Volume 2, Tahun 2011 STAF EDITORIAL. Pengarah: Kepala Badan Pendidikan dan Pelatihan Keuangan. Ketua: Dodi Iskandar

JURNAL BPPK

Volume 2, Tahun 2011

STAF EDITORIAL Pengarah: Kepala Badan Pendidikan dan Pelatihan Keuangan

Ketua: Dodi Iskandar

Dewan Editor: Prof. Dr. Heru Subiyantoro, M.Sc. Dr. Yoopi Abimanyu, Ph.D. Drs. Tony Rooswiyanto, M.Sc Kusmanadji, Ak., MBA.

Editor: Heni Kartikawati Bambang Juli Istanto Marihot Tarigan Ganti Lis Ariyadi Sugeng Satoto RS Wisnu Wardhana Hariadi

Anggota: Chairul Denyl Setiawan Haritsa Pambudi Gawe Renny Sukmono Retno Wulan Rio Suareski

Alamat Sekretariat: Badan Pendidikan dan Pelatihan Keuangan Jl. Purnawarman No. 99 Kebayoran Baru, Jakarta Selatan Telp. (021) 7394666 ext. 253, 7204131 Faks. (021) 7261775, 7244328 Website : www.bppk.depkeu.go.id E-mail : [email protected]

Daftar Isi

UJI EMPIRIS MODEL DELONE DAN MCLEAN TERHADAP KESUKSESAN SISTEM INFORMASI MANAJEMEN DAERAH (SIMDA) Trisacti Wahyuni

l Uji Empiris Model DeLone dan McLean 3-25 Terhadap Kesuksesan Sistem Informasi Manajemen Daerah (SIMDA) (Trisacti Wahyuni) l The Impact of Government Expenditure on 26-37 Poverty: Case of Java 1996, 1999 and 2002 (Rahadi Nugroho) l Analisis Persistensi Inflasi Daerah : Studi Kasus Sumatera Barat 38-63 (Agung Bayu Purwoko, Feny Yurastika) l Corruption and Investment: Evidence from Southeast Asia 63-85 (Ferry Ardiyanto) l Dampak Penerbitan SUN Domestik Terhadap 85-106 Perkembangan Sektor Perbankan (G.A. Diah Utari, Ina Nurmalia Kurniati, Ndari Surjaningsih)

ABSTRACT Regional Management Information System (SIMDA) is an application/system developed by the Financial and Development Supervisory Agency (BPKP) since 2003 to assist local governments in financial management. This application helps the local governments to implement integrated financial management, start from budgeting, accounting, administration, until reporting. Up to now, more than 230 local governments apply SIMDA. Does SIMDA have been successfully help local government to implement financial management? How to measure the success­ ful of implementation of SIMDA? The question will be tested from this study using the model of DeLone and McLean, which is a model to assess the success of a system. Based on the model of DeLone and McLean, I developed nine hypotheses. The study was conducted using questionnaires sent to users of SIMDA of local government in West Java, Central Java and East Java. After conducting tests on the nine hypotheses using the Structural Equation Model (SEM), in general, it can be said that the DeLone and McLean success model of information systems are empirically proven significantly in the successful implementation of SIMDA espe­ cially in the research object. Keywords: Regional Management Information System (SIMDA), Information Sys­ tem Success, DeLone and McLean Model.

Jurnal BPPK V o l u m e 2 Tahun 2011

3

1. PENDAHULUAN 1.1 Latar Belakang ehadiran teknologi informasi telah mem­ berikan banyak pengaruh terhadap organisasi, proses bis­­ nis dan transaksinya. Teknologi in­for­ masi (TI) telah memberikan ber­ba­gai sarana bagi manajemen dalam me­ ngelola bisnis dan pembuatan ke­ pu­ tusannya. Sistem informasi yang di­ dukung TI dapat memberikan nilai tam­ bah bagi organisasi jika didesain men­jadi sistem informasi yang efektif, sis­ tem informasi yang menandakan bah­wa sistem tersebut sukses. Sistem In­formasi Manajemen Daerah (SIMDA) me­rupakan program aplikasi yang di­ kembangkan oleh BPKP sejak tahun 2003 untuk membantu pemda dalam pe­ngelolaan keuangan daerah. Dengan apli­kasi ini pemda dapat melaksanakan pe­ ngelolaan keuangan daerah secara ter­integrasi, dimulai dari penganggaran, pe­ natausahaan hingga akuntansi dan pe­laporannya. Apakah sistem tersebut te­lah sukses membantu pengelolaan ke­ u­angan daerah? Bagaimana mengukur ke­berhasilan implementasi SIMDA ter­ se­but? Pertanyaan tersebut yang akan di­­­uji dalam penelitian ini. Pengukuran atau penilaian ku­a­litas su­­atu sistem informasi yang efek­tif su­­ lit dilakukan secara langsung se­per­­­ti pe­ngukuran biaya-manfaat (La­udon dan Laudon, 2000). Ke­su­litan pe­­­nilaian ke­­suksesan dan ke­e­fektifan sis­­tem in­ for­masi secara lang­sung men­­­dorong ba­nyak peneliti me­ng­embangkan mo­ del untuk menilai ke­suksesan sistem in­­ formasi. Model kesuksesan sistem in­for­ masi telah ba­nyak dikembangkan oleh pa­ra peneliti (Ba­­iley dan Person, 1983; De­ Lone dan McLean, 1992; Seddon,

K

4

1997; dan Rai et al., 2002). Salah satu pe­nelitian yang sangat terkenal adalah pe­nelitian yang dilakukan oleh DeLone dan McLean (1992) yaitu sebuah model ke­ suksesan sistem informasi yang di­ kembangkan oleh mereka. Sejak di­ ke­ nalkan tahun 1992 dan diperbaharui tahun 2003, model kesuksesan sistem informasi yang dikembangkan oleh DeLone dan McLean (D&M IS Success Model), telah banyak diterapkan di be­ be­ rapa penelitian empiris untuk men­ je­ laskan kesuksesan dari suatu sis­ tem informasi. Model DeLone dan McLean (1992) menyatakan bahwa ke­ suksesan sistem informasi dapat di­representasikan oleh karakteristik ku­ a­ litatif dari sistem informasi itu sendiri (sys­tem quality), kualitas output da­ri sistem informasi (in­ for­mation qu­a­lity), penggunaan out­put (use), res­pon pengguna terhadap sistem in­­for­masi (user satisfaction), pengaruh sis­­ tem informasi terhadap kebiasaan peng­­guna (individual impact), dan pe­ nga­­ ruhnya terhadap kinerja organisasi (or­­ga­ni­zational impact). Pada tahun 2005 D&M IS Success Mo­del dikembangkan di sektor publik oleh Livari (2005), untuk melihat mo­ del kesuksesan implementasi sistem in­­formasi keuangan dan akuntansi se­ ba­gai hasil dari reformasi secara na­si­ o­ nal sistem keuangan dan akuntansi ko­­ta praja di kota Oulu, Finlandia. Livari (2005) menguji secara empiris Model De­Lone dan McLean tersebut. Hasilnya mem­­ buktikan bahwa kesuksesan sis­ tem informasi dipengaruhi oleh ku­a­ l­itas sistem informasi dan kualitas in­ for­ masi yang dihasilkan dari sistem yang bersangkutan. Penelitian empiris ter­hadap Model DeLone dan McLean (1992) yang dilakukan oleh McGill et al. (2003) menemukan bahwa ku­ a­ Jurnal BPPK V o l u m e 2 Tahun 2011

litas sistem dan kualitas informasi me­ rupakan prediktor yang signifikan ba­gi kepuasan pengguna sistem. Se­dang­ kan kepuasan pengguna sistem juga me­ rupakan prediktor yang signifikan ba­ gi intensitas penggunaan sistem dan dampak individual. Studi lain yang di­ lakukan Livari (2005) menunjukkan ha­sil bahwa kualitas sistem dan kualitas in­ formasi merupakan prediktor yang sig­nifikan bagi kepuasan pengguna, na­ mun tidak signifikan terhadap intensitas peng­gunaan sistem tersebut, dan ke­ pu­ asan pengguna juga merupakan pre­diktor yang signifikan bagi dampak ter­ hadap individu. Hasil penelitian Livari (2005) tersebut berbeda de­ ngan temuan McGill et al. (2003). Hal ini dapat menjadikan argumentasi re­ search gap yang mendorong di­la­ku­kan­ nya pengujian empiris terhadap Mo­ del DeLone dan McLean (1992) pa­da obyek yang berbeda. Penelitian Li­vari (2005) meng­gunakan obyek pa­da penggunaan sis­tem yang bersifat man­datory, se­hing­ ga intensitas peng­gu­naan sistem bukan me­rupakan in­di­kator kesuksesan sistem in­formasi yang dikembangkan. Berhubung masih belum banyak pe­ ne­litian di bidang sistem informasi da­lam do­main akuntansi sektor sektor publik di Indonesia dan, peneliti melakukan pengujian D&M IS Success Model terhadap user SIMDA baik di tingkat Satuan Kerja Perangkat Daerah (SKPD), Badan Pengelola Keuangan Da­erah (BPKD), Dinas Pendapatan Da­erah dan unit-unit kerja lain yang me­nangani keuangan daerah. SIMDA mulai dikembangkan oleh BPKP pa­da tahun 2003 dan saat ini sudah le­ bih dari 230 pemda yang menerapkan SIMDA ter­se­but untuk membantu pemda menangani pengelolaan keuangan

Jurnal BPPK V o l u m e 2 Tahun 2011

daerah. Masa pengembang­an dan implementasi sistem yang telah berlangsung 7 (tujuh) tahun dirasakan telah cukup untuk mengevaluasi dan menilai apakah sistem informasi ter­sebut dapat dikatakan sukses yang di­ ukur dengan kepuasan pengguna (user satisfaction) dan meningkatkan pro­ duktivitas kinerja penggunanya, ba­ik secara individual maupun organi­sa­sional. 1.2 Masalah Penelitian Penelitian ini ingin menguji kesuksesan SIMDA dengan menggunakan Mo­del DeLone dan McLean (1992) dan me­lihat hubungan antar variabel menurut model tersebut. Sesuai model ter­se­ but, rumusan pertanyaan penelitian ada­ lah sebagai berikut: a. Apakah kualitas informasi (informa­ tion quality) dan kualitas sistem (system quality) berpengaruh positif terha­ dap kepuasan pengguna sistem (user satisfaction)? b. Apa­ kah kualitas informasi dan kualitas sistem berpengaruh positif terha­dap intensitas penggunaan sistem (use of system)? c. Apa­ kah kepuasan pengguna (user sa­tis­faction) berpengaruh positif terha­dap intensitas penggunaan sistem? d. Apakah intensitas penggunaan sistem dan kepuasan pengguna sistem berpengaruh positif terhadap indi­ vidual impact? e. Apakah intensitas penggunaan sistem dan kepuasan pengguna sistem ber­pengaruh positif terhadap organi­ zational impact? f. Apakah individual impact ber­pe­nga­ ruh positif terhadap or­ga­ni­za­tional im­pact?

5

1.3. Tujuan Penelitian Penelitian ini bertujuan me­ ng­ evaluasi apakah SIMDA yang di­ kem­ bangkan oleh BPKP dapat dikatakan ber­ hasil atau sukses dan mempunyai dam­ pak positif terhadap kinerja in­ di­ vidu maupun organisasi dengan meng­ gunakan Model DeLone dan McLean (1992). Secara rinci tujuan pe­ ne­ litian adalah sebagai berikut: a. Menguji hubungan kualitas sistem terhadap kepuasan pengguna. b. Menguji hubungan kualitas informasi ter­hadap kepuasan pengguna. c. Menguji hubungan kualitas sistem ter­hadap intensitas penggunaan sis­ tem. d. Me­nguji hubungan kualitas informasi ter­hadap intensitas penggunaan sis­ tem. e. M­e­nguji hubungan kepuasan peng­ guna terhadap intensitas peng­gu­na­ an sistem. f. Menguji hubungan intensitas peng­ gu­ naan sistem terhadap kepuasan peng­guna. g. Menguji hubungan kepuasan peng­ gu­na terhadap dampak individu. h. Menguji hubungan intensitas peng­ gu­­naan sistem terhadap dampak in­ di­vidu. i. Me­nguji hubungan dampak individu ter­hadap dampak organisasi. 1.4 Manfaat Penelitian Penelitian ini diharapkan dapat mem­berikan bukti empiris tentang mo­ del kesuksesan pengembangan dan im­ ple­ mentasi SIMDA. Bagi institusi yang me­ ngembangkan, hasil penelitian ini di­harapkan dapat memberikan umpan ba­ lik untuk meningkatkan pelayanan sis­ tem informasi dan pemeliharaan

6

sis­ tem informasi yang bersangkutan. Ba­gi pengguna, hasil penelitian ini di­ harapkan dapat meningkatkan ke­ pe­ dulian dan pemahaman mereka ten­tang kesuksesan dan manfaat yang diberikan oleh SIMDA dalam me­ningkatkan kinerja individu dan or­ga­ni­sasi. 2. KERANGKA TEORITIS DAN PENGEMBANGAN HIPOTESA 2.1 Pengertian Sistem Informasi Sistem informasi didefinisikan se­ba­­ gai seperangkat komponen yang sa­­ling ber­ hubungan yang berfungsi meng­ um­pulkan, memproses, me­nyim­pan, dan mendistribusikan informasi un­ tuk me­n­­dukung pembuatan keputusan dan pengawasan dalam organisasi (Lau­­­­don dan Laudon, 2000). Sis­tem in­formasi berbasis komputer me­­ru­pa­ kan sekelompok perangkat ke­­ ras dan pe­­rangkat lunak yang di­ran­cang untuk me­ng­ubah data men­ja­di in­for­ma­si yang ber­­manfaat. Peng­gu­na­an pe­rangkat ke­­ ras dan perangkat lu­nak ter­se­but di­mak­ sudkan untuk meng­hasilkan in­for­masi secara cepat dan akurat (Bod­nar dan Hopwood, 2000). Bodnar dan Hopwood (1996) me­­ nya­ takan bahwa perancangan sis­ tem ada­ lah penentuan proses dan da­ ta yang diperlukan oleh sistem ba­ ru. Perancangan merupakan pro­ ses pe­ nerjemahan kebutuhan peng­ gu­ na in­ formasi ke dalam alternatif ran­ca­ngan sistem informasi yang diajukan ke­ pada pengguna informasi untuk di­per­ timbangkan. Perancangan sistem ada­ lah penyiapan kebutuhan pengguna in­formasi dengan membangun al­ternatif rancangan sistem infromasi un­ tuk mengembangkan suatu sistem ba­ru.

Jurnal BPPK V o l u m e 2 Tahun 2011

2.2 Kesuksesan Sistem Informasi Perancangan sistem informasi di­ ha­ rapkan dapat berfungsi secara efektif, yang menandakan bahwa pe­ ng­embangan sistem informasi ter­se­but suk­ ses. Radityo dan Zulaikha (2007) dan Laudon dan Laudon (2000), me­ nya­ takan bahwa menggambarkan ke­ suk­ sesan sistem merupakan hal yang sulit. Penggunaan analisis bi­ay­a-manfaat ti­dak dapat dilakukan se­ca­ra sempurna ka­rena tidak semua man­faat dapat di­ku­ an­tifikasi. Dalam ba­nyak penelitian (Ives et al., 1983; Ba­iley dan Pearson, 1983; Doll dan Torkzadeh, 1988; Seddon dan Yiew, 1992; Mahmood et al. 2000; Doll et al. 2004; Livari, 2004; Landrum dan Pry­­ butok, 2004), kesuksesan sistem in­­ formasi diproksikan oleh kepuasan peng­­guna (user satisfaction). Namun, KUALITAS SISTEM

kepuasan pengguna terhadap sis­ tem (user satisfaction on system), si­kap yang positif (favorable attitude) peng­guna terhadap sistem tersebut, ter­ capainya tujuan sistem informasi (achieved ob­ jec­tives), dan imbal balik ke­uangan (fi­ nan­cial payoff). DeLone dan McLean (1992) juga menyusun mo­ del untuk meng­gambarkan kesuksesan sis­tem in­ for­masi. 2.3 Kesuksesan Sistem Informasi berda­ sar­kan Model DeLone dan McLean Kerangka pikir teoritis DeLone dan McLean (1992) dikenal dengan DeLone and McLean Model of Information System Success (D&M IS Success). Model D&M IS Success dapat dilihat pada gambar 1. Pengukuran kesuksesan sistem

INTENSITAS PENGGUNAAN DAMPAK INDIVIDU

KUALITAS INFORMASI

DAMPAK ORGANISASI

KEPUASAN PENGGUNA

Gambar 1. Model DeLone dan McLean

peng­­ gunaan kepuasan pengguna se­ ba­ gai proksi ini mendapat kritik dari Mar­kus dan Keil (1994). Mereka dengan kri­ tis mengungkapkan kepuasan tidak akan bermakna banyak ketika sistem itu tidak menyebabkan peningkatan ki­nerja individu dan organisasi. Perkembangan selanjutnya, Laudon dan Laudon (2000) mengguna­ kan 5 va­ riabel untuk mengukur ke­ suksesan sis­ tem informasi. Variabel-variabel ter­ sebut adalah tingkat penggunaan yang tinggi (high level of system use), Jurnal BPPK V o l u m e 2 Tahun 2011

informasi dengan D&M IS Success Model menggunakan enam dimensi ya­itu kualitas sistem, kualitas informasi, ke­puasan pengguna, intensitas pe­ng­ gu­naan, dampak individu, dan dampak or­ganisasi. Kualitas sistem dan kualitas in­for­ ma­si merupakan dua dimensi pertama pa­da D&M IS Success Model, dimana ku­ alitas sistem menunjukkan kualitas pro­duk dari aplikasi sistem informasi dan kualitas informasi menunjukkan ku­ alitas produk yang dihasilkan oleh

7

ap­ likasi sistem informasi. Kedua ku­ a­­li­tas tersebut, menentukan sikap da­­­ ri pengguna sebagai penerima in­ for­­masi. Penggunaan sistem dan in­for­­ ma­si memiliki pengaruh kepada peng­­ gu­na dan pada sistem. Pengaruh pa­­da pengguna akan menentukan ke­pu­­asan pengguna dan dampak pada in­­dividual. Pengaruh dari sistem akan mem­­pe­nga­ ru­hi dampak terhadap or­ga­­ni­sasi. Selanjutnya kualitas sistem (sys­tem quality) dan kualitas informasi (in­­­for­ mation quality) yang baik, yang di­tun­ jukkan oleh manfaat out­put sistem, da­pat berpengaruh ter­ha­dap tingkat peng­gunaan sistem yang bersangkutan (inten­ded to use) dan kepuasan peng­ gu­na (user sa­tis­fac­tion). Dengan me­ nganut definisi bah­ wa kualitas sis­ tem berarti kualitas dari kom­ binasi hardware dan software da­lam sistem in­formasi (DeLone dan McLean, 1992), maka dapat disimpulkan bah­wa se­ma­ kin baik kualitas sistem dan ku­ alitas output sistem yang diberikan, mi­sal­nya deng­an cepatnya waktu untuk meng­ ak­ses, dan kegunaan dari output sis­ tem, akan menyebabkan pengguna ti­ dak merasa enggan untuk melakukan peng­gunaan kembali (reuse); dengan de­­­mikian intensitas penggunaan sis­ tem akan meningkat. Penggunaan yang berulang-ulang ini dapat di­mak­ nai bahwa penggunaan yang dilakukan ber­­manfaat bagi pengguna. Tingginya de­­rajat manfaat yang diperoleh meng­ aki­­batkan pengguna akan lebih puas. Penggunaan sistem informasi yang te­ lah dikembangkan mengacu pada se­­­berapa sering pengguna memakai sis­­­­tem informasi. Semakin sering peng­­­guna memakai sistem informasi, bi­­­asanya diikuti dengan semakin ba­ nyak­­nya tingkat pembelajaran (degree

8

of learning) yang didapat pengguna atas sistem informasi (Mc Gill et al., 2003). Peningkatan derajat pem­ be­ la­­ jaran ini merupakan salah satu in­ di­­­­kator adanya pengaruh sistem ter­ ha­­­dap kualitas pengguna (individual im­pact). Selanjutnya kepuasan peng­ gu­­­na akan berpengaruh terhadap in­di­ vi­­du (individual impact). Individual impact merupakan pe­ ngaruh dari keberadaan dan peng­ gu­­ naan sistem informasi terhadap ki­­ nerja, pengambilan keputusan, dan de­ rajat pembelajaran individu da­ lam or­ ganisasi. Penerapan sistem in­ for­ ma­­si berdampak pada reaksi yang di­ tun­­jukkan oleh perilaku individu dalam or­­ ganisasi. Reaksi itu dapat berupa mun­­­culnya motivasi baru untuk ber­sa­ ing dan meningkatkan kinerja. Secara po­­­sitif keberadaan sistem informasi akan menjadi rangsangan (stimulus) dan tantangan bagi individu dalam or­­­ganisasi untuk bekerja secara lebih ba­ik, yang pada gilirannya berdampak pa­­­da kinerja organisasi. Organizational impact merupakan dam­ pak dari sistem informasi ter­ ha­ dap kinerja organisasi di mana sis­tem in­ formasi diterapkan. Peneliti di bi­ dang perilaku menyatakan bahwa pe­ nerapan sistem informasi dapat me­ng­ u­ bah hirarki pengambilan keputusan dan menurunkan biaya untuk distribusi in­formasi. Keberadaan sistem informasi da­pat memangkas fungsi dan ma­na­ jer tingkat menengah. Dengan ter­ pa­ ngkasnya fungsi manajer tingkat me­­nengah ini maka keputusan dapat di­ambil secara lebih cepat dan lebih mu­­rah, begitu juga dengan distribusi in­­ formasi. Hal ini merupakan alasan yang menguatkan bahwa keberadaan sis­tem informasi dapat meningkatkan Jurnal BPPK V o l u m e 2 Tahun 2011

ku­alitas kinerja organisasi. Model kesuksesan sistem informasi De­­Lone dan McLean tersebut banyak di­­gunakan untuk mengevaluasi model ke­­suksesan pengembangan sistem in­ for­­masi diantaranya adalah Mc Gill et al. (2003) dan Livari (2005). Model ter­ sebut menggunakan variabel an­ teseden yang terdiri dari kualitas sis­tem (system quality) dan kualitas in­formasi (information quality), serta va­ riabel konsekuensi yang terdiri dari dam­ pak individu (individual impact) dan dampak organisasi (organizational im­ pact). Hasil penelitian mereka kon­sis­ ten, kecuali pada penelitian Livari dua va­riabel anteseden tidak berpengaruh ter­ hadap intensitas penggunaan sis­ tem. Hal ini dikarenakan penelitian Li­ vari (2005) menggunakan obyek pe­­nelitian pada penggunaan sistem in­ for­­masi yang bersifat mandatori. 2.4 Hipotesa Berdasarkan kerangka pemikiran di atas, dirumuskan sembilan hipotesa se­bagai berikut: H1 H2 H3 H4 H5 H6 H7 H8 H9

3. METODE PENELITIAN 3.1 Metode dan Teknik Pengumpulan Data Jenis data yang digunakan dalam pe­nelitian ini adalah data primer be­ ru­ pa kuesioner yang berisi persepsi res­ ponden dengan skala Likert 1-5. Unit analisis penelitian ini adalah res­­ ponden yang menggunakan SIMDA yang ada pada unit-unit yang me­nge­ lola keuangan daerah dan akuntansi di pemerintah daerah pro­vin­si, ka­bu­ paten dan kotamadya (SKPD, BPKD, dan unit kerja lainnya). Pe­ ngumpulan data dilakukan dengan me­tode survei me­ lalui kuesioner yang di­ kirimkan ke­ pada responden. Sebelum di­ kirimkan ke­pada responden, peneliti me­lakukan uji pendahuluan atas ku­ es­ioner untuk me­yakinkan bahwa ka­li­mat yang ada da­ lam kuesioner dapat di­paha­mi dengan be­nar oleh responden. Uji pendahuluan ini dilakukan terhadap 20 responden peng­guna SIMDA. Hasil uji pendahuluan men­jadi acuan untuk mem­­perbaiki ku­e­ si­oner yang digunakan. Setelah uji pen­

Kualitas sistem informasi (system quality) berpengaruh positif terhadap kepuasan penggunanya (user satisfaction) Kualitas informasi (information quality) berpengaruh positif terhadap user sat­ isfaction. Intensitas penggunaan sistem informasi berpengaruh positif terhadap kepuasan pengguna sistem infomasi (user satisfaction) Kualitas sistem (system quality) berpengaruh positif terhadap intensitas pengunaan sistem informasi. Kualitas informasi (information quality) berpengaruh positif terhadap intensitas penggunaansistem informasi. Kepuasan pengguna sistem infomasi (user satisfaction) berpengaruh positif terhadap intensitas penggunaan sistem informasi. Kepuasan pengguna sistem informasi (user satisfaction) berpengaruh positif terhadap dampak individu (individual impact). Intensitas penggunaan sistem informasi berpengaruh positif terhadap dampak individu (individual impact). Dampak individu (Individual Impact) berpengaruh positif terhadap dampak organisasi (organizational impact).

Jurnal BPPK V o l u m e 2 Tahun 2011

9

da­huluan, kuesioner dikirimkan melalui e-mail ke alamat responden. 3.2 Model Penelitian Penelitian ini menggunakan bentuk Structural Equation Model (SEM). Penggunaan SEM dengan programnya (LISREL, EQS, atau PLA) dapat meningkatkan teknis analisis dalam riset sistem informasi (Chin dan Todd, 1995). Model penelitian yang digunakan adalah model DeLone dan McLean (1992). Model struktural yang dikembangkan berdasarkan model DeLone dan McLean (1992) adalah sebagai berikut:

KUA1

KUA6

KUALITAS SISTEM (DAM1)

PEN1

sis­tem semakin tinggi/baik menurut per­ sepsi pengguna. Sebaliknya, se­ ma­kin rendah skor ini berarti kualitas sis­tem semakin rendah/buruk menurut per­sepsi pengguna.

a. Variabel Kualitas Sistem (System Quality) = DAM1 Kualitas sistem berarti kualitas dari kombinasi hardware dan software dalam sistem informasi dan fokusnya adalah kinerja dari sistem. Indikator yang digunakan adalah 6 yang di­ a­ daptasi dari Bailey dan Pearson (1983) yaitu fleksibilitas sistem (flex­i­ bi­lity of the system), integrasi sistem (in­ tegration of the system), waktu res­pon/perubahan (response/turn

b. Variabel Kualitas Informasi (Information Quality)= DAM2 Information quality merujuk pa­ da output dari sistem informasi, me­ nyangkut nilai, manfaat, relevansi, dan ur­gensi dari informasi yang dihasilkan (Pitt dan Watson, 1997). Variabel ini meng­ gambarkan kualitas informasi yang dipersepsikan oleh pengguna yang diukur dengan 6 indikator yang diadaptasi dari Bailey dan Pear­ son (1983) yaitu kelengkapan (com­plet­­ eness), ketepatan (precision), ke­­ akuratan (accuracy), keandalan (re­ li­ability), konsistensi (consistency), ke­kinian (currency) dan bentuk dari ke­luaran (format of output). Namun, in­dikator keandalan (reliability) yang ter­dapat di Bailey dan Pearson (1983) di­ ganti dengan konsistensi (con­sis­ tency). Persepsi responden ter­ha­dap in­dikator tersebut diukur dengan ska­la Likert 1-5. Semakin tinggi skor va­riabel ini berarti kualitas informasi se­makin ting­gi/baik menurut persepsi peng­gu­ na. Sebaliknya, semakin rendah skor ini berarti kualitas informasi se­ma­kin ren­ dah/buruk menurut persepsi peng­gu­na.

PEN2

INTENSITAS PENGGUNAAN (DAM3)

KUALITAS INFORMASI (DAM2)

KUI1

informasi, intensitas penggunaan sistem informasi, individual impact, dan organizational impact. Definisi dan operasionalisasi variabel adalah sebagai berikut:

KUI 6

KEPUASAN PENGGUNA (DAM4)

KEP1

DAMPAK ORGANISASI (DAM6)

DAMPAK INDIVIDU (DAM5)

DIN1

DIN5

KEP4

Gambar 2. Model Penelitian

3.3 Variabel Penelitian dan Definisi Operasional Variabel Variabel penelitian ini dapat diklasifikasikan ke dalam variabel eksogen dan variabel endogen. Variabel eksogen terdiri atas kualitas sistem dan kualitas informasi, sedangkan variabel endogen terdiri atas kepuasan pengguna sistem

10

a­rountime), kenyamanan akses (con­ venience of acces), pemulihan (re­co­ ve­ry) dan bahasa (language). Namun, in­dikator bahasa yang ada di Bailey dan Pearson (1983) diganti dengan user friendly. Persepsi responden ter­ hadap indikator tersebut diukur de­ ngan skala Likert 1-5. Semakin ting­ gi skor variabel ini berarti kualitas

Jurnal BPPK V o l u m e 2 Tahun 2011

c. Variabel Intensitas Penggunaan Sistem Informasi = DAM3 Intensitas penggunaan informasi mengacu pada seberapa sering pengguna memakai sistem informasi. Dalam kaitannya dengan hal ini penting untuk membedakan apakah penggunaannya termasuk keharusan yang tidak bisa dihindari atau sukarela. Jurnal BPPK V o l u m e 2 Tahun 2011

Variabel ini diukur dengan indikator yang hanya terdiri dari dua item yaitu penggunaan waktu harian (daily use time) dan frekuensi penggunaan (fre­ qu­ ency of use). Persepsi responden ter­­ hadap indikator tersebut diukur dengan skala Likert 1-5. Semakin tinggi skor variabel ini berarti penggunaan sis­ tem semakin tinggi intensitasnya me­ nurut persepsi pengguna. Se­ baliknya, semakin rendah skor ini ber­ arti penggunaan sistem semakin ren­ dah intensitas penggunaannya. d. Variabel User Satisfaction = DAM4 Kepusasan pengguna sistem (user satisfaction) merupakan respon dan umpan balik yang dimunculkan pengguna setelah memakai sistem in­ for­ masi. Sikap pengguna terhadap sis­ tem informasi merupakan kriteria sub­ yektif mengenai seberapa suka peng­ guna terhadap sistem yang di­ gu­ nakan. Variabel ini diukur dengan in­­dikator yang diadaptasi dari McGill et. al (2003) yang terdiri atas 3 item, yaitu efisiensi (efficiency), efek­ti­vi­ tas (effectiveness) dan ke­pu­asan (sa­ tisfaction). Selanjutnya di­tam­bah­kan satu indikator, yaitu bahwa sis­ tem sudah sesuai dengan yang di­harapkan. Dengan demikian terdapat 4 indikator untuk mengukur kepuasan. Per­ sep­ si responden terhadap indikator ter­ sebut diukur dengan skala Likert 1-5. Semakin tinggi skor variabel ini ber­ar­ti pengguna semakin. Sebaliknya, se­ makin rendah skor ini berarti pengguna se­makin tidak puas. e. Variabel Individual Impact = DAM5 Individual impact merupakan pengaruh keberadaan dan penggunaan sistem informasi terhadap kualitas

11

kinerja pengguna secara individual. Da­lam penelitian ini, variabel individual impact diukur dengan 5 item yang di­ usulkan oleh Livari (2005), yaitu mem­berikan manfaat (useful), me­ mu­dahkan pekerjaan (easier), mem­ per­cepat pekerjaan (more quickly), me­ningkatkan produktivitas (pro­duc­ ti­vity) dan meningkatkan efektivitas pe­kerjaan (effectiveness). Persepsi res­ ponden terhadap indikator tersebut di­ ukur dengan skala Likert 1-5. Se­ ma­ kin tinggi skor variabel ini berarti peng­ gunaan sistem semakin memiliki dam­ pak terhadap kinerja individu. Se­ baliknya, semakin rendah skor ini ber­ arti penggunaan sistem semakin ren­dah dampaknya terhadap kinerja in­dividu. g. Variabel Organizational Impact = DAM6 Organizational impact merupakan pengaruh keberadaan dan penggunaan sistem informasi terhadap kualitas kinerja organisasi. Dalam penelitian ini, variabel organizational impact diukur dengan single indicator yaitu hasil produktivitas (productivity gain) yang diukur dengan peningkatan kinerja organisasi berupa pengelolaan keuangan daerah yang lebih baik dan penyusunan laporan keuangan yang lebih cepat dan akurat. Persepsi responden terhadap indikator tersebut diukur dengan skala Likert 1-5. Semakin tinggi skor variabel ini berarti penggunaan sistem semakin memiliki dampak terhadap kinerja organisasi. Sebaliknya, semakin rendah skor ini berarti penggunaan sistem semakin rendah dampaknya terhadap kinerja organisasi. 3.4 Penentuan Sampel Populasi dalam penelitian ini adalah

12

pengguna sistem informasi manajemen daerah (SIMDA)/ bendahara SKPD dan SKPKD di pemerintah daerah provinsi, kabupaten dan kota di Jawa Barat, Jawa Tengah dan Jawa Timur. Berdasarkan karakteristik tersebut diperoleh jumlah populasi ± 250 responden yang po­ten­ sial. Hair et al (1995) menemukan bah­ wa ukuran sampel yang diuji dengan structural equation modeling yang s­ esuai antara 100-200 (Ferdinand, 2002). Dengan mengasumsikan jumlah sam­pel yang kembali 50% dari populasi ma­ka sampel ditargetkan 125 responden. Pe­nentuan sampel dilakukan secara pur­ po­sive sampling yaitu sampel berasal dari responden yang melakukan aktivitas o­perasionalnya, baik di SKPD maupun di SKPKD yang menggunakan SIMDA.

