Model empiris dalam penelitian ini pada dasarnya mengacu pada penelitian Beirne (2009), denganbaseline modelyang digunakan adalah
it F 1 j jit j 1 t i 1 it p x p
, ... (3.3)dengan pit dan pi,t–1 adalah level harga pada provinsi ke-i periode t, dan sebelumnya, sementara xjit adalah variabel penjelas ke-j, pada provinsi ke-i periode t, dan F menyatakan jumlah variabel penjelas lainnya selain dari lag variabel dependen.
Modifikasi baseline model dari penelitian Beirne (2009) diperlukan mengingat dari 18 variabel yang digunakan tersebut, 4 variabel diantaranya, yaitu harga relatif, kapitalisasi pasar modal, indeks kebebasan ekonomi dan indeks liberalisasi harga tidak tersedia pada tingkat provinsi di Indonesia. Kemudian, beberapa faktor global sepertishockharga minyak dunia dan shockharga pangan dunia dianggap sudah diwakili melalui transmisi ke variabel nilai tukar. Khusus untuk shock harga minyak dunia juga dianggap kurang relevan dengan kondisi
Indonesia yang menetapkan harga minyak sebagai administred prices sehingga variabel ini digantikan dengan indeks harga BBM. Kemudian untuk variabel shock yang dari suku bunga dunia juga tidak digunakan karena mekanisme transmisinya sudah terwakili oleh penyesuaian suku bunga acuan domestik yang dilakukan oleh Bank Indonesia sehingga variabel tersebut digantikan dengan suku bunga acuan domestik, sebagaimana penelitian dari Habermeieret al. (2009) yang memasukkan variabel ini sebagai salah satu faktor yang dapat memengaruhi inflasi dan merupakan salah satu opsi kebijakan dalam mengendalikan inflasi.
Selanjutnya, variabel dummy tentang kondisi suatu negara sebelum dan sesudah masuk sebagai anggota Uni Eropa; variabel dummy tentang pergantian sistem nilai tukar; dan variabel kondisi nilai tukar sebelum dan setelah pergantian sistem nilai tukar juga tidak relevan dengan kondisi Indonesia yang merupakan satu kesatuan moneter sejak pertama merdeka, sedangkan pergantian nilai tukar telah dilaksanakan secara resmi mulai tahun 1999, sementara cakupan analisis adalah tahun 2000 – 2009. Variabel pergantian sisitem nilai tukar kemudian, digantikan dengan variabel kebijakan kerangka kerja penargetan inflasi (inflation targeting framework/ITF) dalam penelitian ini. Variabel-variabel lainnya yang juga tidak digunakan adalah PDB riil per kapita, Pembentukan Modal Tetap Bruto (PMTB) atau investasi riil dan persentase kredit domestik untuk sektor swasta (kredit modal usaha) terhadap PDB karena tidak sesuai dengan tujuan penelitian. Pertimbangan lainnya dengan tidak memasukkan PMTB dan kredit modal usaha adalah secara langsung maupun tidak langsung hal tersebut merupakan outcome dari penyesuaian suku bunga acuan yang dilakukan oleh Bank Indonesia.
Baseline model dari penelitian Beirne (2009) memperlihatkan variabel pengangguran yang secara tidak langsung menandakan bahwa model yang dibangun sesungguhnya menggunakan pendekatan kurva Phillips dengan perluasan dan berdasarkan relasinya terhadap tingkat pengangguran. Pendekatan kurva Phillips klasik ini digantikan dengan pendekatan NKPC sesuai landasan teoritis yang digunakan dalam penelitian ini, dengan demikian, variabel tingkat pengangguran digantikan dengan output gap sebagai driving force variable. Alasan penggantian pendekatan kurva Phillips tersebut adalahbuilding block dari mikro ekonomi untuk pendekatan klasik masih perlu dipertanyakan. Sebaliknya,
pendekatan New Keynesian diturunkan dari landasan mikro ekonomi yang kuat, yaitu konsumen memaksimumkan utilitasnya dan perusahaan memaksimumkan keuntungannya terkait dengan kendal masing-masing dalam kerangka ekulibrium harga yang fleksibel ataustaggered price setting(Gali, 2002).
