STUDI EFEKTIVITAS PELAYANAN PUBLIK DI KECAMATAN KEJAKSAN KOTA CIREBON Jurnal Ekonomi dan Studi Pembangunan Volume 10, Nomor 1, April 2009: 65 - 76 DETEKSI FAKTOR PENYEBAB INFLASI DI PURWOKERTO Rahmat Priyono 1 dan Endang Setiasih 1 1 Fakultas Ekonomi Universitas Jenderal Soedirman Purwokerto Jalan H.R. Boenyamin 708 Purwokerto Telp. 0281-635292 E-mail: priyonorakhmat@gmail.com Abstrak: Penelitian ini bertujuan untuk mendeteksi faktor penyebab inflasi di Purwokerto. Mengingat inflasi di wilayah ini lebih tidak stabil daripada kota-kota lain di sekitarnya. Pada bulan Desember 2008, kota-kota di sekitar Purwokerto mengalami deflasi sedangkan di kota Purwokerto justru terjadi inflasi positif. Model yang digunakan dalam penelitian ini adalah model Vector Autoregressive (VAR). Hasil penelitian menunjukkan bahwa bahwa penawaran uang M1, tingkat bunga konsumsi, tingkat tingkat buga deposito, kurs tukar Rupiah/dolar Amerika, indeks kepercayaan konsumen, dan harga minyak mempunyai pengaruh yang signifikan pada tingkat inflasi. Model terbaik autoregresi ini adalah dengan lag pertama dan lag keenam. Penawaran uang dengan proxy cash flow dari sektor perbankan terhadap sektor riil berpengaruh positif terhadap inflasi. Tingkat bunga, pada tingkat bunga konsumsi dan tingkat bunga deposit berpengaruh negatif. Total kredit dari perbankan di Banyumas berpengaruh negatif. Kenaikan kurs mata uang rupiah terhadap dolar Amerika berpengaruh positif. Sementara itu, tingkat kepercayaan konsumen dari penduduk Purwokerto berdampak negatif terhadap inflasi. Terakhir, kenaikan harga minyak berdampak langsung terhadap inflasi Kata kunci: inflasi, vector autoregressive model, total kredit perbankan, inflation modeling Abstract: Generally inflation constitute more a problem than a solution because its impact to all economic conditions. Inflation phenomena in Purwokerto is necessary to research. Inflation In this region is more unstable than other cities. December 2008, even other cities had defla- tion situation, positive inflation occurred in Purwokerto. Inflation modeling by Vector Auto- regressive Model (VAR), it is find out money supply (M1), consumption interest rate, de- posit interest rate, Rupiah/US dollar exchange rate, consumers trust index, and oil price have significant impact to inflation rate. Best model is produced by 1st to 6th lag auto regression factors. It means relatively the current inflation was effected by 1st – 6th months before. Other result, money supply with proxy by cash flow from banking sector to rill sector has positive impact to inflation. Interest rates, by means consumption interest rate and deposit interest rate, have negative impact. Total credit from Banyumas banking has negative effect. Increas- ing of Rupiah currency to US dollar has positive impact. While consumers trust of Pur- wokerto resident has negative impact to inflation. Last, price oil increasing has positive infla- tion effect directly. Keywords: inflation, vector autoregressive model, total kredit perbankan, inflation modeling PENDAHULUAN Faktor-faktor yang mempengaruhi inflasi sangat banyak. Ada faktor-faktor yang bisa dikendalikan pemerintah melalui suku bunga dan ada yang tidak bisa. Secara konseptual, sasaran inflasi (inflation targetting) ditetapkan berdasarkan perkembangan dan proyeksi arah pergerakan ekonomi ke depan terutama karena adanya social loss (kerugian sosial) Jurnal Ekonomi dan Studi Pembangunan Volume 10, Nomor 1, April 2009: 65 - 76 66 akibat trade-off antara inflasi dan pertumbu- han ekonomi. Penargetan inflasi tidak hanya berguna untuk mengatasi inflasi yang ren- dah, tetapi juga merupakan upaya potensial bagi pemulihan (remediasi) dari inflasi yang tinggi dan persisten. Implementasi kerangka kerja penargetan inflasi di Indonesia didasarkan atas pertimba- ngan adanya trade-off jangka pendek antara tujuan pertumbuhan ekonomi dengan kesta- bilan harga (Hutabarat, 2001). Svensson (1998) menambahkan bahwa penargetan inflasi yang didukung dengan independensi bank sentral akan semakin mampu menghasilkan tujuan kebijakan tingkat inflasi yang rendah. Mengapa inflasi lebih sering merupakan masalah, Brodjonegoro (2008) menyatakan bahwa permasalahan pertama yang paling kritis dalam kebijakan moneter adalah kesu- litan pengambil kebijakan dalam mengen- dalikan laju inflasi. Dalam pengertian, me- mang laju inflasi Indonesia relatif rendah, le- bih banyak di bawah dua digit, tetapi selalu membutuhkan kerja ekstra keras. Selain