Apa itu NAIRU? Tingkat pengangguran alami dan ketidakpastian estimasi

NAIRU adalah singkatan dari Non-Accelerating Inflation Rate of Unemployment. Istilah “tidak mempercepat” berarti, dalam model tersebut dan jika asumsi lain tidak berubah, tingkat inflasi tidak cenderung terus naik atau turun pada tingkat pengangguran itu. Ini bukan berarti harga berhenti naik. Harga dapat naik 2% atau 5% setahun sementara laju inflasi tetap stabil. Guncangan energi yang besar atau perubahan ekspektasi juga dapat mendorong inflasi naik meskipun pengangguran tidak berubah.

Dalam presentasi metodenya pada 2023, CBO mendefinisikan tingkat pengangguran non-siklis sebagai pengangguran yang berasal dari semua sumber selain fluktuasi permintaan agregat. Tingkat ini juga merupakan estimasi, bukan angka yang diamati langsung. {source:cboNoncyclicalRate2023}

Tingkat U-3 adalah ukuran utama pengangguran AS yang berbasis survei rumah tangga; angka ini membandingkan orang yang diklasifikasikan sebagai penganggur menurut kriteria tertentu dengan angkatan kerja. U-3 menggambarkan kondisi teramati pada suatu periode. Sebaliknya, NAIRU dan tingkat pengangguran alami merupakan konsep model yang lebih luas, disimpulkan dari beragam data dan bukan ukuran survei langsung. Karena itu, laporan U-3 tidak langsung menunjukkan NAIRU, dan perbedaan antara angka keduanya tidak membuktikan bahwa salah satunya keliru.

“Alami” juga tidak berarti pengangguran nol. Orang berpindah pekerjaan, mencari pekerjaan, atau membutuhkan waktu untuk menemukan posisi yang cocok dengan keterampilan dan lokasi mereka. Pasar kerja yang aktif tetap memiliki masa transisi dan hambatan pencocokan. Kesempatan kerja penuh tidak sama dengan pengangguran nol, satu estimasi NAIRU tertentu, atau persentase universal; kondisi itu juga tidak otomatis menjadikan NAIRU target kebijakan.

Makalah kerja CBO tahun 2007 menggambarkan tingkat alami sebagai pengangguran yang berasal dari sumber selain fluktuasi siklis permintaan agregat. Makalah itu menyatakan bahwa tingkat alami dan NAIRU diperkirakan bertepatan dalam jangka panjang, tetapi dapat berbeda pada horizon prakiraan dekat. Tingkat alami biasanya berkaitan dengan keseimbangan pasar kerja dalam jangka lebih panjang; NAIRU merujuk pada pengangguran yang sejalan dengan inflasi stabil dalam suatu model; dan tingkat non-siklis memisahkan komponen siklis dari komponen lainnya dalam analisis tertentu. Ini riset bertanggal, bukan estimasi CBO terkini yang berlaku universal. {source:cboNaturalRate2007} {source:frbMishkinPotentialOutput2007}

Saat membaca angka yang diterbitkan, periksa nama, definisi, metode, dan periode yang dicakup. Jangan menganggap tingkat “alami” dari satu lembaga sama dengan NAIRU dari lembaga lain. Nama yang mirip tidak menjamin konsepnya identik.

Pengangguran non-siklis tidak memiliki satu penyebab. Seseorang mungkin meninggalkan pekerjaan untuk mencari pekerjaan lain, membutuhkan pelatihan, atau tinggal jauh dari posisi yang tersedia. Komposisi usia angkatan kerja, arus masuk dan keluar pekerjaan, susunan posisi kerja, serta cara orang mencari pekerjaan juga berubah. Hambatan ini memengaruhi seberapa cepat penganggur kembali bekerja dan tingkat pengangguran yang dapat bertahan tanpa tekanan inflasi yang meningkat.

Makalah kerja CBO tahun 2007 mengaitkan tingkat alami dengan penciptaan dan hilangnya pekerjaan, perpindahan kerja, serta kecepatan pencocokan antara pencari kerja dan lowongan. {source:cboNaturalRate2007}

Kecocokan antara pekerja dan lowongan pun dapat berubah. Jika keterampilan atau lokasinya semakin tidak sesuai, lowongan bisa lebih lama terisi meskipun ada orang yang menganggur. Pencocokan yang lebih baik atau perubahan partisipasi angkatan kerja dapat menghasilkan pola berbeda. Satu angka lowongan atau pengangguran tidak cukup untuk memastikan penyebabnya. Jerome Powell dari Federal Reserve membahas perubahan struktur ekonomi dan ketidakpastian dalam mengestimasi tingkat pengangguran yang berkelanjutan. {source:fedPowellMonetaryPolicyChangingEconomy2018}

Ekonom menggabungkan data pasar kerja, upah, inflasi, dan demografi. Mereka lalu memakai model statistik dan ekonomi untuk memisahkan tren yang bergerak lambat dari fluktuasi siklis. Bergantung pada modelnya, perhitungan dapat memasukkan hubungan upah dan harga, ekspektasi inflasi, serta asumsi tentang partisipasi angkatan kerja, produktivitas, atau struktur pasar kerja. Hasilnya bergantung pada model dan data yang dipilih; bukan penghitungan langsung terhadap kelompok pekerja tertentu.