Pem­buatan diagram model struktural leng­kap dilakukan secara manual me­ ngombinasikan hasil pengolahan mo­ del pengukuran dan model struk­tural.

3.5 Metode Analisis Data yang berasal dari kuesioner yang telah diisi dan dikembalikan oleh responden diolah dengan menggunakan Structural Equation Modelling (SEM). Pe­ng­ujian model dalam penelitian ini di­ lakukan dengan menggunakan pe­rang­ kat lunak Linear Structural Re­la­ti­on­ship (LISREL) 8.8 student edition. Jumlah variabel yang terlibat dalam mo­­del adalah 24 variabel teramati dan 6 va­­riabel laten. Aplikasi yang digunakan ada­­lah LISREL 8.8 Student Edition yang ha­­nya mampu mengolah maksimal se­ ba­nyak 15 variabel. Oleh karena itu pe­ ng­ o­ lahan dilakukan dua tahap yaitu pe­­ngolahan model pengukuran dan se­ lan­­­jutnya dilakukan pengolahan model struk­­ tural. Model struktural dipecah men­­jadi empat model pengukuran. De­ng­an menghitung goodness of fit, re­­l­iability, dan validity masing-masing mo­­del dapat disimpulkan keterkaitan fung­­ sional antara variabel model.

4.2 Tahapan dan Hasil Pengujian Pengujian dilakukan dengan me­ng­ i­­kuti tahapan yang berlaku dalam SEM meng­­gunakan piranti lunak Lisrel 8.8 Stu­dent Edition. Terdapat dua lang­kah peng­ujian yang harus dilakukan (Hair et al, 1995), yaitu pengujian ke­cocokan mo­del pengukuran dan pe­ngujian ke­ co­cokan model struktural.

Jurnal BPPK V o l u m e 2 Tahun 2011

4. HASIL PENELITIAN DAN PE­M­BA­ HA­SAN 4.1 Demografi Responden Kuesioner yang dikirim melalui e-mail sejumlah 250 set, dan 120 ek­ semplar kuesioner yang kembali ser­ta da­pat diolah. Jumlah responden ter­ se­­but terdiri atas: 72 orang (60%) pria, dan 48 orang (40%) wanita. Distribusi res­­ ponden menurut pendidikan D3: 43 orang (35,83%) dan S1: 77 orang (64,17%) dan semua responden ber­sta­ tus pegawai negeri sipil.

a. Kecocokan Model Pengukuran Pengujian kecocokan model pe­ ng­ ukuran dilakukan terhadap setiap ke­ lompok konstruk secara terpisah me­­lalui evaluasi terhadap validitas dan re­­li­abilitas konstruk (Wijanto, 2008). 1. Uji Validitas Uji validitas untuk butir-butir per­ ta­­ nyaan ditunjukkan oleh nilai t dan stan­­dardized loading factors. Untuk ni­­lai t harus berada di atas nilai kritis, ya­­itu 1,96 dan standardized loading fac­tors lebih besar dari 0,5 (Iqbaria et Jurnal BPPK V o l u m e 2 Tahun 2011

al, 1997). Butir-butir pertanyaan yang ti­ dak memenuhi kriteria valid ter­ se­ but tidak dapat diikutkan dalam pe­ng­­ ujian selanjutnya. Loading fac­tors un­­ tuk masing-masing indikator ter­ha­­dap variabel laten disajikan dalam b­en­­tuk hubungan-hubungan yang di­ gam­ barkan dalam diagram path yang di­ pe­roleh dengan menjalankan pro­gram Lis­rel 8.8 Student Edition. Hasil • Variabel laten Kualitas Sistem (DAM1) terdiri dari 6 variabel ter­ amati, yaitu KUA1 s.d KUA6. Ha­ sil pengolahan atas 6 variabel ter­ amati tersebut menunjukkan bah­wa nilai standardized loading factors untuk keenam variabel > 0,5. Sehingga keenam variabel ter­ se­but dapat digunakan untuk pe­ ng­­ujian selanjutnya karena sudah me­­representasikan kon­stru­k yang diukur. Pengujian goodness of fit model pengukuran juga me­n­un­ jukkan good fit. • Variabel laten Kualitas Informasi (DAM2) diukur dari 6 variabel teramati, yaitu KUI1 s/d KUI6. Hasil pengolahan menunjukkan bah­ wa nilai standardized loading fac­tors untuk keenam variabel ter­ se­ but > 0,5. Sehingga keenam va­riabel tersebut dapat digunakan un­ tuk pengujian selanjutnya ka­ re­ na sudah merepresentasikan kon­ struk yang diukur. Pengujian good­ ness of fit model pengukuran juga me­nunjukkan good fit • Variabel laten Intensitas Peng­ gu­naan (DAM3) diukur dari 2 va­ ri­ a­ bel teramati, yaitu PEN1 dan PEN2. Karena variabel teramati yang menjadi indicator hanya 2

13

bu­ ah, maka salah satunya harus di­berikan nilai fixed yaitu 0,01 un­ tuk error variance-nya. Nilai stan­ dard­ ized loading factors untuk ke­dua variabel tersebut > 0,5, se­ hing­ ga kedua variabel tersebut da­pat digunakan untuk pengujian se­ lanjutnya. Pengujian goodness of fit model pengukuran juga me­ nun­jukkan good fit • Variabel laten Kepuasan Pengguna (DAM4) diukur dari 4 variabel ter­ amati yaitu KEP1 s/d KEP4. Nilai stan­ dardized loading factors un­ tuk keempat variabel tersebut > 0,5, sehingga keempat variabel ter­ sebut dapat digunakan untuk pe­ ngujian selanjutnya. Pengujian good­ness of fit model pengukuran juga menunjukkan good fit. • Variabel laten Dampak Individu (DAM5) diukur dari 5 variabel ter­ a­ mati yaitu DIN1 s/d DIN5. Nilai stand­ardized loading factors untuk ke­lima variabel tersebut > 0,5, se­ hing­ ga kelima variabel tersebut da­pat digunakan untuk pengujian se­lanjutnya. Pengujian goodness of fit model pengukuran juga me­ nun­jukkan good fit • Variabel laten Dampak Organisasi (DAM6) hanya dilakukan pe­ ng­ u­ kur­an dengan 1 variabel yaitu ki­ner­ ja organisasi. Dar­ i keseluruhan 24 variabel ter­ a­ mati yang menjadi indikator untuk ma­ sing-masing variabel laten dalam pe­nelitian ini, ternyata seluruhnya me­ miliki loading factors diatas 0,5 se­hing­ ga dapat digunakan untuk pe­ngo­lahan lebih lanjut. 2. Uji Reliabilitas Uji reliabilitas bertujuan untuk me­

14

nguji konsistensi dari butir-butir per­ ta­ nyaan/pernyataan yang ada dalam kue­sioner. Pengujian dilakukan dengan meng­hitung construct reliability dan va­riance extracted dari masing-masing va­riabel teramati (Hair et al, 1995). Un­ tuk menghitung construct reliability dan variance extracted digunakan ru­ mus sebagai berikut: Jika hasil perhitungan construct re­ lia­bility lebih besar dari 0,70 dan va­ri­ ance extracted lebih besar dari 0,50, Construct reliability = (∑ std loading)2

2

(∑ std loading) + ∑ ej

Variance Extracted =

∑ std loading2



∑ std loading2 + ∑ ej

Dimana: Std. loading adalah standardized loading; ej adalah measurement error

ma­ka dapat dikatakan bahwa cons­truct reliability sudah baik (Wi­janto, 2008) . Ringkasan hasil perhitungan cons­ truct reliability dan variance extracted un­tuk masing-masing variabel laten di­ sa­­jikan pada Tabel 1.

Tabel 1. Nilai Construct Reliability Dan Variance Extracted Untuk Masing-Masing Variabel Laten Construct Reliability Nilai ≥ 0.70

Variance Extracted Nilai ≥ 0.50

Kualitas Sistem

0,82

0,44

Reliable dan marginally valid

Kualitas Informasi

0,80

0,40

Reliable dan marginally valid

Penggunaan Sistem

0,84

0,74

Reliable dan valid

Kepuasan Pengguna

0,84

0,58

Reliable dan valid

Dampak Individu

0,80

0,45

Reliable dan marginally valid

Variabel Laten

Pengujian model struktural di­ la­ kukan dengan menggunakan re­ gre­ si berganda terhadap variabel-va­ria­bel laten. Variabel laten dihitung ber­­ dasarkan skor yang diperoleh dari hasil penghitungan model peng­ uku­ ran. Perhitungan skor sudah mem­per­ timbangkan­ loading factor masing-ma­ sing variabel teramati. 2 Analisis Persamaan Struktural Analisis ini dilakukan terhadap koefisien-koefisien persamaan struktural dengan menspesifikasikan tingkat sig­ nifikansi tertentu. Analisis model struk­ tural ini menguji hipotesa yang di­­a­jukan dalam penelitian ini. Untuk me­ ng­ uji hipotesa yang diajukan, peneliti meng­

Jurnal BPPK V o l u m e 2 Tahun 2011

gu­nakan 4 persamaan yang me­ru­pa­­kan 4 model struktural. a. Model Struktural 1 Model Struktural 1 menguji hipotesa 1, 2, dan 3, yaitu menguji keterkaitan 4 va­­riabel terrdiri dari DAM1 (Kualitas Sis­ tem), DAM2 (Kualitas Informasi), DAM3 (In­ tensitas Penggunaan), dan DAM4 (Ke­puasan Pengguna). Variabel DAM4 ber­tindak sebagai variabel dependen, se­dangkan 3 variabel lainnya (DAM1, DAM2, DAM3) bertindak sebagai va­ riabel independen. Dari persamaan dalam model struk­­tural pertama di atas, dapat di­ li­hat bahwa semua variabel indepen­ den, ya­ itu DAM1 (Kualitas Sistem),

Hipotesa: Kualitas sistem informasi (system quality) berpengaruh positif terhadap kepua­ san penggunanya (user satisfaction)

H1

b. Kecocokan Model Struktural 1. Analisis kecocokan keseluruhan model Analisis pengujian kecocokan ke­ se­luruhan model tidak dapat dilakukan ka­rena aplikasi Lisrel yang digunakan ada­lah Lisrel 8.8 Student Edition yang memiliki keterbatasan dalam me­ ngolah model, yaitu maksimal 15 var­ i­ abel. Sementara itu, penelitian ini meng­gunakan 30 variabel penelitian.

Kesimpulan

Kualitas informasi (information quality) berpengaruh positif terhadap kepuasan penggunanya (usersatisfaction). Intensitas penggunaan sistem informasi berpengaruh positif terhadap kepuasan pengguna sistem infomasi (user satisfaction)

H2 H3

Hasil: DAM4 = 0.779 + 0.441*DAM1 + 0.213*DAM2 + 0.207*DAM3 + Error, R2 = 0.477 Standerr (0.311) (0.111) (0.116) Z-Values 2.493 3.954 1.836 P-Values 0.013 0.000 0.066 Error Variance = 0.294 Jurnal BPPK V o l u m e 2 Tahun 2011

(0.0975) 2.125 0.034

15

DAM2 (Ku­alitas Informasi) dan DAM3 (Inten­sitas Penggunaan Sistem) menunjukkan hubungan yang positif dan signifikan secara statistik dengan DAM4 (kepuasan pengguna sistem). Dengan demikian dapat disimpulkan bahwa hipotesis 1, 2 dan 3 terbukti. b. Model Struktural 2 Model Struktural 2 menguji hipotesa 4, 5, dan 6, yaitu menguji keterkaitan 4 variabel terdiri dari DAM1 (Kualitas Sistem), DAM2 (Kualitas Informasi), DAM3 (Intensitas Penggunaan), dan DAM4 (Kepuasan Pengguna). Variabel DAM3 bertindak sebagai variabel dependen, sedangkan 3 variabel lainnya (DAM1, DAM2, DAM4) bertindak seba-

gai variabel independen Dari persamaan dalam model struktural kedua di atas, dapat dilihat bahwa semua variabel independen, yaitu DAM1 (Kualitas Sistem), DAM2 (Kualitas Informasi) dan DAM4 (Kepuasan Pengguna Sistem) menunjukkan hubungan yang positif dan signifikan secara statistik dengan DAM3 (Intensitas Penggunaan Sistem). Dengan demikian dapat disimpulkan bahwa hipotesis 4, 5 dan 6 terbukti. c. Model Struktural 3 Model Struktural 3 menguji hipotesa 7 dan 8, yaitu menguji keterkaitan 3 variabel terdiri dari DAM3 (Intensitas Penggunaan), DAM4 (Kepuasan Peng-

guna), dan DAM5 (Dampak Individu). Variabel DAM5 bertindak sebagai variabel dependen, sedangkan 2 variabel lainnya (DAM3 dan DAM4) bertindak sebagai variabel independen. Hipotesa Dari persamaan dalam model struktural ketiga di atas, dapat dilihat bahwa variabel DAM4 (Kepuasan pengguna sistem) berhubungan positif signifikan dengan DAM5 (Dampak In-

H5 H6

Kualitas sistem (system quality) berpengaruh positif terhadap intensitas peng­ gunaan sistem informasi. Kualitas informasi (information quality) berpengaruh positif terhadap intensitas penggunaan sistem informasi Kepuasan pengguna sistem infomasi (user satisfaction) berpengaruh positif terhadap intensitas penggunaan sistem informasi.

Hasil: DAM3 = -0.301 + 0.375*DAM1 + 0.490*DAM2 + 0.181*DAM4 Standerr (0.311) (0.111) (0.116) (0.0975) Z-Values 2.493 3.954 1.836 2.125 P-Values 0.013 0.000 0.066 0.034

Kepuasan pengguna sistem informasi (user satisfaction) berpengaruh positif terhadap dampak individu (individual impact)

H8

Intensitas penggunaan sistem informasi berpengaruh positif terhadap dampak individu (individual impact)

Hasil: DAM5 = 2.092 + 0.0720*DAM1 + 0.424*DAM2 + Error, R2 = 0.434 Standerr (0.203) (0.595) (0.0624) Z-Values 10.311 1.210 6.806 P-Values 0.000 0.226 0.000 Error Variance = 0.165

Individu) dengan DAM6 (Dampak Or­ ga­nisasi). Variabel DAM6 bertindak se­ ba­ gai variabel dependen, sedangkan DAM5 bertindak sebagai variabel independen. Dari persamaan dalam model struk­ tu­­ral keempat di atas, dapat dilihat bah­ wa variabel DAM5 (Dampak Individu)

ber­ hubungan positif dan signifikan deng­­an variabel DAM6 (Dampak Organisasi). Dengan demikian dapat disimpulkan bahwa hipotesis 9 terbukti. Dari keempat persamaan tersebut ter­ lihat bahwa persamaan tersebut me­miliki tingkat signifikansi yang baik. Untuk menilai seberapa baik coeffi­

Hipotesa: H9

Dampak individu (Individual Impact) berpengaruh positif terhadap dampak organisasi (organizational impact).

Hasil: DAM6 = -0.614 + 1.101*DAM5 +Error, R2 = 0.499 Standerr (0.404) (0.101) Z-Values -1.520 10.849 P-Values 0.128 0.000 Error Variance = 0.353

+ Error, R2 = 0.585

16

d. Model Struktural 4 Model Struktural 4 menguji hipotesa 9, yaitu menguji keterkaitan 2 variabel terdiri dari DAM5 (Dampak

H7

Hipotesa: H4

dividu). Sedangkan variabel DAM3 (Intensitas Penggunaan Sistem) berhubungan positif namun tidak signifikan dengan DAM5 (Dampak Individu). Dengan demikian dapat disimpulkan bahwa hipotesa 7 terbukti, sedangkan hipotesa 8 tidak terbukti.

Jurnal BPPK V o l u m e 2 Tahun 2011

Jurnal BPPK V o l u m e 2 Tahun 2011

17

cient of determination dari persamaan struktural, akan dilihat dari besaran R2 (Wijanto, 2006). Model pertama memiliki R2 = 47,7% yang berarti bahwa model ini mampu menjelaskan 47,7% dari perubahan pada variabel laten Kepuasan Pengguna . Model kedua memiliki R2 = 58,5% yang berarti bahwa model ini mampu menjelaskan 58,5% dari perubahan pada variabel laten Intensitas Penggunaan Sistem. Model ketiga memiliki R2 = 43,4% yang berarti bahwa model ini mampu menjelaskan 43,4% dari perubahan pada variabel laten Dampak Individu. Model keempat memiliki R2 = 49,9% yang berarti bahwa model ini mampu menjelaskan 49,9% dari perubahan

pada variabel laten Dampak Organisasi. Kesimpulan yang dapat ditarik dari uji ini adalah bahwa keempat model struktural sudah cukup baik. Dari tabel 2 terlihat bahwa hipotesa 1-7 dan hipotesa 9 terbukti, sedangkan hipotesa 8 tidak terbukti. Hasil path diagram pada gambar 3 menunjukkan model struktural yang dihasilkan dari hasil pengolahan model pengukuran dan model struktural.

Gambar 3. Path Diagram Model Struktural

0,26

KUA1

0,99

PEN1

0,01

0,70

PEN2

0,16

DIN1

0,39

DIN2

0,25

DIN3

0,28

DIN4

0,24

DIN5

0,24

DAM3 0,40

KUA2

0,51 0,59

4.3 Analisa Hasil Pengujian Hasil model persamaan struktural terkait hipotesa pertama menunjukkan bah­wa kualitas sistem (DAM1) terbukti se­cara signifikan mempengaruhi ke­pu­ asan pengguna (DAM4). Hasil ini sesuai

0,35

KUA3

0,51

KUA4

0,56

0,56

0,37

0,07

DAM1

0,87

0,20

0,67

0,66

0,44

0,70

DAM5 0,25

KUA5

0,71

0,68 0,71

0,26

Tabel 2. Nilai T-Value Untuk Masing-Masing Hipotesis Hipotesa

Path

Estimasi

Nilai ρ - Value

0,18 0,42

Kesimpulan

H1

DAM1→DAM4

0,441

0,000

signifikan

H2

DAM2→DAM4

0,213

0,066

signifikan

H3

DAM3→DAM4

0,207

0,034

signifikan

H4

DAM1→DAM3

0,375

0,000

signifikan

H5

DAM2→DAM3

0,490

0,000

signifikan

H6

DAM4→DAM3

0,181

0,034

signifikan

H7

DAM4→DAM5

0,424

0,000

signifikan

H8

DAM3→DAM5

0,072

0,266

Tidak signifikan

H9

DAM5→DAM6

1,101

0,000

signifikan

0,26

KUI1

0,30

KUI2

Jurnal BPPK V o l u m e 2 Tahun 2011

0,51

1,10

DAM6

0,49

0,61

1,00

0,61 0,39

KUI3

0,52 0,80

0,21

KUI4

0,62

0,26

DAM2

KUI5

0,69

KUI6

Jurnal BPPK V o l u m e 2 Tahun 2011

DOR1

0,01

KEP1

0,24

KEP2

0,39

KEP3

0,28

KEP4

0,08

0,65 0,21

DAM4

0,67 0,59

0,36

0,28

18

KUA6

1,06

19

ha­sil yang diperoleh DeLone dan Mc Lean (1992) . Seddon dan Kiew (1996), Mc Kiney et al (2002), Rai et al. (2002), dan MGill et al.(2003). Sehingga dapat di­­simpulkan bahwa berdasarkan per­ sep­si pengguna, semakin tinggi ku­a­­li­ tas sistem (SIMDA) maka semakin me­ ning­katkan kepuasan pengguna. Hasil pengujian hipotesa kedua me­­nunjukkan bahwa kualitas informasi (DAM2) terbukti secara signifikan mem­­pengaruhi kepuasan pengguna (DAM4). Hasil ini sesuai hasil yang di­ pe­r­oleh DeLone dan Mc Lean (1992) . Sed­­don dan Kiew (1996), Mc Kiney et al (2002), Rai et al. (2002) dan MGill et al.(2003). Sehingga dapat disimpulkan bah­wa berdasarkan persepsi peng­gu­ na, semakin tinggi kualitas informasi yang dihasilkan dari sistem (SIMDA) ma­ka semakin meningkatkan kepuasan peng­guna. Hasil pengujian hipotesa ketiga me­ nun­ jukkan bahwa intensitas peng­ gu­ na­an (DAM3) terbukti secara sig­ni­fikan mem­pengaruhi kepuasan pe­ng­­guna (DAM4). Sehingga dapat di­­ simpulkan bah­­wa berdasarkan per­se­psi pengguna, se­makin tinggi in­ten­si­tas penggunaan sis­tem (SIMDA) ma­ka semakin me­ning­ katkan kepuasan pe­ng­guna. Hasil pengujian hipotesa keempat me­­ nunjukkan bahwa kualitas sistem (DAM1) terbukti secara signifikan mempengaruhi intensitas penggunaan (DAM3). Hasil ini sesuai hasil yang di­ per­­­­­oleh DeLone dan Mc Lean (1992) dan MGill et al.(2003). Sehingga, da­ pat disimpulkan bahwa berdasarkan per­­sepsi pengguna, semakin tinggi ku­ a­li­tas sistem (SIMDA) maka semakin me­­ningkatkan intensitas penggunaan. Hasil pengujian hipotesa kelima me­­nunjukkan bahwa kualitas informasi

20

(DAM2) terbukti secara signifikan mem­­pengaruhi intensitas penggunaan (DAM3). Hasil ini sesuai hasil yang di­ per­­oleh DeLone dan Mc Lean (1992) dan MGill et al.(2003). Sehingga da­ pat disimpulkan bahwa berdasarkan per­­ sepsi pengguna, semakin tinggi ku­a­litas informasi yang dihasilkan dari sis­ tem (SIMDA) maka semakin me­ ning­­katkan intensitas penggunaan. Hasil pengujian hipotesa keenam menunjukkan bahwa kepuasan peng­ guna (DAM4) terbukti secara signifikan mem­pengaruhi intensitas penggunaan (DAM3). Sehingga dapat disimpulkan bah­wa berdasarkan persepsi peng­gu­ na, semakin tinggi kepuasan pengguna atas sistem (SIMDA) maka semakin me­ningkatkan intensitas penggunaan. Hasil pengujian hipotesa ketujuh me­­nunjukkan bahwa kepuasan peng­ guna (DAM4) terbukti secara sig­ni­fi­ kan mempengaruhi dampak individu (DAM5). Sehingga dapat disimpulkan bah­­wa berdasarkan persepsi peng­gu­ na, semakin tinggi kepuasan pengguna atas sistem (SIMDA) maka semakin mem­­berikan dampak meningkatkan ki­­nerja individu. Hasil pengujian hipotesa kedelapan me­­nunjukkan bahwa intensitas peng­ gu­naan (DAM3) tidak terbukti mem­ pe­­ngaruhi dampak individu (DAM5). Se­­ hingga dapat disimpulkan bahwa ber­­ dasarkan persepsi pemakai, se­ ma­­ kin tinggi intensitas penggunaan sis­­ tem (SIMDA) tidak memberikan dam­­pak terhadap peningkatan ki­ner­ ja individu. Hal ini dapat terjadi, ka­re­ na tingginya waktu penggunaan dan fre­­kuensi penggunaan didorong ka­re­na ke­ butuhan untuk mengolah da­ ta ke­ uangan dan laporan keuangan, na­­mun ti­ dak membuat pengguna pu­ as, se­ Jurnal BPPK V o l u m e 2 Tahun 2011

hing­­ga tidak berdampak ke­pada in­di­ vidu. Tetapi akan memiliki dam­pak jika in­­tensitas penggunaan ter­se­but me­nye­ bab­kan pengguna pu­as se­hing­ga ber­ dam­pak kepada ki­ner­ja­nya (di­ka­it­kan dengan hipotesa 7 yang ter­buk­ti). Hasil pengujian hipotesa ke­ sem­ bi­­ lan menunjukkan bahwa dampak in­­­­­dividu (DAM5) terbukti secara sig­ ni­­­­­fikan mempengaruhi dampak or­ ga­­­­­­nisasi (DAM6). Sehingga dapat di­­­­simpulkan bahwa berdasarkan per­ sep­­­ si pemakai, semakin tinggi dam­ pak penggunaan sistem (SIMDA) ke in­­­dividu maka semakin besar dam­pak­ nya dalam meningkatkan kinerja or­ga­ ni­­­­sasi. Dari keseluruhan pengujian hi­po­te­ sa tersebut di atas, maka dapat di­tarik ke­­simpulan bahwa model ke­suk­se­san sis­tem informasi DeLone and Mc Lean ter­bukti signifikan secara empiris da­ lam kasus kesuksesan implementasi SIMDA terutama di obyek penelitian. 5. KESIMPULAN Penelitian ini dilatarbelakangi oleh ber­­­bagai penelitian sebelumnya yang me­­nguji keberhasilan sistem informasi. Tu­­juan penelitian ini adalah untuk me­ li­hat seberapa jauh keberhasilan peng­ gu­­ naan Sistem Informasi Manajemen Da­­erah (SIMDA) oleh SKPD di daerah deng­­ an menggunakan penilaian ke­ suk­­ sesan sistem model DeLone dan McLean (1992). Berdasarkan model DeLone dan McLean, maka dikembangkan 9 hi­ po­tesa. Setelah melakukan pengujian ter­hadap 9 hipotesa tersebut, secara umum dapat dikatakan bahwa model ke­ suksesan sistem informasi DeLone and Mc Lean terbukti signifikan se­ cara empiris dalam kesuksesan im­ Jurnal BPPK V o l u m e 2 Tahun 2011

ple­­mentasi SIMDA terutama di obyek pe­­ nelitian. Secara spesifik, hasil pengujian masing-masing hipotesa ada­lah sebagai berikut: 1. Kualitas sistem informasi (system quality) berpengaruh positif ter­ha­ dap kepuasan penggunanya (user satisfaction) 2. Kualitas informasi (information quality) berpengaruh positif ter­ha­ dap user satisfaction. 3. Intensitas penggunaan sistem in­for­ masi berpengaruh positif terhadap ke­puasan pengguna sistem infomasi (user satisfaction) 4. Kualitas sistem (system quality) ber­ pe­ngaruh positif terhadap intensitas penggunaan sistem informasi. 5. Kualitas informasi (information qu­ a­lity) berpengaruh positif ter­ha­dap in­ tensitas penggunaan sistem in­ formasi. 6. Kepuasan pengguna sistem in­ for­­masi (user satisfaction) ber­pe­ nga­­ruh positif terhadap intensitas peng­­gunaan sistem informasi. 7. Ke­puasan pengguna sistem in­for­ ma­si (user satisfaction) ber­pe­nga­ ruh positif terhadap dampak in­di­vi­ du (individual impact). 8. Intensitas penggunaan sistem in­ for­masi tidak berpengaruh ter­ha­ dap dampak individu (individual im­­pact). 9. Dampak individu (Individual Im­ pact) berpengaruh positif terhadap dam­­pak organisasi (organizational im­­pact). Dengan demikian hipotesa 1-7 dan 9 ter­bukti, sedangkan hipotesa 8 tidak ter­bukti. Hipotesa 8 tidak terbukti ke­mungki­ nan karena tingginya waktu peng­ gu­­ naan dan frekuensi penggunaan

21

di­­dorong karena kebutuhan untuk me­ ngo­lah data keuangan dan laporan ke­ uangan, namun tidak membuat peng­ gu­na puas, sehingga tidak berdampak ke­­pada individu. Tetapi akan memiliki dam­­ pak jika intensitas penggunaan ter­­sebut menyebabkan pengguna pu­ as sehingga berdampak kepada ki­ner­ ja­­nya. (dikaitkan dengan hipotesa 7 yang terbukti). Dari hasil penelitian tersebut, ter­ buk­­ti bahwa berdasarkan model De­ Lone dan McLean, SIMDA yang di­te­ rap­­kan pada pemerintah daerah/SKPD (de­ ngan kualitas sistem dan kualitas in­formasi dalam SIMDA) berpengaruh po­sitif terhadap intensitas peng­gu­na­ an sistem dan kepuasan pengguna. Ke­­puasan pengguna memberikan dam­­pak positif terhadap individu dan or­ganisasi. Penggunaan SIMDA ter­se­ but mempermudah dan mempercepat pe­­ merintah daerah/SKPD dalam pe­ nyu­­sunan anggaran, penatausahaan dan pelaporan/pertanggungjawaban ke­­­uangan, sehingga memberikan ke­ pu­­asan bagi pengguna dan berdampak po­­ sitif terhadap organisasi. Dengan de­­mikian, penggunaan SIMDA da­pat men­jadi solusi dalam rangka me­ning­ kat­­kan akuntabilitas keuangan negara. 6. KETERBATASAN DAN SARAN Penelitian ini mengandung be­be­ra­

22

pa keterbatasan sebagai berikut: 1. Keterbatasan yang melekat pada data yang diperoleh melalui ku­e­s­ i­oner yaitu perbedaan persepsi pe­ nulis dengan responden penelitian. 2. Penelitian ini hanya menggunakan res­ponden pengguna SIMDA pada ti­tik waktu tertentu yaitu pada sa­ at dilakukan survei. 3. Penelitian ini dilakukan di area Ja­ wa Barat, Jawa Tengah dan Jawa Ti­mur saja, sehingga perlu kehatiha­tian dalam menggeneralisir ha­ sil penelitian untuk konteks yang la­ in dan tipe sistem informasi yang lain pula. 4. Penelitian ini menggunakan mo­del yang dikembangkan di luar negeri dan kemungkinan ku­ rang sesuai dengan kondisi di In­do­ne­sia. Saran untuk penelitian mendatang: 1. Memperbanyak jumlah sampel penelitian sesuai dengan rule of tumb pada SEM dan LISREL, se­ hingga dapat dilakukan peng­ujian secara serentak menggunakan teknik estimasi WLS. 2. Perlu upaya berkelanjutan untuk meningkatkan validitas dan model riset, baik basis teori maupun penerapan empirisnya, khususnya dikaitkan dengan kondisi lokal (konteks Indonesia).

Jurnal BPPK V o l u m e 2 Tahun 2011

DAFTAR PUSTAKA •

Bailey, J.E. dan S.W. Pearson. 1983. “Development of a Tool for Measuring and Analyzing Computer User Satisfaction”. Management Science. 29 (May). • Baroudi, J.J. dan W.J. Orlikowski.1988.”A Short-form Measure of User Information Satisfaction : A Psychometric Evaluation and Notes on Use”. Journal of MIS. 4. Spring. • Bock, G.W., et al. 2009. “The Journal of The Factors Affecting Succes of Knowledge-Based Systems at The Organizational Level”. The Journal of Computer Information Systems. 50. 2. • Chin, Wynne dan Peter A.Todd. 1995. “On the Use, Usefulness and Ease of Use A structural Equation Modelling in MIS Research: A Note of Caution”. MIS Quarterly. • Davis, Fred D. 1989. “Perceived Usefulness, Ease of Use, and User Acceptance of Infomation Technologie”. MIS Quarterly .13. No 3. September. • DeLone, W.H. dan E.R.Mc Lean. 1992. “ Information System Success: The Quest for the Dependent Variable”. Infomation System Research. 3 (March). • Doll,W.J. dan G.Torkzadeh. 1988. “The Measurement of End-user Computing Satisfaction”. MIS Quarterly. 12. June. • Doll,W.J., W.Xia, dan G.Torkzadeh. 1994. “A Confirmatory factor Analysis of the End-user Computing Satisfaction instrument”. MIS Quarterly. • Doll, William J, et al. 2004. “The Meaning and Measurement of User Satisfaction : A Multigroup Invariance Analysis of the End-user Computing Satisfaction Istrument”. Journal of Management Information Systems (JMI): ISSN: 0742-1222. Volume 21. Summer. ProQuest Company. • Hair, Joseph F., et al. 1998, Multivariate Data Analysis with Reading. Fourth Edition. New Jersey: Prentice Hall. • Iqbaria, M. dan M.Tan. 1997. The Consequences of Information Technology Acceptance on Subsequent Individual Performance. Amsterdam: Elsevier Science Publisher. • Istianingsih dan Setyo Hari Wijanto. 2008. “Analisis Keberhasilan Penggunaan Perangkat Lunak Sistem Informasi Akuntansi Ditinjau dari Persepsi Pemakai (Studi Implementasi Model Keberhasilan Sistem Informasi)”. Jurnal Akuntansi dan Keuangan Indonesia. Volume 5. No.1. • Ives, B., M.Olson, dan S.Baroudi. 1983. “The Measurement of User Information Satisfaction”. Communications of the ACM. October. • Landrum, Hollis, dan Victor R. Prybutok. 2004. “A Service Quality and Success Model for the Information Service Industry”. European Journal of Operational Research (EJO). ISSN:03772217. Volume 156. August. ProQuest Company. • Laudon, Kenneth C. 1985.”Environment and Institutional Models of Systems Development “. Commucation of the ACM. 28. Number 7 (July). • Laudon, Kenneth C. dan Jane P. Laudon, 2000. “Organization and Technology in The Networked Enterprise”. Management Information System. Six Edition. International Edition. • Livary, Juhani. 2005. “An Empirical Test of The DeLone-McLean Model of Information System Success” Database for Advance in Information System (DFA). ISSN: 1532-0936 .Volume 36. ProQuest Company. • Lucas, Henry C.1981. Implementation: The Key to Successful of Information Systems. New York: Columbia University Press.

