tahun) 2.28 1.82 Keterangan : Signifikansi * : pada α = 1 % ( ) : standard error [ ] : p-value
Berdasarkan hasil estimasi pada tabel 4.16 dapat dilihat bahwa hasil estimasi parameter kedua metode sesuai dengan parameter yang diharapkan. Dilihat dari konsistensi hasil uji m1 dan m2 hanya metode SYS-GMM yang memenuhi uji spesifikasi model dan memiliki tingkat efisiensi yang lebih baik dibanding metode AB-GMM dalam mengestimasi konvergensi inflasi, dimana hasil statistik uji m1 siginifikan pada α = 1 % dan hasil statistik uji m2 tidak signifikan pada α = 10 %. Begitu pula dengan hasil uji Sargan yang juga tidak signifikan pada α = 10 %. Dilihat dari nilai standard error metode SYS-GMM memberikan hasil yang lebih kecil dan lebih baik dibanding metode AB-GMM.
Hal ini menyiratkan bahwa metode SYS-GMM relatif lebih efisien dan memenuhi kriteria unbiased, instrument valid dan konsisten dibanding metode
AB-GMM untuk mengestimasi konvergensi inflasi beta kondisional. Sehingga
126
SYS-GMM. Hasil estimasi konvergensi kondisional dengan metode SYS-GMM
dihasilkan koefisien β bertanda negatif dan signifikan pada α = 1 %. Hal ini menyiratkan kondisi yang cukup konsisten dari estimator SYS-GMM. Dari hasil tersebut dapat disimpulkan bahwa telah terjadi proses konvergensi kondisional inflasi di Indonesia selama periode 2002-2014 yang didukung oleh variabel penyesuaian suku bunga riil dan lag inflasi yang berpengaruh nyata dan signifikan dalam mempengaruhi konvergensi inflasi antar provinsi di Indonesia.
Selanjutnya dilihat dari koefisien regresi apakah sudah sesuai dengan parameter yang diharapkan seperti yang telah dijelaskan pada bab sebelumnya. Berdasarkan hasil estimasi diperoleh bahwa kedua penduga koefisien yang diperoleh dengan metode SYS-GMM telah sesuai dengan nilai parameter yang diharapkan, dan signifikan pada α = 1%. Berdasarkan hasil estimasi, diperoleh nilai lag diferensial inflasi bertanda negatif, yaitu -0.0070682. Nilai tersebut menjelaskan bahwa semakin kecilnya diferensial inflasi antar provinsi berakibat pada semakin konvergennya perubahan indeks harga (inflasi) antar provinsi di Indonesia. Nilai lag perubahan indeks harga (inflasi) bertanda positif yaitu sebesar 0,9922432. Nilai koefisien tersebut menjelaskan bahwa jika terjadi peningkatan laju inflasi pada periode sebelumnya sebesar 1 persen maka akan direspon oleh peningkatan inflasi antar provinsi sebesar 0,9922432 persen. Nilai lag perubahan indeks harga (inflasi) atau yang dikenal dengan sebutan inersia inflasi (Subekti, 2011) merepresentasikan bagaimana ekspektasi masyarakat terhadap inflasi pada tahun berjalan sangat dipengaruhi oleh besarnya inflasi pada tahun sebelumnya. Tingginya inersia inflasi tersebut secara tidak langsung menyiratkan perilaku
backward looking dalam pembentukan ekspektasi terhadap inflasi. Hal ini pada
dasarnya tidak sesuai dengan target inflasi Bank Indonesia yang diharapkan bersifat forward looking. Hasil ini tidak jauh berbeda dengan hasil penelitian Subekti (2011) maupun Wimanda (2006) yang masing-masing menghasilkan inersia inflasi sebesar 0,9685 dan 0,914. Sementara itu variabel suku bunga riil bertanda negatif yaitu -0,0113729, nilai ini menjelaskan bahwa jika terjadi penyesuaian suku bunga riil sebesar 1 persen akan direspon oleh penurunan laju inflasi antar provinsi sebesar 0,0113729 persen. Menurut Bank Indonesia, kecilnya pengaruh dari penyesuaian BI rate terhadap inflasi di Indonesia
127
dikarenakan suku bunga riil hanya dapat mempengaruhi inflasi inti saja dan tidak dapat mempengaruhi inflasi umum. Terlepas besar-kecilnya pengaruh dari penyesuaian BI rate terhadap inflasi, namun pengaruhnya yang signifikan secara tidak langsung menyatakan bahwa BI rate dapat dijadikan opsi dalam proses pembentukan konvergensi inflasi, BI rate merupakan determinan inflasi yang dapat digunakan untuk mengendalikan inflasi di Indonesia (Wimanda, 2011).
Dari uraian di atas dapat disimpulkan bahwa terdapat hubungan antara diferensial inflasi sebagai variabel konvergensi inflasi, laju inflasi pada periode sebelumnya, dan penyesuaian suku bunga riil dengan pembentukan inflasi antar provinsi di Indonesia yang menuju konvergensi pada periode 2002-2014.
Hasil uji Wald dengan metode SYS-GMM memutuskan untuk menolak H0
pada tingkat signifikansi α = 1 %, dan disimpulkan bahwa faktor-faktor lag diferensial inflasi, lag perubahan IHK dan penyesuaian suku bunga riil berpengaruh nyata terhadap tingkat kecepatan proses pembentukan konvergensi inflasi di Indonesia.
Persamaan yang diperoleh untuk model konvergensi beta kondisional menggunakan metode estimasi SYS-GMM adalah sebagai berikut :
̂ ̃ (4.28) Dari tabel 4.16 terlihat bahwa kecepatan konvergensi yang dihasilkan dengan metode SYS-GMM lebih baik dibanding metode AB-GMM. Dari hasil metode SYS-GMM dapat disimpulkan bahwa selama periode 2002-2014 telah terjadi proses konvergensi beta kondisional di Indonesia dengan laju kecepatan konvergensi sebesar 0,381 % per tahun atau setara dengan half-life (waktu yang dibutuhkan untuk mencapai kondisi steady state) selama 1,82 tahun. Atau dengan kata lain, waktu yang dibutuhkan untuk menurunkan setengah dari kesenjangan dalam pembentukan konvergensi inflasi antar provinsi di Indonesia sekitar 1,82 tahun. Hasil ini lebih kecil dari penelitian yang dilakukan oleh Darinda (2014) yang menghasilkan half-life konvergensi selama 3,2 tahun pada periode penelitian 2000-2012.
Berbeda dengan hasil konvergensi beta absolut, hasil konvergensi beta kondisional dengan melibatkan variabel penyesuaian suku bunga riil dalam pembentukan proses konvergensi inflasi membuktikan bahwa dengan laju
128
kecepatan konvergensi sebesar 0,381 %/tahun, laju inflasi antar provinsi di Indonesia mencapai konvergensi yang steady state pada garis keseimbangan
, 0
i t
P selama 1,82 tahun, dengan mengasumsikan bahwa terdapat perbedaan karakteristik struktural antar provinsi, dalam hal ini perbedaan karakteristik tersebut diwakili oleh variabel penyesuaian suku bunga riil. Sehingga hal ini membuktikan bahwa variabel penyesuaian suku bunga riil mampu mendorong laju inflasi ke arah yang konvergen pada periode 2002-2014.