PENGARUH UANG BEREDAR M1 PADA INFLASI IHK, JANUARI 2014 – JUNI 2019

Abstrak

Artikel ini mencoba menjelaskan hubungan antara inflasi IHK (inflasi umum/headline
inflation) dengan uang beredar M1 dalam periode Januari 2014 – Juni 2019. Hubungan teoretis
ini didasarkan pada Teori Kuantitas Uang. Karena data yang dipakai adalah bulanan, maka riset
ini mencoba mengidentifikasi faktor musim, trend, dan siklus dalam konteks hubungan/model
kausal inflasi-uang beredar. Jadi identifikasi dimaksud melibatkan pemakaian variabel boneka,
variabel trend, dan variabel berselang (lagged variable) sebagai variabel-variabel independen
termasuk uang beredar sedangkan inflasi IHK sebagai variabel dependen. Berbagai bentuk
fungsional dari hubungan regresi tersebut sudah dicobakan hingga menemukan bentuk
fungsional yang terbaik berupa model double-log regresi linier berganda. Estimasi model ini
menghasilkan beberapa temuan empirik. Pertama, kuantitas uang beredar mempengaruhi
secara signifikan Inflasi IHK. Secara parsial, jika kuantitas uang beredar naik 1 persen, maka
IHK ternyata naik 0,07 persen. Kedua, ada faktor musim dalam pergerakan inflasi IHK, yaitu
pada bulan-bulan Januari, Februari, Juli, dan Agustus. Puncak musim terjadi pada bulan Januari
disusul, masing-masing, oleh Juli, Februari, dan Agustus. Ketiga, faktor trend juga hadir dalam
pergerakan inflasi IHK. Ternyata inflasi IHK naik 0,02 persen per bulan selama periode
pengamatan. Terakhir, keempat, koefisien lagged variable IHK dengan lag 12-bulan ternyata
signifikan mempengaruhi dirinya sendiri. Artinya, IHK pada satu bulan sangat berhubungan
dengan bulan berikutnya. Misalnya, IHK pada Januari 2014 mempengaruhi IHK pada Januari
2015. Temuan-temuan empirik ini bermanfaat antara lain untuk mengukur efektivitas
kebijakan moneter Bank Indonesia (BI). Memang, temuan riset ini menunjukkan, peningkatan
uang beredar menyebabkan kenaikan tingkat inflasi, tetapi ini bukan berarti kebijakan moneter
BI tidak efektif dalam mengendalikan kuantitas uang beredar sebab BI hanya
bertanggungjawab dalam pengendalian Inflasi Inti. Akhirnya, spesifikasi model regresi yang
lebih baik serta jumlah pengamatan yang lebih panjang akan semakin menambah kinerja model
untuk menjelaskan perilaku inflasi IHK pada masa akan datang.