Konsekuensi dari penggunaan pendekatan NKPC adalah memasukkan variabel ekspektasi inflasi yang cenderung merupakan unobservable component. Guna menanggulangi masalah tersebut, Solikin (2004); Mehrotra et al. (2007); Gali dan Gertler (2000); dan Gali et al. ((2001);(2005)) melakukan estimasi dengan beberapa variabel instrumen diantaranya nilai tukar, suku bunga dan output gap. Konsekuensi dengan membuat variabel ekspektasi inflasi sebagai variabel endogen di bawah model regresi panel dinamis, akan menyebabkan proses estimasi menjadi tidak efisien, karena harus ada variabel instrumen tambahan lainnya. Merujuk pada penelitian Solikin dan Sugema (2004) yang menyatakan bahwa ekspektasi inflasi dipengaruhi olehadministered prices, harga sembako, nilai tukar, upah minimum, suku bunga, harga periode sebelumnya, dan gaji PNS, maka variabel ekspektasi inflasi digantikan dengan faktor-faktor yang
memengaruhinya kecuali harga sembako dan variabel-variabel tersebut
dimasukkan ke dalam model.
Pembahasan mengenai inflasi sendiri tentu menjadi kurang lengkap tanpa memasukkan variabel moneter jumlah uang beredar (M1), karena setidaknya Friedman menyatakan bahwa inflasi merupakan suatu fenomena moneter. Secara empiris, M1 dianggap sebagai determinan inflasi merujuk pada penelitian yang dilakukan oleh Kwon et al. (2009). Selain perbedaan yang telah disampaikan sebelumnya, dibanding penelitian Wimanda (2006), pendekatan yang digunakan pada penelitian ini menggunakan data panel dengan memasukkan beberapa variabel yang mewakili kebijakan moneter, kebijakan pemerintah pusat dan daerah, sementara penelitian sebelumnya menggunakan pendekatan parsial, dengan analisis difokuskan pada variabel-variabel yang terkait dengan kebijakan desentralisasi fiskal.
Berdasarkan uraian tersebut, maka model umum yang digunakan dalam penelitian ini adalah sebagai berikut :
Pt =1Pi,t1+2OGit+3IRit+4M1it+5XRit +6W2it +7BMit+8Git+jjxj.it ... (3.4) dengan :P : perubahan harga (inflasi)
OG :output gap
IR : perubahan suku bunga riil
M1 : perubahan jumlah uang beredar riil
XR : perubahan nilai tukar nominal efektif
BM : perubahan indeks harga BBM
W2 : kenaikan gaji PNS golongan terendah
G : perubahan belanja pemerintah daerah
xj.it : perubahan dari variabel penjelas lainnya
subskrip (it) atau (i,t1) menandakan kondisi pada provinsi ke-i dan tahun ke-t atau tahun sebelumnya. Variabel harga (P), output gap (OG), nilai tukar nominal efektif (XR), jumlah uang beredar riil (M1), belanja pemerintah (G), indeks harga BBM (BM ), dan gaji PNS (W2) dinyatakan dalam bentuk logaritma natural, sementara untuk variabel suku bunga riil (IR) dinyatakan dalam bentuk persentase. Perlu dicatat di sini, model umum pada persamaan (3.4) adalah dalam bentuk first differencing, dengan demikian jika menggunakan data level, tanda delta () harus dihilangkan.
Selanjutnya, model umum seperti dapat dilihat pada persamaan (3.4) memunculkan lag inflasi sebagai variabel penjelas sehingga model yang dikonstruksi merupakan model dinamis. Filosofi dari model dinamis ini merujuk pada kurva Phillips versi New Keynesian (NKPC) dengan memasukkan unsur ekspektasi inflasi dalam konstruksi model inflasi tersebut. Perdebatan muncul berkenaan dengan ekspektasi inflasi apakah merupakan perilaku forward looking atau cenderung bersifat backward looking. Terkait dengan perdebatan tersebut, penelitian Wimandaet al. (2011) menunjukkan bahwa perilakubackward looking lebih penting dibanding fenomena forward looking untuk kasus Indonesia. Berdasarkan kajian empiris ini, dikonstruksi model dinamis dengan memasukkan laginflasi sebagai variabel penjelas seperti dapat dilihat pada persamaan (3.4).