Jurnal BPPK V o l u m e 2 Tahun 2011

23

• Mahmood, M.A., et al. 2000. “Variable Affecting Information Technology End-user Satisfaction: A Meta-Analysis of the Empirical of the Empirical Literature”. International Journal of Human Computer Studies. 52: 4. • McGill, et al. 2003. “User-Developed Applications and Information Systems Succes: a Test of DeLone and McLean’s Model”. Information Resource Management Journal. Jan-Mar. 16 No. 1. 4. • McKiney, K.Yoon, dan Fatemeh Zahedi. 2002. “The Measurement of Web-Customer Satisfaction: An Expectation and Disconfirmation Approach”. Information System Research .13. 3. • Pitt, L.F., R.T. Watson, dan C.B. Kavan. 1995.”Service Quality : A Measure of Information Effectiveness”. MIS Quarterly. 19:2. • Rai, A., S.S. Lang, dan R.B. Welker. 2002. “Assessing the Validity of IS Success Models: An Empirical Test and Theoretical Analysis”. Information Systems Research 13. No.1: 29-34. • Schaupp, L.C. dan France B. Wiguo F. 2009. “Examining The Succes of Website Beyond E-Commerce: An Extension of The IS Succes Model”. • Seddon, Peter B. 1997. “ Respesification and Extension of the DeLone and Mc Lean Model of IS Success”. Information System Research. 8:3. • Seddon, Peter dan Siew-Kee Yip. 1992. “An Empirical Evaluation of User Information Satisfaction (UIS) Measures for Use with General Ledger”. • Sekaran, Uma.1992. A Skill Building Approach : Research Method for Business. Second Edition. New York: John Wiley & Sons, Inc. • Wijanto, Setyo Hari. 2008. Structural Equation Modeling dengan Lisrel 8.8. Graha Ilmu. • Yelkur, R. 2000. “Customer Satisfaction and The Service Marketing Research Mix”. Journal of Professional Services Marketing. 21:

THE IMPACT OF GOVERNMENT EXPENDITURE ON POVERTY: CASE OF JAVA 1996, 1999 AND 2002 Rahadi Nugroho

ABSTRACT Penelitian ini menggunakan data SUSENAS tahun 1996, 1999 dan 2002 di 5 provinsi di Jawa untuk melihat pengaruh pengeluaran pemerintah kabupaten dan kotamadya terhadap tingkat kemiskinan (P0). Secara statistik pengeluaran pemerintah untuk sektor sumber daya manusia menunjukan pengaruh bahwa pengeluaran tersebut dapat dipergunakan untuk mengurangi kemiskinan tahun yang bersangkutan. Sedangkan pengeluaran selain untuk sektor sumber daya manusia tidak secara signifikan berpengaruh terhadap angka kemiskinan tahun yang sama. Selain itu, keseluruhan pengeluaran pemerintah tidak berpengaruh terhadap angka kemiskinan. Oleh karena itu, jika pemerintah daerah berkeinginan untuk mengurangi angka kemiskinan tahun yang bersangkutan, pengeluaran un­ tuk pengembangan sumber daya manusia perlu diprioritaskan. Keywords: pengeluaran pemerintah, kemiskinan, sumber daya manusia,pemerintah daerah.

24

Jurnal BPPK V o l u m e 2 Tahun 2011

Jurnal BPPK V o l u m e 2 Tahun 2011

25

INTRODUCTION

S

tatistic Indonesia (2008) reported in 2007 that 37.17 million or 16.58 percent of the population of the country lived below the poverty line. Prior to the Asian financial crisis in 1997 poverty incidence in Indonesia decreased dramatically, from 40 percent of the total population in 1970 to around 11 percent in 1996. Having achieved such incredible performance in poverty alleviation by 29 percentage points, poverty incidence surged drastically when the Asian financial meltdown hit the Indonesian economy. During the crisis, economic growth decreased sharply, from an average annual growth rate of 7 percent to -13 percent in 1998. The decline in economic growth caused an increase in poverty incidence from 11 percent in 1996 to 24.2 percent in 1998. In order to protect citizens from the crisis negative effects, the government of Indonesia developed Social Safety Nets programs that included program on food security, community empowerment, employment creation, scholarship and subsidies on health programs. The government’s policy toward poverty eradication when safety nets were introduced was considered successful. The percentage of people who suffered from poverty decreased from 24.2 percent to 18.9 percent during the period 1998-2000 (Statistic Indonesia, 2008). However, Damuri and Perdana (2003) indicated that Social Safety Net programs were considered failures because of erroneous program design. Studies on the impact of public expenditure on poverty have quite at-

26

tracted researchers’ attention. Results of their studies vary. Several studies indicated that government expenditures have a significant impact on poverty reduction. Fan et al. (2000) investigated rural poverty in India during the period 1970-1993 and found that investment in rural roads and agricultural research were important factors in rural poverty reduction. On the other hand, study by Obi (2007) concluded that transfers were considered ineffective to eradicate poverty in Nigeria. This study, indeed, has contributed to the debate whether public spending have significant effects on poverty reduction. Most research about the impact of fiscal policy on poverty has been conducted using a Computable General Equilibrium Model (CGE); few studies, utilized Ordinary Least Square (OLS). In addition, few researchers employed survey data. This study, on the other hand, will be conducted using a regression analysis but also use data from the survey. The main objective of this research is to investigate the impact of government expenditure on poverty. The other objective is to identify which type of government expenditure has the most significant impact on poverty reduction. LITERATURE REVIEW Government intervention to eradicate poverty can be classified into two approaches (Bhagwati, 1998). First is the long–term approach, in which the government maintains pro-poor economic growth by creating an environment for the efficient use of resources and technology. Second is the short– term approach, which relates to giving Jurnal BPPK V o l u m e 2 Tahun 2011

job opportunities and social security programs to the poor. Studies on poverty alleviation showed various results. For example, public investment on rural infrastructures has a positive impact on poverty reduction by improving productivity, mobility, and industrialization (Bhagwati, 1998). Research by Fan et al. (2000), which used simultaneous equation method to measure the direct and indirect impacts of government spending in rural India, concluded that investments on rural roads and agricultural research have the highest impact on poverty alleviation. They claimed that 1 percent increase in rural road spending and research would reduce poverty by 0.05 percent and 0.06 percent, respectively. They also pointed out that education and rural development should be given a priority when the governments formulates a budget because they reduce poverty significantly. Warr (2003) studied the relationship between fiscal policy and poverty incidence in Thailand using simulation method. A 10 percent increase in education, health and social services expenditure will reduce poverty. However, he claimed that an increase in transportaion expenditure would increase poverty because it provides greater benefit to those with private transport. Obi (2007), using a static general equilibrium model, studied the impact of three hypothetical fiscal policies in Nigeria’s poverty reduction. He examined a cash transfer to households, increase of public spending in several sectors, and tax policy changes using the 1999 data set. He argued that Jurnal BPPK V o l u m e 2 Tahun 2011

transfers to poor households were ineffective to alleviate poverty, as compared with government spending in agriculture, construction, and services. After examining the impact of welfare programs on poverty in the United States, using state level data, Fording & Berry (2007) argued that welfare programs have two effects: an income enhancement effect that decreases poverty and a work disincentive effect which increases poverty through discouraging people to search for a job. If an income enhancement effect is larger than a work disincentive effect, government welfare programs diminish poverty; on the other hand, if smaller, goverment welfare programs will increase poverty. They found that welfare programs are less effective because policy makers tend to shift cash program to in-kind program that resulted in the greater work disincentive effect than income enhancement effect. In the case of Indonesia, a study conducted by Damuri and Perdana (2003), which analyzed the impact of fiscal policy on income distribution and poverty using a CGE model, found that a 20% fiscal expansion would reduce poverty by approximately 9.5%. The objective of this research is to determine the impact of local government expenditures on poverty. Thus, significance of total government expenditure, human capital expenditure and non human capital expenditure on poverty alleviation will be tested by a model which mostly quoted from a study conducted by Krongkaew et al. (2006), which analyzed the relationship between growth, employment, and poverty in Thailand during the

27

period from 1988-1996. Human capital expenditure and non human capital expenditure hypothetically have a significant impact on poverty reduction. However, non human capital expenditure seems to benefit everyone. Hence, this expenditure is expected to have no significant impact on poverty reduction. DATA AND METHODOLOGY Data This study employed the consumption expenditure module of National Sosioeconomic Survey (SUSENAS) conducted by the Statistics Indonesia (BPS) every three years since 1981. Consumption expenditure module is a survey of household expenditure on food and non-food items. This study used the consumption expenditure survey compiled in 1996, 1999, and 2002 in 5 provinces in Java. These surveys covered over 90,000 households, 210 food items and over 100 non-food items. Expenditure per capita can be calculated using these surveys. This study like the studies of many other researches, used expenditures derived from the surveys to measure the incidence of poverty. Expenditure figures were used because they are better indicators of living standard than income (Huppi & Ravallion, 1991). The other reason is that income data is unreliable in Indonesia. The 1996 consumption expenditure module included 5 provinces in Java: 1) Jakarta, which consists of 5 districts; West Java, 25 districts; Central Java, 35 districts; Yogyakarta, 5 districts; and East Java, 37 districts. In 1999, the survey included a new city, Bekasi City, which was established in West Java

28

Province. Moreover, Pandeglang, Lebak, Tangerang, Serang, and Tangerang City were separated from West Java Province to form a new province -Banten Province-, and now includes a new city -Depok City- formed in the year 2000. As a result, 5 districts were removed and one district was added in West Java in our data set. Moreover, in all surveys, some districts, especially city districts, do not have rural areas and one district, Pacitan, do not have urban areas. Therefore, this study can not cover all the districts in Java. Aside from the consumption expenditure module of SUSENAS, this study utilized the government expenditure data for 1996/1997, 1999/2000 and 2002 fiscal years at the district level compiled by the Ministry of Finance. All the districts reported their expenditures in 1996/1997 and 1999/2000 fiscal year. However, due to the new financial law implemented in 2001, provincial and district governments are no longer required to submit their expenditure reports to the Ministry of Finance. Some districts, therefore, like Pati and Magelang in Central Java Province and Sleman in Yogyakarta Province, did not report their expenditure in the 2002 fiscal year. Moreover, Semarang City and Kudus only reported their total expenditures. They did not report their expenditures in detail. In addition, government expenditure data in Jakarta is available only at the provincial level while district level data was unavailable. Methodology The objective of this research is to determine the impact of local government expenditures on poverty. This Jurnal BPPK V o l u m e 2 Tahun 2011

study conducted a panel data regression analysis using district level data in Java provinces for 1996, 1999, and 2002 based on the following model where i refers to districts and t refers to survey years.

ρ0it=β1 + β2MEANEXPit + β3SDEXPit + β3TOTEXit + eit ,

Furthermore, to analyze the impact of a particular expenditure, the following model was used:

ρ0it=β1 + β2MEANEXPit + β3SDEXPit + β3NONHUMEXit + β4HUMEXit + eit

where: P0 = headcount index in district or rural and urban within district; MEANEXP = average of per capita household consumption expenditure; SDEXP = standard deviation of per capita household consumption expenditure; TOTEX = per capita total government expenditure ; NONHUMEX = per capita con human capital expenditure (expenditure on industry, transportation, trade, business development, and cooperation, agriculture and forestry, irigation and water resources management, mining and energy, tourism and telecommunication, housing, environmental, science and technology, law, district aparatus and monitoring, politic and mass media, and security); HUMEX = per capita human capital expenditure (expenditure on education and culture, family welfare, social welfare, and religion) Jurnal BPPK V o l u m e 2 Tahun 2011

Headcount index of poverty (P0) was used as the dependent variable. Headcount index that used in this study was estimated based on consumption expenditure data and the poverty lines for each provinces. The independent variables in the model were suggested by the study done by Krongkaew et al. (2006), which analyzed the relationship between growth, employment, and poverty in Thailand during the period from 1988-1996. They considered the logarithm of the headcount ratio as an endogeneous variable. As exogeneous variables, they used the logarithms of GDP, of the elasticity of employment with respect to real output, of per capita household income, of dependency ratio and of the Gini coefficient. As a proxy for per capita household income, this study used average per capita household expenditure instead; whereas, standard deviation of per capita household expenditure was used as proxy for the Gini coefficient. Damuri and Perdana (2003), using a Computable General Equilibrium (CGE) model, stated that the expansion of government expenditures mostly benefited non-poor segments of society. Therefore, additional independent variables, which are total government expenditure and government expenditures on human capital and non human capital were included in order to analyze the impact of public expenditure on poverty. This study used the actual government expenditure in 1996/1997, 1999/2000, and 2002 fiscal year as government expenditure in 1996, 1999, and 2002, respectively. Government expenditure in 1999/2000 and 2002 fiscal year were deflated into

29

1996 base year using Consumer Price Indices (CPI). RESULT This study conducted six regressions, which are headcount poverty in district, urban and rural areas within district with per capita total government expenditure and sectoral government expenditures, using panel data. Therefore, 3 models which are pooled regression model, fixed effects model, and random effects model can be selected as the appropriate model for each regression. While all pooled regression models resulted in negative R2, all fixed effects model resulted in positive R2. Thus, fixed effects is better than pooled regression in all regressions. Fixed effects model generally gives a consistent estimator but does not give an efficient one. However, random effects model gives an efficient estimator but does not assure whether this model is consistent or not. In order to review whether random effecfts model is consistent or not, the Hausman test is usually conducted. The null hypothesis of Hausman test is that coefficient estimated by random effects model is the same as coefficient estimated by fixed effects model. Receiving null hypothesis refers to conclusion that coefficient estimated by random effects model is the same as fixed effects model; thus, it is more appropriate to select random effects model

30

since estimation by random effects model is not only the same as fixed effects model but also gives an efficient estimator. On the other hand, refusing the null hypothesis gives a conclusion that the coefficient estimated by random effects model differs from fixed effects model. Therefore, it is more appropriate to select fixed effects model. Table 1 shows the Hausman test of six regressions. Five regressions out of six regressions resulted in refusing null hypothesis. This implies that fixed effects model is more appropriate than random effects model. On the otherhand, Hausman test resulted in receiving null hypothesis in the regression for headcount poverty index in urban areas and per capita total government expenditure; therefore, random effects model should be selected in this regression. Using the most approriate model, the results of this study are: first, the coefficient mean expenditure as proxy of income-was negative and significant at 1% significance level. This result shows that increasing income will reduce poverty in both rural and urban areas. Second, the coefficient standard deviation income was positive and significant at 1% significance level. This finding implies that the more equal the distribution of income, the lesser the poverty incidence in a population. On the other word, inequaltiy increase poverty incidence.

Jurnal BPPK V o l u m e 2 Tahun 2011

Tabel 1. Hausman Test Regression

Chi square statistic

Chi-square degree of freedom

Probabilities

20.606479

3

0.0001

P0 and sectoral government expenditure

21.162936

4

0.0003

P0 and total government expenditure in rural areas of the district

10.254616

3

0.0165

P0 and sectoral government expenditure in rural areas of the district

20.479906

4

0.0004

P0 and total government expenditure in urban areas of the district

3.772711

3

0.2871

P0 and sectoral government expenditure in urban areas of the district

9.528170

4

0.0492

P0 and total government expenditure

Third, relationship between local government expenditure and poverty are indicated various results. The detail results are presented in the following discussion: The effect of district government ex­ penditure on poverty Table 2 shows the regression results where poverty incidence is the dependent variable and the mean per capita household consumption expenditure income, the standard deviasion of per capita household consumption expenditure and per capita total government expenditure are the independent variables. The coefficient of per capita total government expenditure

Jurnal BPPK V o l u m e 2 Tahun 2011

indicates a positive sign but is statistically insignificant. This result indicates that government expenditure does not have much effects on poverty reduction. Table 3 shows regression result for the case where per capita human capital and per capita non human capital expenditures are included as independent variables. The results show that the coefficient of per capita human capital expenditure has a negative sign and is statistically significant while non human capital per capita expenditure has a positive sign and is statistically significant at 5 percent significance level.

31

Table 2 Regression result of district poverty and per capita total government expenditure Variable C

Coefficient

Std. Error

t-Stat

Prob.

0.0000 0.0000 0.0000 0.0966

0.315011

0.021000

19.0000

MEANEXP?

-4.16E-06

4.37E-07

-9.5003

SDEXP?

1.31E-06

3.14E-07

4.1853

GOVEX?

6.33E-08

3.79E-08

1.6700

R-squared

0.679505

Adjusted R-squared

0.513194

Coefficient

Std. Error

t-Statistic

C

0.321399

0.021484

14.95966

MEANEXP?

-4.14E-06

4.41E-07

-9.39667

SDEXP?

1.22E-04

3.18E-07

3.8364

HUMEX?

-1.94E-03

7.71E-07

-2.5149

NONHUMEX?

6.29E-07

2.12E-07

2.9690

R-squared

0.679505

Adjusted R-squared

0.513194

The effect of government expenditure on rural poverty Table 4 presents the regression

Prob.

0.0000 0.0000 0.0002 0.0128 0.0034

result for rural district. The per capita total government expenditure has no significant impact on rural poverty.

Table 4. Regression result of rural’s district poverty and per capita total government expenditure Variable

Coefficient

C

0.429488

MEANEXP?

-6.69E-06

t-Statistic

Prob,

0.027842

15.4261

5.80E-07

-11.5415

0.0000 0.0000 0.0005 0.7615

SDEXP?

7.37E-07

2.07E-07

3.5683

1.67E-08

5.49E-08

0.3040

0.751961

Adjusted R-squared

0.622115

32

Std, Error

GOVEX? R-squared

significance, while the coefficient of non human capital expenditure is positive and not significant. This result indicates government expenditures did not have significant impacts on rural poverty.

Table 5. Regression result of rural’s district poverty and per capita particular government expenditure Dependent Variable: POV?

Table 3. Regression result of district poverty and per cap­ ita sectoral government expenditure Variable

Table 5 presents the regression result for the impact of sectoral government expenditures on poverty incidence. The coefficients of per capita human capital expenditure is negative and not

Jurnal BPPK V o l u m e 2 Tahun 2011

Variable

Coefficient

C

0.443931

MEANEXP? SDEXP? NONHUMEX?

8.21E-08

4.72E-07

0.1740

-1.89E-06

1.29E-06

-1.4623

HUMEX?

t-Statistic

Prob.

0.028564

15.5417

-6.73E-06

5.99E-07

-11.2359

6.96E-07

2.05E-07

3.4015

0.0000 0.0000 0.0009 0.8621 0.1458

R-squared

0.768437

Adjusted R-squared

0.644616

The effect of government expendi­ ture on urban poverty Table 6 shows the regression result for urban poverty with per capita total government expendtiure. The coefficient of per capita total government expenditure has a negative sign but is not significant. It means that government expenditure does not have significant impact on poverty. The regression result for per capita government expenditure on human capital and non human capital for urban poverty is shown in Table 7. The coefficient of non human capital

Jurnal BPPK V o l u m e 2 Tahun 2011

Std. Error

expenditure has a positive sign and is significant at 5% significance level. This means that per capita non human capital expenditure has a significant impact on urban poverty. Increase in per capita non human capital expenditure would increase urban poverty. On the other hand, the coefficient of per capita human capital expenditure has a negative sign and is significant at the 1 % significance level. This result indicates that human capital expenditure has a significant impact on reducing poverty.

33

Table 6. Regression result of rural’s district poverty and per capita particular government expenditure Dependent Variable: POV? Variable

Coefficient

C

0.388970

MEANEXP? SDEXP?

t-Statistic

Prob.

0.018676

20.82750

-3.76E-06

3.02E-07

-12.47142

1.05E-06

2.69E-07

3.90232

-2.82E-08

4.55E-08

-0.62090

0.0000 0.0000 0.0001 0.5352

GOVEX? R-squared

0.436236

Adjusted R-squared

0.429949

Std. Error

Table 7. Regression result of urban’s district poverty and per capita sectoral government expenditure Dependent Variable: POV? Variable

Coefficient

C

0.443931

MEANEXP?

t-Statistic

Prob.

0.028564

15.5417

-6.73E-06

5.99E-07

-11.2359

SDEXP?

6.96E-07

2.05E-07

3.4015

NONHUMEX?

8.21E-08

4.72E-07

0.1740

-1.89E-06

1.29E-06

-1.4623

0.0000 0.0000 0.0009 0.8621 0.1458

HUMEX? R-squared

0.768437

Adjusted R-squared

0.644616

CONCLUSION The Asian financial crisis that hit Indonesia in the middle of 1997 obviously affected poverty. Using the FGT indices, this study found that the incidence of poverty in the districts of Java Island mostly increased during the pe-

34

Std. Error

riod from 1996-1999. However, Java Island seems to have recovered from the crisis since Java districts mostly decreased their poverty incidence during the period from 1999-2002. Conducting a simple regression analysis, this research investigates the impact of public spending on poverty in five Jurnal BPPK V o l u m e 2 Tahun 2011

provinces in 1996, 1999, and 2002. The regression result of this research shows that per capita total government expenditure does not seem to have a significant impact on poverty reduction. This finding indicates that, at least in this study, government expenditures were not pro-poor even though they were not pro-rich either. The regression analysis of per capita non human capital expenditure and human capital expenditure yields a different interpretation. The regressions result for per capita non human capital expenditure with district poverty and urban poverty shows that per capita non human capital expenditure has a significant impact on poverty. However, the regression result for per capita non human capital expenditure with rural poverty indicates that non human capital expenditure does not have a significant impact on poverty. This results conclude that non human capital expenditure, in most cases, significantly increase poverty. This result might also be interpretted that non human capital expenditure mostly benefited the rich rather than the poor. However, human capital expenditures noted a different result. The regression result for per capita human capital expenditure with district and urban headcount index shows that human capital ex-

Jurnal BPPK V o l u m e 2 Tahun 2011

penditure has a significant impact on poverty reduction. On the other hand, the regression of per capita human capital expenditure with rural poverty indicates that per capita human capital expenditure does not have a significant impact on poverty reduction. This results indicate that per capita human capital expenditure significantly reduces poverty in most cases. Furthermore, this outcomes infer that human capital expenditure was a pro-poor expenditure. RECOMMENDATION Local government should also make careful decisions about the best way to use public spending to reduce poverty. They should allocate more money to programs or expenditures that benefit the poor, in this case, human capital expenditure. This study of the relationship between government expenditure and poverty is part of an on going research process. Examining whether fiscal policies have impact on poverty reduction or not is important to ensure that government policies implemented through public spending are pro-poor and effective in alleviating poverty. Further studies that employ better methodology such as utilizing appropriate CPI, covering a longer period, and using current data could provide a more acute analysis of poverty reduction programs.

35

REFERENCES Bhagwati, J. (1988). Poverty and Public Policy. World Development, 16, 539-556

ANALISIS PERSISTENSI INFLASI DAERAH : STUDI KASUS SUMATERA BARAT

Damuri, Y. R., and Perdana, A. A. (2003). The Impact of Fiscal Policy on Income Distribution and Poverty: a computable general equilibrium approach for Indonesia. Economic Working Paper. CSIS, Jakarta.

Agung Bayu Purwoko, SE, Ak, ME dan Feny Yurastika, SSi 1

Directorate General of Fiscal Balance, Ministry of Finance, www.djpk.go.id Fan, S., Hazell, P., & Thorat, S. (2000). Government Spending, Growth and Poverty in Rural India. American Journal of Agricultural Economics, 82, 1038-1051. Fording, R. C., and Berry, W. D. (2007). The Historical Impact of Welfare Programs on Poverty: Evidence from American States. The Policy Studies Journal, 35, 37-60. Foster, J., Greer, J. & Thorbecke, E. A. (1984). Class of Decompossable Poverty Measures. Econometrica, 52, 761-766 Kronkaew, M., Chamnivickorn, S. & Nitithanprapas, I. (2006). Economic Growth, Employment, and Poverty Reduction linkages: The Case of Thailand. Discussion Paper. www. ilo.org. Nachrowi, N.D. and Usman, H. (2006). Ekonometrika. Pendekatan Populer dan Praktis (Econometrics: Practical Approach). Lembaga Penerbit Fakultas Ekonomi Universitas Indonesia. Jakarta Obi, B. O. (2007). Fiscal Policy and Poverty Alleviation: some policy option for Nigeria. AERC Research Paper. Nairobi. Perdana, A. A. and Maxwell, J. (2004). Poverty Targeting in Indonesia: Programs, Problems and Lesson Learned. CSIS Working Paper Series, WPE 083 Rao, M. G., Bird, R. M. & Litvack, J. L. (1998). Fiscal Decentralization and Poverty Alleviation in a Transitional Economy: The Case of Vietnam. Asian Economic Journal, 12, 353-378 Statistic Indonesia. www.bps.go.id Warr, P. (2003). Fiscal Policies and Poverty Incidence: the case of Thailand. Asian Economic Journal, 17, 27-44

ABSTRACT ABSTRACT Bank Bank Indonesia replaced base targeting money targeting with targeting inflation targetIndonesia replaced base money with inflation frame­ ing framework (ITF) since July 2005. Thus understanding inflation work (ITF) since July 2005. Thus understanding inflation persistence ispersistence important is to support the effectiveness of this framework. studyto attempts toimportant support the effectiveness of this framework. This study This attempts under­ to understand the behavior of inflation persistence of regional level, completing stand the behavior of inflation persistence of regional level, completing several several conducted at the national level. Specifically, this study aims to calstudies studies conducted at the national level. Specifically, this study aims to calculate culate the level of inflation persistence in West Sumatera, to see how the the level of inflation persistence in West Sumatera, to see how the effect effect of in­ of inflation targeting framework on inflation persistence, to find sources flation targeting framework on inflation persistence, andand to find thethe sources of of inflation persistence. inflation persistence. Using model AR, AR, we we find find that that inflation inflation persistence persistence in in West Using univariate univariate model West Sumatera is high. When we break the period into before and after the implemenSumatera is high. When we break the period into before and after the implemen­ tation of ITF, ITF, it it indicates inflation persistence persistence decrease decrease after after the tation of indicates that that inflation the implemenimplemen­ tation of ITF. However, this difference is not statistically significant. tation of ITF. However, this difference is not statistically significant. Using Using Hybrid Hybrid New (NKPC), we of inflation is New Keynesian Keynesian Philips Philips Curve Curve (NKPC), we find find that that the the behavior behavior of inflation is dominated by backward looking inflation. dominated by backward looking inflation. Overall results showed problem can Overall results showed that that inflation inflation problem can not not be be resolved resolved only only through monetary policy. Despite, monetary policy through ITF framework is still through monetary policy. Despite, monetary policy through ITF framework is still necessary to achor agents’ expectation still stronger stronger coordination between cennecessary to achor agents’ expectation still coordination between cen­ tral must be to reach tral bank bank and and local local government government must be developed developed to reach common common goal goal of of inflation. inflation. Keyword: persistence, inflation inflation targeting targeting framework, framework, regional regional inflaKeyword: Inflation Inflation persistence, infla­ tion, regional economics tion, regional economics

1

36

Jurnal BPPK V o l u m e 2 Tahun 2011

Peneliti Ekonomi Pada Bank Indonesia Padang, dapat dihubungi melalui agung_bp@ bi.go.id, [email protected] . Tulisan ini merupakan pendapat pribadi penulis dan tidak mencerminkan kebijakan Bank Indonesia

Jurnal BPPK V o l u m e 2 Tahun 2011

37

II. PENDAHULUAN 1.1 Latar Belakang nflasi selalu menjadi topik ekonomi yang hangat dibicarakan oleh ber­ ba­ gai kalangan. Bahkan, Hemingway (1932) menganggap inflasi lebih ber­ ba­haya dari perang. Inflasi dan perang bi­sa menyebabkan kerusakan yang per­ manen bagi suatu negara. Oleh ka­re­na itu, banyak penelitian dilakukan un­ tuk mengetahui bagaimana perilaku in­flasi. Perubahan perilaku inflasi dapat ter­ jadi karena timbulnya perubahan sub­stansial ataupun shock dalam per­ ekonomian. Perubahan tersebut dapat mem­pengaruhi perilaku pembentukan har­ga yang dapat berdampak ter­ha­ dap perilaku inflasi. Dampak yang di­ timbulkan dapat bersifat persisten atau berlangsung dalam kurun waktu la­ ma. Reaksi yang diberikan dalam meng­atasi perubahan/shock dan pe­ ren­canaan ke depan memerlukan pe­ nge­ tahuan yang memadai mengenai se­berapa besar dan lama shock yang ter­jadi mempengaruhi perekonomian. Se­ makin kecil tingkat persistensi in­ fla­si, semakin singkat waktu yang di­ butuhkan untuk stabilisasi inflasi se­te­ lah shock yang terjadi. Penelitian terdahulu mengenai per­­ sis­ tensi inflasi di Indonesia ber­ fo­­­ kus pada inflasi nasional. Studi oleh Yanuarti (2007) dan Alamsyah (2008) menyimpulkan bahwa de­ ra­ jat persistensi inflasi Indonesia sa­ngat ting­ gi namun cenderung menurun pa­ da periode setelah krisis. Ke­ cen­ de­ rungan penurunan tingkat per­ sis­­ tensi inflasi tersebut ditemukan pu­­ la di negara lain seperti Amerika Se­­rikat, melalui studi yang dilakukan oleh Cogley dan Sargent (2005) dan

