Upload
fajarakatsuki86
View
216
Download
14
Embed Size (px)
Citation preview
PERSISTENSI INFLASI DI INDONESIA Oleh: Muhammad Fajar*
1. Pendahuluan Perekonomian suatu Negara tidak akan pernah lepas dari inflasi. Inflasi adalah
kenaikan harga barang dan jasa secara umum. Kenaikan harga barang terus menerus akan
membawa dampak buruk negative bagi perekonomian nasional bahkan individu. Misalnya
seorang pegawai dengan gaji Rp. 2,300,000.00 pada tahun 2002 dibandingkan tahun 2010
dengan besar gaji yang tetap, tentu nilai riilnya berbeda walaupun secara nominal sama, ini
dikarenakan inflasi yang terjadi sehingga mempengaruhi daya beli pegawai tersebut. Itu
baru secara individu, jika secara makro maka dampaknya akan lebih besar lagi daya beli
masyarakat bisa menurun, bahkan banyak rumahtangga yang tadinya tidak berkategori
rumah tangga miskin karena berada sedikit diatas garis kemiskinan bisa menjadi miskin
akibat inflasi yang tidak dikendalikan dan rumahtangga miskin malah menjadi semakin
miskin.
Oleh karena itu, kita harus mengetahui pergerakan inflasi di masa depan sehingga
perencanaan pengendalian ekonomi dapat dibuat setepat mungkin untuk mnghindari
dampak buruk yang tidak diinginkan. Tujuan penulisan makalah ini untuk menyelidiki
persistensi pergerakan inflasi di Indonesia dengan analisis ekonofisika.
2. Kajian Literatur
Data time series mengandung empat komponen, yaitu trend, siklus, musiman dan
irregular. Dina (2005) menyatakan bahwa inflasi di Indonesia selama periode 1978-2004
dipengaruhi oleh komponen musim, trend-siklus, dan random (irregular) dimana lama
waktu dominasi komponen trend-siklus adalah enam bulan dan selama pengamatan trend
inflasi yang diperoleh berupa garis horizontal.
Triyoso (1985) menyatakan bahwa inflasi di Indonesia dalam kurun waktu Januari
1979 sampai dengan Desember 1984 mempunyai gerak siklis, pengaruh musiman, dan
trend negatif, sedangkan gerak irregular menunjukkan adanya suatu pola stasioner.
Saadah dan Yuliana (2003) bahwa dalam series data inflasi bulanan Indonesia,
komponen trend musiman memberikan pengaruh yang berbeda setiap bulannya. Ada
bulan yang signifikan dipengaruhi oleh trend dan musiman, ada bulan yang hanya
dipengaruhi secara signifikan oleh trend atau musim.
Bilodeu (1997), Dagum (1978), dan Shostak (2000) menggunakan Seasonal adjustment
method menyebutkan bahwa data series inflasi ditunjukkan oleh tiga faktor, yaitu trend-
siklus, musiman, dan irregular. Trend mengindikasikan arah secara umum dari data series
inflasi, sedangkan siklus menyebabkan perpindahan yang dihubungkan dengan siklus
bisnis, dan irregular mencakup hal-hal yanbg tidak termasuk dalam faktor musim dan
trend-siklus. Fluktuasi dari data bulanan didominasi noleh pengaruh faktor musiman
sehingga penyesuaian musiman dapat dilakukan pada data bulanan. Pengaruh dari trend-
siklus akan meningkat seiring dengan meningkatnya rentang waktu lebih dari setahun.
3. Metodologi
3.1 Metode Pengumpulan data
Dalam penelitian ini data inflasi (year on year) bulanan dari 1992 s.d. Juli 2010 oleh
Badan Pusat Statistik (BPS).
3.2 Metode Analisis
3.2.1 Analisis Rescaled Range
Analisis rescaled range (penskalaan selang) adalah suatu metode analisis yang digunakan
untuk mendapatkan nilai eksponen Hurst (H) sehingga setelah nilai eksponen Hurst diketahui,
maka dimensi fraktal dapat dicari. Metode ini dikembangkan oleh penemunya, yaitu Harold
Edwin Hurst.
Nilai H dibentuk dengan asumsi bahwa data time series adalah sebuah benda matematis,
yakni fraktal. Terbuktinya asumsi tersebut dapat dilihat dari rentang nilai H, yakni 0 ≤ H ≤ 1.
Apabila nilai H kurang dari 0 atau lebih dari satu, maka data time series bukanlah fraktal.
Prosedur dalam analisis rescaled range adalah sebagai berikut:
Bagilah data time series inflasi: 𝑌1,𝑌2,… ,𝑌𝑇 atas n selang dengan ukuran yang sama
menjadi 𝑦1 ,𝑦2 ,… ,𝑦𝑛 .Jadi dalam setiap selang terdiri atas 𝑌1,𝑌2,… ,𝑌𝜏 sehingga jumlah
data pada setiap selang berukuran sama yaitu τ
Dari setiap selang cari nilai rata-ratanya
𝑦 𝑛 = 𝑌𝑡𝜏
𝜏
𝑡=1
… (1)
dimana : 𝑦 𝑛 adalah nilai rata-rata pada setiap selang ke -n .
Hitung simpangan terhadap nilai rata-rata selang pada setiap selang
𝑌𝑡′ = 𝑌𝑡 − 𝑦 𝑛 … (2)
Hitung
𝑅 𝑛 = 𝑀𝑎𝑘𝑠 𝑌𝑡′ − 𝑀𝑖𝑛 𝑌𝑡
′ … (3) ,𝑢𝑛𝑡𝑢𝑘 1 ≤ 𝑡 ≤ 𝜏
R(n) adalah range pada selang ke-n.