Berdasarkan model umum pada persamaan (3.4) tersebut, kemudian dikembangkan dua persamaan, yaitu model data panel dinamis non spasial dan
data panel spasial dinamis untuk menangkap dampak spasial dari keterkaitan antar provinsi terhadap inflasi. Pada metode non spasial, upaya untuk menangkap respon inflasi terhadap perubahan infrastruktur dilihat melalui interaksinya dengan penyesuaian UMP yang mencerminkan mekanisme perubahan harga yang terjadi melalui pasar tenaga kerja dan perubahan derajat keterbukaan perdagangan yang mewakili mekanisme harga melalui jalur perdagangan. Interaksi antara perubahan kondisi infrastruktur dengan penyesuaian UMP yang dimasukkan dalam formulasi ini juga merupakan upaya untuk menangkap dampak spillover dari perubahan kondisi infrastruktur terhadap pasar tenaga kerja secara spasial yang kemudian berujung pada perubahan harga. Sedikit berbeda dengan model non spasial, pada metode spasial yang menggunakan matrik penimbang spasial ditambah beberapa instrumen untuk menangkap dampak spillover antar provinsi. Konsekuensi dari formulasi tersebut adalah perubahan infrastruktur hanya dikaitkan dengan perubahan derajat keterbukaan perdagangan saja dan untuk penyesuaian UMP tidak diinteraksikan dengan perubahan kondisi infrastruktur karena telah ditangkap sebelumnya oleh matrik penimbang spasial dan beberapa variabel instrumen yang digunakan untuk lebih menangkap dampak spasial tersebut.
Berdasarkan penjelasan tersebut, maka spesifikasi model empiris yang digunakan dalam penelitian ini adalah :
Pt =1Pi,t1+2OGit+3IRit+4M1it+5XRit +6W2it +7BMit+8Git+9(W1it ISit) +10(OPit ISit) ... (3.5) merupakan model dasar yang digunakan untuk regresi data panel dinamis non spasial, sementara untuk model data panel spasial dinamis diturunkan spesifikasi modelspatial lagberikut :
Pt=1Pi,t1 +2WPit+3OGit+4IRit+5M1 +6XRit
+7W2it+8BMit+9Git+10W1it+11(OPit ISit) . (3.6)
dengan :W : matrik penimbang spasial
WP : pengaruh inflasi dari wilayah lainnya secara spasial
W1 : penyesuaian Upah Minimun Provinsi (UMP)
W1 IS : interaksi antara penyesuaian UMP dengan perubahan kondisi infrastruktur
OP IS : interaksi antara perubahan derajat keterbukaan perdagangan dengan perubahan kondisi infrastruktur dengan variabel Upah Minimun Provinsi (W1) dan kondisi infrastruktur (IS) dinyatakan dalam bentuk logaritma natural, sementara untuk derajat keterbukaan perdagangan (OP) dinyatakan dalam bentuk persentase.
Sesuai dengan landasan teoritis dan beberapa tinjauan empiris, koefisien 1,2, 4,5,6,7 ,8 dan9 diharapkan bernilai positif (+), demikian pula dengan
1 , 2, 3, 5, 6, 7 , 8 , 9 dan 10, sedangkan untuk 3 , 10, 4 dan 11 diharapkan bernilai negatif ().