I

38

di­ konfirmasi oleh Stock and Watson (2006). Sejalan dengan itu, Harmanta (2009) menyoroti persistensi inflasi na­­sional dalam kaitannya dengan pe­ ne­rapan ITF di Indonesia. Ditemukan bah­­wa persistensi inflasi yang bersifat back­­ward looking pada era ITF me­ nga­lami penurunan. Mengingat inflasi nasional pada da­ sarnya merupakan gabungan dari in­flasi di seluruh daerah, maka untuk tu­ juan pengendalian inflasi nasional per­lu diperoleh gambaran yang utuh me­ngenai perilaku inflasi daerah. Mem­ pelajari perilaku inflasi daerah dan me­ nge­ tahui penyebabnya juga penting di­ lakukan mengingat karakteristik in­ fla­si daerah yang berbeda-beda. Hal ini dikuatkan oleh studi empiris yang menemukan bahwa derajat per­ sis­ tensi inflasi meningkat sejalan de­ ng­ an meningkatnya level agregasi. Angeloni et al (2004) menyatakan bah­ wa persistensi inflasi agregat di US lebih tinggi dibandingkan dengan per­sistensi subindices-nya (misalnya non-processed food, processed food, industrial goods, energy and services), sementara di Euro Area, persistensi inflasi agregat lebih persisten di­ban­ ding­kan dengan persistensi masingma­sing negara. Studi ini difokuskan pada Provinsi Su­matera Barat sebagai daerah yang me­miliki sejarah perekonomian cukup pan­jang. Secara spesifik, studi ini akan me­ngupas mengenai karakteristik per­ sis­tensi inflasi di Kota Padang dimana bo­bot Kota Padang dalam perhitungan IHK Nasional berdasarkan Survei Biaya Hi­dup (SBH) 2007 sebesar 1,69%. 1.2 Rumusan masalah Berdasarkan latar belakang ma­sa­ Jurnal BPPK V o l u m e 2 Tahun 2011

lah, beberapa pertanyaan kunci yang akan dijawab melalui studi ini antara lain: 1. Bagaimana karakteristik persistensi in­ flasi di Kota Padang? Analisis akan diperdalam dengan melihat apa­kah terdapat perbedaan ka­rak­ te­ ristik pasca penerapan Inflation Tar­geting Framework oleh Bank In­ donesia pada tahun 2005 sebagai ke­rangka kebijakan moneter. 2. Apakah sumber-sumber persistensi in­f­lasi di Kota Padang? 1.3. Ruang lingkup Penelitian Studi ini menganalisa data inflasi Kota Padang serta melihat implikasinya terhadap perekonomian Sumatera Ba­ rat. Data yang digunakan adalah IHK Kota Padang periode tahun 2000:1 hing­ga tahun 2010:5. Perlu diperhatikan bahwa terdapat ke­terbatasan data dan informasi ter­ utama terkait dengan periode pe­nga­ ma­tan setelah penerapan ITF dimana per­iode data yang digunakan adalah 2005:07–2008:05 dengan kendala ada­nya beberapa kali shock akibat ke­ bijakan administered price. Dengan ke­ ter­batasan yang ada tersebut, definisi da­ri penyebab persistensi inflasi dapat di­ anggap dipersamakan dengan pe­ nye­bab dari inflasi itu sendiri. II. KERANGKA TEORITIS dan PE­NG­ EM­BANGAN HIPOTESIS 2.1 Landasan Teori 2.1.1 Pengertian Persistensi Inflasi Persistensi dapat diartikan sebagai ke­berlangsungan, atau kecenderungan un­tuk semakin menguat, atau dengan is­tilah statistik dapat direpresentasikan oleh serial correlation positif. Dengan de­mikian persistensi tidak hanya dapat Jurnal BPPK V o l u m e 2 Tahun 2011

ter­jadi pada kenaikan tetapi juga pada pe­nurunan dari nilai alamiahnya. Jika po­sisi persistensi berada di atas nilai ala­miahnya, maka nilai persistensi akan bertanda positif, sedangkan jika po­si­si persistensi berada di bawah nilai ala­ mi­ ahnya, maka nilai persistensi akan ber­tanda negatif. Berbagai kajian secara umum men­ definisikan persistensi inflasi se­ bagai kecepatan inflasi kembali me­nu­ ju kepada keseimbangan jangka pan­ jang­ nya ketika merespons berbagai je­nis gejolak (Angeloni, et.al, 2004 dan Altissimo, et.al, 2006). Sumber gejolak da­pat bersumber dari perkembangan fak­tor-faktor fundamental seperti per­ ge­ rakan nilai tukar, kebijakan fiskal dan harga minyak dunia maupun dari pengaruh supply shock seperti gang­ gu­an distribusi, perubahan cuaca dan berbagai dampak bencana alam. Pe­ ngertian lain yang lebih sederhana di­ aju­kan oleh Batini dan Nelson (2002) yang mendefinisikan persistensi inflasi se­bagai (1) otokorelasi yang positif pa­ da inflasi, (2) jeda atau lag dari respons in­flasi pada kebijakan non systematic. Dari beberapa pengertian diatas dapat disimpulkan bahwa pengertian persistensi inflasi lebih terkait dengan adanya unsur kelambanan dari respons inflasi (inertial inflation response) jika mengalami kejutan atau shock yang mengakibatkan inflasi pada periode t akan memiliki otokorelasi dengan inflasi pada periode t-1 atau periodeperiode sebelumnya (positive serialcorrelation). Secara statistik, Dias dan Marques (2005) menggambarkan fe­ nomena persistensi inflasi terkait deng­ an suatu proses yang selalu mencoba kem­ bali ke nilai inflasi rata-ratanya (mean-reverting process). Dengan de­

39

mikian, semakin lama tendensi per­ge­ ra­kan laju inflasi menuju ke suatu laju in­flasi yang normal (misalnya rata-ra­ ta) atau ke suatu nilai keseimbangan jang­ka panjang maka semakin tinggi de­rajat persistensi yang terjadi (lihat Gam­bar 2.1). Pengertian persistensi inflasi ber­ be­ da dengan pengertian rigiditas Grafik 2.1 Ilustrasi Kecepatan Inflasi Kembali Ke Tingkat Rata-Ratanya

har­ga (price rigidity). Rigiditas harga merujuk pada frekuensi seberapa sering tingkat harga berubah-ubah atau disesuaikan. Semakin jarang suatu tingkat harga berubah maka semakin tinggi rigiditas harga tersebut. Di In­ do­nesia, ditemukan bahwa review atas harga jual di kalangan produsen dan pedagang tidak terlalu sering atau tidak reguler, dengan rata-rata fre­ ku­ensi sekitar 1-2 kali dalam setahun. Me­nurut Solikin dan Sugema (2004) ri­ giditas harga di Indonesia terkait deng­ an adanya informational menu cost dalam mengumpulkan berbagai informasi yang dibutuhkan perusahaan ketika akan menentukan harga jual yang optimal. 2.1.2Pengukuran Persistensi Inflasi Secara umum pengukuran per­ sis­ tensi dapat dikelompokkan dalam dua pendekatan yaitu pendekatan un­ivariate dan multivariate (Marques,

40

2004). Perbedaan utama dari ke­ dua metode ini adalah dalam ke­ mam­ puannya menganalisis berbagai sum­ ber gangguan atau shock yang mem­ pengaruhi inflasi. Pendekatan univariate tidak dapat menganalisis le­ bih lanjut sumber gangguan karena se­ lu­ruh jenis gangguan akan tercampur ke­ dalam satu parameter saja. Se­ ba­ lik­nya pendekatan multivariate dapat meng­analisis berbagai jenis gangguan dan meneliti gangguan yang spesifik ter­hadap persistensi inflasi. Pendekatan univariate banyak ber­­ hubungan dengan teknik uji de­ ret waktu (time series) melalui mo­ del otoregresif. Pendekatan ini ju­ ga dapat dikategorikan sebagai pendekatan statistik mengingat pe­ ngu­jian dapat dilakukan tanpa mem­ be­ ri informasi yang jelas tentang penga­­ ruh struktural dan biaya yang di­­ timbulkan dalam proses disinflasi (Sheedy, 2006). Kejutan atau shock yang terdapat dalam model univariate ini diasumsikan berperilaku white noise da­ lam komponen proses otoregresif. Mengikuti Levin dan Piger (2004) in­ fla­si diasumsikan bergerak mengikuti pro­­ ses otoregresif yang stasioner de­­ ng­ an order p (SR(p)) dan secara umum ditulis :

πt=µ+ ∑j=1 αjπt-j+εt p

(2.1)

Derajat persistensi diukur dengan pen­jumlahan koefisien otoregresif α. Pa­ ra­meter konstanta µ mewakili rata-ra­ ta inflasi dan εt adalah unsur kesalahan random yang memiliki kemungkinan he­ teroskedastisitas namun tidak me­ mi­ liki otokorelasi atau Cov(εt-1, εt)=0 Jurnal BPPK V o l u m e 2 Tahun 2011

bi­la s ≠ 0 dengan rata-rata E(εt) = 0. Mengikuti Andrews dan Chen (1994) maka persamaan (2.1) dapat di­ pa­ ra­ meterisasi menjadi persamaan aug­ men­ted Dickey-Fuller sebagai berikut:

πt=µ+ρπt-1+∑j=1k-1 δj∆πt-j+εt (2.2) dengan restriksi nilai ρ = penjumlahan nilai αj pada persamaan (2.1). Sementara δj merupakan transformasi sederhana dari αj dimana δk= -αk. Menurut Andrews dan Chen (1994) parameter ρ merupakan skala pengukuran me­ nge­nai derajat persistensi inflasi yang terbaik. Sebagai catatan bahwa per­ sa­ maan augmented Dickey Fuller ini dapat diuji untuk nilai ρ=1 yang me­nun­ juk­kan adanya unit root dalam variabel in­flasi. Namun jika nilai ρ<1 maka inflasi ber­sifat stasioner. Persamaan (2.1) dan (2.2) dapat mem­ perlihatkan seberapa lamban pro­ses kembalinya inflasi ke nilai ratarata ketika terjadinya gangguan atau kejutan. Mengikuti Gudjarati (2004), rata-rata lamanya waktu yang di­per­ lukan oleh inflasi untuk kembali ke tingkat inflasi sebelum terjadinya ke­ju­ tan dalam kasus ini adalah µ dapat di­ de­kati dengan rumus ρ/(1- ρ) Rumus ini menghitung seberapa lama waktu yang dibutuhkan untuk menyerap 50% da­ri kejutan yang terjadi oleh inflasi. Se­makin besar nilai ρ maka semakin la­ ma waktu yang diperlukan oleh in­fla­si untuk kembali ke perilaku jangka pan­ jang­nya. Hal ini menunjukkan tingginya de­rajat persistensi inflasi yang terjadi. Se­bagai contoh, nilai ρ = 0,5 untuk data bu­lanan berarti 50% shock yang terjadi akan dapat diserap oleh inflasi dalam tem­po hanya 1 bulan sementara 50% si­ sanya akan diserap secara gradual Jurnal BPPK V o l u m e 2 Tahun 2011

dan semakin menurun hingga akhirnya dam­pak kejutan tersebut mengecil dan mendekati nol. Jika nilai = 0,95 ma­ka waktu yang dibutuhkan inflasi un­ tuk menyerap 50% kejutan tersebut men­ jadi lebih lama, yaitu sekitar 19 bulan. 2.1.3 Identifikasi Sumber-Sumber Persistensi Inflasi Pada penelitian ini, identifikasi sum­ ber-sumber persistensi inflasi di­lakukan menggunakan pendekatan di­s­agregasi inflasi dan estimasi meng­ gu­ nakan model Hybrid New Keynesian Philis Curve (NKPC). Secara umum, inflasi dapat di­ ke­ lom­ pokkan menjadi tiga bagian yang apa­bila dilakukan disagregasi inflasi se­ bagaimana yang dilakukan Badan Pu­sat Statistik (BPS) adalah sebagai be­rikut: 1. Inflasi Inti (Core Inflation) Inflasi inti adalah inflasi barang/ jasa yang perkembangan harganya dipengaruhi oleh perkembangan eko­ no­mi secara umum (faktor-faktor fun­ da­mental seperti ekspektasi inflasi, nilai tukar, dan keseimbangan permintaan dan penawaran agregat) yang akan ber­ dampak pada perubahan hargahar­ga secara umum dan lebih bersifat per­manen dan persistent. 2. Inflasi Administered (Administered Price) Inflasi Administered adalah inflasi ba­rang/jasa yang perkembangan har­ ga­nya secara umum diatur pemerintah, se­perti harga BBM dan tarif listrik. 3. Inflasi bergejolak (Volatile Goods Price) Inflasi bergejolak adalah inflasi barang/jasa yang perkembangan har­

41

ga­ nya sangat bergejolak, umumnya di­pengaruhi oleh shocks yang bersifat tem­porer seperti musim panen, gang­ gu­ an alam, gangguan penyakit, dan gang­guan distribusi. Selanjutnya, analisis mengenai sum­ ber-sumber persistensi inflasi di­ la­ kukan menggunakan persamaan struk­ tural inflasi yaitu model Hybrid NKPC yang dibangun oleh Gali dan Ger­ tler (1999) dimana inflasi selain ber­orientasi forward looking, inflasi ju­ga memiliki perilaku yang backward looking.

πt=γ π +γ Et(π )+ky +e b

t-1

f

t+1

t

t

(2.3)

dimana π adalah inflasi pada waktu t, γbπt-1 adalah inflasi pada waktu t-1 (backward looking inflation), Et(πt+1) adalah ekspektasi inflasi pada waktu t+1 (forward looking inflation), Yt ada­ lah deviasi dari output gap atau bia­ya marjinal (marginal cost) aktual ter­ ha­dap kondisi optimal, dan et adalah un­ sur kejutan dari sisi pasokan atau supply shock. Angeloni et al. (2004) kemudian me­ ngelompokkan persistensi inflasi ber­dasarkan persamaan hybrid NKPC men­jadi (i) extrinsic persistence yang terkait dengan persistensi pada bi­ a­ ya marjinal ataupun output gap, (ii) intrinsic persistence yang banyak ber­ kaitan dengan inflasi periode se­ be­ lumnya, (iii) expectation-based per­sis­ ten­ce yang dominan dipengaruhi oleh eks­pektasi inflasi, dan (iv) error term per­sistence akibat pengaruh kejutan si­si pasokan atau inflation shock. Extrinsic persistence adalah per­ sis­ tensi inflasi yang muncul sejalan de­ng­an perilaku biaya marjinal (atau­ pun kesenjangan output) yang di­ha­ t

42

dapi oleh perusahaan secara riil di­ ban­ dingkan kondisi yang diharapkan ba­ik saat ini maupun ke depan. Terkait deng­an persamaan (2.3) di atas maka ex­trinsic persistence terkait dengan ni­ lai parameter k. Semakin besar nilai k ma­ka semakin besar pula persistensi in­flasi dari variabel biaya marjinal atau­ pun kesenjangan output. Intrinsic persistence adalah inflasi aki­ bat perilaku pembentukan harga yang dominan menengok ke belakang atau mengacu pada perkembangan in­ flasi sebelumnya. Persistensi inflasi aki­ bat hubungan yang kuat dengan inflasi se­belumnya antara lain terkait dengan pe­rilaku indeksasi upah atau perilaku rule-of-thumb dalam pembentukan harga. Semakin banyak pelaku usaha yang menerapkan perilaku seperti ini maka akan semakin kuat persistensi inflasi akan terjadi. Dalam konteks hybrid NKPC, hal ini ditunjukkan oleh pa­rameter γ . Semakin besar nilai γ ma­ ka semakin tinggi pula derajat per­sis­ ten­si inflasi intrinsik. Sementara itu, expectation-based persistence muncul jika perilaku pembentukan harga pengusaha lebih berorientasi melihat perkembangan kon­ disi ekonomi ke depan. Dalam per­samaan (2.3) di atas maka peran eks­pektasi inflasi tercermin pada ko­e­ fisien γ . Secara teoritis, ekspektasi ter­ kait dengan perilaku melihat ke de­pan (forward looking) yang rasional da­ ri para pelaku ekonomi sehingga ke­ ja­ dian masa lalu akan memiliki peran atau bobot sedikit sekali terhadap ke­ putusannya mengenai masa depan. Oleh karena itu, apabila asumsi perilaku for­ward looking lebih dominan dalam pro­ ses pembentukan harga-harga, ma­­ka ekspektasi inflasi tidak akan me­ b

b

f

Jurnal BPPK V o l u m e 2 Tahun 2011

nyum­ bang terjadinya proses inflasi yang persisten. Namun demikian, apa­ bi­la asumsi perfect information tidak terpenuhi, maka perilaku ini justru akan mendorong terjadinya persistensi dan respons inflasi terhadap gejolak gra­du­ al yang melambat. Persistensi inflasi dari sisi error term bersumber dari berbagai faktor yang tidak atau belum tertangkap dengan baik, misalkan perubahan kebijakan harga-harga pemerintah dan faktorfaktor lain yang menyebabkan mun­ cul­nya supply shock yang signifikan. Me­ nurut Fuhrer (2006) identifikasi ter­hadap kejutan atau shock yang da­ pat memunculkan otokorelasi di an­ tara unsur error (autocorrelated in­ fla­tion shock), kemungkinan dapat me­nerangkan mengapa variabel inflasi ma­sa lalu menjadi dominan dalam ba­ nyak hasil hybrid NKPC. Selain itu, terdapat dua pandangan yang berbeda tentang sumber da­ ri inflasi yaitu aliran monetaris dan strukturalis. Aliran monetaris me­ man­ dang bahwa kenaikan harga me­ rupakan gambaran dari adanya ke­lebihan pada pasar uang. Inflasi me­ ru­ pakan hasil dari pergerakan yang ber­kelanjutan pada aggregate demand se­telah pendapatan riil mendekati kon­ di­si full employment. Kebijakan yang di­ tawarkan oleh monetaris adalah ada­ nya kontrol terhadap kebijakan mo­neter dan fiskal seperti melakukan kontraksi moneter dan fiskal. Di sisi lain, strukturalis memandang bah­ wa jumlah penawaran uang akan ber­ tambah sejalan dengan kenaikan har­ ga. Jadi, jumlah penawaran uang me­ 2

ru­ pakan respon dari inflasi bukan pe­ nyebab dari inflasi. Sumber dari ada­ nya peningkatan harga dianggap se­bagai akibat dari tekanan terhadap per­tumbuhan ekonomi. 2.2 Studi Empiris Dalam studinya mengenai per­ sis­ tensi inflasi di Indonesia, Yanuarti (2007) menemukan bahwa derajat per­ sis­tensi inflasi di Indonesia cenderung me­nurun pada periode pascakrisis (se­ te­lah tahun 2000) dibandingkan masa se­belum krisis (1990-1997). Penelitian ter­sebut juga menemukan bahwa per­ sistensi inflasi di Indonesia bukan di­ sebabkan oleh faktor intrinsik dalam pe­rekonomian2 . Alamsyah (2008) memperdalam ha­ sil temuan Yanuarti (2007) de­ ng­ an menganalisis faktor-faktor pe­ nyebab persistensi inflasi serta me­ li­ hat implikasinya terhadap pilihan dan respons kebijakan moneter di In­ donesia. Ditemukan bahwa adanya pe­ nurunan derajat persistensi inflasi ba­nyak terkait dengan struktur pa­sar. Hasil analisis sumber-sumber per­ sis­ tensi inflasi mengindentifikasikan bah­ wa sumber utama persistensi inflasi di Indonesia adalah para monopolis dan oligopolis yang memiliki kekuatan pa­ sar dan cenderung dominan dalam mem­ pengaruhi proses pembentukan har­ga secara nasional. Selain itu, dalam ske­nario persistensi menjadi lebih ting­ gi maka pilihan kebijakan moneter yang optimal bagi Indonesia adalah deng­an tetap memberikan bobot yang te­tap tinggi kepada inflasi (hingga 4 ka­li) daripada output3 .

Lihat selengkapnya pada Yanuarti (2007), “Has Inflastion Persistence in Indonesia Changed?,” Bank Indonesia Working Paper.

Jurnal BPPK V o l u m e 2 Tahun 2011

43

Penelitian yang dilakukan Altissimo et al. (2004), O’reily dan Whelan (2004) ser­ ta Gadzinski dan Orlandi (2004) un­ tuk kawasan Eropa dan Amerika Se­­rikat menemukan bahwa laju inflasi di negara-negara tersebut relatif cu­ kup persisten. Derajat persistensi di ka­­ wasan Eropa relatif sebanding deng­an yang terjadi di Amerika Serikat dan se­­ cara rata-rata koefisien persistensi in­fla­si mencapai sekitar 0,6 - 0,8. Hal ini ber­ arti inflasi di Eropa dan Amerika Se­ri­kat membutuhkan 1,5 – 4 kuartal un­tuk me­ nyerap 50% dari kejutan yang terjadi se­ be­lum kembali menuju ke perilaku inflasi ra­ta-rata jangka pan­jang. Dengan mempelajari pengalaman 14 negara berkembang selama periode 1980-an dan 1990-an, Mohanty and Klau (2001)4 menemukan bahwa shock pe­nawaran eksogen, khususnya harga ma­kanan, merupakan penentu penting va­ riabilitas inflasi. Faktor permintaan yang didekati dengan menggunakan ke­senjangan output, dan kelebihan uang (excess money) tidak memainkan peran yang besar. Namun demikian, per­tumbuhan upah dan perubahan ni­ lai tukar memiliki pengaruh terhadap vo­ latilitas inflasi di banyak negara. Penelitian ini juga menemukan bahwa per­ sistensi inflasi memainkan peran pen­ ting dalam menjelaskan tingkat dan variasi inflasi. Wimanda (2006) dalam studinya me­ngenai inflasi regional di Indonesia ju­ga menemukan bahwa setelah krisis

ekonomi tingkat volatilitas inflasi di da­erah menjadi lebih tinggi. Selain itu, an­tara inflasi-inflasi daerah dengan in­ flasi nasional tidak menunjukkan ada­ nya konvergensi sehingga pola per­ ge­ rakannya seringkali berbeda dari per­gerakan inflasi nasional. Hal inilah yang dapat mengakibatkan kebijakan mo­neter tidak secara penuh efektif da­ lam menekan laju inflasi di daerah5. Studi tentang Aggregate Supply pa­da perekonomian Indonesia meng­ ha­­silkan temuan yang menarik tentang hu­­bungan antara pertumbuhan out­ put dan inflasi. Setelah krisis 1997, kon­tribusi investasi swasta meng­gam­ bar­kan adanya structural break dan hi­ langnya momentum pertumbuhan di­­bandingkan kondisi sebelum kri­sis. Ren­ dahnya tingkat investasi swas­ ta telah menekan akumulasi mo­ dal da­ lam negeri dan produksi. Hal ini me­nyebabkan adanya kondisi ke­ka­­ kuan pada supply, yang pada ak­ hir­­ nya menciptakan rigidity dalam per­ ekonomian. Supply side rigidity se­cara po­tensial akan menyebabkan ting­­gi­ nya tingkat persistensi inflasi. In­ fla­ si pa­da kondisi supply side dapat di­je­­las­ kan oleh strukturalis teori dimana in­­ fla­si akan dihubungkan dengan faktor struk­­tural dalam perekonomian. Faktor struk­tural ini hanya dapat diubah se­ca­ ra bertahap yang merupakan proses jang­­ka panjang sehingga sering di­ang­ gap sebagai teori inflasi jangka pan­ jang. Beberapa faktor struktural yang

3

Selengkapnya pada disertasi Alamsyah H., “Persistensi Inflasi dn Dampaknya terhadap Pilihan dan Respons Kebijakan Moneter” disertasi untuk memperoleh gelar doktor, Universitas Indonesia, September 2008. 4

Mohanty, M.S. and M. Klau (2001), “What determines inflation in emerging market countries?” BIS papers No 8. Modeling aspects of the inflation process and the monetary transmission mechanism in emerging market countries. 5

Lihat selengkapnya pada Rizki E. Wimanda, “Regional Inflation in Indonesia: Characteristic, Convergence, and Determinants,” Bank Indonesia Working Paper, No.13, Oktober 2006.

44

Jurnal BPPK V o l u m e 2 Tahun 2011

di­maksud adalah adanya struktur pa­ sar yang monopolistic, high cost eco­ no­­my, rendahnya produktivitas dan ke­­ bijakan pemerintah daerah yang meng­­hambat aktivitas produksi dan in­ ves­tasi. Studi ini menyimpulkan bahwa in­­flasi di Indonesia bukan seluruhnya me­­rupakan fenomena moneter6. Lebih lan­­jut studi tersebut mengungkapkan fak­­ ta adanya disparitas harga yang se­­makin besar antar daerah yang me­ nun­ jukkan bahwa kebijakan otonomi da­ e­ rah yang diterapkan telah gagal un­­tuk menciptakan pertumbuhan eko­ no­­mi yang seimbang antardaerah. 2.3 Hipotesis Berdasarkan kajian teoritis dan studi empiris, hipotesis yang dibangun untuk studi ini adalah : - Terdapat perbedaan derajat per­ sistensi inflasi antara masa se­be­ lum dan sesudah penerapan ITF. Mes­kipun demikian, faktor sup­ply side rigidity menjadi faktor peng­ ham­ bat turunnya derajat per­ sis­ ten­­si inflasi. - Sumber persistensi inflasi yang ber­asal dari backward look­ing ma­ sih dominan dalam pem­ben­tu­kan inflasi daerah. III. METODE RISET 3.1 Pengukuran Persistensi inflasi Mengikuti Levin dan Piger (2004) ser­ ta saran dari Andrews dan Chen (1994) maka model yang digunakan un­tuk mengukur derajat persistensi in­ flasi di kota Padang adalah model u ­ n­ ivariate. Pemilihan model univariate ter­ u­ tama dilandasi oleh pendekatannya

yang sederhana dan cukup robust da­ lam mengukur derajat persistensi in­flasi. Model yang digunakan adalah se­bagai berikut:

πt=µ+ρπ +∑ t-1

p-1

K-1

αJ∆πt-J)+εt (3.1)

dimana ρ adalah laju inflasi, µ adalah konstanta yang mewakili rata-rata inflasi jangka panjang (estimated means), dan εt adalah unsur kesalahan random (random error) yang memiliki kemungkinan heteroskesdatisitas na­ mun tidak memiliki otokorelasi atau Cov(εt-1, εt)=0 bila s ≠ 0 dengan ratarata E(εt) = 0. Pengujian hipotesis dilakukan terhadap signifikansi ρ secara statistik se­bagai cerminan dari persistensi in­ fla­ si dengan metode Ordinary Least Square atau OLS. Pemilihan lag di­la­ kukan dengan metode Akaike In­ for­ mation Criterion (AIC) ataupun Swartz Information Criterion (SIC). In­ flasi dikatakan persisten apabila tiap ter­ jadi shock melalui unsur gangguan e, proses penyesuaian kembali ke ratarata keseimbangannya terjadi dalam waktu yang lambat. Semakin besar nilai ρ semakin tinggi derajat persistensi inflasi yang terjadi. Mengikuti Gudjarati (2003), untuk mengukur waktu yang diperlukan oleh inflasi untuk menyerap 50% shock yang terjadi (sebelum secara gradual kembali ke nilai µ) akan digunakan rumus ρ/(1- ρ) yang pada dasarnya mengikuti fungsi im­ pul­se response secara kumulatif (cum­ mulative impulse response atau CIF). Untuk memperoleh informasi yang lebih kaya dan akurat mengenai ratarata dan sebaran perilaku persistensi

6

Selengkapnya di Nurkholis Ibnu Aman, Agung Bayu Purwoko, Ariadi Diannegara, “Managing Inflation: A Regional Development Perspective,”The 2nd IRSA Institute, July 2009.

Jurnal BPPK V o l u m e 2 Tahun 2011

45

inflasi dalam periode pengamatan yang terbatas, uji persistensi inflasi dilengkapi dengan metode bootstrap. Metode bootstrap sering digunakan ketika estimasi standard error dari suatu estimator sulit dihitung atau presisi dari asymptotic theory pada estimator yang dihasilkan lemah, serta untuk mendapatkan sebaran estimasi dalam sampel yang terbatas. Kelebihan bootstrap adalah penggunaannya tidak harus mengetahui secara persis proses pembentukan data (data generation process). Sementara itu, evaluasi terhadap kestabilan koefisien parameter hasil estimasi dilakukan menggunakan me­ to­de rolling regression7 . Sebagaimana di­ ungkapkan dibeberapa literatur, estimasi tingkat persistensi inflasi akan berlebihan (exaggerated) apabila keberadaan structural break nilai tidak diperhitungkan. Oleh karena itu, sebelum mengukur tingkat persistensi inflasi, perlu dilakukan tes structural break terlebih dahulu dengan menerapkan beberapa teknik seperti Quandt (1960) dan Chow test untuk melakukan tes terhadap known dan unknown break. Uji structural break ter­hadap unknown break ini dilakukan ber­dasarkan asumsi bahwa break tidak

ter­jadi pada 15% dari kurun waktu awal dan akhir dari data yang diuji. Jika pada periode data ditemukan adanya structural break maka persamaan akan diestimasi menggunakan dummy variabel. 3.2 Pengujian Sumber-Sumber Persistensi Inflasi Untuk mengetahui sumber-sum­ ber persistensi inflasi, dilakukan dis­ agregasi persistensi inflasi menurut kategori persistensi inflasi inti dan non inti, inflasi volatile food serta inflasi administered price. Faktor-faktor yang mendorong persistensi inflasi ber­ dasarkan disagregasi tersebut akan dieksplorasi lebih lanjut melalui ha­silhasil penelitian terdahulu, hasil sur­ vei ataupun hasil indepth interview. Se­ hing­ ga diharapkan akan diperoleh informasi terkait dengan struktur pasar dan faktor-faktor yang mendorong perilaku agen ekonomi di daerah dalam menentukan ekspektasi inflasi. Mengikuti teori New Keynesian, mo­ del yang dipilih untuk pengujian sum­ber-sumber persistensi inflasi se­ cara multivariate adalah dengan meng­ gu­nakan persamaan New Keynesian Phillips Curve atau NKPC. Secara umum persamaannya adalah sebagai

berikut: IV. ANALISIS DAN PEMBAHASAN Karakteristik Inflasi Sumatera Barat Secara historis, inflasi Sumatera Barat yang diwakili oleh inflasi kota Pa­ dang cenderung berada pada level yang tinggi. Hal ini tercermin dari ra­ta-rata inflasi IHK kota Padang yang ber­ada di atas 9% (yoy) pada pe­riode 2000 hingga bulan Mei 2010. In­flasi kota Padang ini lebih tinggi jika dibandingkan rata-rata inflasi na­sional yang sebesar 8,3% (yoy). Bah­ kan pada akhir tahun 2005 dimana pe­me­rintah mengambil kebijakan untuk me­ngurangi subsidi BBM untuk kedua ka­linya di tahun tersebut, kota Padang me­respon dengan lonjakan inflasi yang sangat tinggi yaitu di atas kisaran 24% (yoy). Grafik 4. 1. Inflasi IHK Kota Padang

Apabila dibandingkan antara kon­di­ si sebelum ITF yaitu tahun 2000 hing­ga bulan Juni 2005 dan setelah ITF yaitu bulan Juli 2005 hingga Mei 2010, tampak bahwa rata-rata in­fla­si IHK Kota Padang sebelum ITF cen­de­rung lebih rendah yaitu sebesar 8,11% (yoy) sedangkan setelah ITF ra­ta-rata inflasi kota Padang sebesar 10,05% (yoy). Perbedaan rata-

rata in­ flasi kedua periode tersebut ti­­dak me­ngindikasikan bahwa pe­ne­ ra­ pan ITF tidak berdampak positif ter­ hadap pem­ bentukan inflasi di kota Padang. Ting­ ginya inflasi se­ te­ lah penerapan ITF disebabkan oleh adanya dampak da­ri kebijakan ad­mi­ nistered price di­mana pemerintah me­ ngambil ke­bi­jakan mengurangi sub­sidi BBM se­ ba­ nyak 2 kali yaitu di bu­ lan Maret 2005 sebesar ±30% dan bu­ lan Ok­to­ber 2005 sebesar lebih da­ri 100%. Se­perti dikemukakan oleh Ma­ jar­ di (2002), bahwa perkembangan har­­ga BBM yang merupakan salah sa­tu komponen administered prices se­ring­ kali merupakan penyebab uta­ma ting­ ginya perkembangan harga ba­ rang Grafik 4. 2. Karakteristik Cross-Section Inflasi IHK Kota Padang

administered tersebut dan per­ kem­ bangan inflasi IHK pada umum­nya8. Tingginya perkembangan inflasi IHK Kota Padang juga tergambar pada statistik distribusi dalam keranjang IHK pada periode sebelum dan sesudah penerapan ITF. Kenaikan rata-rata inflasi pada periode setelah penerapan ITF juga diikuti oleh kenaikan standar

8

Lihat selengkapnya pada Fadjar Madjardi, “Administered Price dan Pola Penetapan Harga BBM,” Catatan Riset, Direktorat Kebijakan Moneter, Bank Indonesia, Juli 2002. 9 7

Penelitian ini mengadopsi desertasi Alamsyah. H (2008) dengan menggunakan data regional

46

Jurnal BPPK V o l u m e 2 Tahun 2011

LSkewness mengukur kesimetrisan distribusi suatu runtutan data di sekitar rata-rata. Skewness positif menunjukkan banyak data yang mengelompok ke ujung distribusi sebelah kanan (skewed to the right), dan sebaliknya. Kurtosis mengukur ketinggian atau ketebalan suatu distribusi. Semakin banyak angka ekstrim yang jauh dari rata-rata maka semakin tinggi nilai kurtosis. Nilai kurtosis untuk distribusi normal adalah 3. Jika kurtosis melebihi 3 maka semakin banyak angka ekstrim sehingga puncak distribusi lebih tinggi dari normal, dan sebaliknya

Jurnal BPPK V o l u m e 2 Tahun 2011

47

deviasi, skewness, dan kurtosis (Grafik 4.2)9. Peningkatan pada standar deviasi dan skewness menandakan se­ makin besarnya deviasi perubahan har­ga yang dialami oleh seluruh item da­lam keranjang IHK dan bertambah ba­nyaknya item barang yang kenaikan har­ ganya melebihi rata-rata inflasi IHK. Sementara itu, kurtosis yang me­ ningkat pasca penerapan ITF me­nan­ dakan distribusi perubahan harga da­lam periode bulanan semakin di­do­ minasi oleh kenaikan harga yang ek­ strim pada beberapa item barang di ke­ranjang IHK. Alamsyah (2008) menyatakan bah­ wa memburuknya ketiga momen dis­ tribusi tersebut juga dapat mem­ per­ kuat indikasi perubahan pola pe­ ri­ laku inflasi. Hal ini misalkan akibat da­ ri proses pembentukan harga di ting­kat produsen ataupun konsumen se­hingga respon kenaikan harga men­ jadi lebih cepat dan menyebar ke ba­ rang-barang lain. Namun, dapat pula se­ ringnya kejutan dari sisi supply atau gangguan distribusi dan lainnya menyebabkan harga-harga secara in­ Tabel 4.1. Karakteristik Inflasi IHK Kota Padang Menurut Kelompok Barang dan Jasa