itu, inflasi yang terjadi juga sangat rentan apabila terjadi gangguan eksternal. Ketika terjadi guncangan (shock) eksternal sedikit, seperti kenaikan harga pangan, atau energi, maka secara langsung inflasi menjadi tidak terkon- trol melebihi 10 persen. Secara teoritis, pada saat perekonomian mengalami pertumbuhan karena kemajuan teknologi, maka perubahan penawaran agre- gat akan menyebabkan harga dan output bergerak dengan arah yang berlawanan (Cover dan Pecorino, 2003). Namun pada saat ada shocks pada sisi permintaan, maka peru- bahan permintaan agregat akan menyebab- kan korelasi inflasi dan output menjadi positif (Cover dan Hueng, 2000). Tetapi, jika inflasi akibat shock ekonomi maupun kebija- kan pemerintah merupakan inflasi yang tak diantisipasi maka inflasi akan berpengaruh penting terhadap aspek kesejahteraan ekono- mi. Harga-harga akan meningkat lebih cepat daripada tingkat harga yang diperkirakan sebelumnya nilai riil dari seluruh aset akan menurun. Dampak lanjutannya adalah akan memperlebar kesenjangan distribusional (Doepke and Schneider, 2005). Untuk mengidentifikasi semua faktor yang relevan berpengaruh terhadap fluktuasi harga, metode Vector Auto Regressive (VAR) lebih sering diaplikasikan. Beberapa peneliti- an empiris mengenai determinan inflasi dengan menggunakan VAR telah dilakukan di berbagai negara. Kenny G, Aidan Meyler, dan Terry Quinn (1998) melakukan prediksi inflasi di Irlandia dengan variabel penjelas- nya berbagai macam harga komoditas domestik, variabel moneter dan keuangan, aktivitas permintaan ekonomi domestik, harga luar negeri dan harga komoditas dunia. Penelitian tersebut dilakukan dengan masa observasi 1979Q1 – 1998Q1. Minella, A. (2001) menginvestigasi kebijakan moneter dan hu- bungan ekonomi makro meliputi output, ting- kat inflasi, tingkat suku bunga, dan uang di Brazil. Brownie dan Cronin (2007) menganalisis kaitan antara harga-harga komoditas dengan tingkat inflasi dengan data di AS periode 1959Q1 sampai 2005Q3. Pada penelitian inflasi dengan VAR lain- nya, Gottschalk, dkk (2008) meneliti determi- nan-determinan yang mempengaruhi inflasi di Sierra Leone dengan periode observasi 2005–2007. Martel, S. (2008) mengukur core inflation di Kanada dengan variabel penjelas pertumbuhan harga minyak dan pertumbu- han output dengan periode penelitian 1961Q1-2005Q2. Selain itu, Galesi A. dan Marco J. Lomabrdi (2009) meneliti terjadinya transmisi shock minyak dan shock harga makanan ke inflasi dan perekonomian riil meliputi 33 negara dengan periode tahun 1999 sampai dengan 2007. Deteksi Faktor Penyebab Inflasi di Purwokerto (Rahmat P. dan Endang Setiasih) 67 Mengingat pengaruh inflasi pada pere- konomian secara luas, penelitian mengenai inflasi daerah perlu dilakukan. Karena setiap daerah memiliki karakteristik harga-harga yang unik, maka faktor pendorong muncul- nya fluktuasi inflasi akan mungkin berbeda antar daerah. Di Purwokerto, perkembangan inflasi cenderung berbeda dengan daerah lain. Tingkat inflasi di Purwokerto relatif lebih tinggi daripada tingkat inflasi di daerah lain, khususnya di Jawa Tengah dan DIY. Peningkatan inflasi Purwokerto terlihat ekstrem pada bulan Juni dan Juli 2008 yang tercatat lebih dari 2 persen. Puncak inflasi terjadi di Purwokerto pada bulan Juni yaitu sebesar 2,75 persen, lebih tinggi dari Sema- rang dengan inflasi 2,40 persen. (BPS Jawa Tengah, 2009). Bukan hanya mencatat rata-rata inflasi tertinggi, inflasi di Purwokerto juga tercatat paling fluktuatif. Standar deviasi inflasi selama 2008 di Purwokerto tercatat paling tinggi dari daerah lain. Fluktuasi ini mencer- minkan perkembangan harga-harga di Pur- wokerto lebih tidak stabil, lebih bergejolak dan terlihat menjadi lebih sulit terkendali. Fenomena lainnya, pada penghujung tahun 2008, Purwokerto tercatat sebagai daerah dengan inflasi tertinggi yaitu sebesar positif 0,17 persen, sementara 3 daerah lain menun- jukkan tingkat inflasi negatif. Hal ini menjadi pertanyaan mengapa daerah lain terjadi per- kembangan penurunan harga tetapi di Pur- wokerto terjadi kondisi sebaliknya. Anomali ini unik dan menarik untuk dikaji. Penelitian mengenai inflasi diperlukan untuk mengetahui bagaimana pola inflasi dan mengetahui sebab-sebab ketidakstabilan harga-harga di wilayah Purwokerto. Identifi- kasi ini akan menjadi kajian akademis yang penting sebagai bahan masukan pada pe- ngambilan kebijakan stabilisasi harga di daerah. METODE Sumber Data dan Wilayah Penelitian Analisis inflasi di Purwokerto ini