Selanjutnya, merujuk pada penelitian Prasertnukul et al. (2010), dengan salah satu tujuannya untuk melihat dampak dari diterapkannya ITF, meskipun pendekatan yang digunakan bukan dengan data panel, maka variabel yang akan diteliti adalah bagaimana perilaku persistensi inflasi dan exchange rate pass through (ERPT) sebelum dan sesudah kebijakan dilaksanakan secara penuh pada tahun 2005. Selain itu, akan dilihat juga bagaimana level inflasi sebelum dan sesudah diterapkan ITF untuk melihat apakah kebijakan tersebut berhasil secara signifikan dalam menurunkan tingkat inflasi. Guna menangkap perilaku dari ketiganya, maka digunakan variabel dummy (DIT), yang kemudian digunakan sebagai intersep dan jugadummy slope, yaitu dengan mengalikan dengan variabel inflasi inersia (Pi,t1), yang merupakan pendekatan dari persistensi inflasi; dan variabel nilai tukar atau exchange rate (XRit), sebagai proksi dari ERPT. Konsekuensi dari masuknya beberap variabel dummy ini, maka dari baseline model empiris untuk model dinamis non spasial pada persamaan (3.4) dapat diturunkan model berikut :
Pt =1Pi,t1+2OGit+3IRit+4M1it+5XRit +6W2it +7BMit+8Git+9(W1it ISit) +10(OPit ISit)
+1DIT +2Pi,t1 DIT +3XRitDIT ... (3.7) sementara untuk model spasial dinamis adalah
Pt =1Pi,t1 +2WPit+3OGit+4IRit+5M1 +6XRit +7W2it+8BMit+9Git+10W1it+11(OPit ISit) +1DIT +2Pi,t1 DIT +3XRitDIT ... (3.8)
dengan : nilaiDIT= 0 untuk kondisi sebelum tahun 2005 dan nilaiDIT= 1 untuk periode tahun setelahnya.
Nilai koefisien yang mencerminkan kondisi sebelum dan sesudah kebijakan ITF diterapkan, yaitu 1 , 2 dan 3 diharapkan negatif (). Hal ini sesuai dengan tujuan dari ITF, yaitu menurunkan persistensi inflasi dan menurunkan ERPT, di samping juga untuk melihat dampak kebijakan terhadap penurunan tingkat inflasi.
Berkenaan dengan hipotesis tentang perbedaan kondisi infrastruktur secara simultan dengan trade openness akan menyebabkan perbedaan volatilitas inflasi antara Jawa dengan luar Jawa atau antara KBI dengan KTI, maka pada penelitian ini akan difokuskan untuk melihat apakah perbedaan tersebut signifikan. Guna menangkap perbedaan tersebut, seperti pada persamaan (3.7) dan (3.8), akan
digunakan variabel dummy slope yang menyatakan perbedaan kawasan.
Spesifikasi model empiris yang digunakan untuk melihat perbedaan kondisi infrastruktur antara Jawa dengan luar Jawa adalah sebagai berikut :
Pt =1Pi,t1+2OGit+3IRit+4M1it+5XRit +6W2it +7BMit+8Git+9(W1it ISit) +10(OPit ISit) +1(OPit ISit)DJW ... (3.9) Pt =1Pi,t1 +2WPit+3OGit+4IRit+5M1 +6XRit +7W2it+8BMit+9Git+10W1it+11(OPit ISit) +1(OPit ISit)DJW ... (3.10)
dengan : nilaiDJW= 0 untuk luar Jawa dan nilaiDJW= 1 untuk Jawa
sementara spesifikasi model empiris untuk melihat perbedaan kondisi infrastruktur antara KBI dengan KTI adalah sebagai berikut :
Pt =1Pi,t1+2OGit+3IRit+4M1it+5XRit +6W2it +7BMit+8Git+9(W1it ISit) +10(OPit ISit) +2(OPit ISit)DKTI ... (3.11) Pt =1Pi,t1 +2WPit+3OGit+4IRit+5M1 +6XRit +7W2it+8BMit+9Git+10W1it+11(OPit ISit) +2(OPit ISit)DKTI ... (3.12)
dengan : nilaiDKTI= 0 untuk KBI dan nilaiDKBI= 1 untuk KTI
nilai dari 1 diharapkan positif (+) untuk dummy Pulau Jawa, sebaliknya 2 diharapkan bernilai negatif () untukdummyKTI.