Sumber : BPS, diolah

48

dividual menjadi lebih bergejolak se­ cara ekstrim. Menu­ rut Walsh (2003) da­lam Alamsyah (2008), perilaku in­fla­ si yang semakin berfluktuasi dan me­ nye­ bar ke banyak barang seperti ini akan menurunkan welfare. Alasannya, ka­ rena volatilitas inflasi yang tinggi akan semakin meningkatkan biaya ba­ gi konsumen ketika melakukan ex­pen­ di­ture switching dari satu barang ke ba­rang lain. Berdasarkan kelompok barang dan jasa (Tabel 4.1) tampak bahwa inflasi ke­ lompok bahan makanan, makanan ja­di, perumahan, dan transportasi re­ la­tif tinggi. Kelompok bahan makanan, ma­kanan jadi, sandang, dan kesehatan ter­catat mengalami pening­katan ra­tarata inflasi pasca penerapan ITF. Se­ baliknya, rata-rata inflasi kelompok pe­ ru­mahan, pendidikan, dan transportasi me­ngalami penurunan. Analisis momen distribusi me­nun­ juk­kan adanya peningkatan skewness se­telah penerapan ITF pada kelompok ba­ han makanan, perumahan, serta tran­­sportasi. Hal tersebut menujukkan bah­­wa perubahan harga pada ke­tiga kelompok tersebut cenderung se­ma­ kin banyak yang lebih tinggi dari ra­ ta-rata inflasi. Sebaliknya, penurunan skew­ness yang terjadi pada ke­lom­­pok la­ innya, mengindikasikan bah­ wa pola ke­naikan harga atau inflasi di kelompok ter­sebut menjadi lebih me­ngarah ke dis­ tribusi normal setelah pe­nerapan ITF. Sementara itu, relatif tingginya ke­­naikan kurtosis pasca penerapan ITF pada kelompok bahan ma­ka­nan, san­ dang, dan transportasi meng­ in­ di­ kasikan seringnya terjadi kenaikan har­­ ga-harga yang ekstrim pada ke­ ti­ ga kelompok tersebut. Kenaikan ekstrim pada kelompok bahan ma­ Jurnal BPPK V o l u m e 2 Tahun 2011

ka­­ nan lebih disebabkan adanya per­ ma­ salahan gangguan distribusi dan supply shock pada komoditas pangan se­lama beberapa periode terakhir pe­ nga­­ matan. Volatilitas kenaikan harga yang relatif tinggi dari kelompok ba­ han makanan juga tercermin pada ni­ lai standar deviasi yang cukup tinggi se­telah penerapan ITF. Sementara itu, ada­ nya kebijakan pemerintah untuk me­ngurangi subsidi bahan bakar pada bu­lan Maret dan Oktober 2005 serta Ma­ret 2008 telah membuat harga ke­ lompok perumahan dan transpor me­ lon­jak ekstrim pada periode sebelum dan sesudah penerapan kebijakan ter­ sebut. Bahkan tingkat volatilitas ke­ lom­pok transpor juga bergerak sangat sig­ni­fikan pasca penerapan kebijakan ter­sebut. PENGUKURAN PERSISTENSI INFLASI Pengukuran Persistensi Menurut Kelompok Komoditi Pengukuran persistensi inflasi deng­ an mengaplikasikan univariate mo­­del AR menunjukkan bahwa derajat per­ sistensi inflasi IHK Kota Padang

tergolong tinggi yaitu sebesar 0,86. Namun, jika dibandingkan dengan derajat persistensi inflasi IHK Nasional baik pada periode sebelum maupun sesudah krisis, tampak bahwa derajat persistensi inflasi IHK Kota Padang relatif lebih rendah10. Jika ditinjau per kelompok barang maka derajat persistensi inflasi tertinggi terjadi pada kelompok perumahan, makanan jadi dan kesehatan. Se­ ba­ liknya derajat persistensi inflasi te­ ren­dah terjadi pada kelompok bahan ma­kanan. Secara umum, derajat per­ sis­tensi hampir seluruh kelompok ba­ rang dan jasa berada di atas kisaran 0,90 kecuali untuk kelompok bahan ma­kanan dan sandang. Besarnya kontribusi kelompok ba­ han makanan dalam pembentukan IHK kota Padang membuat derajat per­sis­ tensi inflasi kota Padang secara total mam­pu berada di bawah 0,90. Secara matematis, pembedaan pe­ rio­de pengamatan berdasarkan masa se­belum dan sesudah ITF menunjukkan ada­nya perbedaan perilaku persistensi in­flasi. Tampak pada tabel 4.3 bahwa derajat persistensi inflasi cende­ rung

Tabel 4. 2. Parameter Persistensi Inflasi per Kelompok Barang dan Jasa

*signifikan pada α=5%

10

Sumber : Hasil pengolahan data

Lihat temuan Alamsyah (2008) hal 129.

11

Wald test adalah uji statistik parametrik yang digunakan untuk menguji nilai sebenarnya dari parameter berdasarkan estimasi sample. Wald test mengasumsikan bahwa nilai parameter suatu persamaan akan sama dengan nilai parameter seluruh subsample. Dengan menggunakan rasio statistik log likelihood, Wald test memiliki sebaran 2 dengan (m-1)k derajat bebas, dimana m menunjukkan jumlah subsample.

Jurnal BPPK V o l u m e 2 Tahun 2011

49

menurun pada periode setelah pe­ nerapan ITF. Namun demikian, pe­ng­ ujian parameter menggunakan Wald test11 menunjukkan bahwa perbedaan ko­ efisien persistensi inflasi sebelum dan sesudah penerapan ITF tidak sig­

ni­ fikan. Sehingga dapat dikatakan bah­ wa tidak ada bukti yang kuat un­ tuk menyatakan bahwa setelah pe­ nerapan ITF derajat persistensi inflasi cenderung menurun. Hanya kelompok bahan makanan yang

Tabel 4. 3 Waktu yang dibutuhkan inflasi untuk menyerap 50% shock yang terjadi

inflasi untuk kembali ke nilai rata-rata awal apabila terjadi shock lebih lama yaitu 8,70 bulan jikadibandingkan deng­ an periode setelah ITF yaitu 5,69 bulan. Berdasarkan kelompok barang dan jasa ditemukan bahwa kelompok perumahan membutuhkan waktu yang relatif paling lama dibandingkan kelompok lainnya untuk kembali ke nilai awalnya. Kelompok Perumahan yang sebagian besar didominasi oleh komoditas administered price relatif lebih rentan dalam menghadapi shock. Hal ini disebabkan karena kenaikan harga pada komoditas pembentuk kelompok ini cenderung sangat rigid. Sementara itu, kelompok bahan

makanan relatif lebih cepat untuk kembali pada keseimbangan awal, kelompok yang sebagian besar terdiri dari komoditas tanaman pangan dan holtikultura sangat tergantung pada variasi musim. Pada periode pasca panen terlebih jika ditunjang oleh buruknya faktor cuaca serta distribusi, kenaikan harga yang sangat tinggi dapat serta merta terjadi. Sebaliknya, jika kondisi cuaca serta distribusi berjalan dengan baik maka koreksi harga dapat pula segera terjadi. Hal tersebut didukung pula oleh peran serta pemerintah yang cenderung cepat dalam melakukan intervensi pada saat terjadi kenaikan harga cukup besar pada kelompok ini.

Grafik 4. 3. Karakteristik Cross-Section Inflasi IHK Kota Padang Sumber : Hasil pengolahan data

Untuk mendapatkan informasi yang lebih kaya dan akurat mengenai rata-rata perilaku persistensi inflasi dalam periode pengamatan yang relatif terbatas, pengukuran derajat persistensi inflasi dilengkapi dengan metode bootstrap. Metode boot­ strap pada studi ini juga menghasilkan pengukuran derajat persistensi inflasi yang hampir serupa. Selain itu, untuk melengkapi pengamatan terhadap perubahan perilaku inflasi, digunakan metode rolling regression. Hasil pengamatan terhadap koefisien persistensi inflasi menggunakan data sampel keseluruhan memperlihatkan bahwa pergerakan derajat persistensi inflasi IHK relatif tidak mengalami perubahan pada periode sebelum maupun sesudah penerapan ITF. Perubahan perilaku inflasi juga dapat dinyatakan dalam satuan waktu.

50

Untuk mengukur berapa lama waktu yang diperlukan oleh inflasi untuk kembali pada keseimbangan awal sebelum terjadinya shock dapat dihitung menggunakan rumus Gujarati (2003) sebagai berikut:

h=ρ/(1-ρ) dimana ρ merupakan derajat persistensi inflasi dan h merupakan lamanya waktu yang dibutuhkan oleh inflasi untuk menyerap 50% shock yang terjadi. Semakin lama waktu yang dibutuhkan berarti semakin tinggi derajat persistensi. Waktu yang dibutuhkan inflasi IHK kota Padang untuk kembali ke nilai rata-rata awalnya sebesar 6,31 bulan. Ditemukan bahwa pada periode sebelum ITF, waktu yang dibutuhkan oleh Jurnal BPPK V o l u m e 2 Tahun 2011

Jurnal BPPK V o l u m e 2 Tahun 2011

51

Tabel 4. 4 Komoditas terpilih berdasarkan kontribusi dalam 5 tahun terakhir pengamatan

Sumber : BPS, diolah

4.2.2. Pengukuran Persistensi Menurut Komoditi Terpilih Pada studi ini, analisis terhadap derajat persistensi inflasi juga di­ la­ kukan terhadap komoditas yang me­ mi­ liki sumbangan besar terhadap pem­bentukan inflasi kota Padang. Da­ lam kurun waktu lima tahun yaitu dari tahun 2004-2008 dipilih 18 jenis ko­ mo­ ditas dari sekitar 349 komoditas pem­ bentuk keranjang IHK Padang yang mewakili 57% dari rata-rata in­ flasi pada periode tersebut. Analisa terhadap komoditas ter­ pi­ lih menunjukkan bahwa komoditas yang bersifat administered price me­ miliki derajat persistensi yang cukup tinggi dibandingkan komoditas lainnya. Salah satu komoditas yang menarik untuk dicermati adalah beras. Meskipun beras merupakan penyumbang ter­ besar dalam pembentukan IHK kota Padang, namun tingginya derajat per­ sistensi beras tampaknya masih da­ pat diredam oleh derajat persistensi ko­ moditas lainnya sehingga secara total derajat persistensi kelompok ba­ han makanan justru lebih rendah di­ banding kelompok lainnya. Di sisi

52

lain, Sumbar merupakan daerah peng­ hasil beras. Pada bulan Agustus lalu, Provinsi Sumbar bersama 10 ka­bu­pa­ ten/kota (Kabupaten Pasaman, Agam, Padang Pariaman, Sijunjung, Dhar­ masraya, Pesisir Selatan, Kota Pa­dang, Bukittinggi, Solok, Pariaman) men­ dapatkan penghargaan dari pe­ me­ rin­ tah pusat karena ke­ berhasilannya da­lam meningkatkan pro­duksi padi di atas 5% pada tahun 2009. Rencananya peng­hargaan ini akan diberikan secara lang­sung oleh Pre­siden RI pada akhir Ok­tober atau awal November di Nusa Teng­gara Ba­rat. Namun demikian, ka­ rena pemben­ tukan harga beras ma­ sih melalui mekanisme intervensi pe­ merintah (dengan penentuan HPP Pemerintah yang setiap tahun se­lalu mengalami kenaikan), hal ini ber­ dampak pada perilaku inflasi ko­mo­di­ tas beras yang menjadi relatif tinggi. De­rajat persistensi beras pada periode full sample tercatat sebesar 0,90 yang mengindikasikan bahwa inflasi ko­mo­ ditas beras membutuhkan waktu se­ kitar 8,32 bulan untuk kembali pada ke­ seimbangan awal apabila terjadi shock.

Jurnal BPPK V o l u m e 2 Tahun 2011

Sumber : BPS, diolah

Sementara itu, tingginya derajat persistensi inflasi kelapa kemungkinan disebabkan oleh budaya masyarakat minang yang gemar mengkonsumsi makanan bersantan sehingga permintaan terhadap komoditas ini menjadi relatif tinggi. Sayangnya, meskipun kota Padang berada di pesisir pan-

Jurnal BPPK V o l u m e 2 Tahun 2011

tai barat Sumatera tapi tidak tersedia agen atau pedagang besar yang khusus melakukan penjualan kelapa. Struktur pasar komoditas kelapa serta mayoritas bahan pangan di kota Padang banyak melewati jalur antar pedagang pengecer sehingga harga yang terbentuk menjadi relatif tinggi.

53

Tabel 4. 4 Komoditas terpilih berdasarkan kontribusi dalam 5 tahun terakhir pengamatan

dan minyak goreng dengan periode break pada bulan Januari 2007 serta komoditas minyak tanah dan bensin dengan periode break pada bulan Oktober 2006. Untuk menghindari adanya estimasi yang berlebihan terhadap derajat persistensi yang dihasilkan sebelumnya, maka dilakukan re-estimasi menggunakan variabel dummy pada keempat komoditas tersebut. Hasilnya

adalah untuk komoditas kelapa dan minyak goreng mengalami penurunan derajat persistensi inflasi yakni dari 0,92 menjadi 0,86 untuk kelapa dan dari 0,97 menjadi 0,94 untuk minyak goreng. Sebaliknya, dua komoditas lainnya justru mengalami peningkatan derajat persistensi inflasi yakni dari 0,88 menjadi 0,95 untuk minyak tanah dan dari 0,91 menjadi 0,95 untuk bensin.

Tabel 4. 6. Waktu yang dibutuhkan inflasi untuk kembali ke nilai rata-ratanya

Sumber : Hasil Pengolahan Data

Berbeda dengan perilaku cabe merah yang juga merupakan komoditas khas masyarakat minang. Derajat persistensi inflasi cabe merah berdasarkan hasil pada penelitian ini relatif tidak terlalu tinggi yaitu sebesar 0,65. Dengan besaran derajat persistensi yang dimilikinya cabe merah membutuhkan waktu hanya sekitar 1,89 bulan untuk dapat kembali pada tingkat keseimbangannya setelah terjadinya shock. Selain karena struktur pasar cabe merah yang bersifat persaingan sempurna, juga karena sifat dari komoditas cabe merah itu sendiri. Masa panen tanaman cabe merah serta sebagian tanaman pangan holtikultura lainnya relatif lebih singkat. Sehingga jika terjadi shock dikarenakan minimnya pasokan, maka hal ini dapat segera ditindaklanjuti dengan peningkatan produksi dibeberapa sentra cabe merah yang terdapat di dalam provinsi. Spekulan juga tidak leluasa melakukan penim-

54

bunan, karena sifat cabe merah yang mudah membusuk dan sangat rentan dengan perubahan temperatur. Dari keseluruhan komoditas terpilih, minyak goreng merupakan komoditas yang paling lamban untuk kembali pada nilai rata-rata awalnya. Minyak goreng membutuhkan waktu selama hampir 31 bulan untuk dapat kembali pada keseimbangan awal apabila terjadi shock. Komoditas terpilih lain yang memiliki waktu relatif lama untuk kembali ke nilai rata-ratanya adalah rokok kretek, kelapa, rokok kretek filter, mie, dan sewa rumah. Sebaliknya tongkol, emas perhiasan, dan biaya pendidikan SLTA membutuhkan waktu kurang dari 5 bulan untuk dapat kembali pada keseimbangan awal sehabis terjadinya shock. Berdasarkan uji structural break yang dilakukan, terdapat 4 komoditas yang teridentifikasi mengalami periode structural break yaitu kelapa Jurnal BPPK V o l u m e 2 Tahun 2011

Sumber : Hasil Pengolahan Data

Pembedaan analisis sebelum dan sesudah penerapan ITF menunjukkan bahwa hampir seluruh komoditas terpilih memerlukan waktu yang lebih singkat untuk kembali ke nilai rataratanya pada periode setelah penerapan ITF, kecuali untuk minyak goreng, tongkol, bensin, cabe merah dan emas perhiasan.

Jurnal BPPK V o l u m e 2 Tahun 2011

4.3 Sumber Persistensi Inflasi 4.3.1 Sumber Persistensi Inflasi berdasarkan Disagregasi Inflasi Analisis terhadap disagregasi inflasi menemukan bahwa derajat persistensi inflasi inti lebih tinggi dibandingkan derajat persistensi inflasi non inti. Derajat persistensi inflasi inti pada periode full sample sebesar 0,88

55

sedangkan inflasi non inti sebesar 0,85. Sumber persistensi inflasi pada in­flasi non inti berasal dari inflasi ad­­ ministered price yang memiliki de­­ rajat persistensi sebesar 0,90. Se­

men­ tara itu, rata-rata waktu yang di­ butuhkan oleh inflasi inti untuk kem­pali pada keseimbangan awal se­ kitar 7,6 bulan sedangkan untuk in­fla­ si non inti sekitar 5,7 bulan.

Tabel 4.7. Parameter Persistensi Inflasi inti dan non inti

Grafik 4. 4. Waktu yang dibutuhkan inflasi inti dan non inti untuk kembali pada nilai rata-rata

4.3.2 Sumber Persistensi Inflasi ber­ dasarkan Komoditas Terpilih Setelah mengetahui sumber persistensi inflasi berdasarkan disagregasi inflasi, studi ini juga akan melihat sumber persistensi inflasi berdasarkan 18 komoditas terpilih yang mewakili 57% sumbangan inflasi tertinggi dalam kurun waktu lima tahun terakhir. Untuk mempermudah analisis, akan dilakukan

mapping terhadap seluruh komoditas terpilih berdasarkan nilai derajat persistensi inflasi serta tingkat inflasi komoditas yang bersangkutan dalam periode yang sama. Nilai threshold akan ditetapkan berdasarkan nilai derajat persistensi inflasi IHK serta ratarata inflasi tahunan dalam kurun waktu lima tahun terakhir. Berikut adalah hasil mapping tersebut

Gambar 4. 1. Mapping Komoditas Berdasarkan Tingkat Inflasi dan Derajat Persistensi Inflasi

Sumber : Hasil Pengolahan Data

Sumber : Hasil Pengolahan Data

Pembedaan pengamatan berdasarkan periode sebelum dan sesudah ITF juga menunjukkan perilaku yang sama seperti temuan sebelumnya. Baik inflasi inti maupun non inti serta inflasi volatile food dan administered price seluruhnya mengalami penurunan derajat persis-

tensi pada periode setelah penerapan ITF namun setelah dilakukan uji statistik ternyata penurunan yang terjadi tidak signifikan. Sehingga dapat disimpulkan bahwa tidak ada perbedaan derajat persistensi inflasi pada periode sebelum dan sesudah penerapan ITF.

Tabel 4. 8. Parameter Persistensi Inflasi inti dan non inti pada periode sebelum dan sesudah ITF

Grafik 4. 5. Waktu yang dibutuhkan inflasi inti dan non inti untuk kembali pada kes­ eimbangan awal pada periode sebe­ lum dan sesudah ITF

I. Inflasi Tinggi – Persistensi Tinggi Bensin, kelapa, minyak tanah, ketupat/lontong sayur, minyak goreng, dan angkutan dalam kota II. Inflasi Tinggi – Persistensi Rendah Cabe merah, SLTA, tongkol III. Inflasi Rendah – Persistensi Tinggi Beras, nasi, rokok kretek filter, rokok kretek, tarip air minum PAM,

Sumber : Hasil Pengolahan Data Sumber : Hasil Pengolahan Data

56

Berdasarkan hasil mapping ter­ sebut dengan menggunakan threshold tingkat inflasi rata-rata sebesar 17,60% (yoy) serta derajat persistensi inflasi IHK sebesar 0,86 diperoleh klasifikasi komoditas sebagai berikut:

Jurnal BPPK V o l u m e 2 Tahun 2011

Jurnal BPPK V o l u m e 2 Tahun 2011

tarip telepon, tukang bukan mandor dan tarip rumah sakit IV. Inflasi Rendah–Persistensi Rendah emas perhiasan 4.3.3 Sumber Persistensi Inflasi berdasarkan New Keynesian Philips Curve Hybrid Sumber-sumber persistensi in­ flasi selanjutnya di analisis meng­ gu­ nakan persamaan struktural inflasi ya­ itu model hybrid NKPC yang dibangun oleh Gali dan Getler (1999) dimana in­flasi selain berorientasi forward look­ ing, inflasi juga memiliki perilaku yang backward looking.

57

Hasil estimasi model hybrid NKPC me­ nunjukkan bahwa perilaku inflasi kota Padang pada periode pengamatan dipengaruhi oleh perilaku yang bersifat backward dan forward looking. Hal ini tampak dari sinifikannya parameter lag inflasi dan ekspektasi inflasi pada model hybrid NKPC. Namun demikian, perilaku inflasi backward looking tampak lebih mendominasi pembentukan inflasi kota Padang yang tercermin dari lebih besarnya koefisien lag inflasi dibandingkan ekspektasi inflasi yaitu masing-masing sebesar 0,56 dan 0,38. Hasil estimasi terhadap output gap menghasilkan koefisien yang tidak signifikan. Tabel 4. 9. Hasil Estimasi Hybrid NKPC

58

Dominasi perilaku backward look­ ing disebabkan karena para pelaku eko­ no­mi tidak bersifat rasional sehingga me­reka cenderung memberikan bobot yang besar terhadap kejadian masa lalu. Akibatnya, proses pembentukan har­ ga-harga akan menyumbang ter­ ja­dinya inflasi yang persisten. Terlebih ka­rena struktur pasar selain komoditas ba­han pangan di Sumatera Barat cen­ derung monopolis dan oligopoly se­ hing­ga faktor kekakuan harga menjadi semakin besar . Hal ini sejalan dengan temuan Hu­ ta­ barat (2005) bahwa determinan uta­ma inflasi adalah ekspektasi in­fla­ si yang terkait dengan pola pem­ben­ tu­ kan ekspektasi inflasi yang masih di­ dominasi oleh inflasi masa lalu (adap­ tif). Perilaku ini menimbulkan per­sistensi inflasi karena riwayat in­fla­ si Indonesia banyak dipicu oleh in­flasi cost-push atau supply shocks yang signifikan dan sering terjadi, se­ per­ ti kejutan harga minyak, kenaikan har­ ga BBM, devaluasi dan fluktuasi ber­ lebihan nilai tukar rupiah .

Jurnal BPPK V o l u m e 2 Tahun 2011

V. KESIMPULAN DAN REKOMENDASI 5.1 Kesimpulan 1. Pengukuran persistensi inflasi deng­an mengaplikasikan uni­va­ ria­te model menunjukkan bahwa de­ rajat persistensi inflasi kota Pa­ dang tergolong tinggi yaitu se­ besar 0,86 pada periode full sam­ple. Derajat persistensi inflasi ter­ tinggi terjadi pada kelompok pe­rumahan, makanan jadi dan ke­ sehatan. Sebaliknya derajat per­sis­ ten­si inflasi terendah terjadi pada ke­lompok bahan makanan. 2. Meskipun menunjukkan adanya pe­nurunan pada periode sebelum dan sesudah penerapan ITF, na­ mun secara statistik perbedaan yang ada tidak signifikan. 3. Derajat persistensi inflasi inti ter­ nyata lebih tinggi dibandingkan de­ rajat persistensi inflasi non inti. Hal

Jurnal BPPK V o l u m e 2 Tahun 2011

ini mengindikasikan kebijakan mo­ ne­ ter masih memegang peranan pen­ting dalam pengendalian in­fla­si. 4. Hasil kombinasi antara tingkat in­ flasi dengan derajat persistensi in­ flasi menemukan bahwa komoditas yang berada pada kategori inflasi ting­gi dan persistensi tinggi adalah ben­sin, kelapa, minyak tanah, ke­ tupat/lontong sayur, minyak go­ reng, dan angkutan dalam kota. 5. Analisis sumber persistensi inflasi meng­ gunakan hybrid NKPC me­ nun­ jukkan bahwa perilaku inflasi kota Padang lebih didominasi oleh pe­rilaku inflasi backward looking. Hal ini disebabkan oleh struktur pa­sar yang ada di Sumatera Barat cen­derung oligopoly sehingga fak­ tor kekakuan harga menjadi se­ma­ kin besar.

59

5.2. REKOMENDASI 1. Masih tingginya persistensi inflasi di Sumatera Barat serta belum signifikannya perubahan persistensi inflasi setelah penerapan ITF mengindikasikan bahwa kebijakan pengendalian inflasi tidak cukup berasal dari kebijakan moneter semata. Oleh karena itu, peningkatan koordinasi dengan pemerintah baik di tingkat pusat maupun daerah perlu dilakukan. Penguatan peran Tim Pengendalian Inflasi baik ditingkat Pusat maupun Daerah menjadi semakin relevan. Melalui Tim Pengendalian Inflasi tersebut, dapat dihasilkan solusi kebijakan yang lebih bersifat spesifik dalam mengatasi masalah inflasi yang bisa melengkapi kebijakan moneter yang bersifat nasional dan seragam. 2. Meskipun demikian, peran kebijakan moneter masih cukup signifi-

kan dalam pengendalian inflasi ke depan. Perlu upaya terus menerus untuk mengubah perilaku inflasi yang backward looking menjadi for­ ward looking. Diseminasi kebijakan moneter serta outlook perekonomian perlu lebih diintensifkan oleh bank sentral melalui berbagai saluran media massa. 3. Perlunya perhatian yang lebih intensif terhadap komoditas yang memiliki derajat persistensi tinggi, diantaranya adalah dengan: a. melakukan studi lebih menda­ lam mengenai struktur pasar dan mekanisme tata niaga. b. melakukan kerjasama dengan Bap­ peda untuk menyelaraskan antara pengembangan ko­ moditas unggulan daerah dengan komoditas yang me­ mi­­liki persistensi inflasi tinggi.

DAFTAR PUSTAKA •

Alamsyah, Halim. 2008. “Persistensi Inflasi dan Dampaknya terhadap Pilihan dan Respons Kebijakan Moneter”. Disertasi untuk memperoleh gelar doktor, Universitas Indonesia.

•

Altissimo, F.,B. Mojon, dan P. Zaffaroni. 2004. “Fast Micro and Slow Macro: Can Aggregation Explain the Persistence of Inflation?”, mimeo, ECB.

•

Altissimo, F., Ehrmann, M., dan F. Smets. 2006. “Inflation Persistance and Price Setting behaviour in the Euro Area : A Summary of the Inflation Persistence Network Evidence, “National Bank of Belgium WP” No. 95.

•

Aman, Nurkolisoh , Agung Bayu Purwoko, dan Ariadi Diannegara,. 2009. “Managing Inflation: A Regional Development Perspective,”. Paper dipresentasikan pada The 2nd IRSA Institute Juli 2009

•

Andrews, D.W.K, dan Chen, Hong-Yuan. 1994. “Approximately Median-Unbiased Estimation of Autoregressive Models”. Journal of Business & Economic Statistics, Vol.12 No.2.

•

Angeloni, I., Aucremanne, L., Ehrmann, M., Gali, J., Levin, A., dan F. Smets. 2004. “Inflation Persistence in the Euro Area : Preliminary Summary of Finding”. diakses dari http:/www.ecb.int/events/conferences/html/inflationpersistence.en.html.

•

Bank Indonesia Padang. 2008. “Jalur Distribusi Komoditas Penyumbang Inflasi Terbesar di Wilayah Sumatera Barat Dan Sekitarnya,”. Padang

•

Batini, Nicoletta, dan Edward Nelson. 2001. “Optimal horizons for inflation targeting”. Journal of Economic Dynamics and Control. Volume 25, Issues 6-7.

•

Cogley, T. W., and T.J. Sargent, 2006. “inflation-Gap Persistence in the U.S.,” University of California at Davis and New York University, mimeo.

•

Dias, D. dan Marques, C.R.. 2005. “Using Mean Reversion As Measure of Persistence,” ECB Working Paper 450.

•

Fuhrer, J.C. 2006. “Intrinsic and Inherited Inflation Persistence” International Journal of Central Banking, Vol.2 No.3, 86.

•

Gadzinski, G. dan Orlandi, F., 2004. “Inflation Persistence in the European Union, the Euro Area and the United States”, ECB Working Paper 414.

• Gali, J., dan Gertler, M.. 1999. “Inflation Dynamic: A Structural Econometric Analysis”, Journal of Monetary Economics 44, 195-222. • Gujarati, Damodar. 2004. Basic Econometrics. Fourth-Edition. The Mc-Graw Hill Companies. • Hemingway, Ernest. 1935. “Notes on the Next War: A Serious Topical Letter” , Esquire Edition September 1935 • Hutabarat, Akhis R.. 2005. “Determinan Inflasi di Indonesia”. Occasional Paper. Bank Indonesia : Direktorat Ekonomi dan Kebijakan Moneter.

60

Jurnal BPPK V o l u m e 2 Tahun 2011

Jurnal BPPK V o l u m e 2 Tahun 2011

61

• Levin, A.T., dan J.M. Piger. 2003. “Is Inflation Persistence Instrinsic in Industrial Economies,” Working Papers 2002-023. Federal Reserve Bank of St. Louis. • Madjardi, Fadjar. 2002. Administered Price dan Pola penetapan Harga BBM,” Catatan Riset. Direktorat Kebjakan Moneter Bank Indonesia.

CORRUPTION AND INVESTMENT: EVIDENCE FROM SOUTHEAST ASIA Ferry Ardiyanto

• Marques , Carlos Manuel Robalo, Inflation Persistence: Facts or Artefacts? (June 2004). ECB Working Paper No. 371 • Mohanty, M.S. dan M. Klau. 2001. “What determines inflation in emerging market countries?” BIS papers No. 8. Modeling aspects of the inflation process and the monetary transmission mechanism in emerging market countries. • O”Reilly dan Whelan. 2004. “Has Euro-Area Inflation Persistence Changed Over Time?”, European Central Bank Working Paper Series No. 335. • Wimanda, Rizki E. 2006 “Regional Inflation in Indonesia: Characteristic, Convergence, and Determinants, “ Bank Indonesia Working Paper, No. 13, Oktober 2006. • Sheedy, Kevin D., (2006). “Structural Inflation Persistence”, University of Cambridge, mimeo. • Solikhin M. Juhro. 2010. “Kebijakan Moneter Indonesia:ITF dan Tantangan Kebijakan di Masa Krisis,” Bahan Ajar Kuliah. • Solikin dan Imam Sugema. 2004. “Rigiditas Harga-Upah dan Implikasinya Bagi Kebijakan Moneter di Indonesia,” Buletin Ekonomi Moneter dan Perbankan (BEMP), September, Bank Indonesia. • Yanuarti, Tri. 2007. “Has Inflation Persistence in Indonesia Changed?,” Bank Indonesia Working Paper.

14

ABSTRACT ABSTRACT This paper Bank employs Indonesiamarket replaced base money with inflation corrup­ targetpotential, markettargeting size, macroeconomic, ing framework (ITF) since July 2005. Thus understanding inflation persistence tion, democracy, labor, and human capital variables to investigate the relation­ is important supportdirect the effectiveness of this framework. This study Asia. attempts ship betweentoforeign investment and corruption in Southeast The to understand the behavior of inflation persistence of regional level, completing efficient grease hypothesis argues that corruption can increase investment as several studies conducted at the national level. Specifically, this study tothus calit acts as grease money that enables firms to avoid bureaucratic redaims tape, culate the level of inflation persistence in West Sumatera, to see how the effect improving economic efficiency. Consequently, fighting corruption would be of inflation targetingHowever, framework onmay inflation persistence, to findresults the sources counterproductive. this not be the case. and Empirical show of inflation persistence. that worsening of corruption in host economies leads to a reduced inflow of direct Usinginvestment. univariate model AR, we find that inflation persistence in West foreign A one-point increase in corruption level is associated Sumatera is high. When we break the period into before and after the implemenwith approximately 26.5 percent reduction in investment. Therefore, corruption tation of ITF, itas indicates that inflation persistence decreasehand afterfor theinvestment, implemenis considered a grabbing hand rather than a helping tation of ITF. However, this difference is not statistically significant. Using Hybrid sanding instead of greasing the wheels of commerce, and reducing rather than New Keynesian Philips Curve (NKPC), we find that the behavior of inflation is increasing economic efficiency. dominated by backward looking inflation. Overall resultsforeign showeddirect that inflation problem notfixed be resolved Keywords: corruption, investment, panelcan data, effects only through monetary policy. Despite, monetary policy through ITF framework is still necessary to achor agents’ expectation still stronger coordination between central bank and local government must be developed to reach common goal of inflation. Keyword: Inflation persistence, inflation targeting framework, regional inflation, regional economics

14

62

Jurnal BPPK V o l u m e 2 Tahun 2011

The author works for Directorate General of Customs and Excise. He is also a Ph.D. candidate (ABD), a Fulbright scholar, and an Instructor in the Department of Economics Colorado State University, U.S.A. Jurnal BPPK V o l u m e 2 Tahun 2011 The author thanks Elissa Braunstein and anonymous referees for constructive comments and sugges­ tions, and Fulbright Southeast Asia Grant for funding this project. Any errors are author’s responsibility.