memerlu- kan data sekunder. Data sekunder diperlukan untuk mendeteksi variabel-variabel yang memberikan sumbangan terjadinya lonjakan inflasi, mengetahui seberapa cepat variabel- variabel inflation shock akan menciptakan lonjakan inflasi. Data ini diperoleh dari ter- bitan Biro Pusat Statistik maupun Bank Indo- nesia. Data berbentuk lintas waktu dengan rentang periode bulanan dari Januari 2005 sampai Maret 2009 Estimasi Determinan Inflasi Untuk mengidentifikasi semua faktor yang relevan berpengaruh terhadap fluktuasi har- ga, metode Vector Auto Regressive (VAR) paling tepat diaplikasikan. VAR telah banyak dipergunakan secara luas untuk mengiden- tifikasi fluktuasi harga-harga. Pada penelitian ini, VAR digunakan untuk mengestimasi determinan-determinan relevan yang menja- di sumber inflasi di wilayah Purwokerto. Model VAR untuk analisis inflasi dapat diekspresikan dalam bentuk matriks sebagai berikut (Gottschalk, Kalonji, and Miyajima, 2008): yt = B0* + B1* (L) yt + ut) (1) dimana yt menunjukkan vektor dari variabel dalam model, ut menunjukkan residual reduced form, B0* merepresentasikan kompo- nen deterministik dari model reduced form (yaitu konstanta dan tren waktu), dan B1*(L) merupakan lag operator. Estimasi model reduced form dapat menggunakan estimator ordinary least square (OLS) konvensional – tetapi parameter hasil estimasi tidak akan memiliki interpretasi ekonomi. Untuk me- Jurnal Ekonomi dan Studi Pembangunan Volume 10, Nomor 1, April 2009: 65 - 76 68 ngatasi hal ini perlu dilakukan pembentukan model struktural sebagai berikut; 1 yt = 0 + B (L) yt + et (2) dimana 1 merupakan interaksi serentak di antara variabel-variabel, 0 komponen deter- ministik struktural, B (L) adalah respons lag serta et adalah residual struktural. Tidak seperti halnya bentukan reduced form, bentuk struktural memasukkan interaksi serentak dan merupakan model ekonomi secara utuh. Dengan demikian, model ini tidak dapat diestimasi secara langsung. Karena itu, model harus dikembalikan pada bentuk reduced form dengan menggunakan beberapa pembatasan. Hasil dari kombinasi antara reduced form dengan parameter strukturalnya; B0* = 1-1 0 , B1* (L) = 1-1 B(L) , ut = 1-1 et (3) Bentuk model VAR perlu direformulasi ke dalam bentuk rata-rata bergerak atau moving average (MA). Untuk bentuk struk- turalnya, yt = ( 1 – B(L))-1 0 + (1 – B(L))-1 et + = C (L) 0 + C (L) et (4) dimana C (L) = ( 1 – B(L))-1. Untuk mengestimasi VAR struktural, bentuk reduced form perlu ditransformasikan ke dalam MA, maka akan berbentuk; yt = (1 – B1*(L))-1 B0* + (1 – B1*(L))-1 ut = C* (L) B0 + C (L) ut (5) dimana C* (L) = (1 – B1*(L))-1. Maka bentuk struktural dan reduced form akan terkait dalam hubungan sebagai beri- kut; C (L) = C* (L) 1 -1 , C (L) 0 = C* (L) 1 -1 1 B0* , dan et = 1 ut (6) Selanjutnya, reduced form dapat ditulis- kan kembali sebagai berikut yt = C* (L) 1 -1 1 B + C* (L) 1 -1 1 ut = C (L) 0 + C (L) et (7) pada model tersebut, untuk kasus bivariat paling sederhana, matrik varians-kovarians pada shock struktural memiliki bentuk;           e 2 2 2 1 0 0   (8) Residual struktural et, yang merupakan pusat perhatian dari pendekatan VAR, mengacu pada shock struktural. Pada penelitian ini, vektor variabel yang dianggap memberikan pengaruh penting pada fluktuasi inflasi Purwokerto sepanjang periode penelitian adalah: Aliran kas keluar dari sektor Perbankan pada Masyarakat (dalam Juta Rupiah). Variabel ini digunakan sebagai proksi Jumlah Uang Beredar (JUB). Model menggunakan singkatan JUB_OUT. Suku Bunga Konsumsi Bulanan di Purwo- kerto (dalam persen). Variabel ini digunakan sebagai proksi suku bunga kredit. Model menggunakan singkatan t_KONS Suku bunga deposito perbankan 3 bulanan di Purwokerto (dalam persen). Variabel ini digunakan sebagai proksi suku bunga depo- sito. Model menggunakan singkatan b_DEP_b. Total Kredit Perbankan di Banyumas dalam juta Rupiah (dalam nilai Logaritma natural). Variabel ini digunakan sebagai proksi posisi kredit. Model menggunakan singkatan KRED_BMS. Nilai tukar Rupiah/Dolar Amerika pada bulan sebelumnya. Variabel ini digunakan sebagai proksi pengaruh nilai tukar Rupiah. Deteksi Faktor Penyebab Inflasi di Purwokerto (Rahmat P. dan Endang Setiasih) 69 Model menggunakan singkatan ER_JUAL(-1) Indeks Kepercayaan Konsumen pada kemam- puan konsumsinya. Variabel ini digunakan sebagai proksi kepercayaan konsumen pada stabilitas perekonomian. Model mengguna- kan singkatan IKK() Harga bahan bakar minyak (BBM) untuk jenis Premium (dalam