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.