63

INTRODUCTION

G

lobal capital flows are acknowledged to positively affecting the development of a nation, channeling through technology transfer, investment, labor productivity, and the financial sector (Goldin and Reinert, 2005; Obstfeld, 1998). One of the most celebrated global capital flows is in the kind of foreign direct investment (FDI), which is “the acquisition of more than 10 percent shares on the part of a firm in a foreign-based enterprise and implies lasting interest in or effective managerial control over an enterprise in another country” (World Bank, 2010). According to World Investment Report 2010, the current FDI recovery is taking place in the wake of a severe decline in FDI flows worldwide in 2009. After a 16 percent decline in 2008, global FDI inflows fell a further 37 percent to $1.114 trillion in 2009. The recovery of FDI inflows in 2010 is expected to be stronger in developing countries than in developed ones due to developing countries’ growth and reform, as well as their increased openness to FDI and international production. Consequently, developing and transition economies now account for just about half of global FDI inflows. Moreover, FDI is expected to increase to over $1.2 trillion in 2010, rise further to $1.3–1.5 trillion in 2011, and boost to $1.6–2.0 trillion in 2012. Meanwhile, corruption has been a hot topic among economists and in-

ternational development institutions. The World Bank (1997) has identified corruption as among the greatest obstacles to economic and social development since it undermines development by distorting the rule of law and weakening the institutional foundation on which economic growth depends. Corruption is perceived as detrimental to investment, and consequently, economic development. It slows down development progress and undermines good governance in most of developing countries. For those reasons, donor countries and development institutions have established guidelines for reducing corruption15. Regardless of these sustained commitments and increased efforts to contain corruption, today’s evidence shows that the intensity of corruption is far from having subsided and maybe even worse in some developing countries. This paper will investigate the empirical relationship between FDI inflows and corruption among founding countries of the Association of Southeast Asian Nations (ASEAN): Indonesia, Malaysia, the Philippines, Singapore, and Thailand. The data are quite varied and consist of market potential, market size, economic, democracy, corruption and labor variables. The corruption variable shows Singapore to be the least corrupt, Malaysia to be moderately corrupt, and the Philippines, Indonesia, and Thailand to be relatively corrupt16. Nonetheless, those two last countries are grow-

15

For example, the World Bank’s Helping Countries Combat Corruption: The Role of the World Bank, September 2007 and Organisation for Economic Cooperation and Development’s Convention on Combating Bribery of Foreign Public Officials in International Business Transactions, November 1997. For a specific country, Foreign Corrupt Practices Act of 1977 prohibits U.S. firms from offering or making payment to foreign officials to secure any improper advantage in order to obtain or retain business. 16

Corruption rank follows

64

Jurnal BPPK V o l u m e 2 Tahun 2011

ing substantially and keep attracting FDI. Furthermore, Indonesia has been a fairly democratic country over the last decade, yet remains fairly corrupt. However, a low level of democracy does not hold Singapore back from being ranked as one of the least corrupt countries, cleaner than the U.S. and many European countries17. Singapore is actually the third cleanest country, trailing behind Denmark and New Zealand only (Transparency International, 2010). THEORETICAL BACKGROUND There are many definitions of corruption; I will use the simple and straightforward definition by the World Bank, which defines corruption as: The abuse of public office for private gain. Public office is abused for private gain when an official accepts, solicits, or extorts a bribe. It is also abused when private agents actively offer bribes to circumvent public policies and processes for competitive advantage and profit. Public office can also be abused for personal benefit even if no bribery occurs, through patronage and nepotism, the theft of state assets, or the diversion, of state revenues (World Bank, 1997: 7-8). Corruption, with respect to FDI and international trade, usually takes the form of bribery that is “a transaction that provides the parties involved with undue payment (interpreted widely to include any property having financial and non-financial value) or other

benefit or advantage” (United Nations Conference on Trade and Development, 2001: 12)18. Checkpoint officers might take bribes to let otherwise taxable goods go without paying any taxes. Foreign investment office officials could ask for speed money to expedite the paperwork. Procurement officers might ask for kickbacks for buying goods from certain suppliers. The bribe does not have to be in the form of cash money; it might be in the form of gifts, shopping trips abroad, or entertainment treats. Corruption is usually modeled as a principal-agent model, supply demand model, or gravity model. The principal-agent model involves the classic principal-agent problem, in which the principal, who may be a top-rank or middle-rank government officer, deals with the agent, who may be the multinational company interested in some government-provided good or in avoiding higher taxes (Aidt, 2003; Dutta and Mishra, 2004). Shleifer and Vishny (1993) provide a nice example of this type of corruption. They also distinguish between corruption with theft, which is a bribe to checkpoint officer in exchange for goods entering the country without paying tax and corruption without theft that is additional bribe besides regular price for getting a certain service or good; checkpoint official keeps the bribe but passes the price to the government. The supply demand model is best illustrated by Rose-Ackerman (1978,

17

For survey literature on the impact of democracy on corruption, see Rock (2007). He finds that recent theoretical developments and case evidence support an inverted U relationship between corruption and democracy. The turning point in corruption occurs rather early in the life of new democracies and at rather low per capita incomes. . 16

Bribery also includes “a payment or advantage that is in consideration of (non) performance of that which is already due by virtue of the recipient’s terms of service, or other commitments and obligations. It also includes payments in consideration for the receipt of information, services or other advantages that the payer would not otherwise be entitled to receive” (UNCTAD, 2001: 12).

Jurnal BPPK V o l u m e 2 Tahun 2011

65

1999). She argues that demand for corruption comes from local government officials, whereas supply of corruption comes from multinational companies interested in gaining access in host country. Corruption, in the form of a bribe, equates supply and demand, and thus clears the market. She shows an example of a government that frequently provides goods for free or sells them below market prices. The dual prices usually exist, a low state price and a higher free market price. Firms then bribe corrupt officials for access to below-market-price supplies. The gravity model is similar to Tinbergen’s gravity model for modeling international trade. It is based on the ideas that opposite forces explain the intensity of trade between two countries. Income and size constitute attraction forces, while distance and trade barriers act as resistance ones. The gravity model has enjoyed empirical success in its ability to explain the relationship between international trade and the quality of institutions. Anderson (1979), Bergstrand (1989), and Anderson and van Wincoop (2003) present micro foundations for the gravity model. The monopolistic competition model, as well as the Heckscher-Ohlin market structures model, is utilized to derive the gravity equation. As this paper is aimed at investigating the relationship between FDI and corruption, one might simply conclude that corruption must have a negative impact on FDI. Corruption deters FDI as it acts like a tax on FDI by increasing cost of doing business (Wei, 2000; Svensson and Fisman, 2000; Tanzi and Davoodi, 1997). In fact, Wei (2000) and Svensson and

66

Fisman (2000) conclude that corruption, measured in terms of bribery, is more harmful for firms than taxing. Moreover, because foreign firms have to pay bribes in order to get permits to import or invest, corruption raises the costs of investment. Such extra costs decrease the expected profitability of investment. Consequently, corruption is commonly viewed as a tax on profits of investment (Shleifer and Vishny, 1993). Corruption also reduces the private marginal product of capital, thus decreasing private investment and then lowering economic growth (Mauro, 1995; Keefer and Knack, 1996). Further, specifically for U.S. firms, there is Foreign Corrupt Practices Act of 1977 that prohibits U.S. firms from bribing foreign officers in international business transactions. As a result, when the level of corruption in host country is high, U.S. firms will be reluctant to invest in that country. But, are those prior conclusions always applied? As a matter of fact, corruption may help increase FDI under the efficient grease hypothesis. The efficient grease hypothesis argues that corruption could increase investment as it acts as grease money that enables firms to avoid bureaucratic red tape. Bribes may be beneficial in countries with very long waiting-times at the border or with a low quality of checkpoint service. Lui (1985), in support of view that corruption could be beneficial, shows that if bribery is allowed, speed money permits clients to avoid bureaucratic delays. Thus, if clients have different opportunity costs of time, bribes can minimize waiting costs. In this queuing model, corruption could actually increase efficiency Jurnal BPPK V o l u m e 2 Tahun 2011

as different bribes by different firms may reflect their different opportunity costs with respect to bureaucratic delay, so buying less red tape might be advantageous. Another argument, which supports the helping hand hypothesis, is that corruption allows supply and demand to work efficiently, since under competitive bidding for government contracts, the most efficient firm can offer the highest bribe. Thus, the contract goes to the lowest-cost firm (Beck and Maher, 1986; Lien, 1986). Corruption could also be considered a useful substitute for a weak rule of law if the value of behaving corruptly—the value of additional productive transactions occurred—exceeds the costs of engaging in corruption. This is most likely when the legal options for doing business are quite limited (Leff, 1964). Bardhan (1997) also argues that if rigid regulation and an inefficient bureaucracy prevail, bribes may increase bureaucratic efficiency by expediting the process of decision-making. Also, bribes might be needed to gain access to publicly funded projects. Similarly, Glass and Wu (2002) claim that in the long run, there are complicated general equilibrium effects at work, and corruption is not necessarily bad for FDI. Empirical Findings Regarding empirical results, the classic paper investigating the rela-

tionship between corruption and investment is that of Mauro (1995). He utilizes a corruption index provided by Business International (BI) and runs a sample of 67 countries using Ordinary Least Squares (OLS) and Two Stage Least Squares (2SLS) methods. The strength of this paper is that it controls for endogeneity by using an index of ethno linguistic fractionalization as an instrument and nine indicators of institutional efficiency19. He demonstrates that high levels of corruption are associated with lower levels of investment as a share of Gross Domestic Product (GDP). For instance, if Bangladesh (score of 4.7) were to improve the integrity and efficiency of its bureaucracy to the level of that of Uruguay (score of 6.8), its investment rate would increase by almost five percentage points and its yearly GDP growth would rise by over half a percentage point20. Nevertheless, Wedeman (1996) argues that while the correlation between corruption and the ratio of investment to GDP might be strong for countries with little corruption, it loses power for countries with higher levels of corruption. Certain kinds of corruption might have more significance for investment decisions than the overall level of corruption. Wei (2000), using a broader data set on foreign investment from 12 sources to 45 host countries in 1989 and 1990, and utilizing OLS, quasi fixed

19

Ethno linguistic fractionalization measures the probability that two persons drawn at random from a country's population will not belong to the same ethno linguistic group. The nine institutional efficiency measures are political change (institutional), political stability (social), probability of opposition group takeover, stability of labor, relationship with neighboring countries, terrorism, legal system judiciary, bureaucracy and red tape, and corruption. 20

He uses the Business International (BI) index that ranges from 0 (most corrupt) to 10 (least corrupt). Transparency International (TI) uses the same criteria, in which the lowest score (0) suggests high level of corruption prevails, whereas the highest score (10) implies the cleanest. Likewise, the International Country Risk Guide (ICRG) ranges its corruption index from 0 (most corrupt) to 6 (least corrupt).

Jurnal BPPK V o l u m e 2 Tahun 2011

67

effects, and tobit estimation, finds that corruption in a host country has a negative effect on inward FDI from all source of countries in a way that is statistically significant and quantitatively large. Corruption acts like a tax on FDI by increasing cost of doing business. An increase in the corruption level from relatively clean Singapore to relatively corrupt Mexico is equivalent to raising the tax rate by fifty percentage points. The author puts strong emphasis on the comparison between the effect of corruption on FDI and the tax effects. He also experiments with three different corruption indices from Business International, International Country Risk Group, and Transparency International. Nevertheless, Wei’s FDI sample set is dominated by rich countries a.k.a. OECD countries, so if OECD countries were ruled out from the host country sample, the result might be different. Ades and di Tella (1997) argue that an aggressive industrial policy may be to a certain extent stimulated by the corrupt gains from such policy. In this case, the direct positive effect of the policy can be weakened by its role in increasing corruption, and therefore, discouraging investment. They present a hold-up model of investment where active industrial policy promotes both corruption and investment. Their 2SLS with time dummies, sparing the 19891992 period, shows that in the presence of corruption, the positive impact of industrial policy towards investment is undermined. The vigor of this pa-

per is in the way it decomposes the total effect of industrial policy into a positive-direct effect, and a negativecorruption-induced effect. In the presence of corruption, the total effect of industrial policy on investment ranges between 84 percent and 56 percent of the direct impact. However, there seems to be a simultaneity bias when they try to explain the determinants of corruption. Also, the data set is relatively limited. Alternatively, there is also supporting empirical evidence that corruption can be greasing the wheels of commerce rather than sanding them, reducing red tape, and thus, increasing efficiency. This is usually based on the second best case, where corruption is taken as exogenous and independent of the incentive for officials to take bribes, and the quality of institutions is poor. Egger and Winner (2005), using data set of 73 developed and less developed countries and the time period 1995–1999, find a clear positive relationship between corruption and FDI. There is a positive short run as well as a positive long run impact of corruption on FDI21. The contribution of the change in perceived corruption in the long run may account for up to 40 percent of the observed overall FDI growth between 1995 and 1999. Further, the change in corruption is not only able to explain part of the growth of FDI but also the change of its worldwide distribution. Nevertheless, they do not take into account irregular data caused by the global crisis in 1997 that

hit Asian countries particularly hard. Wheeler and Mody (1992) and Hines (1995) have also investigated the association between corruption and FDI. Using the fixed effects method, Wheeler and Mody (1992) fail to find a significant correlation between the size of FDI and the 42 host countries’ risks factor in the period 1982-1988, a composite measure termed “RISK”, which includes perceptions of corruption as one of the variables22. It is stated that “the domestic socio-political considerations, as summarized by the principal component RISK, appear to have a very small effect” (Wheeler and Mody, 1992: 67). However, it is argued that other variables may not be overwhelmingly correlated with government corruption, may not be precisely measured, or may not be as important for FDI (Wei, 2000). Consequently, the noise-to-signal ratio for RISK might be too high to show up significantly in the estimation (ibid). Similarly, using fixed effects estimation and total inward FDI instead of bilateral FDI, Hines (1995) does not find a negative correlation between total inward FDI and the corruption level in host countries. The Foreign Corrupt Practices Act of 1977 actually weakens the competitive position of the American firms without significantly decreasing the importance of bribery to foreign business transactions.

Nonetheless, he admits that the equation fits poorly23. Akcay (2001) uses cross sectional data from 52 developing countries with two different indices of corruption to estimate the effects of the level of corruption on FDI inflows. He utilizes OLS with region dummies. The results fail to identify any significant effects of corruption on FDI. The most significant determinants of FDI are found to be market size, corporate tax rates, labor costs, and openness of the economy. Moreover, Henisz (2000) examines the effect of corruption on market entry using U.S. firmlevel data, and employs the two-stage probit estimation technique on 3,389 overseas manufacturing operations by 461 firms in 112 countries. The results show little effect of corruption but some estimates point out that corruption increases the probability of investing in a foreign country. Empirical Model and Data My research differs from previous ones as I model FDI inflows as a function of a large number of variables considered to be determinant of FDI in host country. I include market potential, market size, macroeconomic, corruption, democracy, labor, and human capital variables. In addition, I also include time dummies for the Asian crisis and global recession. The complete model in linear form is as follows:

22 21

Estimation makes use of the fixed effects and Hausman–Taylor model, which separates the short and additional long run impact of corruption on FDI, hence accounting for the potential endogeneity of the long run impact. They also use information from three different corruption data sources to account for robustness.

68

Jurnal BPPK V o l u m e 2 Tahun 2011

The other variables are political change (institutional), attitude of major opposition group, probability of opposition group takeover, stability of labor, likelihood of terrorism, desire for foreign investment, attitude toward the private sector, cultural interaction, expatriate environment, bureaucracy and red tape, quality of legal system (judiciary), and distribution of wealth. 23

Wei (2000) also claims that Hines’ total inward FDI data from International Finance Statistics may also be too noisy.

Jurnal BPPK V o l u m e 2 Tahun 2011

69

log FDIi,t =

β1 + β2 log GDP Per Capitai,t-1 + β3 GDP Growth Ratei,t-1 + β4 Opennessi,t-1 + β5 Inflationi,t-1 + β6 Domestic Investmenti,t-1+ β7 Corruptioni,t-1 + β8 Political Rightsi,t-1 + β9 Civil Libertiesi,t-1 + β10 Labor Force Participation Ratei,t-1 + β11 Labor Productivityi,t-1 +β12 Labor Costi,t-1 + β13 Life Expectancyi,t-1 + β14 Fertility Ratei,t-1 + β15Malaysia + β16 Philippines + β17 Singapore + β18 Thailand + β19 Asian Crisis + β20 Global Recession + ui,t

where i is the country subscript, t is the time subscript, βs are parameters to be estimated, and ui,t denotes the disturbance term. All explanatory variables (except dummies) are lagged one year to avoid simultaneity with the dependent variable and to take into consideration that investment abroad takes time (Hayashi, 2000: 139; Wooldridge, 2002: 51). I choose founding countries of ASEAN to represent FDI inflows in Southeast Asia because those five countries have been gaining a large share of the FDI coming into the region24. I use the newest data set, ranging from 1996 to 2009 for the reason that although the Corruption Perceptions Index (CPI) from Transparency International (TI) started from 1995, the start of the year should be 1996 or after because the 1995 index is out of date25. I

will assign two time dummies: the period of the Asian crisis in 1997-1998 and the period of the global recession in 2008200926. For country dummy, Indonesia will serve as the reference country. I use CPI from TI as it is the only corruption index that can be obtained for free, others require some fees. Nevertheless, the index is relatively reliable and powerful as it makes use of thirteen different sources (Transparency International, 2010)27. CPI ranges from 0 (most corrupt) to 10 (least corrupt). To avoid confusion, the index is rescaled, so 0 means very clean and 10 represents highly corrupt. The sign of this parameter could be positive or negative depending upon the helping hand or grabbing hand hypothesis of corruption. The summary of data sources is presented as follows:

24

For instance, Indonesia, Malaysia, the Philippines, Singapore, and Thailand altogether accounted for 84 percent of FDI inflows in Southeast Asia in 2009 (UNCTAD, 2010). 25

TI recommends that conclusions regarding time trends should be based on the comparison between the 1996 score and the historical data. Comparisons with the 1995 ranking may be less precise. For complete reasons, please see http://www.icgg.org/ corruption.cpi_olderindices_1995.html 26

Asian crisis time frame follows Pesenti and Tille (2000), Corsetti, Pesenti, and Roubini (1999a, 1999b), and Mishkin (1999). Moreover, according to National Bureau of Economic Research, global economic recession started in December 1997 and ended in June 2009. 27

Also, Wei (2000) finds that the Transparency International (TI) index and the Business International (BI) index, which is used by Mauro (1995), are highly correlated with a coefficient equal to 0.89. Therefore, the estimation results using one of these corruption indices can be easily extended to either the BI or TI index.

70

Jurnal BPPK V o l u m e 2 Tahun 2011

Table 1. Summary of Data Sources

Data Series

Unit

Source*

FDI

Millions US$, 2000 US$

UNCTAD 2010

GDP Per Capita GDP Growth Rate Openness Inflation Domestic Investment Corruption

US$, 2000 US$ Percentage point N/A Percentage point Percentage point N/A

WDI 2010 WDI 2010 PWT 6.3 WDI 2010 PWT 6.3 TI

Political Rights Civil Liberties Labor Force Participation Rate Labor Productivity Labor Cost

N/A N/A Percentage point

Freedom House Freedom House ILO

US$, 2005 US$ N/A

PWT 6.3 ILO

Life Expectancy Fertility Rate

Years Births per woman

WDI 2010 WDI 2010

Consumer Price Index

N/A

FRB St. Louis

Note

rescaled (0=very clean, 10=highly corrupt) 1=most free, 7=least free 1=most free, 7=least free

real GDP chain per worker real manufacturing wage index

*UNCTAD = United Nations Conference on Trade and Development; WDI = World Development Indicators; PWT = Penn World Table; TI = Transparency International; ILO = International Labor Organization; FRB = Federal Reserve Bank; N/A = Not Available

For other explanatory variables, I incorporate several exogenous variables believed to be primary determinants of FDI. For example, Multi National Corporations (MNCs) are driven by the market potential and market size of host countries. Thus, I follow related literature and utilize country size in terms of GDP per capita and growth rate of GDP as a proxy of host country’s market potential and market size (Markusen and Markus, 2002; Wei, 1997; Caves, 1996). Caves (1996) also argues that MNCs locate their productions depending upon the size of the national market. Moreover, “market characteristics such as size, growth in size and income level are most relevant for investment that seeks to access the host market” (Loree and Guisinger, 1995: 295). I expect those variables to having positive effects on FDI inflows. One should also consider the degree of global economic integration and economic stability, which can be represented by the degree of openJurnal BPPK V o l u m e 2 Tahun 2011

ness and the level of inflation, respectively. The degree of global economic integration is considered a traditional determinant of FDI inflows and is considered to have a positive effect on FDI inflows (Al-Sadiq, 2009; Addison and Heshmati, 2003; Akcay, 2001). Greene and Villanueva (1991) and Al-Sadiq (2009) look at how various macroeconomic factors have affected private investment activity. Among the factors examined is macroeconomic stability as represented by low inflation rates. Thus, inflation is anticipated to have a depressing effect on FDI inflows. The effect of domestic investment on FDI can be explained through exchange rate movement, which is “centered on the positive effects of an exchange rate depreciation of the host country on FDI inflows, because it lowers the cost of production and investment in the host countries, [therefore] raising the profitability of foreign direct investment” (Razin, 2003: 418). A subset of democracy variables

71

from Freedom House will also serve as controls for FDI inflows (Akcay, 2006; Harms and Ursprung, 2001). Harms and Ursprung (2001: 4) claim “indices of political rights and civil liberties have a significant influence on FDI”. According to Economic Freedom of the World: 2010 Annual Report, political rights ratings are based on an evaluation of electoral process, political pluralism and participation, and functioning of government. Civil liberties ratings depend on an evaluation of freedom of expression and belief, associational and organizational rights, rule of law, and personal autonomy and individual rights. The numerical rating is from 1 to 7 for both political rights and civil liberties, with 1 representing the most free and 7 is the least free. It is expected that there will be negative association between political rights or civil liberties, and FDI inflows, i.e. the least free (the higher score) in terms of political rights or civil liberties; results in less FDI inflows. I also take into account labor variables: labor force participation rate, labor cost, and labor productivity as FDI in developing countries, such as in Southeast Asia usually takes advantage of abundant and cheaper labor.

Feenstra and Taylor (2008) argue that abundant and cheaper labor is one of the driving forces behind vertical FDI. Wheeler and Mody (1992: 64) claim that “We would expect multinationals to be differentially attracted to sites with lower labor cost….” Meanwhile, “Labor productivity is expected to directly affect the ability of the host country to attract FDI” (Mathur and Singh, 2007: 10). The signs of these parameters are expected to be positive for labor force participation rate and labor productivity, but negative for labor cost. Finally, to account for human capital, I use life expectancy and fertility rate variables. Talpos and Enache (2010: 483-484), “…tested the statistical significance as determinant of FDI inflows for several measures of human capital, like the ones … (life expectancy at birth, breakdown by sexes, or fertility rate)….” Those measures of human capital are considered to have positive signs28.

Table 1. Summary of Data Sources

Variable

Mean

Std. Dev.

Minimum

Maximum

FDI (millions US$, 2000 US$)

59,303

60,245

6,949

275,792

GDP Per Capita (US$, 2000 US$) GDP Growth Rate (percentage point) Openness Inflation (percentage point) Domestic Investment (percentage point) Corruption – rescaled Political Rights Civil Liberties Labor Force Participation Rate (percentage point) Labor Productivity (US$, 2005 US$) Labor Cost Life Expectancy (years) Fertility Rate (births per woman)

6,666 4.16 174.07 5.12 24.75

9,389 4.37 114.44 7.49 10.17

776 -13.13 46.63 -0.85 12.81

31,118 13.30 456.56 58.39 52.63

5.51 3.74 3.80 69.96

2.56 1.45 0.77 4.54

0.6 2.00 3.00 64.13

8.3 7.00 5.00 78.86

27,168 101.86 72 2.38

22,931 9.89 4 0.74

8,447 79.70 65 1.26

83,694 129.10 81 3.85

*UNCTAD = United Nations Conference on Trade and Development; WDI = World Development Indicators; PWT = Penn World Table; TI = Transparency International; ILO = International Labor Organization; FRB = Federal Reserve Bank; N/A = Not Available

Then, I examine the simple relationship between FDI and corruption by

fitting liner regression of log FDI to CPI alone. Figure 1 presents such relationship.

Results and Analysis I begin the analysis by presenting the descriptive statistics on the data to get a snapshot of each variable. The summary is as follows:

28

Initially, I wanted to also include secondary school enrollment as a measure of quality of human capital. However WDI 2010 and UNESCO data on Singapore are not available elsewhere. Similarly, Barro-Lee Educational Attainment Data Set is too little to have meaningful regression. Fortunately, some effects of educational attainment can be captured by labor productivity variable (Hanushek and Kimko, 2000; Hanushek and Kim, 1995; Mankiw, Romer, and Weil, 1992; Romer, 1990).

72

Jurnal BPPK V o l u m e 2 Tahun 2011

Jurnal BPPK V o l u m e 2 Tahun 2011

73

A preliminary investigation of OLS fitted line shows that the association between log FDI and corruption is indeed a negative one, except for Malaysia. Pooled regression also shows negative association between them, showing that high corruption is negatively correlated with low FDI in Southeast Asia economies. Obviously, the data generating process may also be influenced by many other factors, which will be controlled for in a following segment. Nonetheless, the negative relationship between FDI and corruption in Southeast Asia economies other than Malaysia is good enough to convince us that the impacts of corruption for different economies can be dissimilar. Regarding panel data regression, the first thing to do is to determine whether fixed effects or random effects are appropriate. Actually, the decision to use which model is appropriate is not very tough. Baltagi (2008) argues that the fixed effects model is an appropriate specification if we are focusing on a specific set of N countries. Inference in this case is conditional upon the particular N countries that are observed. On the other hand, the random effects model is appropriate if we are drawing N individuals randomly from a large population as in the case of household panel studies. In this case, N is usually large and a fixed effects model will consume large degrees of freedom.

Similarly, Harris and Sollis (2003: 92) claim that the fixed effects model is more appropriate when focusing on a specific set of N firms (or N countries or households) that are not randomly selected from some large population. The random effects model is more appropriate if the panel data consist of N individuals drawn randomly from a large population, for instance household panel studies, such that the individual constant terms are randomly distributed across cross sectional units. Based on the those references, we can be relatively sure that the fixed effects model is more appropriate since our model focuses on a specific set of countries and not randomly drawn from a large population. However, we will apply the usual procedure in the panel data study. The Hausman specification test is employed to evaluate fixed effects versus random effects under the null hypothesis (μi and X_it^' are not correlated) that both fixed effects and random effects are consistent but random effects are more efficient. The alternative hypothesis (μi and X_it^' are correlated) is that fixed effects estimation is consistent but random effects is not.29 The test statistic developed by Hausman has an asymptotic χ2 distribution. If the null hypothesis is rejected, then we should use the fixed effects model. It turns out that the Hausman test statistic is 15.85 (probability χ2 = 0.0032), so we reject null

hypothesis and conclude that the fixed effects model is appropriate.30 By now, we know that the fixed effects model is an appropriate model. The fixed effects model allows the intercept to differ across individuals (here the five countries). Differences across countries can thus be captured in differences in the intercept. Dummies are used to model these unique sources of variation. Additionally, time dummies for the Asian crisis and global recession are also employed. However, before we run fixed effects

model, we have to makes sure that there is no autocorrelation or heteroskedasticity in our model. We utilize the Wooldridge test for autocorrelation in panel data with the null hypothesis of no first order autocorrelation and the alternative hypothesis of the opposite. The null hypothesis is not rejected at a 5 percent level, so we conclude there is no autocorrelation. Moreover, we may use the “robust” command in Stata to easily correct for heteroskedasticity. The complete regression results for the fixed effects model are shown in Table 3.

Table 3. Fixed Effects Results

Variable

Coefficient

Standard Error

Intercept

22.211

19.391

Lagged log GDP Per Capita Lagged GDP Growth Rate Lagged Openness Lagged Domestic Investment Lagged Inflation Lagged Corruption Lagged Political Rights Lagged Civil Liberties Lagged Labor Force Participation Rate Lagged Labor Cost Lagged Labor Productivity Lagged Life Expectancy Lagged Fertility Rate

6.016 -0.036 -0.005 -0.035 -0.005 -0.265 -0.122 -0.320 -0.010 -0.023 0.001^ -0.640 -1.014

1.229*** 0.008*** 0.004 0.011*** 0.007 0.155* 0.064* 0.050 0.050 0.007*** 0.001^^** 0.228*** 1.118

Country Dummy# Malaysia Philippines Singapore

-4.839 0.747 -13.882

1.908** 1.473 2.395***

Thailand Time Dummy## Asian crisis (1998-1999) Global recession (2008-2009)

-4.824

1.165***

0.106 -0.208

0.162 0.139

R-squared adjusted Number of observation

0.98 805

***significant at 1% level; **significant at 5% level; *significant at 10% level ^ rounded to 1/1000, actual value 0.0000475; ^^ rounded to 1/1000, actual value 0.0000216 # Indonesia is the reference country; ## 1996, 1999-2007 is the reference period

29

To put it in another way, the null hypothesis is that the two estimation methods are both consistent, and thus, they should produce a “similar coefficient”. The alternative hypothesis is as aforementioned and when this is true, there would be differences between the two sets of coefficients. A large and significant Hausman statistic means a large and significant difference and when this is so, we reject the null that the two methods are appropriate in favor of the alternative hypothesis that fixed effects model estimation is appropriate.

74

Jurnal BPPK V o l u m e 2 Tahun 2011

30

Additionally, I also test using Breusch-Pagan Lagrange Multiplier for random effect. The null hypothesis is Var (μi) = 0 or the random effects are not needed. The alternative hypothesis is the opposite. The value of test statistic is 2.26 (probability χ2 = 0.1325). So we do not reject the null hypothesis, and thus, support the fixed effects method.

Jurnal BPPK V o l u m e 2 Tahun 2011

75

The main interest of our empirical result is the sign and the coefficient of β7 or the marginal effect of corruption on FDI inflows, whereas the effects of other explanatory variables are of a secondary interest. The coefficient of corruption is indeed negative and is significant at 10 percent level. A one-point increase in corruption level is associated with approximately 26.5 percent reduction in FDI inflows, ceteris paribus. This result demonstrates strong support for the existence of the expected negative association between corruption and FDI inflows. This, therefore, confirms the findings of Mauro (1995), Wei (2000), Ades and di Tella (1997), Campos, Lien, and Pradhan (1999), Smarzynska and Wei (2000), Habib and Zurawicki (2002), and Al-Sadiq (2009), among others, in which they find a negative relation between FDI inflows and corruption in the host country. For control variables, the coefficient of log GDP per capita is of expected sign and highly significant at 1 percent level. The coefficient of inflation is as expected although it is not significant at standard levels. GDP growth rate, openness, and domestic investment coefficients all have wrong signs. Thus, they are not consistent with economic theory. Nonetheless, the openness coefficient is not significant at standard levels. Democracy variables in the form of political and civil liberties are of expected sign, although the latter barely significant. As a matter of fact, these particular results suggest that the host country’s quality of democracy is as important as the level of corruption in attracting

FDI inflows. For example, a one-point increase in political rights (becoming less free) leads to about 12.2 percent decrease in FDI inflows, ceteris paribus. Certainly, MNCs will think twice if the host country’s government does not function as it should be since there is no protection of their investments or profit cannot be repatriated or, even worse, foreign companies are nationalized. 31 Furthermore, for the labor variable, only labor force participation rate has wrong sign, nevertheless it is not significant at standard level. Labor cost and labor productivity both are of expected signs and significant at standard levels. For instance, one point increase in real manufacturing wage index is associated with approximately 2.3 percent decrease in FDI inflows, ceteris paribus. Hence, the results support Feenstra and Taylor (2008), Wheeler and Mody (1992), and Mathur and Singh (2007) who argue that cheaper labor (lower labor cost) and labor productivity are salient factors in attracting FDI inflows. The quality of human capital as represented by fertility rate and life expectancy seem to the have wrong signs, although the former is not significant at standard levels. However, some effects of educational attainment can be captured by labor productivity variable based on endogenous growth theory (Romer, 1990) and tested by Hanushek and Kimko (2000), Hanushek and Kim (1995), and Mankiw, Romer, and Weil (1992). And we already knew that labor productivity is of expected sign and significant at 5 percent level.