Rupiah). Variabel ini digunakan sebagai proksi kebijakan harga bahan bakar. Model menggunakan singkatan BBM_Prem. HASIL DAN PEMBAHASAN Pada metode Ordinary Least Square standar diperoleh informasi adanya hubungan teori- tis yang diharapkan untuk setiap parameter yang signifikan. Meskipun demikian hasil estimasi pada model ini bias secara statistik. Meskipun identifikasi statistik menunjukkan nilai otokorelasi bisa ditoleransi tetapi besa- ran pengaruh variabel tak tergantung secara serempak terlihat bias. Bias statistik ini ditun- jukkan oleh nilai F terlalu kecil dan tidak signifikan secara statistik maupun nilai R2 yang terlalu kecil. Dapat disimpulkan model dasar tersebut bukan merupakan model yang baik dan tidak memuaskan secara statistik. Dengan menggunakan metode VAR yang menambahkan Autoregresi sampai t–6 diperoleh hasil yang lebih baik. Tiga alter- natif model inflasi dipilih. Pada model perta- ma, dengan memasukkan variabel kelamba- nan untuk variabel JUB_(OUT), t_KONS, b_DEP_b, ER_JUAL dan IKK, model yang dihasilkan berdampak parameter pada 3 variabel kelambanan tersebut tidak signifikan dan serial korelasi masih tergolong tinggi. Pada alternatif kedua, kelambanan pada variabel JUB_(OUT) dan b_DEP_b dihilang- kan. Dua variabel tersebut tetap dimasukkan bukan sebagai variabel kelambanan. Hasil estimasi parameter menunjukkan seluruh variabel (kecuali variabel auto regresi) terli- hat signifikan. Adj R2 meningkat disertai serial korelasi yang makin menurun. Pada alternatif ketiga, kelambanan varia- bel t_KONS dihilangkan. Hasil regresi me- nunjukkan lebih baik dari alternatif pertama maupun kedua. Seluruh parameter autoregresi menunjukkan arah yang diinginkan (bertan- da negatif), seluruh variabel tersisa terlihat signifikan, F statistik dan nilai Adj R2 me- ningkat serta hasil serial korelasi yang tidak signifikan pada  5%. Dengan demikian, dari 3 alternatif model VAR yang disajikan alter- natif model ketiga lebih memuaskan secara teoritis maupun statistik. Pada model 3 tersebut, seluruh besaran parameter autoregresif di semua alternatif model (1, 2, maupun 3) bertanda negatif (–). Tanda negatif ini berarti terdapat korelasi terbalik antarlag. Kenaikan inflasi 6 bulan yang lalu memberikan dampak penurunan inflasi pada bulan berikutnya (inflasi 5 bulan yang lalu). Penurunan inflasi pada 5 bulan yang lalu berdampak kenaikan inflasi pada bulan berikutnya. Proses ini berjalan secara bergantian dan mencerminkan bahwa inflasi antarperiode sifatnya tidak stabil. Bagi pengambil kebijakan, parameter negatif pada lag inflasi dapat dipandang memberikan dampak negatif dan perlu diturunkan. Secara teoritis, kenaikan jumlah uang beredar (JUB) akan berdampak kenaikan inflasi. Proksi yang digunakan adalah aliran kas keluar dari sektor perbankan pada masyarakat (dalam Juta Rupiah) Semakin banyak permintaan masyarakat pada uang beredar akan mendorong konsumsi yang lebih tinggi dan berdampak pada kenaikan harga-harga. Kesimpulan ini sesuai dengan estimasi dari model. Pada model ini, variabel suku bunga yang pertama diwakili oleh suku bunga kon- Jurnal Ekonomi dan Studi Pembangunan Volume 10, Nomor 1, April 2009: 65 - 76 70 sumsi. Diperkirakan kenaikan suku bunga kredit konsumsi di Purwokerto akan ber- dampak pada penurunan inflasi. Masyarakat akan lebih cenderung menyukai bunga kredit konsumsi yang rendah. Jika bunga kredit konsumsi mampu dinaikkan, minat masyara- kat pada permintaan kredit konsumsi akan berkurang. Hal ini mengindikasikan penuru- nan konsumsi masyarakat dan sebagai res- ponnya adalah penurunan tingkat harga. Demikian pula, kenaikan suku bunga depo- sito akan berdampak masyarakat lebih rela menyerahkan uangnya pada sektor perban- kan daripada disimpan atau dikonsumsi langsung. Secara absolut, nilai parameter bunga deposito ini lebih tinggi daripada nilai para- meter suku bunga kredit. Kedua parameter ini dapat dibandingkan karena menggunakan satuan yang sama. Perbedaan besar parame- ter tersebut menunjukkan untuk menurun- kan inflasi akan lebih efektif jika mengguna- kan kebijakan suku bunga deposito daripada kebijakan suku bunga kredit konsumsi. Pada variabel permintaan kredit, tanda negatif pada parameter di model 3 memper- lihatkan dengan asumsi ceteris paribus kenai- kan total kredit di Banyumas memberikan dampak negatif dan signifikan pada tingkat inflasi. Dengan kata lain, inflasi dapat ditekan dengan meningkatkan permintaan kredit di Banyumas. Jika diurai, total permintaan kre- dit di Banyumas