122
10, sedangkan Wald chi-test menunjukkan P – value yang kurang dari 1. Sayangnya, pada metode panel dinamis non spasial didapati kondisi yang tidak
konsisten dengan teori ekonomi yang berlaku umum seperti money growth memberikan pengaruh yang negatif dan signifikan terhadap inflasi dan hal ini sulit
dijelaskan baik secara teoritis maupun empiris. Disamping itu, ditemui pula besarnya derajat pass through dan interaksi antara perubahan kondisi infrastruktur
dan perubahan derajat keterbukaan perdagangan tidak signifikan pengaruhnya terhadap inflasi
= 10, sementara model dasar menyatakan hal sebaliknya. Berdasarkan pemeriksaan validitas hasil estimasi yang telah disampaikan maka
dapat disimpulkan bahwa metode data panel dinamis non spasial kurang konsisten dengan teori ekonomi yang berlaku secara umum dan model sebelumnya.
Tidak jauh berbeda dengan metode data panel dinamis non spasial, hasil estimasi dari metode SAB juga menyatakan pengaruh dari money growth yang
negatif terhadap inflasi, namun tidak signifikan, sementara didapati besarnya exchange rate pass through
yang juga tidak signifikan. Selain itu, pengaruh penyesuaian BBM yang pada model dasar berpengaruh positif dan signifikan,
pada estimasi persamaan 3.8 tidak terlihat signifikan pada taraf 10, meskipun pengaruhnya tetap positif terhadap inflasi. Berdasarkan perbandingan hasil
estimasi dengan menggunakan kedua metode data panel dinamis, secara relatif metode data panel spasial dinamis lebih baik dibanding metode non spasial,
namun estimasi yang diberikan kurang robust jika dibandingkan dengan estimasi model dasar. Meski demikian, perlu digarisbawahi bahwa estimasi tersebut
merupakan hasil terbaik yang diperoleh dalam penelitian ini, sehingga estimasi tersebut tetap akan digunakan dalam interpretasi model terkait dengan penerapan
kebijakan kerangka penargetan inflasi di Indonesia.
5.4.3 Model Perbedaan Kondisi Infrastruktur antar Wilayah
Sebelum menjelaskan hasil estimasi dari model ini, perlu diketahui bahwa untuk melihat perbedaan kondisi infrastruktur terhadap volatilitas inflasi, maka
hanya akan difokuskan bagaimana peran dari interaksi antara perubahan kondisi infrastruktur dan perubahan derajat keterbukaan perdagangan terhadap inflasi
dirinci menurut kelompok wilayah Jawa dengan luar Jawa berdasarkan persamaan
123
3.9 dan 3.10 dan kelompok wilayah Kawasan Barat Indonesia KBI dengan Kawasan Timur Indonesia KTI, dari persamaan 3.11 dan 3.12. Seperti
metode estimasi sebelumnya, pada FD-GMM dibuat sistem persamaan variabel instrumen dengan predetermined variable yang sama, kecuali pada kelompok
wilayah KBI dengan KTI ditambah interaksi antara perubahan kondisi infrastruktur dan perubahan derajat keterbukaan perdagangan, sementara untuk
metode SAB menggunakan persamaan simultan dengan satu variabel endogen, yaitu keterkaitan inflasi secara spasial W
P dan predetermined variable sebagaimana digunakan pada model dasar, namun tambahan variabel instrumen
untuk model pada masing-masing kelompok wilayah berbeda. Untuk melihat inflasi kelompok wilayah Jawa dengan luar Jawa digunakan variabel instrumen
berupa laju perubahan tertimbang spasial dari UMP, derajat keterbukaan perdagangan, kondisi infrastruktur dan suku bunga riil, sementara pada kelompok
wilayah KBI dengan KTI tambahan instrumen yang digunakan sama dengan instrumen yang digunakan pada model dasar, guna menangkap terjadinya
spillover secara spasial.
Hasil estimasi dari perbedaan kondisi kelompok wilayah sebagaimana disajikan pada Tabel 15 menyatakan terpenuhinya syarat perlu dengan
menggunakan uji Sargan dan uji Arellano-Bond statistik m
1
dan m
2
, baik diestimasi dengan FD-GMM maupun dengan metode SAB. Meski demikian,
terdapat beberapa catatan terkait dengan estimasi yang dihasilkan oleh metode FD-GMM dan SAB, terkait dengan konsistensi dengan hasil estimasi model dasar.