Looking over country dummies, Indonesia, which is represented by intercept, and the Philippines are not significant at standard levels. The rest are significant at 5 percent and 1 percent levels, showing that Malaysia, Singapore, and Thailand have their own features that could be due to unique characteristics of the country, such as the level of natural resources, the quality of infrastructure or the quality of institutions. Their coefficients tell by how much the FDI in those countries differ from Indonesia. On the other hand, both time dummies for the Asian crisis and global recession are not significant. This, perhaps, could be attributed to the time frame chosen. Although standard literature usually assigns 1997-1998 as a time period of the Asian crisis, the recovery was not completely solid until the 2000s. Likewise, for the global recession dummy, based on World Investment Report 2010, the year after 2009 was still considered a slump in FDI inflows, although recovery was already on the way. Overall, the hypothesis that corruption is deleterious for FDI inflows is still legitimate, not necessarily invalid, in spite of some odd coefficients and lack of statistical significances of some explanatory variables. I believe they are caused by other variables at work, but we have failed to take into account in our model, as well as some noise in the data collected. Conclusion This paper employs market potential, market size, macroeconomic, corruption, democracy, labor, and human capital

variables to investigate the association between foreign direct investment and corruption in Southeast Asia. Empirical results show that worsening of corruption in host economies leads to a reduced inflow of foreign direct investment. A one-point increase in corruption level is associated with approximately 26.5 percent reduction in investment. Corruption is indeed detrimental to foreign direct investment inflows in Southeast Asia as it raises the costs of investment and the costs of doing business. Therefore, corruption is considered as a grabbing hand rather than a helping hand for investment, sanding instead of greasing the wheels of commerce, and reducing rather than increasing economic efficiency. However, the estimates have to be interpreted with caution. The model does not control for all variables considered to be the primary determinants of FDI inflows because of data availability. It is believed that there is also some noise in the data. The time period chosen is also restricted, for the reason that the data on corruption provided by Transparency International is limited. Further research could investigate the conclusion by utilizing the gravity model and consider that there are other variables the model fails to control for. Also, one could lengthen the time period by using the corruption index from Business International or International Country Risk Guide. The effect of corruption at industry level on FDI is also worth-investigating as foreign firms may have different extent of sensitivity for corruption at industry level.

31

In May 2006, Evo Morales, the newly-elected president of Bolivia, nationalized the gas industry, so all natural gas resources were controlled by the state-owned energy company. Therefore, foreign investors lost their majority ownership claims to gas field, refineries, pipelines that they had built. They also lost a significant portion of profits from natural gas sales (Feenstra and Taylor, 2008)..

76

Jurnal BPPK V o l u m e 2 Tahun 2011

Jurnal BPPK V o l u m e 2 Tahun 2011

77

REFERENCES

Ades, Alberto and Rafael di Tella. 1997. "The New Economics of Corruption: A Survey and Some New Results." Political Studies XLV: 496-515. Addison, Tony and Almas Heshmati. 2003. “The New Global Determinants of FDI in Developing Countries: The Importance of ICT and Democratization.” UNU-WIDER Discussion Paper No. 2003/45. Aidt, Toke S. 2003.”Economic Analysis of Corruption: A Survey.” Economic Journal 113: 632–652. Alan Heston, Robert Summers and Bettina Aten, Penn World Table Version 6.3, Center for International Comparisons of Production, Income and Prices at the University of Pennsylvania, August 2009. Akcay, Selcuk. 2006. “Corruption and Human Development.” Cato Journal 26(1): 29-48. ———. 2001. “Is Corruption an Obstacle for Foreign Investors in Developing Countries? A Cross-Country Evidence." Yapi Kredi Economic Review 12(2): 27-34. Al-Sadiq, Ali. 2009. “The Effects of Corruption on FDI Inflows.” Cato Journal 29(2): 267-294. Anderson James E. and Eric van Wincoop. 2003. “Gravity with Gravitas: A Solution to the Border Puzzle.” American Economic Review 93(1): 170-192. Anderson, James E. 1979. “A Theoretical Foundation for the Gravity Equation.” American Economic Review 69: 106-116. Baltagi, Badi. 2008. Econometric Analysis of Panel Data. Fourth edition. West Sussex: John Wiley & Sons Ltd. Bardhan, Pranab. 1997. “Corruption and Development: A Review of the Issues.” Journal of Economic Literature 35: 1320-46 Beck, Paul J. and Michael W. Maher. 1986. “A Comparison of Bribery and Bidding in Thin Markets.” Economics Letters 20: 1-5. Bergstrand, Jeffrey. H. 1989. “The Generalized Gravity Equation, Monopolistic Competition, and the Factor-proportions Theory in International Trade.” Review of Economics and Statistics 71(1): 143-153. Blanchard, Olivier. Macroeconomics. 2006. Fourth edition. Upper Saddle River: Pearson Education Inc. Campos, J. Edgardo, Donald Lien and Sanjay Pradhan. 1999. “The Impact of Corruption on Investment: Predictability Matters.” World Development 27(6): 1059-1067. Caves, Richard E. 1996. Multinational Enterprise and Economic Analysis. Second edition. Cambridge: Cambridge University Press. Corsetti, Giancarlo, Paolo Pesenti, and Nouriel Roubini. 1999a. “Paper Tigers? A Model of the Asian Crisis.” European Economic Review 43(7): 1211-36. ———. 1999b. “What Caused the Asian Currency and Financial Crisis?” Japan and the World Economy 11(3): 305-73. Dutta, Indranil and Ajit Mishra. 2004. “Corruption and Competition in the Presence of Inequality and Market Imperfections.” Centre for Development Economics Working Paper No. 123. Egger, Peter and Hannes Winner. 2005. “Evidence on Corruption as an Incentive for Foreign Direct Investment.” European Journal of Political Economy 21(4): 932-952. Federal Research Bank of St. Louis. Federal Research Economic Data (FRED). Feenstra, Robert and Alan Taylor. 2008. International Economics. First edition. New York: Worth Publishers. Glass, Amy J and Xiaodong Wu. 2002. “Does Corruption Discourage Foreign Direct Investment and Innovation?” Unpublished Working Paper Texas A&M University. Goldin, Ian A. and Kenneth. A. Reinert. 2005. “Global Capital Flows and Development: A Survey.” Journal

78

Jurnal BPPK V o l u m e 2 Tahun 2011

of International Trade and Economic Development 14(4): 453-481. Green, Joshua and Delano Villaneuva. 1991. “Corruption, Public Investment, and Growth.” IMF Staff Paper 38/1. Gwartney, James D., Joshua C. Hall, and Robert Lawson. Economic Freedom Dataset. Economic Freedom of the World: 2010 Annual Report. Vancouver: Economic Freedom Network. Habib, Moshin and Leon Zurawicki. 2002. “Corruption and Foreign Direct Investment.” Journal of International Business Studies 33(2): 291-307. Hanushek, Eric A. and Dennis D. Kimko. 2000. “Schooling, Labour Force Quality and the Growth of Nations.” American Economic Review 90(5): 1184–1208. Hanushek, Eric. A. and Doongwok Kim. 1995. “Schooling, Labour Force Quality and Economic Growth.” National Bureau of Economic Research Working Paper No. 5399. Harris, Richard and Robert Sollis. 2003. Applied Time Series Modelling and Forecasting. First edition. West Sussex: John Wiley & Sons Ltd. Harms, Phillip and Heinrich W. Ursprung. 2001. “Do Civil and Political Repression Really Boost Foreign Direct Investment.” CESifo Working Paper No. 421. Hayashi, Fumio. 2000. Econometrics. First edition. Princeton: Princeton University Press. Henisz, Witold J. 2000 “The Institutional Environment for Multinational Investment.” Journal of Law, Economics and Organization 16(2): 334-364. Hines, James R. 1995. “Forbidden Payment: Foreign Bribery and American Business after 1977.” National Bureau of Economic Research Working Paper No. 5266. International Labor Organization. LABORSTA Internet. Internet Center for Corruption Research. The CPI Ranking 1995. www.icgg.org/corruption. cpi_ olderindices_1995.html, accessed on January 12, 2011. Keefer, Phillip and Stephen Knack. 1996. “Institutions and Economic Performance: Cross- Country Tests Using Alternative Institutional Measures.” Economics and Politics VII: 207-27. Leff, Nathaniel H. 1964. “Economic Development through Bureaucratic Corruption.” American Behavioral Scientist 8(3): 8-14. Lien, Da-Hsiang D. 1986. “A Note on Competitive Bribery Games.” Economic Letters 22: 337-41. Loree, David W. and Guisinger, Stephen E. 1995. “Policy and Non-policy Determinants of U.S. Equity Foreign Direct Investment.” Journal of International Business Studies 26(2): 281-299. Lui, Francis T. 1985. “An Equilibrium Queuing Model of Bribery.” Journal of Political Economy 93: 760–781. Mankiw, N. Gregory, David Romer, and David N. Weil. 1992. “A Contribution to the Empirics of Economic Growth.” Quartely Journal of Economics 107(2): 407–437. Markusen, James R. and Keith Maskus, 2002. “A Unified Approach to Intra-Industry Trade and Foreign Direct Investment.” National Bureau of Economic Research Working Paper No. 8335. Markusen, James R. 1995. “The Boundaries of Multinational Enterprises and the Theory of International Trade.” Journal of Economic Perspectives 9: 169-89. Mathur, Aparna and Kartikeya Singh. 2007. “Foreign Direct Investment, Corruption, and Democracy.” AEI Working Paper No. 135. Mauro, Paolo. 1995. “Corruption and Growth.” Quarterly Journal of Economics 110: 681–712. Mishkin, Frederic. 1999. “Lessons from the Asian Crisis.” National Bureau of Economic Research Working Paper No. 7102. Obstfeld, Maurice. 1998. “The Global Capital Market: Benefactor or Menace?” Journal of Economic Perspectives 12(4): 9-30. Organisation for Economic Cooperation and Development (OECD). 1997. Convention on Combating

Jurnal BPPK V o l u m e 2 Tahun 2011

79

Bribery of Foreign Public Officials in International Business Transactions. Paris: OECD. Pesenti, Pesenti and Cedric Tille. 2000. “The Economics of Currency Crises and Contagion: An Introduction.” FRBNY Economic Policy Review, September. Razin, Assaf. 2003. “FDI Flows and Domestic Investment.” CESifo Economic Studies 49(3): 415–428. Rock, Michael T. 2007. “Corruption and Democracy.” DESA Working Paper No. 55. Romer, Paul M. 1990. “Endogenous Technological Change.” Journal of Political Economy, 98(5): 71–102. Rose-Ackerman, Susan. 1999. Corruption and Government: Causes, Consequences, and Reform. Cambridge: Cambridge University Press. ———. 1978. Corruption: A Study in Political Economy. New York: Academic Press. Shleifer, Andrei and Robert Vishny. 1993. “Corruption.” Quarterly Journal of Economics 108(3): 599-617. Smarzynska, Beata and Shang-Jin Wei. 2000. “Corruption and Composition of Foreign Direct Investment: Firm-Level Evidence.” National Bureau of Economic Research Working Paper No. 969. Svensson, Jakob and Raymond J. Fisman. 2000. “Are Corruption and Taxation Really Harmful to Growth? Firm-Level Evidence.” World Bank Policy Research Working Paper No. 2485. Talpos, Ioan and Cosmin Enache. 2010. “Searching for Human Capital Determinants of Foreign Direct Investment Inflows in the EU New Member States.” Annales Universitatis Apulensis Series Oeconomica 12(1): 483-494. Tanzi, Vito and Hamid Davoodi. 1997. “Corruption, Public Investment, and Growth.” IMF Working Paper 97/139. Transparency International. 2010. Corruption Perceptions Index 2010. Berlin: Transparency International. ———. Corruption Perceptions Index. Various issues. Berlin: Transparency International. United Nations Conference on Trade and Development (UNCTAD). 2010. World Investment Report 2010. New York and Geneva: United Nations. ———. 2001. Illicit Payments. New York and Geneva: United Nations. ———. UNCTADStat. U.S. Department of Justice. 1977. Foreign Corrupt Practices Act of 1977. Washington D.C. Wedeman, Andrew. “Looters, Rent-Scrappers, and Dividend Collectors: The Political Economy of Corruption in Zaire, South Korea, and the Philippines.” Paper presented at the 1996 Annual Meeting of the American Political Science Association, San Francisco (August). Wheeler, David and Ashoka Mody. 1992. “International Investment Location Decisions: the Case of U.S. Firms.” Journal of International Economics 33: 57–76. Wei, Shang-Jin. 2000. “How Taxing is Corruption on International Investors?” Review of Economics and Statistics 82 (1): 1-11.

DAMPAK PENERBITAN SUN DOMESTIK TERHADAP PERKEMBANGAN SEKTOR PERBANKAN G.A Diah Utari, Ina Nurmalia Kurniati, Ndari Surjaningsih

32

ABSTRACT ABSTRACT This study Bank examines Indonesia the replaced moneysector targeting inflation targetimpactbase of public creditwith in the form of gov­ ing framework (ITF) since July 2005. Thus understanding inflation persistence ernment domestic bond (hereinafter is called SUN Domestic = Surat Utang Ne­ is important to support the effectiveness of this framework. This study attempts gara Domestik) to the development of financial sector especially banking sec­ to understand the behavior of inflation persistence of regional level, completing tor. We use Vector Error Correction Method and Panel Data Method for monthly several studies conducted national level. Specifically, this study aims to caldata from period of 2003 at tothe 2009. culate the level of inflation persistence Westdomestic Sumatera, to see how theimpact effect The study found that the existenceinSUN have significant of inflation targeting framework on inflation persistence, and to find the sources to the development of banking sector that is represented by the ratio of total of inflation persistence. credit to GDP and ratio of credit to private sector to GDP. The increase Using univariate model AR, we find that inflation persistence in West of composition of SUN domestic in the bank’s aset portfolio Sumatera is high. When we break the period into before and after the implemenrelative to total credit has negative impact to bank’s lending. Therefore there tation it indicates that inflation after the implemenmight of beITF, optimal composition of thepersistence amount of decrease SUN domestic in bank's aset tation of ITF. However, this difference is not statistically significant. Using portfolio that wouldn’t have negative impact to bank’s credit. EmpiricalHybrid result New (NKPC), we the behavior inflation is usingKeynesian panel dataPhilips showsCurve that ownership of find SUN that domestic in bank'sof asets port­ dominated by backward looking inflation. folio, increases bank's profit and efficiency. Klasifikasi Overall results JEL: G21, showed H6, H63 that inflation problem can not be resolved only through monetary policy. Despite, monetary policy through ITF framework is still necessary to achor agents’ expectation still stronger coordination between central Keywords bank and :local mustprofitability, be developed to reach common goal of Bankgovernment efficiency, bank financial development inflation. Keyword: Inflation persistence, inflation targeting framework, regional inflation, regional economics

———. 1997. “Why is Corruption So Much More Taxing than Tax? Arbitrariness Kills.” National Bureau of Economic Research Working Paper No. 6255. Wooldridge, Jeffrey. 2002. Econometric Analysis of Cross Section and Panel Data. First edition. Cambridge: The MIT Press. World Bank, 2010. World Development Indicators Online Database. ———. 1997. Helping Countries Combat Corruption: The Role of the World Bank. Washington D.C.: World Bank. 14

are economist in Bureau of Economic Research (BRE)-Bank Indonesia. The views expressed in the paper do not necessarily reflect those of the Central Bank of Indonesia. The authors are grateful to Mr. Iskandar Simorangkir, head of BRE, Mr. Sugiarso Safuan, Mr. M. Noor Nugroho for their valuable com­ ment. All the remaining error are ours.

80

Jurnal BPPK V o l u m e 2 Tahun 2011

Jurnal BPPK V o l u m e 2 Tahun 2011

81

I. LATAR BELAKANG

P

embiayaan defisit APBN saat ini le­ bih banyak difokuskan pada pe­ nerbitan obligasi (surat utang ne­ gara, SUN) domestik. Pembiayaan dengan SUN domestik sangat strategis ka­­ rena merupakan jenis pembiayaan yang berkesinambungan dengan ada­ nya konsep pembiayaan kembali serta da­­pat mengurangi risiko nilai tukar. Se­ la­in itu perdagangan SUN domestik ber­ bunga tetap dapat membantu likuiditas pa­sar dengan pembentukan kurva acu­ an harga (benchmark yield curve) di pa­ sar sekunder SUN. Penerbitan SUN domestik yang cukup besar di satu sisi akan me­­ nambah likuiditas di pasar yang berperan penting dalam pem­ ben­ tu­ kan benchmark yield curve dan pe­ ngembangan pasar obligasi da­ lam negeri. Namun di lain pihak per­ lu dipertimbangkan konsekuensi eko­ nomis dari penerbitan SUN domestik. Hal ini cukup beralasan karena ke­pe­ mi­likan SUN domestik selama ini masih di­dominasi oleh perbankan yaitu se­ki­ tar 45% dari total outstanding pada 2009. Tingginya kepemilikan SUN do­ mes­tik di perbankan nasional terjadi se­bagai bagian dari penyertaan modal pe­merintah dalam bentuk obligasi re­ kap di perbankan yang mengalami per­ masalahan modal sangat parah aki­bat krisis tahun 1997/98. Imbal hasil yang cukup tinggi serta ting­kat risiko yang rendah membuat SUN domestik menjadi salah satu in­ s­ trumen favorit bagi perbankan un­­ tuk menanamkan dananya se­ hing­ ga 33

berpotensi menimbulkan ke­eng­ganan untuk menyalurkan kredit. Se­ bagaimana dikemukakan oleh Hauner (2006), tingginya kepemilikan bankbank pada surat berharga pe­me­rintah berpotensi menghambat per­ kem­ bang­an sektor keuangan dalam jangka pan­ jang. Di satu sisi profitabilitas bank akan meningkat namun di sisi lain juga dapat menurunkan efisiensi. Montiel (2002) menyatakan bahwa dalam perekonomian yang secara finansial masih terbatas dan struktur suku bunga banyak ditentukan oleh diskresi pemerintah maka pinjaman domestik yang berlebihan dapat mengakibatkan crowding out terhadap investasi dan konsumsi sektor swasta dengan mengurangi secara langsung jumlah kredit yang dialokasikan oleh perbankan. Pembiayaan defisit pemerintah melalui obligasi domestik akan berimplikasi pada meningkatnya per­mintaan untuk tabungan yang da­ pat memberikan tekanan pada pe­ ningkatan suku bunga sehingga meng­ ham­bat (crowd-out) konsumsi swasta dan investasi khususnya pada sektorsek­ tor yang sensitif terhadap suku bunga. Mengingat saat ini porsi ke­ pe­ milikan SUN domestik di perbankan cu­kup tinggi yaitu sekitar 50% 33 da­ ri total SUN, maka menarik untuk me­ lihat bagaimana dampak dari pe­ ner­bitan SUN domestik terhadap per­ kembangan sektor keuangan di In­do­ nesia. Berdasarkan uraian diatas, tujuan dari penelitian ini adalah untuk me­ng­ analisis pengaruh penerbitan SUN ter­

Berdasarkan data komposisi kepemilikan SUN per Desember 2009

82

Jurnal BPPK V o l u m e 2 Tahun 2011

hadap perkembangan sektor ke­uang­ an yang meliputi terhadap financial deep­ening dan pengaruh terhadap ku­ ali­tas perkembangan sektor keuangan da­ri sisi perbankan. Penulisan kajian ini akan dibagi ke­ dalam lima bagian yang dimulai deng­ an Latar Belakang, diikuti dengan Tin­ jauan Teoritis untuk memberikan gam­ baran dasar teori mengenai ke­ terkaitan antara pembiayaan de­ fi­ sit fiskal menggunakan SUN do­mes­ tik dengan perkembangan sek­ tor keuangan. Bagian Metodologi Pe­ ne­ litian menguraikan mengenai me­ to­ de kuantitatif yang digunakan da­ lam penulisan kajian. Pada bagian se­ lanjutnya akan disajikan mengenai ha­ sil empiris dampak SUN domestik ter­ hadap perkembangan sektor ke­ uang­an. Kajian ini diakhiri dengan ke­ sim­pulan dan rekomendasi kebijakan. II. TINJAUAN TEORITIS 2.1. Obligasi Pemerintah Domestik Untuk Pembiayaan Defisit Fiskal Pembiayaan defisit fiskal dengan penerbitan obligasi domestik menjadi alternatif utama bagi sebagian besar negara-negara berkembang (emerging markets) saat ini. Peningkatan stok obli­gasi pemerintah dipengaruhi oleh faktor permintaan dan penawaran. Dari si­si penawaran, krisis keuangan dan pro­gram rekapitalisasi perbankan serta bail out34 sistem keuangan memberikan konstribusi yang sangat signifikan pada kenaikan utang domestik pe­ me­­ri­n­tah. Adanya krisis keuangan pa­

da 1997-1998 secara tidak langsung te­­ lah menutup akses negara-negara yang terkena krisis untuk memperoleh pem­­ biayaan dari pasar internasional. Pe­­nurunan peringkat negara-negara yang terkena krisis mengindikasikan ting­­ginya risiko gagal bayar (default) yang mengakibatkan pembiayaan eks­­ ternal komersial menjadi sangat ting­­gi. Selain itu untuk negara-ne­ga­ra yang masuk dalam program IMF, ter­ ikat perjanjian eksplisit yang mem­ba­ tasi jumlah pinjaman komersial luar ne­­geri. Selain faktor eksternal terkait dengan terbatasnya akses ke sumber da­­na luar negeri, sumber dana luar ne­ ge­ri juga dapat menjadi kendala apa­ bila persyaratan pencairan dana yang di­ajukan oleh kreditur dianggap ti­dak se­ suai atau berlebihan bagi ne­ ga­ ra de­ bitur. Pinjaman lunak luar ne­ ge­ ri yang diajukan negara kreditur umumnya adalah dalam bentuk pin­ja­man program atau pinjaman proyek yang kurang sesuai dengan kebutuhan pe­ merintah untuk membiayai pe­ ngeluaran segera (current expen­di­tu­re). Peningkatan stok obligasi domestik dari sisi permintaan bersumber dari meningkatnya outlet untuk instrumen investasi khususnya bagi perusahaan dana pensiun dan perusahaan investasi. Selain itu relatif lebih rendahnya suku bunga di negara-negara industri dan sta­bil­nya perekonomian emerging mar­ket juga semakin meningkatkan de­mand untuk obligasi pemerintah do­mestik. Penggunaan obligasi domestik un­ tuk pem­biayaan defisit pemerintah tidak

33

Bail out adalah pemberian dana kepada suatu entitas (perusahaan, negara ataupun individual) yang mengalami masalah keuangan dengan tujuan untuk menyelamatkan entitas tersebut dari kebangkru­ tan, insolvency, likuidasi atau penarikan dana besar-besaran (rush) yang berpotensi menimbulkan efek menular (contagion). (Wikipedia). Jurnal BPPK V o l u m e 2 Tahun 2011

83

ter­lepas dari pertimbangan cost dan be­nefit-nya terhadap perekonomian. Se­jauh ini kritik mengenai penggunaan utang domestik untuk pembiayaan de­ fisit fiskal adalah dampaknya ter­ ha­ dap pinjaman pihak swasta (efek crowding out), sustainabilitas utang, sustainabilitas fiskal, melemahnya efisiensi perbankan serta risiko inflasi (Abbas & Christensen, 2007:4) Peningkatan obligasi domestik Pe­ me­ rintah untuk pembiayaan defisit fis­ kal dapat memicu crowding out ter­ hadap investasi dan konsumsi swa­s­ta. Crowding out terjadi me­ la­ lui mekanisme peningkatan suku bu­ nga, atau ketika suku bunga te­ tap hal ini terjadi melalui alokasi kre­ dit (Easterly et.all, 1994). Setiap pe­ ningkatan obligasi domestik untuk pem­ biayaan defisit fiskal ditengarai akan mengurangi alokasi tabungan swas­ ta yang dapat digunakan un­ tuk pinjaman sektor swasta. Hal ini dikarenakan peningkatan stok ob­ li­ gasi domestik tidak hanya menarik da­ na dari investor baru tetapi juga da­pat mengalihkan alokasi dana dari ta­bungan di perbankan ke obligasi pe­ merintah. Detragiache et al. (2005) yang menggunakan tingkat suku bunga pin­jaman domestik pemerintah sebagai prok­si utang domestik Pemerintah me­ nemukan bahwa koefisien tingkat su­ ku bunga memiliki hubungan yang ne­ gatif dan signifikan terhadap loans to GDP dan deposit to GDP. Hal ini meng­indikasikan adanya crowding out effect. Disamping itu dengan ku­ pon

yang umumnya fixed rate dan ting­ gi serta tergolong jenis risk free aset, kepemilikan obligasi pemerintah do­ mestik merupakan constant flow of ear­ ning bagi bank sehingga mengurangi in­sentif bank untuk menyalurkan kredit ke­pada sektor swasta yang dipandang le­bih berisiko (Hauner, 2006). Utang domestik yang lebih mahal di­bandingkan pinjaman luar negeri yang bersifat konsesional juga dikhawatirkan mempengaruhi sustainabilitas fiskal sehingga dapat terjadi crowd out ter­ha­ dap pro poor (Beaugrand et al, 2002). Namun demikian terkait dengan pen­ da­ pat ini Abbas (2005) menyatakan bah­ wa penarikan kesimpulan ini tidak mem­ pertimbangkan risiko nilai tukar yang dapat mengakibatkan tingginya va­ rians dari biaya bunga utang luar negeri serta tingkat suku bunga rendah yang diterima dari pinjaman konsesional beserta persyaratan ketat yang me­nyer­ tainya guna mengakomodasi risiko ga­ gal bayar. Kritik terhadap obligasi domestik pe­ merintah lainnya adalah biaya penerbitan utang domestik yang dapat menghadapi masalah in time consistency dimana biaya obligasi35 meningkat signifikan dalam kondisi kredibilitas pemerintah rendah. Dalam kondisi ini terdapat dua kemungkinan yaitu pemerintah tidak menerbitkan utang sama sekali atau tetap masuk pasar dengan biaya yang tinggi (Christensen, 2007). Penyaluran dana perbankan yang do­­minan untuk membiayai defisit pe­me­ rin­tah tidak hanya mengurangi kualitas

35

Biaya utang domestik adalah biaya bunga yang harus dikeluarkan Pemerintah. Hal ini tercermin dari tingkat yield dan kupon dari bond yang diterbitkan. 36

Financial deepening adalah proses pengembangan sektor kuangan yang ditandai dengan antara lain men­ ingkatnya jumlah dan volume institusi keuangan, jumlah instrument di pasar serta kualitas pelayanan yang di­ berikan (Wikipedia)

84

Jurnal BPPK V o l u m e 2 Tahun 2011

dari perkembangan sektor keuangan te­tapi juga dapat mengganggu fi­nan­ cial deepening36 dalam jangka pan­jang karena bank yang tidak efisien cen­ de­ rung menanamkan dananya pada sek­­ tor publik dibandingkan dengan me­­ngembangkan pasar perbankan (Ha­uner, 2006). Disamping berbagai kritik tersebut, ob­ ligasi pemerintah domestik me­ miliki peran yang sangat penting. Deng­ an berkembangnya pasar ob­ li­ gasi domestik, pemerintah dapat meng­ hilangkan ketergantungan ba­ ik secara langsung maupun tidak lang­ sung terhadap pembiayaan dari bank sentral yang berupa money financing serta pembiayaan luar ne­ ge­ri. Selain itu keberadaaan obligasi pe­ merintah domestik yang likuid da­ pat berperan sebagai pricing benchmark untuk pinjaman jangka panjang yang diterbitkan oleh bank dan perusahaan lainnya. Selanjutnya obligasi pemerintah domestik bersama dengan instrumen pasar uang dan saham merupakan instrumen yang vital dalam pelaksanaan operasi kebijakan moneter dan collateralized lending untuk pasar uang antar bank. Perkembangan pasar obligasi pemerintah dapat memperkuat trans­ mi­ si dan pelaksanaan kebijakan mo­ ne­ter termasuk pencapaian target ke­ bijakan moneter. Pada tingkat mikro adanya pasar ob­ ligasi pemerintah domestik akan me­ningkatkan stabilitas keuangan se­ cara keseluruhan dan meningkatkan in­ termediasi melalui kompetisi yang le­ bih sehat dan pengembangan yang lebih luas melalui berbagai ins­ trastruktur dan produk keuangan. Pe­ ngembangan pasar surat berharga Jurnal BPPK V o l u m e 2 Tahun 2011

akan membantu memperluas sistem ke­uangan yang semula bank oriented men­jadi multilayered system, dimana capital market menjadi komplemen dari bank financing. 2.2. Faktor Faktor yang Mempengaruhi Perkembangan Sektor Keuangan Secara teoritis dan berdasarkan studi empiris yang ada, perkembangan sektor keuangan dipengaruhi oleh berbagai faktor yang dapat di­ke­lom­ pokkan menjadi aspek geografis dan endowment, kondisi politik, kon­ di­ si makroekonomi, struktur pasar per­ ban­kan, iklim investasi dan kualitas su­ pervisi sektor keuangan (Detragiache and others, 2005). Dari beberapa literatur, variabel makroekonomi yang mempengaruhi perkembangan sektor keuangan diantaranya adalah 1) Income(+); semakin tingginya pendapatan yang mencerminkan wealth suatu negara maka di­per— kirakan tingkat per­kem­bangan sek­tor keuangan juga ting­gi. Boyd dkk (2000) menemukan hu­­ bungan yang positif dan sig­ ni­­fikan antara variabel initial real percapita GDP yang merupakan prok­si dari income dengan rasio li­quid liabilities perbankan / GDP dan rasio kredit kepada sektor swas­ta / GDP. 2) Inflasi (-) ; inflasi yang tinggi akan meng­hambat perkembangan sek­ tor keuangan. Hubungan yang ne­ gatif dan signifikan antara in­flasi dengan perkembangan sek­ tor keuangan dan perbankan di­ an­ ta­ ranya dibuktikan dalam Boyd, Le­vine dan Smith(2002), Hauner (2006) dan Detragiatche,Gupta

85

dan Tressel (2005). 3) Margin(+/-); margin men­cer­min­ kan biaya transaksi untuk in­ter­ mediasi di sektor keuangan. Ha­ uner (2006) menyatakan bah­ wa di negara dengan sistem per­ban­ kan yang liberal, tingginya mar­ gin mencerminkan rendahnya kom­petisi dan berpotensi meng­ hambat perkembangan sektor ke­ uangan. Namun demikian financial repression oleh Pemerintah juga mem­ buat margin rendah yang me­­miliki efek positif terhadap per­ kembangan sektor keuangan. 4) Indikator fiskal (+/-); variabel fis­ kal ditengarai mempengaruhi per­­kembangan sektor keuangan me­lalui pemberian kredit kepada sek­tor publik (Pemerintah) oleh perbankan dan melalui pe­ ning­ ka­tan instrumen yang tersedia di pa­­sar keuangan. Boyd dkk (2001) yang menggunakan variabel cen­ tral government expenditure to GDP dan Cuadro, Saez dkk (2003) yang menggunakan va­ria­ bel defisit/ GDP tidak me­ne­mu­­kan adanya hubungan yang po­­sitif dan signifikan terhadap per­kem­bang­ an sektor keuangan yang meng­ gu­nakan total kredit kepada sek­ tor swasta/GDP. Sementara itu De­ tragiache et all (2005) yang meng­­gunakan suku bunga utang do­­ mestik Pemerintah sebagai prok­­si indikator fiskal menemukan bah­­ wa kebijakan fiskal memiliki pe­­ ngaruh positif dan signifikan ter­­ hadap rasio deposit terhadap kre­­dit (loan) tetapi memiliki hu­bu­ ng­an negatif dengan rasio kre­dit ke­pada sektor swasta / total kre­­ dit. Hauner (2006) yang meng­

