120
Pemeriksaan selanjutnya adalah apakah arah dari koefisien regresi sudah sesuai dengan nilai parameter yang diharapkan. Tabel 13 memperlihatkan, dari
sebelas penduga koefisien yang dihasilkan oleh metode SAB, dua diantaranya yaitu peningkatan belanja pemerintah daerah dan penyesuaian UMP tidak sesuai
dengan nilai parameter yang diharapkan. Pada pembahasan sebelumnya, anomali tentang pangaruh peningkatan belanja pemerintah daerah terhadap inflasi telah
disinggung dan dapat diterima karena merujuk dari beberapa penelitian empiris kondisi tersebut pernah ditemui, sementara untuk penyesuaian UMP yang
berpengaruh negatif terhadap inflasi, namum karena pengaruhnya tidak siginifkan maka dapat diterima, mengingat pada pengujian kausalitas granger memang
demikian kondisinya. Berdasarkan uraian tersebut, maka secara keseluruhan dapat disimpulkan bahwa metode SAB relatif konsisten dan robust untuk mengestimasi
persamaan 3.6 dibanding metode REM dan model yang diharapkan dapat memberi gambaran mengenai dinamika inflasi di Indonesia pada tataran provinsi,
sesuai dengan tujuan penelitian.
5.4.2 Model Penargetan Inflasi
Pembahasan mengenai model penargetan inflasi dimaksud mengacu pada persamaan 3.7 dan persamaan 3.8 yang masing-masing diestimasi dengan
menggunakan metode panel data dinamis non spasial dan metode panel data spasial dinamis. Berbeda penyajian pada tabel sebelumnya, pada model
penargetan inflasi yang disajikan pada Tabel 14 tidak ditampilkan estimasi untuk metode panel data statis namun langsung menggunakan metode panel data
dinamis, sehingga tidak dilakukan lagi pemeriksaan dari continuum hasil estimasi sebagaimana sebelumnya. Perlu diutarakan pula bahwa pada estimasi metode
panel data dinamis non spasial menggunakan perlakuan yang sama dengan model dasar, yaitu menggunakan persamaan variabel instrumen dengan pertumbuhan M1
ditetapkan sebagai predetermine variabel, sementara pada metode spasial dinamis digunakan sistem persamaan simultan dengan variabel endogen dan predetermine
variabel yang sama seperti sebelumnya, namun hanya menggunakan tiga variabel
instrumen yaitu laju perubahan tertimbang spasial dari UMP, derajat keterbukaan
121
perdagangan dan kondisi infrastruktur agar bisa menangkap terjadinya spillover antar provinsi.
Tabel 14. Hasil estimasi model data panel dinamis untuk penargetan inflasi
Variabel FD-GMM
SAB
lag P
0,7070 0,5852
0,1825 0,2437
W P
- 0,5257
0,2318
OG
-0,0299 -0,0055
0,0702 0,1835
IR
-0,0093 -0,0076
0,0010 0,0018
M1
-0,0470 -0,0303
0,0225 0,0252
XR
0,0536 0,0818
0,0513 0,0570
G
-0,0099 -0,0028
0,0188 0,0137
W1
- -0,0114
0,0165
W2
0,0350 0,0201
0,0124 0,0089
BM
0,0765 0,0134
0,0072 0,0343
W1 IS
0,0016 -
0,0262
OP IS
-0,0442 -0,0841
0,0483 0,2242
DIT
-0,0138 -0,0083
0,0108 0,0110
lag P DIT
0,3390 0,1617
0,1751 0,1823
XR DIT
0,0090 -0,1142
0,0623 0,0941
Wald-Test
4741,49 [0.0000]
40091,01 [0,0000]
Arelano-Bond - m
1
-3,7782 [0.0002]
-1,8505 [0,0642]
Arelano-Bond - m
2
0,7203 [0.4714]
-1,0238 [0,3059]
Sargan Test
23,6955 [1.0000]
13,9952 [1,0000]
Keterangan : dit = dummy Inflation Targeting
: signifikan pada 1
: standart error : signifikan pada
5 [ ] : P-value
: signifikan pada 10
Hasil estimasi baik dengan menggunakan metode dinamis spasial dan metode spasial dinamis memperlihatkan terpenuhinya syarat perlu yaitu hasil uji
Sargan tidak signifikan pada sebesar 10 sementara uji Arellano-Bond untuk
m
1
signifikan pada tingkat kesalahan 10 dan m
2
tidak signifikan pada taraf uji
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