lebih didominasi untuk tujuan bukan konsumtif. Jika dikaitkan de- ngan fluktuasi inflasi, kebijakan pemberian kredit dengan proporsi lebih besar pada kredit non konsumtif terbukti efektif menu- runkan tingkat inflasi. Pada model optimal, diperkirakan kenai- kan nilai tukar rupiah memberikan dampak penting pada kenaikan tingkat inflasi. Proksi variabel yang digunakan adalah nilai tukar rupiah per 1 dolar AS. Naiknya nilai tukar rupiah akan mendorong masyarakat untuk melepas mata uang asing yang dipegangnya untuk mendapatkan keuntungan dari selisih kurs. Tambahan rupiah yang digunakan untuk konsumsi selanjutnya akan mendo- rong kenaikan harga-harga. Hasil estimasi konsisten dengan perkiraan teoritis. Sementara, keyakinan konsumsi masya- rakat menunjukkan perilaku masyarakat pada berbagai hal yang terkait dengan kondisi ekonomi secara keseluruhan. Keyaki- nan konsumsi ini akan menunjukkan apakah masyarakat optimis dengan kemampuan konsumsi mereka. Proksi yang digunakan sebagai ukuran keyakinan konsumsi masya- rakat adakah Indeks Keyakinan Konsumsi (IKK). Semakin tinggi nilai IKK berarti semakin tinggi tingkat keyakinan konsumen terhadap perekonomian secara keseluruhan. Enam determinan yang dipergunakan untuk meng- hitung indeks keyakinan konsumsi tersebut adalah; (1) penghasilan saat ini dibandingkan 6 bulan yang lalu, (2) ekspektasi penghasilan 6 bulan yang akan datang, (3) ketersediaan lapangan kerja saat ini dibandingkan 6 bulan lalu, (4) ketersediaan lapangan kerja pada 6 bulan yang akan datang, (5) ketepatan waktu saat ini untuk melakukan pembelian barang tahan lama, serta (6) kondisi ekonomi Indo- nesia 6 bulan yang akan datang. Diperkirakan, semakin optimis masyara- kat pada kemampuan konsumsinya masyara- kat akan cenderung menahan untuk melaku- kan konsumsinya dalam jangka pendek. Hal ini disebabkan optimisme pada kondisi pere- konomian yang sedang berjalan maupun optimisme pada ekspektasi konsumsi mereka di masa depan akan membuat masyarakat merasa aman dengan uang yang dipegang- nya. Dengan kata lain, uang yang dipegang saat ini tidak akan terlalu berbeda jika dibelanjakan pada saat ini atau masa nanti. Deteksi Faktor Penyebab Inflasi di Purwokerto (Rahmat P. dan Endang Setiasih) 71 Hal tersebut berbanding terbalik jika masyarakat menilai kondisi perekonomian secara keseluruhan tidak memberikan rasa optimis. Masyarakat dengan kondisi skeptis tersebut akan membelanjakan uang yang dipegang dengan segera karena cenderung dianggap lebih aman. Mereka akan khawatir harga-harga akan terdorong naik jika tidak segera melakukan konsumsi. Dampaknya adalah pesimisme masyarakat pada keyaki- nan konsumsi akan mendorong kenaikan harga dan berpengaruh positif pada inflasi. Parameter pada model sesuai dengan yang diperkirakan sebelumnya bahwa semakin optimis masyarakat pada perekonomian secara keseluruhan maka masyarakat tidak akan segera melakukan konsumsi dan ber- dampak pada penurunan harga-harga. Untuk variabel tak tergantung terakhir, perubahan harga BBM dipastikan akan mem- berikan pengaruh signifikan pada perubahan tingkat harga dengan arah positif. Kenaikan harga BBM akan mendorong kenaikan inflasi dan sebaliknya penurunan harga BBM akan menurunkan tingkat inflasi. Selama periode observasi Januari 2005 sampai dengan Maret 2009, harga BBM ber- subsidi untuk konsumsi rumah tangga telah mengalami perubahan sebanyak 5 kali. Dua periode terjadi penurunan harga dan 3 periode terjadi kenaikan harga. Pada model, besaran parameter BBM bernilai positif. Nilai parameter ini berarti setiap kenaikan harga BBM jenis premium akan mendorong kenai- kan inflasi. Dari besaran parameter yang positif ini dapat terbukti bahwa kenaikan harga BBM oleh pemerintah akan mendorong kenaikan harga-harga umum. KESIMPULAN Lebih tingginya tingkat inflasi di Purwokerto dibandingkan kota lain di Jawa Tengah mau- pun Yogyakarta pada tahun 2008 menunjuk- kan wilayah ini lebih rentan untuk terjadi perubahan harga secara cepat. Bagi sektor riil, hal ini akan menyulitkan bagi pembuatan keputusan usaha. Penelaahan inflasi di Purwokerto perlu mempertimbangkan skenario kebijakan infla- si berbasis permodelan ekonomi. Dengan menggunakan metode regresi diketahui ter- dapat beberapa variabel, yang lebih bersifat sisi permintaan, yang memiliki pengaruh penting bagi inflasi. Hasil estimasi menunjukkan jumlah uang beredar dengan proksi aliran kas keluar dari sektor perbankan memiliki pengaruh positif bagi inflasi. Kenaikan aliran kas keluar akan