86

gu­nakan variabel rasio pin­ja­man pu­ blik/ GDP dan rasio pin­ ja­ man pu­blik/total kredit yang di­be­rikan me­ nemukan bahwa rasio pin­ ja­ man publik/GDP signifikan me­ ning­katkan perkembangan sek­­ tor keuangan yang tercermin dari ra­sio total kredit/GDP dan li­qu­id liabilities/GDP. Di lain pihak se­ma­ kin tinggi rasio pinjaman pu­blik/ to­ tal kredit perbankan ber­ dam­ pak negatif dan signifikan ter­ha­ dap rasio kredit kepada sektor swas­­ta/GDP. Menurut Hauner, pe­­ ningkatan rasio pinjaman pu­ blik/GDP meningkatkan per­ kem­ bang­an sektor keuangan de­ngan me­ nyediakan aset yang aman ba­gi perbankan. Namun de­mi­ki­ an dari sisi portofolio aset per­ ban­ kan, pinjaman terhadap pe­ me­ rintah yang berlebihan da­ pat meng­hambat financial deep­ ening. Kepemilikan utang do­ mes­ tik Pemerintah oleh per­ ban­­ kan komersial juga banyak di­­asosiasikan dengan rendahnya e­fi­siensi sektor keuangan dan lebih ting­­ginya fenomena crowding out di­­bandingkan apabila pinjaman do­­mestik Pemerintah lebih banyak di­­miliki oleh sektor non perbankan (Christensen, 2004; Gulde et all, 2006 dan Hauner, 2006). 5) Indikator risiko(-); semakin ba­ ik indikator risiko maka se­ ma­ kin baik perkembangan sek­ tor keuangan, demikian pula se­­­baliknya. Boyd, Levine&Smith (20­ 00) menemukan hubungan yang negatif dan signifikan antara va­­ riabel jumlah revolusi yang ter­ ja­di dengan liquid liabilities da­ri per­bankan. Sementara itu (Koubi, Jurnal BPPK V o l u m e 2 Tahun 2011

2008) juga menemukan hu­bungan yang signifikan antara fak­tor tingkat ke­pastian hukum deng­an volatilitas re­turn di pasar sa­­ham. 6) Opennes(+): semakin tinggi ting­ kat integrasi pasar keuangan do­ mes­ tik dengan pasar keuangan in­ ternasional maka semakin ba­ ik pula perkembangan sektor ke­ uangan. Baltagi dkk (2008) ser­ ta Huang & Temple (2005) me­nemukan bahwa tingkat ke­ter­ bukaan perdagangan baik di pa­ sar barang atau pasar keuangan me­rupakan determinan yang sig­ nifikan dalam perkembangan sek­ tor perbankan. 7) Volatilitas nilai tukar(-): vo­la­ti­ litas nilai tukar dalam pasar ke­ uangan dianggap sebagai suatu ins­trument yang menjadi filtering da­ ri shock yang terjadi di luar. Vo­latilitas nilai tukar yang rendah ber­dampak positif terhadap per­ kem­ bangan sektor keuangan (Kou­bi, 2008). III. METODE RISET 3.1 Dampak Sun Domestik Terhadap Perkembangan Sektor Perbankan Model yang digunakan mengacu

pada penelitian Hauner (2006). In­di­ ka­tor perkembangan sektor keuangan yang digunakan sebagai variabel in­de­ penden adalah rasio total kredit per­ bankan terhadap GDP (loany) dan ras­ io total kredit kepada sektor swasta/ GDP (privatey). Rasio ini merupakan in­dikator yang paling penting karena memiliki dampak yang kuat terhadap pertumbuhan ekonomi. Data yang digunakan adalah data bulanan sejak 2003 sampai dengan 2009. Hipotesis yang hendak diuji adalah: 1. Keberadaan obligasi pemerintah membantu meningkatkan per­kem­ bang­ an sektor keuangan dengan ca­ra menyediakan aset yang aman ba­gi perbankan. 2. Dari sisi likuiditas perbankan, se­ makin tinggi rasio kepemilikan SUN domestik terhadap total kredit (termasuk kredit kepada pe­ merintah dalam bentuk ke­ pe­ milikan SUN domestik) akan meng­ ham­bat perkembangan sektor ke­ uangan. Dalam penelitian ini, determinan perkembangan sektor keuangan akan difokuskan pada variabel ma­ kro­ ekonomi mengingat sulit untuk mem­peroleh ukuran kuantitatif secara his­toris dari variabel non ekonomi. Va­

Tabel 3.1 Deskripsdi Variabel

Jurnal BPPK V o l u m e 2 Tahun 2011

87

ria­bel-variabel yang digunakan dalam ana­lisis beserta tanda yang diharapkan tercantum dalam Tabel 3.1. Estimasi data dilakukan dengan peng­ujian kointegrasi dilanjutkan deng­ an Vector Error Correction Method. Pa­ da studi ini estimasi VECM dimulai deng­an melakukan uji stasionaritas ter­ ha­ dap setiap variabel menggunakan

Augmented Dickey Fuller (ADF) test dan Philip Peron test. Tahap selanjutnya me­lakukan pemilihan lag optimal pada va­ riabel endogen berdasarkan kriteria Akaike Information Criteria (AIC). Tahap ketiga adalah melakukan uji kointegrasi menggunakan metode Johansen. Tahap terakhir melakukukan estimasi VECM dan impulse respond function. (1) (2) (3) (4)

Dari persamaan (1) sampai dengan (4) simpangan dari keseimbangan jangka panjangnya dinyatakan sebagai berikut : (5) (6) (7) (8) Model umum dari persamaan jangka panjang untuk perkembangan sektor keuangan adalah: Jumlah vektor kointegrasi dari se­ ti­ap persamaan ini akan ditentukan se­ lanjutnya menggunakan Trace dan Ma­ xi­mum Eigen Value Statistics. Bila Pt=(sunyt, incomet, cpit, loanyt), Xt= (bondkt, incomet. cpit, loanyt), Yt=(sunyt, incomet. cpit, privateyt) dan Zt=(bondkt, incomet. cpit, loanyt) me­ rupakan vektor dari variabel en­ dogen maka penyesuaian dinamis

88

da­ pat dimodelkan dengan vector autoregression (VAR) order ke-n yang dapat dituliskan sebagai Vector Error Correction Model (VECM) pada

hubungan kointegrasi. imana α adalah vektor 4 X1

Jurnal BPPK V o l u m e 2 Tahun 2011

3.2. Dampak SUN Domestik Terhadap Kualitas Perkembangan Sektor Perbankan Kualitas perkembangan sektor

keuangan direpresentasikan dengan profit dan efisiensi sektor perbankan. Model yang digunakan pada penelitian ini terdiri dari dua model utama, yakni:

...................................................................... (9) ...................................................................... (10) Dampak dari share kredit per­ban­ kan dalam bentuk SUN domestik/ to­ tal kredit bank (bondk) terhadap pro­ fi­ tabilitas dan efisiensi bank dianalisa dengan menguji hubungan variabel bondk dalam model standar untuk profitabilitas yang diukur dengan ROA (Model Profit) dan untuk efisiensi yang diukur dengan rasio beban biaya ter­ha­

dap pendapatan (Model Efisiensi ) Variabel kontrol yang digunakan dalam model profitabilitas dan efisiensi bank mengacu pada beberapa literatur (Hauner (2006), Goddard et al (2004), and Demirgüç-Kunt et al (2004). Ekspektasi hubungan terhadap profit dan efisiensi dapat dilihat pada tabel berikut ini,

Tabel 3.2 Ekspektasi Hubungan Antar Variabel pada Panel Data No

Variabel

Model PROFIT

Model Efisiensi

Keterangan

1.

MARGIN

+

-

Net interest margin; sebagai proksi dari tingkat kompetisi bank. Semakin tinggi margin akan semakin tinggi profit namun mengurangi efisiensi karena tingkat kompetisi yang semakin rendah.

2.

KAPITAL

+

-

Ukuran modal bank, bank yang memiliki modal tinggi harus lebih efisien untuk mendapatkan return modal yang lebih tinggi.

3.

BONDK

+

+

Rasio stok SUN di bank terhadap total kredit Bank yang memiliki lebih banyak SUN cenderung lebih profitable namun kurang efisien.

4.

LIKUIDITAS

-

-

Likuiditas bank, semakin banyak aset likuid yang dimiliki oleh bank maka akan semakin kecil return-nya yang akan mengurangi profit. Namun dengan aset likuid yang lebih banyak maka bank memiliki input cost yang lebih rendah sehingga lebih efisien.

5.

OBS

+

+

Bank off sheet balance sheet. Bank yang memiliki pendapatan dari off balance sheet memiliki profit yang lebih besar namun kurang efisien karena tingginya biaya administrasi yang mengakibatkan cost income rasio menjadi lebih besar.

6.

SIZE

7.

EFISIENSI

Proksi ukuran bank relatif terhadap kompetitornya. Tidak terdapat hubungan yang pasti antara ukuran bank dengan profit namun bank yang lebih besar umumnya lebih efisien karena adanya economies of scale. +

Jurnal BPPK V o l u m e 2 Tahun 2011

Proksi tingkat produktifitas bank, semakin efisien bank maka memiliki keuntungan yang semakin tinggi.

89

Pengolahan dilakukan dengan metode panel data untuk 86 bank pemilik SUN selama periode Januari 2003 hingga Desember 2009 dengan frekuensi triwulanan. Analisis panel data dilakukan menggunakan fixed effect dengan pertimbangan bahwa setiap bank memiliki efek yang spesifik. Secara teori, penentuan penggunaan fixed effect atau random effect diperoleh dari hasil tes Hausman guna memastikan metode yang paling tepat. Hasil pengujian tes Hausman terdapat pada Lampiran A. Asumsi utama untuk estimasi

menggunakan random effects adalah random effect uncorrelated dengan explanatory variables. Tes Hausman (1978) digunakan untuk mengestimasi koefisien Wooldridge (2002) dan Baltagi (2001). Selain itu dilakukan pengujian heteroskedasticity pada residual masingmasing model menggunakan White Test. Data yang digunakan diklasifikasikan menjadi data individual dan nasional. Data nasional yang digunakan adalah data total aset perbankan, sedangkan data individual berasal dari Laporan Bulanan Bank Umum (Neraca dan Laporan Laba Rugi) yang terdiri dari :

Tabel 3.2 Keterangan Data Panel Data

Keterangan

1.

Efficiency

Non-interest expense in percent of average asets, multiplied by (–1)

2.

Profit

ROA, yakni rasio return terhadap asets

3.

Margin

Rasio NIM, Pendapatan Bunga Bersih / Rata-Rata Aktiva Produktif

4.

Likuiditas

Pendapatan Bunga Bersih = Pendapatan Bunga – Beban Bunga

5.

Kapital

Aktiva produktif= Kredit yang diberikan+Surat-Surat Berharga+Penempatan pada bank lain dan penyertaan

6.

BONDK

Rasio aset-aset likuid terhadap total aset.

7.

OBS

Aset-aset likuid= Tabungan+Giro+Kewajiban Segera lainnya+30% Deposito

8

SIZE

Rasio total aset bank i terhadap total aset seluruh perbankan.

4.1 Dampak SUN Domestik Terhadap Kedalaman Sektor Keuangan Hasil uji unit root memperlihatkan bahwa seluruh variabel stasioner pa­ da first difference (Tabel 4.1) . Se­-lan­ jutnya untuk memilih panjang lag yang optimal dilakukan estimasi un­ res­tricted VAR dengan keempat va­ ria­bel endogen. Pemilihan panjang lag optimal didasarkan pada kriteria AIC. Hasil estimasi unrestricted VAR

90

Tabel 4.1. Hasil Uji Unit Root pada level

elemen matriks β . Hasil estimasi persamaan jang­

No

IV. HASIL EMPIRIS

cointegrating vector yang di­nor­ma­ li­ sasi masing-masing pada variabel loany=1 dan variabel privatey=1 serta re­striksi vector kointegrasi pada

ka panjang dari VECM (Tabel 4.2) menunjukkan bahwa dalam jangka panjang peningkatan rasio stok SUN domestik terhadap GDP berdampak negatif terhadap perkembangan total kredit/GDP dan total kredit kepada sektor swasta/ GDP. Peningkatan outstanding SUN domestik dapat memicu crowding out terhadap investasi dan konsumsi swasta. Crowding out terjadi melalui peningkatan suku bunga atau ketika suku bunga tetap, hal ini terjadi melalui alokasi kredit (Easterly et all, 1994). Hal ini dikarenakan peningkatan stok obligasi domestik tidak hanya menarik dana dari investor baru tetapi juga dapat mengalihkan alokasi dana dari

Tabel 4.2 Estimasi VECM untuk Persamaan Jangka Panjang, Jumlah Cointegrating Vector dengan Trace Statistic 1% dan 5%

memperlihatkan secara umum pan­ jang lag yang optimal adalah 2. Se­ telah VECM diestimasi, dilakukan pe­ ngujian pada residual yang me­ li­ puti Autocorrelation LM test dan White Heteroscedasticity test. Hasil mem­ per­ lihatkan bahwa residual pada tiap estimasi lulus kedua pengujian ter­se­but. Dari hasil uji kointegrasi pada tiap sistem persamaan diatas secara umum terdapat satu cointegrating vector pada level 5%. Selanjutnya di­­ lakukan estimasi VECM untuk satu Jurnal BPPK V o l u m e 2 Tahun 2011

tabungan di perbankan ke obligasi pe­ me­rintah. Peningkatan rasio kepemilikan SUN domestik dalam portofolio aset per­ bankan terhadap total kredit yang di­ be­ rikan berdampak negatif terhadap per­ kembangan total kredit/GDP dan to­tal kredit kepada sektor swasta/GDP. Ha­sil ini sesuai dengan hipotesis bahwa da­ri sisi likuiditas perbankan, semakin ting­gi rasio kepemilikan SUN domestik ter­hadap total kredit (termasuk kredit ke­pada pemerintah dalam bentuk ke­ Jurnal BPPK V o l u m e 2 Tahun 2011

pemilikan SUN domestik) akan meng­ ham­bat pertumbuhan kredit. Untuk mengetahui pola pe­nye­su­ aian dinamis dalam jangka pendek, da­ pat dilihat dari analisis impuls respond func­tion ( Grafik 1 s.d 8). Dalam jangka pen­dek variabel SUNY (stok SUN do­ mestik / GDP ) signifikan dalam mem­ pe­ ngaruhi perkembangan sektor ke­ u­angan yang dinyatakan dalam rasio to­tal kredit/GDP (var: loany) dan ra­ sio kredit kepada sektor swasta/GDP (var: privatey). Secara teoritis dengan

91

tersedianya alternatif investasi SUN domestik yang merupakan risk free aset dan dengan tingkat bunga yang menarik, bank dapat mengelola li­ kui­ ditasnya dengan lebih baik. Pen­ da­ patan bunga yang stabil yang di­peroleh perbankan seyogyanya da­ pat digunakan untuk meng-off­set risiko dari penyaluran kredit. Dengan demikian diharapkan bank akan

terdorong untuk meningkatkan aset likuidnya yang pada akhirnya di­ sa­ lurkan kembali kepada masyarakat da­ lam bentuk kredit. Shock kenaikan stok SUN domestik ter­ hadap GDP sebesar satu standar de­ viasi akan direspon dengan pe­ ning­ka­tan total kredit/GDP dan kredit ke­ pada sektor swasta/GDP. Shock sebesar 1 standar deviasi berdampak

Grafik1. Respon LOANY terhadap SUNY

Grafik 2. Respond LOANY terhadap BONDK

Grafik3. Respon PRIVATEY terhadap SUNY

Grafik5. Respon LOANY terhadap CPI

Grafik 4. Respond PRIVATEY terhadap BONDK

Grafik6. Respon LOANY terhadap INCOME

Sementara itu untuk pengujian hipotesis kedua, hasil empiris me­nun­ jukkan semakin tinggi rasio SUN do­ mes­tik di perbankan terhadap pen­ jum­­lahan total kredit (variabel BONDK) ber­­dampak negatif dan signifikan ter­ hadap rasio total kredit/ GDP dan ra­sio total kredit kepada sektor swasta ter­ hadap GDP. Kenaikan satu standar deviasi pa­ da stock SUN domestik di perbankan terhadap total kredit menurunkan total kredit dan kredit kepada sektor swastas sebesar 0.002 dan menurun hingga mencapai kestabilan di 0,001 pada periode ke 10. Dalam jangka pendek, variabel lain yang berdampak signifikan terhadap perkembangan total kredit perbankan adalah income dan inflasi (cpi). Inflasi dan income berdampak signifikan terhadap perkembangan total kre­ dit /GDP dan total kredit kepada sek­ tor swasta/GDP dengan tanda se­ suai yang diharapkan. Hubungan ini menegaskan kembali adanya hu­ bu­ ngan yang kuat antara long run eco­ nomic performance yaitu inflasi dan pertumbuhan ekonomi dengan per­ kembangan sektor keuangan. Ha­ sil 33

92

Jurnal BPPK V o l u m e 2 Tahun 2011

pengujian empiris ini juga me­ nun­ jukkan bahwa terdapat tingkat yang op­ timal dari proporsi kepemilikan ob­ ligasi pemerintah domestik ter­ kait dengan perkembangan sektor keuangan. Kepemilikan obligasi pe­ me­ rintah domestik yang besar di per­bankan perlu dicermati karena da­ pat mencerminkan adanya kelemahan fun­damental perbankan dalam men­ja­ lankan fungsinya sebagai lembaga in­ ter­mediasi. 4.2. PENGARUH SUN DOMESTIK TERHADAP KUALITAS PERKEMBANGAN SEKTOR KEUANGAN Analisis pengaruh SUN domestik ter­hadap kualitas perkembangan sektor keuangan dilakukan menggunakan Mo­ del profit dan Model Efisiensi. Model ini merupakan model adhoc yang meng­ adaptasi penelitian oleh Hauner (2006). 4.2.1. Hasil Empirik Model Profit Dari hasil pengujian empirik Mo­ del Profit menggunakan metode da­ta panel dengan cross section 86 bank38 dan time series triwulanan perio­de 2003-2009, diperoleh hasil sebagai­

Keterangan selengkapnya mengenai data perbankan yang digunakan terdapat pada Lampiran A

Jurnal BPPK V o l u m e 2 Tahun 2011

93

ma­na pada Tabel 4.3. untuk metode fixed effect dan random effect. Hasil pengujian model panel dengan fixed effect dan random effect menunjukan hasil yang relatif sama, baik koefisien

slope maupun tingkat signifikansinya. Namun demikian, dari hasil pengujian tes Hausman, metode fixed effect masih lebih baik dibandingkan me­to­ de random effect.

Tabel 4.3 Hasil Pengujian Panel Model Profit

*** ,**,* masing –masing menunjukkan signifikansi pada tingkat kepercayaan 1%,5% dan 10% Nilai T Stat dalam huruf italic

Tes Hausman dilakukan dengan hipotesa nol adalah random effect model. Sebagai dasar penolakan H0

maka digunakan statistik Hausman dan membandingkannya dengan sta­­t istic Chi square.

Tabel 4.4 Hasil Tes Hausman Model Profit

Berdasarkan pengujian dengan tes Hausman terhadap metode ran­ dom effect, diperoleh probabilitas mo­del Profit 1 dan Profit 2 masingma­sing 0.0019 dan 0.00 yang ja­uh di bawah alpha sehingga null hy­pothesis

94

per­ samaan tersebut digunakan tes White, dan hasilnya menunjukkan mo­ del tersebut valid dengan tingkat sig­ni­ fikansi rata-rata tiap variabelnya sebesar 95%. Pada model Profit1, koefisien slo­ pe BONDK positif sebesar 0.02, yang arti­ nya bahwa rata-rata profit akan me­ ningkat dengan laju sebesar 0.02 per tahunnya atau setiap peningkatan BONDK (Rasio stok SUN domestik ter­ hadap total kredit) sebesar 1% maka akan diikuti kenaikan profit sebesar 2%. Se­dangkan pada model Profit2, koefisien slope BONDK bernilai lebih kecil, yakni ha­nya sebesar 0.012, yang artinya bah­ wa rata-rata profit akan meningkat deng­ an laju sebesar 0.012. Namun, model Pro­fit2 dapat menjelaskan lebih baik di­ ban­ dingkan model Profit1 berdasarkan nilai R-squared. Dengan demikian dapat disimpulkan bahwa model Profit2 lebih baik. Hasil uji empiris menunjukkan va­ riabel margin, efisiensi dan obs me­nun­ juk­kan hubungan yang positif terhadap Pro­fit2. Hasil ini sesuai dengan teori, di­mana kenaikan margin, peningkatan

efisiensi, dan banyaknya pendapatan ope­rasional lainnya akan meningkatkan pro­fit. Slope koefisien yang diperoleh pa­ da model panel tersebut masingma­ sing sebesar 0.604, 0.006, dan 0.439 yang berarti setiap kenaikan mar­gin sebesar 1% akan menyebabkan pe­ningkatan profit sebesar 60%; se­ti­ap ke­naikan efisiensi sebesar 1% akan me­ nye­babkan peningkatan profit sebesar 0.6% dan setiap kenaikan obs sebesar 1% akan menyebabkan peningkatan pro­fit sebesar 44%. Variabel liquidity mem­ pengaruhi profit secara negatif dan signifikan, ditandai dengan koefisien slope sebesar -0.068, sedangkan va­ria­ bel size tidak signifikan terhadap profit. 4.2.2. Hasil Empirik Model Efisiensi Dari hasil pengujian empirik Mo­d el Efisiensi, diperoleh hasil se­ ba­g aimana pada Tabel 4.5. Hasil pe­ ngujian model panel dengan fixed effect dan random effect me­n un­ ju­kan hasil yang relatif sama, baik ko­e fisien slope maupun tingkat sig­ ni­fikansinya. Namun demikian, dari ha­­s il pengujian uji Hausman, metode

Tabel IV.5 Hasil Pengujian Panel Model Efisiensi

ditolak yang artinya me­ to­ de fixed effect lebih baik digunakan di­ bandingkan dengan metode random effect. Untuk pengujian he­te­ros­ke­ das­ticity terhadap residual pada Jurnal BPPK V o l u m e 2 Tahun 2011

*** ,**,* masing –masing menunjukkan signifikansi pada tingkat kepercayaan 1%,5% dan 10% Nilai T Stat dalam huruf italic Jurnal BPPK V o l u m e 2 Tahun 2011

95

V. KESIMPULAN & REKOMENDASI KEBIJAKAN

Tes Hausman juga dilakukan dengan hasil sbb: Tabel 4.6 Hasil Tes Hausman Model Effisiensi

fixed effect lebih baik dibandingkan me­tode random effect. Berdasarkan uji Hausman ter­ ha­dap metode random effect, di­pe­ r­­oleh probabilitas 0.0245 untuk mo­ del Efisiensi1 dan 0.0019 untuk mo­del Efisiensi2 yang menunjukkan me­tode fixed effect lebih baik di­gu­na­kan di­ bandingkan dengan metode ran­­dom effect. Untuk pengujian he­te­ros­ke­das­ ticity terhadap residual pada per­ sa­ maan digunakan uji White dan ha­silnya menunjukkan mode valid deng­ an tingkat signifikansi rata-rata ti­ ap variabelnya sebesar 95%. Pada model Efisiensi1, ko­ ef­i­ si­ en slope BONDK positif sebesar 2.58, yang artinya rata-rata profit akan meningkat dengan laju se­ be­ sar 2.58 per tahunnya atau se­tiap peningkatan BONDK (Rasio ke­pe­mi­li­kan SUN domestik terhadap total kre­ dit yang

disalurkan) sebesar 1% ma­ ka akan diikuti kenaikan profit se­ be­ sar 25%. Pada model Efisiensi2, ko­efisien slope BONDK bernilai lebih ke­cil, yakni hanya sebesar 1.59, yang ar­tinya bahwa ratarata profit akan me­ningkat dengan laju sebesar 1.59. Na­mun, model Efisiensi2 lebih baik men­ jelaskan dibandingkan model Efi­siensi1 yang dapat dilihat dari ni­lai R-squared-nya. Sehingga dapat di­­ simpulkan bahwa model Efisiensi2 le­bih baik. Dari hasil pengujian empiris, va­riabel margin, capital dan obs menunjukan hubungan yang negatif ter­ hadap efisiensi. Hal ini sesuai de­ ng­ an teori, dimana kenaikan margin, pe­ ningkatan modal, dan banyaknya pen­dapatan operasional lainnya akan menurunkan efisiensi. Slope koe­fisien yang diperoleh pada model pa­ nel tersebut masing-masing yaitu se­be­sar -57.9, -41.0, dan -3.68.

5.1. Kesimpulan 1. Keberadaan SUN domestik signifikan mempengaruhi perkembangan sektor keuangan secara agregat melalui peningkatan rasio total kredit dan kredit kepada sektor swasta terhadap GDP. Kepemilikan SUN domestik dalam portfolio aset perbankan yang merupakan risk free aset mendorong bank untuk meningkatkan penyaluran kredit kepada sektor swasta dan kredit secara total. Secara logis, dengan adanya peningkatan risk free aset dalam portfolio bank tentunya bank akan lebih mudah untuk meningkatkan penyaluran kreditnya karena kepemilikan SUN domestik dapat menjadi kompensasi atas risiko penyaluran kredit. 2. Dikaitkan dengan komposisi aset perbankan, peningkatan komposisi SUN domestik relatif terhadap total kredit perbankan yang termasuk didalamnya kredit perbankan kepada pemerintah dalam bentuk SUN domestik, berdampak negatif terhadap terhadap penyaluran kredit. Hasil ini kemungkinan menunjukkan perlu adanya komposisi optimal dari kepemilikan SUN oleh perbankan agar tidak mengganggu perkembangan sektor keuangan. 3. Kepemilikan SUN domestik mempengaruhi secara signifikan profit dan efisiensi perbankan. Hasil ini cukup menjelaskan mengenai

96

Jurnal BPPK V o l u m e 2 Tahun 2011

Jurnal BPPK V o l u m e 2 Tahun 2011

tingginya minat perbankan untuk berinvestasi di SUN terlebih apabila tingkat risiko untuk menyalurkan kredit cukup tinggi. Hal ini juga terlihat dari hasil empiris dimana faktor risiko signifikan mempengaruhi penyaluran kredit kepada pihak swasta oleh perbankan. Keberadaan SUN yang merupakan risk free aset dengan tingkat return yang menarik dalam jumlah yang lebih besar dikhawatirkan dapat mempengaruhi fungsi perbankan sebagai lembaga intermediasi. 5.2. Rekomendasi Kebijakan Kepemilikan obligasi pemerintah domestik sebagaimana di negara berkembang lainnya merupakan issue yang cukup menjadi perhatian. Adanya SUN domestik yang tergolong risk free aset seyogyanya dapat membantu perbankan untuk mengelola likuiditas dengan lebih baik sehingga diharapkan dapat meningkatkan fungsi intermediasi. Oleh karenanya perlu dicermati dengan seksama kepemilikan SUN di perbankan mengingat peningkatan rasio stok obligasi pemerintah domestik pada portfolio bank relatif terhadap kredit yang disalurkan dapat berdampak negatif terhadap kualitas perkembangan sektor keuangan ke depan. Oleh karenanya dapat dipertimbangkan jumlah optimal kepemilikan obligasi pemerintah yang tidak berdampak negatif terhadap perkembangan sektor keuangan.n

97

Hauner, D., 2006, “ Fiscal Policy and Financial Development”, IMF Working Paper No. 06/26 (Washington : International Monetary Fund).

DAFTAR PUSTAKA Abbas, S.M. Ali and Christensen, Jakob E., 2007, “ The Role of Domestic Debt Markets in Economic Growth : An Empirical Investigation for Low-income Countries and Emerging Markets”, IMF Working Paper No. 07/127 (Washington : International Monetary Fund). Badan Pengawas Pasar Modal & Lembaga Keuangan RI, “ Laporan Tahunan Pasar Modal” edisi 2004,2005,2006,2007,2008,2009 Beaugrand, P, B. Loko dan M. Mlachila, 2002, “ The Choice Between External and Domestic Debt in Financing Budget Deficits : The Case of Central and West African Countries, “ IMF Working Paper No. 02/79.

Huang, Yongfu and Temple, Jonathan (2005), “ Does External Trade Promote Financial Development?”, Discussion Paper No. 05/575, Department of Economics, University of Bristol. International Monetary Fund, 2005a, Monetary and Fiscal Policy Design Issues in Low Income Countries (Washington). Keele, Luke and De Boer, Suzanna, 2004, “ Not Just for Cointegration : Error Correction Models with Stationary Data”, http://www.nuffield.ox.ac.uk/ politics/papers/2005/keele%20deboef%20ecm%20041213.pdf

Blejer, M.I. dan M.S.Khan, 1984, “ Government Policy and Private Investment in Developing Countries” , International Monetary Fund Staff Papers, 31(2)

Kumhof, Michael, and Evan Tanner, 2005,” Government Debt : A Key Role in Financial Intermediation”, IMF Working Paper No. 05/57 (Washington : International Monetary Fund).

Blinder, Alan S. dan Solow, Robert M.,1972, “Does Fiscal Policy Matter ?”, Econometric Research Program, research Memorandum No. 144

Koubi, Vally (2008), “ On the Determinants of Financial Development and Stock Returns”, Journal of Money, Investment and Banking

Boyd, J., Ross Levine, dan Bruce Smith, 2001, “ The Impact of Inflation on Financial Sector Performance”. Journal of Monetary Economics Vol 47 No. 2, pp 221-48.

Lynch, David, 1996, “ Measuring Financial Sector Development : A Stucy of Selected Asia Pacific Countries,”, Journal of Developing Economies, XXXIV-1.

Chakraborty, Lekha S. , 2007 “Fiscal Deficit, Capital Formation, and Crowding Out in India: Evidence from an Asymmetric VAR Model”, Working Paper No. 5. The Levy Economics Institute and the National Institute of Public Finance and Policy, India.

The World Bank and International Monetary Fund, 2001, “Developing Government Bond Markets A Handbook” Tokuoka, Kiichi, 2010, “ The Outlook for Financing Japan’s Public Debt”, IMF Working Paper No. WP/10/19.

Detragiache, Enrica; Gupta,Poonam and Tressel, Thiery, 2005 “Finance in Lower-Income Countries : An Empirical Exploration”, Working Paper No. WP/05/167 (Washington : International Monetary Fund). Degirmen, Sulayman, 2007, “ Crowding Out, Interest and Exchange Rate Shocks and Bank Lending : Evidence from Turkey”, International Research Journal of Finance and Economics Issue 10. Easterly, William, and Klaus Schmidt_Hebbel. 1994, “Fiscal Adjustment and Macroeconomic Performance : A Synthesis ,´In public Sector Deficits and Macroeeconomic Performance, edited by William Esterly, Carlos A. Rodriguez and Klaus Schmidt Hebbel.

98

Jurnal BPPK V o l u m e 2 Tahun 2011

Jurnal BPPK V o l u m e 2 Tahun 2011

99

LAMPIRAN A 1. KETERANGAN DATA PERBANKAN a. Bank syariah dikeluarkan dari sampel observasi karena karakteristiknya yang berbeda. b. Missing data pada bank diekstrapolasi menggunakan data periode sebelumnya. c. Bank-bank tutup selama masa observasai tetap dimasukkan sebagai sampel selama periode tutup bank tersebut lebih sedikit dari periode buka selama observasi. d. Bank-bank yang selama masa observasi melakukan merger maka datanya digabungkan selama periode observasi. Bank-bank tersebut adalah sbb. No

Nama Bank

Keterangan

1.

Rabobank Internasional Indonesia

Merger bank: Hagakita dan Haga

2.

CIMB Niaga

Merger bank Lippo dan Niaga

3.

Century

Merger bank Pico, Danpac, dan Century Bank ini tutup pada April 2009 namun tetap dimasukkan sebagai sampel observasi.

4.

Windu Kentjana Internasional

Merger bank Multicor dan Windu Kentjana

5.

Artha Graha Internasional

Merger Bank Artha Graha dan Bank Interpacifik

6.

Bank Index Selindo

Merger Bank Index Selindo dan Bank Harmoni Internasional

2. UJI KORELASI PANEL DATA Hasil korelasi variabel-variabel digunakan dalam panel data. Profit

Govt

Efisiensi

OBS

Margin

Likuiditas

Size

Kapital

Profit

1.00

-0.01

0.53

0.15

0.30

0.02

0.01

-0.06

Bondk

-0.01

1.00

0.04

0.23

-0.23

-0.11

0.48

-0.09

Efisiensi

0.53

0.04

1.00

-0.19

-0.32

-0.02

0.03

-0.08

OBS

0.15

0.23

-0.19

1.00

0.04

-0.22

0.05

-0.03

Badan Pendidikan dan Pelatihan Keuangan

Margin

0.30

-0.23

-0.32

0.04

1.00

0.21

-0.05

0.08

Likuiditas

0.02

-0.11

-0.02

-0.22

0.21

1.00

0.04

-0.27

Jl. Purnawarman no.99 Kebayoran Baru, Jakarta 12110 Telp. (021)7394666 ext. 253, 7204131 Fax. (021) 7261775 www.bppk.depkeu.go.id [email protected]

Size Kapital

100

0.01

0.48

0.03

0.05

-0.05

0.04

1.00

-0.12

-0.06

-0.09

-0.08

-0.03

0.08

-0.27

-0.12

1.00

Jurnal BPPK V o l u m e 2 Tahun 2011

Kementerian Keuangan RI