Dalam presentasi metode 2023, CBO menjelaskan pendekatan yang digunakan saat itu: tingkat pengangguran pada kuartal keempat 2005 dipertahankan untuk 516 kelompok demografis berdasarkan jenis kelamin, pendidikan, usia, dan ras. Lalu proporsi tiap kelompok yang berubah dalam angkatan kerja digunakan untuk menghitung rata-rata tertimbang. Presentasi tersebut juga membahas pendekatan alternatif yang memisahkan tren dan siklus, yang saat itu masih dievaluasi. Ini gambaran bertanggal tentang metode satu lembaga, bukan rumus universal. {source:cboNoncyclicalRate2023}

Estimasi dapat berubah karena observasi baru dan versi data yang digunakan, serta pilihan model, definisi, horizon waktu, dan asumsi. Karena itu, perlakukan sebagai estimasi yang dapat direvisi, bukan fakta yang diketahui dengan tepat setiap bulan. Jerome Powell menjelaskan ketidakpastian estimasi tingkat alami secara real time dan kemungkinan revisi ketika informasi baru tersedia. {source:fedPowellMonetaryPolicyChangingEconomy2018} {source:frbMishkinPotentialOutput2007}

Kesenjangan pengangguran dapat didefinisikan sebagai:

Kesenjangan pengangguran = tingkat pengangguran teramati − tingkat acuan yang diestimasi

Hasil positif berarti tingkat teramati berada di atas acuan estimasi; hasil negatif berarti berada di bawahnya. Nyatakan selisih dalam poin persentase: perubahan dari 4,2% menjadi 4,6% adalah 0,4 poin persentase, bukan kenaikan relatif sebesar 0,4%. Laporan lain dapat memakai urutan pengurangan sebaliknya, jadi periksa konvensi tandanya sebelum menafsirkan hasil.

Tanda kesenjangan saja tidak menentukan apa yang akan terjadi pada harga atau upah. Tingkat acuan itu sendiri adalah estimasi, sementara inflasi juga dipengaruhi ekspektasi, guncangan, dan faktor kelembagaan. Kesenjangan membantu menyusun perbandingan antara tingkat teramati dan acuan model; ini bukan prakiraan tersendiri.

Misalkan tingkat U-3 yang teramati adalah 4,6%. Hanya untuk contoh pembelajaran ini, satu lembaga memperkirakan NAIRU sebesar 4,2%, sedangkan lembaga lain memperkirakan 5,0%. Berdasarkan definisi di atas:

• Estimasi pertama: 4,6% − 4,2% = +0,4 poin persentase; pengangguran teramati berada di atas acuannya.
• Estimasi kedua: 4,6% − 5,0% = −0,4 poin persentase; pengangguran teramati berada di bawah acuannya.

Tingkat pengangguran teramati tidak berubah; patokan yang tidak teramati itulah yang berbeda. Tidak satu pun estimasi membuktikan bahwa inflasi akan naik atau turun, dan angka ini bukan data terkini atau prakiraan. Contoh tersebut menunjukkan mengapa metode dan ketidakpastian perlu dibaca bersama estimasinya.

Periksa lembaga yang menyusun estimasi, definisi tingkatnya, periode yang dicakup, dan kapan angka itu diterbitkan atau direvisi. Lalu periksa rumus kesenjangan dan ukuran pengangguran yang digunakan. Bandingkan dengan partisipasi angkatan kerja, jumlah orang bekerja, lowongan, dan arus perpindahan pekerjaan; tiap indikator mengukur sisi yang berbeda. Panduan tentang kurva Phillips membahas hubungan model antara kelonggaran pasar kerja dan inflasi; U-3 dan U-6 menjelaskan cakupan ukuran pengangguran; sedangkan kurva Beveridge mengulas lowongan dan pencocokan pekerja dengan pekerjaan.

Tidak ada satu NAIRU global yang tetap dan tidak ada jaminan bahwa tingkat tertentu akan mempertahankan inflasi pada angka tertentu. Gunakan NAIRU sebagai acuan analitis yang dapat berubah, dan sebutkan model, periode, serta ketidakpastiannya.