memberi dampak kenaikan inflasi. Kenaikan suku bunga kredit konsumsi mau- pun bunga deposito di perbankan menghasil- kan parameter negatif pada inflasi. Demikian pula besaran kredit yang disalurkan oleh perbankan di Banyumas memiliki efek nega- tif dan penting pada inflasi. Pada variabel nilai tukar ditemukan naiknya nilai tukar Rupiah akan mendorong masyarakat untuk melepas mata uang asing yang dipegangnya untuk mendapatkan keuntungan dari selisih kurs. Tambahan rupiah yang digunakan untuk konsumsi selanjutnya akan mendo- rong kenaikan harga-harga. Dua determinan penting lainnya adalah keyakinan konsumsi masyarakat Purwokerto dan perubahan harga BBM. Dengan parame- ter negatif dapat disimpulkan semakin opti- mis masyarakat pada perekonomian secara keseluruhan maka masyarakat tidak akan segera melakukan konsumsi dan berdampak pada penurunan harga-harga. Pada peruba- han harga BBM, perubahan harga BBM terbukti memberikan pengaruh signifikan pada perubahan tingkat harga dengan arah positif. Kenaikan harga BBM akan mendo- rong kenaikan inflasi dan sebaliknya penuru- Jurnal Ekonomi dan Studi Pembangunan Volume 10, Nomor 1, April 2009: 65 - 76 72 nan harga BBM akan menurunkan tingkat inflasi. Beberapa saran sebagai pertimbangan untuk pengambil kebijakan dari hasil peneli- tian ini antara lain upaya-upaya riil untuk mendorong stabilisasi harga akan merupakan hal penting bagi pemerintah daerah karena stabilitas harga merupakan salah satu alasan yang dipandang menarik bagi investor untuk menempatkan lokasi usaha. Upaya untuk menaikkan suku bunga deposito dan kredit konsumsi, mendorong meningkatkan permintaan kredit non kon- sumtif maupun menjaga optimisme keyaki- nan konsumen pada stabilitas kondisi pere- konomian akan menjadi kebijakan yang cukup efektif untuk mengurangi dampak tingginya inflasi akibat kenaikan harga BBM. Kenaikan IKK (Indeks Keyakinan Konsu- men) pada bulan berjalan akan berpeluang menurunkan inflasi bulan berikutnya. Hal ini mengindikasikan bahwa kepercayaan kon- sumsi masyarakat mampu memberikan dam- pak penting untuk menahan laju inflasi. Pemerintah perlu menjaga stabilitas keama- nan, sosial ekonomi maupun faktor politik untuk mendorong masyarakat percaya bah- wa konsumsinya akan stabil. Perhitungan statistik menunjukkan bah- wa besaran bunga deposito lebih mem- berikan dampak lebih besar daripada besaran bunga kredit konsumtif. Pengambil kebijakan perlu melihat hal ini bahwa kebijakan untuk menaikkan suku bunga deposito akan mem- berikan manfaat lebih tinggi untuk menahan laju inflasi daripada mendorong kenaikan bunga kredit konsumtif. DAFTAR PUSTAKA Bank Indonesia, 2009, Inflation Targetting Framework, Jakarta: Bank Indonesia, www.bi.go.id Badan Pusat Statistik, 2009, Berita Resmi Sta- tistik BPS Propinsi Jawa Tengah, berbagai nomor terbitan, Jateng: BPS. www.bps- jateng.go.id Brodjonegoro, Bambang PS, 2008, Inflasi dan APBN, Warta, September 2008, www. pertamina.com Browne, Frank and David Cronin, 2007, Commodity Prices, Money and Infla- tion, European Central bank Working Pa- per Series No. 738 / March 2007. Cover, James and C. James Hueng, 2003, The Correlation Between Shocks to Output and Price Level: Evidence from Multi- variate GARCH Model, Southern Eco- nomic Journal. Cover, James and Paul Pecorino, 2000, Opti- mal Monetary Policy and The Correla- tion between Prices and Output, Uni- versity of Alabama Department of Eco- nomics, Finance and Legal Studies Work- ing Paper, August, 1-15. Doepke, Matthias and Martin Schneider, 2005, Aggregate Implications of Wealth Re- distribution: The case of Inflation, Unpub- lished Manuscript, UCLA and NYU Galesi, Alessandro and Marco J. Lomabrdi, 2009, External Shocks and International Inflation Linkages, A Global VAR Analysis, Working Paper Series, No 1062, June 2009, European Central Bank Gottschalk, Jan, Kadima Kalonji, and Ken Miyajima, 2008, Analyzing Determi- nants of Inflation When There Are Data Limitations: The Case of Sierra Leone, IMF Working Paper, WP/08/271 Hutabarat, Akhis R., 2000, Pengendalian Inflasi Melalui Inflation Targeting, Bank Indone- sia Direktorat Riset Ekonomi dan Kebi- jakan Moneter Bagian Studi Sektor Riil, Oktober. http://www.pertamina.com/ http://www.pertamina.com/ Deteksi Faktor Penyebab Inflasi di Purwokerto (Rahmat P. dan Endang Setiasih) 73 Kenny, G., Aidan Meyler, and Terry Quinn, 1998, Bayesian VAR Models for Fore- casting Irish Inflation, Munich Personal RePEc Archive (MPRA) Paper, No. 11360, December 