Pada model perbedaan inflasi Jawa dengan luar Jawa, pertumbuhan M1 yang diestimasi dengan FD-GMM menunjukkan pengaruh yang negatif dan signifikan
terhadap inflasi pada taraf 10, sementara pada model dasar dampaknya tidak signifikan. Sementara untuk estimasi dengan metode SAB menunjukkan hasil
yang sama dengan model dasar, baik arah maupun signifikansi dari seluruh variabel yang memengaruhi inflasi. Sedangkan untuk model perbedaan inflasi
antara KBI dengan KTI, hasil estimasi metode FD-GMM memperlihatkan arah dan signifikansi yang sama pada hampir semua variabel, kecuali pengaruh dari
interaksi antara
perubahan kondisi
infrastruktur dan
perubahan derajat
124
keterbukaan perdagangan yang pengaruhnya signifikan pada sebesar 10 di
model dasar, pada model ini tidak memberikan pengaruh signifikan. Pada pendugaan dengan metode SAB, perbedaan dengan model dasar hanya terjadi
pada signifikansi dari hasil estimasinya saja. Tabel 15. Hasil estimasi model data panel dinamis untuk perbedaan volatilitas
inflasi antar wilayah
Variabel Wilayah Jawa dan Luar Jawa
Wilayah KBI dan KTI FD-GMM
SAB FD-GMM
SAB
lag P
0,9655 0.7562
0.9746 0.7116
0,1632 0.1281
0.0606 0.1577
W P
- 0.3468
- 0.3769
0.1338 0.1851
OG
0,0529 0.0585
0.0499 0.0434
0,0741 0.1147
0.0979 0.0769
IR
-0,0086 -0.0070
-0.0086 -0.0068
0,0008 0.0010
0.0006 0.0013
M1
-0,0248 0.0009
-0.0264 0.0005
0,0150 0.0323
0.0200 0.0302
XR
0,1015 0.0597
0.1035 0.0512
0,0344 0.0179
0.0218 0.0245
G
-0,0216 -0.0205
-0.0227 -0.0211
0,0186 0.0304
0.0234 0.0347
W1
- -0.0288
- -0.0337
0.0606 0.0502
W2
0,0317 0.0299
0.0322 0.0309
0,0091 0.0142
0.0114 0.0161
BM
0,0873 0.0482
0.0867 0.0443
0,0037 0.0186
0.0044 0.0233
W1 IS
0,0332 -
0.0270 -
0,0470 0.0600
OP IS
-0,1245 -0.1065
-0.1199 -0.1998
0,0545 0.2232
0.2023 0.2998
OP IS DJW
0,1406 0.0729
- -
0,1408 0.8023
OP IS DKTI
- -
-0.0190 -0.0222
0.3389 0.4244
Wald-Test
7204,13 [0.0000]
7148.29 [0.0000] 4439.41 [0.0000]
5181.61 [0.0000]
Arelano-Bond - m
1
-3,3110 [0.0009]
-2.2204 [0.0264] -3.1054 [0.0019]
-2.1411 [0.0323]
Arelano-Bond - m
2
0,4095 [0.6822]
-0.6614 [0.5084] 0.2837 [0.7766]
-0.8335 [0.4046]
Sargan Test
25,0530 [1.0000]
24.4450 [1.0000] 25.0623 [0.8861]
22.5063 [1.0000]
2
Keterangan : djw = dummy Pulau Jawa
: signifikan pada 1
dkti = dummy KTI : signifikan pada
5 : standart error
: signifikan pada 10 [ ] : P-value
Secara umum, estimasi dari kedua metode memperlihatkan hasil yang cukup baik karena tanda koefisien cukup konsisten dengan hasil estimasi yang
125
diperoleh dari model dasar, permasalahannya hanya pada masalah tingkat signifikansi dari koefisien hasil estimasi saja. Oleh karenanya, pendugaan dengan
kedua metode data panel dinamis tersebut tetap akan digunakan, mengingat interpretasi model hanya akan difokuskan pada interaksi antara perbedaan kondisi
infrastruktur dan trade openness terhadap inflasi saja sedangkan variabel lainnya digunakan untuk melihat robustness hasil estimasi.
5.5 Respon Inflasi terhadap Variabel-variabel Non Kebijakan 5.5.1 Peran