𝑀𝑎𝑘𝑠 𝑌𝑡′ adalah nilai maksimum deviasi nilai Yt terhadap mean pada selang.
𝑀𝑖𝑛 𝑌𝑡′ adalah nilai minimum deviasi nilai Yt terhadap mean pada selang.
Hitung simpangan baku pada setiap selang dengan rumus:
𝑆 𝑛 = (𝑌𝑡 − 𝑦 𝑛)2
𝜏
𝜏
𝑡=1
… (4)
S(n) adalah simpangan baku pada selang ke-n
Hitung nilai C pada setiap selang
𝑅(𝑛)
𝑆(𝑛)= 𝐶 … (5)
Formula H
Masih pada set data deret waktu yang sama, pengelompokan data yang terbagi atas
jumlah selang yang berubah-ubah menyebabkan set data memiliki banyak C yang
tergantung pada jumlah selang yang diterapkan ada set data tersebut. Akibatnya nilai C
perlu dirata-ratakan sehingga diperoleh 𝐶 pada set data yang terbagi atas selang-selang
berukuran sama.
Contoh :
Jika pada set data yang sama dibagi atas 1 selang (set data asli) maka 𝐶 1 = 𝐶
Jika pada set data yang sama dibagi atas 2 selang maka 𝐶 2 = 𝐶1 + 𝐶1 /2
Jika pada set data yang sama dibagi atas 3 selang maka 𝐶 3 = 𝐶1 + 𝐶1 + 𝐶3 /3
Dan seterusnya demikian.
Maka eksponen Hurst ( H ) didapat dengan :
𝐻 = 𝑘 𝐴𝑖𝐵𝑖
𝑘
𝑖=1
− 𝐴𝑖
𝑘
𝑖=1
𝐵𝑖
𝑘
𝑖=1
/ 𝑘 𝐴𝑖2
𝑘
𝑖=1
− 𝐴𝑖
𝑘
𝑖=1
2
… (6)
dimana:
Ai= Log2 ( banyaknya data setiap pembentukan menjadi terbagi atas p selang)
Bi = 𝐿𝑜𝑔2(𝐶𝑖 ) , 𝑖 = 1 , 2 , 3,… , 𝑝
3.2.2 Dimensi Fraktal (Df )
Dalam geometri fraktal, dimensi fraktal adalah nilai yang memberikan indikasi bagaimana
sepenuhnya sebuah kenampakan fraktal mengisi ruang atau bidang. Dimensi fraktal mempunyai
hubungan langsung dengan eksponen Hurst, sebagai berikut:
𝐷𝑓 = 2 −𝐻 … (7)
Df = 1,5 → data bersifat acak.
1 < Df < 1,5 → data memiliki kecenderungan untuk bertahan pada suatu trend dalam
jangka waktu yang lebih lama (persistensi).
1,5 < Df < 2 → data memiliki kecenderungan untuk tidak bertahan pada suatu trend (anti
persistensi trend).
4. Analisis dan Pembahasan
4.1 Eksponen Hurst
Analisis rescaled range menghasilkan perkiraan nilai eksponen Hurst sebesar 0.788
lebih besar dari 0.5 sehingga mengindikasikan bahwa inflasi memiliki memori panjang,
nilai H tersebut berada pada selang 0 ≤H ≤ 1 sehingga dapat disimpulkan bahwa data series
inflasi adalah fraktal.
4.2 Dimensi Fraktal
Dimensi fraktal yang tercipta adalah sebesar 1.212, maka inflasi memiliki
kecenderungan untuk bertahan pada suatu trend dalam jangka waktu yang lebih lama,
artinya kenaikan trend pada saat ini akan diikuti kenaikan trend pada masa yang akan
datang.
5. Kesimpulan
Berdasarkan analisis dan pembahasan dapat kita tarik kesimpulan, yaitu:
a. Data series inflasi merupakan benda fraktal,
b. Inflasi Indonesia bersifat persisten.
6. Referensi
Biladeau. “seasonal adjustment: why, when, how”. www.stat.gouv.qc.ca/clacon/eco4_97_an.htmv.1997. Dagum. 1978. “Modelling, Forecasting and Seasonally Adjusting Economics Time Series with the X-11_ARIMA Method.” www.census.gov. Hariadi ,Yun dan Yohanes Surya. 2003. Multifraktal Telkom, Indosat, dan HMSP
[Paper]. Bandung: Bandung Fe Institute.
Hening27.wordpress.com/teori-fractal/
Saadah dan Yuliana. 2004. Pola Fluktuasi Inflasi di Indonesia. Skripsi Sarjana. Universitas Kristen Indonesia Atmajaya. Shostak, frank. The Mises Daily Article “seasonal adjustment”. Australia www.mises.org/story/493.2000. Triyoso, B. 1985. Menelaah Perilaku Inflasi Di Indonesia 1979-1984. Management dan Usahawan Indonesia. Sept-Okt:22-29. www.wikipedia.org/fractal
*) Alumnus Sekolah Tinggi Ilmu Statistik Angkatan 46, sekarang bekerja sebagai Koordinator Statistik Distribusi BPS Kabupaten Waropen. Analisis ini adalah sebuah pandangan pribadi
. Karya ini dibuat pada Desember 2010 [email protected]
LAMPIRAN 1. Grafik
Gambar 1. Pergerakan inflasi IHK yoy 1992 – Juli 2010
-10
0
10
20
30
40
50
60
70
80
90
1992 1994 1996 1998 2000 2002 2004 2006 2008 2010
Inflasi_
Y_o_y__
2. Eksponen Hurst
2
2.5
3
3.5
4
4.5
5
5.5
6
3.5 4 4.5 5 5.5 6 6.5 7 7.5 8
log(R
S)
log(sample size)
Rescaled-range plot for Inflasi_Y_o_y__