1998, posted 3 November 2008, Research and Publications De- partment, Central Bank of Ireland. Martel, Sylvain, 2008, A Structural VAR Ap- proach to Core Inflation in Canada, Bank of Canada Discussion Paper, July 2008, Research Department Bank of Canada, Ottawa, Ontario, Canada Minella, Andre, 2001, Monetary Policy and Inflation in Brazil (1975-2000): a VAR Estimation, Working Paper Series, No 33, November 2001, p.1-34, Research Department, Central Bank of Brazil Svensson, Lars E.O., 1998, Monetary Policy and Inflation Targeting, NBER Reporter Winter 1997/98. LAMPIRAN Tabel L1. Data N Tahun Bulan INF JUB_OUT T_KONS b_DEP_b KRED_ BMS ER_ JUAL(-1) IKK(-1) BBM Prem (1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11) 1 2005 1 1,55 312.325 15,55 5,50 1,47 1.810 2 2 -0,18 271.145 15,55 5,50 1,58 9.665 115,33 1.810 3 3 1,62 359.609 15,55 5,50 1,63 9.760 98,83 2.400 4 4 -0,19 350.566 15,50 5,50 1,77 9.980 94,67 2.400 5 5 0,09 373.936 15,88 5,50 1,84 10.070 104,50 2.400 6 6 0,71 448.381 15,49 5,50 1,90 9.995 95,67 2.400 7 7 0,91 514.007 15,55 5,50 1,92 10.213 96,83 2.400 8 8 0,26 418.075 15,55 5,50 1,97 10.319 107,00 2.400 9 9 1,21 450.410 16,12 5,75 1,21 10.740 110,33 2.400 10 10 7,31 1.121.982 16,18 5,75 2,04 10.810 83,83 4.500 11 11 0,86 234.105 16,14 5,75 2,02 10.590 83,50 4.500 12 12 -0,27 479.740 16,23 5,75 2,07 10.535 77,84 4.500 13 2006 1 2,58 341.360 16,56 5,75 2,04 10.330 82,50 4.500 14 2 0,15 447.720 16,61 5,75 2,08 9.895 79,00 4.500 15 3 -0,57 477.460 16,65 5,75 2,13 9.730 70,50 4.500 16 4 -0,27 385.577 16,86 5,75 2,19 9.575 77,17 4.500 17 5 1,00 548.480 16,99 5,75 2,21 9.275 93,00 4.500 18 6 0,63 617.208 17,03 5,75 2,24 9.720 87,50 4.500 19 7 0,29 662.107 17,01 6,00 2,23 9.800 88,83 4.500 20 8 0,17 432.363 16,40 6,00 2,26 9.570 100,83 4.500 21 9 1,74 748.532 16,40 6,00 2,35 9.600 94,00 4.500 bersambung… Jurnal Ekonomi dan Studi Pembangunan Volume 10, Nomor 1, April 2009: 65 - 76 74 Sambungan Tabel L1. N Tahun Bulan INF JUB_OUT T_KONS b_DEP_b KRED_ BMS ER_ JUAL(-1) IKK(-1) BBM Prem (1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11) 22 10 0,82 855.741 16,38 5,75 2,36 9.735 89,00 4.500 23 11 0,45 250.800 16,18 5,25 2,40 9.610 101,00 4.500 24 12 1,19 372.369 15,95 5,25 2,46 9.665 100,00 4.500 25 2007 1 0,83 16.493 15,85 5,25 2,47 9.520 100,67 4.500 26 2 1,29 4.775 15,28 5,50 2,51 9.615 99,33 4.500 27 3 0,10 13.450 15,11 5,50 2,58 9.660 86,67 4.500 28 4 -0,21 74.343 14,91 5,75 2,69 9.618 84,17 4.500 29 5 0,43 37.498 14,56 5,50 2,80 9.583 97,67 4.500 30 6 1,11 165.144 14,38 5,25 2,85 9.328 105,67 4.500 31 7 0,67 29.587 14,30 5,25 2,85 9.554 116,00 4.500 32 8 0,10 58.791 14,01 5,25 2,90 9.686 118,33 4.500 33 9 1,43 206.828 13,85 5,25 2,99 9.910 111,17 4.500 34 10 0,44 634.501 13,79 5,25 3,00 9.637 109,00 4.500 35 11 -0,54 17.583 13,65 5,25 3,04 9.603 93,17 4.500 36 12 0,37 569.632 13,53 5,25 3,10 9.876 99,50 4.500 37 2008 1 1,41 56.874 13,44 5,25 3,10 9.919 100,67 4.500 38 2 0,71 24.769 13,47 5,25 3,15 9.804 96,67 4.500 39 3 1,43 48.498 13,41 5,25 3,30 9.551 96,67 4.500 40 4 0,36 136.334 13,41 5,25 3,46 9.717 80,67 4.500 41 5 0,97 53.728 13,41 5,25 3,53 9.734 91,83 6.000 42 6 2,75 267.514 13,27 5,25 3,63 9.818 75,50 6.000 43 7 2,58 126.990 13,32 5,25 3,70 9.725 78,83 6.000 44 8 0,03 51.988 13,52 5,25 3,75 9.618 82,50 6.000 45 9 0,90 946.267 13,56 5,50 3,81 9.653 101,33 6.000 46 10 1,08 2.128 13,76 5,10 3,83 9.878 99,33 6.000 47 11 -0,09 102.340 15,72 5,10 3,94 11.495 104,83 6.000 48 12 0,17 361.715 15,74 5,50 3,97 12.651 104,33 5.000 49 2009 1 -0,33 4.413 15,76 5,25 3,89 11.450 83,00 4.500 50 2 0,52 45.398 15,77 5,25 3,94 11.855 97,67 4.500 51 3 0,60 181.326 15,75 5,25 4,00 12.480 88,67 4.500 Penjelasan: N adalah sampel data serial (2005:1–2009:3) atau sebanyak 51 data, INF adalah inflasi bulanan wilayah perkotaan di Purwokerto berdasar data BPS Kabupaten Banyumas, JUB_OUT adalah aliran kas keluar dari sektor Perbankan Banyumas pada masyarakat (dalam Juta Rupiah), t_KONS adalah Suku Bunga Konsumsi Bulanan di Purwokerto (dalam persen), b_DEP_b adalah suku bunga deposito perbankan bulanan di Purwokerto (dalam persen), KRED_BMS adalah total kredit perbankan di Banyumas dalam juta Rupiah (dalam nilai Logaritma natural), ER_JUAL(-1) adalah nilai tukar Rupiah/Dolar Amerika pada bulan sebelumnya, IKK(-1) adalah Indeks Kepercayaan Konsumen masyarakat pada kemampuan konsumsinya, BBM_Prem adalah harga bahan bakar minyak (BBM) untuk jenis Premium (dalam Rupiah) Deteksi Faktor Penyebab Inflasi di Purwokerto (Rahmat P. dan Endang Setiasih) 75 Tabel L2. Regresi Model Dasar yang Menghasilkan OLS Regression Summary for Dependent Variable: INF (VAR1.sta) R= 0.42498580 R²= 0,18061293 Adjusted R²= 0,04404842 F(7,42)=1,3225 p<.26378 Std.Error of estimate: 1,1839 Beta Std.Err. B Std.Err. t(42) p-level Intercept -1,0675 7,9143 -0,1349 0,8934 JUB_OUT-1 -0,0618 0,1790 0,0000 0,0000 -0,3451 0,7317 t_KONS-1 -0,5243 0,2700 -0,5170 0,2663 -1,9416 0,0589 b_DEP_b-1 0,1327 0,2776 0,6456 1,3503 0,4781 0,6350 KRED_BMS -0,9675 0,3707 -1,5545 0,5956 -2,6098 0,0125 ER_JUAL-1 0,4352 0,2035 0,0007 0,0003 2,1385 0,0383 IKK-1 0,0016 0,1683 0,0002 0,0179 0,0095 0,9925 BBM_Prem 0,6666 0,2776 0,0008 0,0003 2,4009 0,0209 Durbin-Watson d (VAR1.sta) and serial correlation of residuals Durbin- Serial Estimate 2,1867 -0,0956 Tabel L3. Regresi Alternatif Model ke-1 Regression Summary for Dependent Variable: INF (VAR1.sta) R= 0,74542404 R²= 0,55565700 Adjusted R²= 0,36931962 F(13,31)=2.9820 p<0,00622 Std.Error of estimate: 0,99207 Beta Std.Err. B Std.Err. t(31) p-level Intercept 7,53275 7,399824 1,01796 0,316575 INF-1 -0,21427 0,166775 -0,21434 0,166823 -1,28480 0,208379 INF-2 -0,52776 0,144644 -0,52615 0,144203 -3,64866 0,000960 INF-3 -0,01921 0,151208 -0,01920 0,151084 -0,12707 0,899708 INF-4 -0,29948 0,137976 -0,29892 0,137716 -2,17053 0,037745 INF-5 -0,30947 0,140074 -0,30848 0,139629 -2,20930 0,034673 INF-6 -0,35442 0,136392 -0,35222 0,135546 -2,59852 0,014203 JUB_OUT-1 -0,05567 0,173374 -2,E-07 8,E-07 -0,32112 0,750277 t_KONS-1 -0,62081 0,254307 -0,60296 0,246998 -2,44117 0,020547 b_DEP_b-1 -0,13355 0,252614 -0,63551 1,202059 -0,52868 0,600790 KRED_BMS -1,55522 0,355625 -2,71381 0,620554 -4,37320 0,000128 ER_JUAL-1 0,70638 0,194729 0,00112 0,000310 3,62752 0,001016 IKK-1 -0,31069 0,163241 -0,03394 0,017835 -1,90324 0,066331 BBM_Prem 0,98103 0,254660 0,00152 0,000394 3,85230 0,000550 Durbin-Watson d (VAR1.sta) and serial correlation of residuals Durbin-Watson Serial Correlation Estimate 2,238977 -0,137290 Jurnal Ekonomi dan Studi Pembangunan Volume 10, Nomor 1, April 2009: 65 - 76 76 Tabel L4. Regresi Alternatif Model ke-2 Regression Summary for Dependent Variable: INF (VAR1.sta) R= 0,79296122 R²= 0,62878749 Adjusted R²= 0,47311773 F(13,31)=4,0392 p<0,00070 Std.Error of estimate: 0,90677 Beta Std.Err. B Std.Err. t(31) p-level Intercept 15,06932 6,408584 2,35143 0,025236 INF-1 -0,19637 0,142259 -0,19643 0,142301 -1,38038 0,177343 INF-2 -0,48021 0,130929 -0,47875 0,130530 -3,66775 0,000911 INF-3 -0,02050 0,138239 -0,02049 0,138126 -0,14831 0,883060 INF-4 -0,28897 0,127188 -0,28843 0,126949 -2,27199 0,030176 INF-5 -0,30444 0,128798 -0,30347 0,128389 -2,36367 0,024544 INF-6 -0,30560 0,123386 -0,30370 0,122620 -2,47678 0,018918 JUB_OUT 0,34479 0,145156 2,E-06 6,E-07 2,37531 0,023901 t_KONS-1 -0,55512 0,217245 -0,53916 0,211001 -2,55526 0,015738 b_DEP_b -0,44582 0,228209 -2,10528 1,077670 -1,95355 0,059830 KRED_BMS -1,49718 0,360528 -2,61254 0,629110 -4,15275 0,000239 ER_JUAL-1 0,66975 0,182390 0,00107 0,000290 3,67206 0,000900 IKK-1 -0,34337 0,145744 -0,03751 0,015923 -2,35597 0,024977 BBM_Prem 0,91394 0,246027 0,00141 0,000380 3,71481 0,000802 Durbin-Watson d (VAR1.sta) and serial correlation of residuals Durbin-Watson Serial Correlation Estimate 2,101126 -0,060760 Tabel L5. Regresi Alternatif Model ke-3 Regression Summary for Dependent Variable: INF (VAR1.sta) R= 0,81612484 R²= 0,66605976 Adjusted R²= 0,52602031 F(13,31)=4,7562 p<0,00018 Std.Error of estimate:0,86004 Beta Std.Err. B Std.Err. t(31) p-level Intercept 15,01323 6,076702 2,47062 0,019191 INF-1 -0,22931 0,135917 -0,22938 0,135957 -1,68717 0,101610 INF-2 -0,50013 0,124149 -0,49860 0,123770 -4,02846 0,000338 INF-3 -0,04908 0,131941 -0,04904 0,131833 -0,37198 0,712436 INF-4 -0,23501 0,121110 -0,23457 0,120882 -1,94050 0,061461 INF-5 -0,27995 0,122432 -0,27906 0,122043 -2,28655 0,029210 INF-6 -0,25105 0,118918 -0,24949 0,118180 -2,11111 0,042927 JUB_OUT 0,36082 0,136625 2,E-06 6,E-07 2,64096 0,012833 t_KONS -0,74395 0,227239 -0,72132 0,220329 -3,27386 0,002610 b_DEP_b -0,45250 0,211313 -2,13685 0,997879 -2,14139 0,040212 KRED_BMS -1,75848 0,369203 -3,06849 0,644248 -4,76290 0,000042 ER_JUAL-1 0,86042 0,198614 0,00137 0,000316 4,33213 0,000144 IKK-1 -0,33277 0,137493 -0,03636 0,015022 -2,42024 0,021563 BBM_Prem 1,06126 0,244864 0,00164 0,000378 4,33410 0,000143 Durbin-Watson d (VAR1.sta) and serial correlation of residuals Durbin-Watson Serial Correlation Estimate 2,009729 -0,018255