Ideologi ilmu ekonomi

Selama bertahun-tahun belajar "ilmu" ekonomi di kampus, saya menemukan pola perkuliahan yang jamak dilakukan baik di kampus di Indonesia maupun di luar negeri. Pola perkuliahan ini biasanya diawali dengan mewajibkan mahasiswa tahun pertama untuk mengambil mata kuliah ekonomi mikro, ekonomi makro, dan matematika ekonomi. Lalu di tahun kedua fakultas biasanya mewajibkan mahasiswa mengambil mata kuliah ekonometri.

Nah, di mata kuliah "keramat" bernama ekonomi mikro dan makro inilah kami disihir dengan berbagai model ekonomi yang begitu kompleks namun juga elegan, yang seakan bisa menggambarkan bagaimana manusia mengambil pilihan-pilihan sehari-hari. Misalnya kami diajari mengapa terlalu banyak menabung itu tidak baik, mengapa seorang tukang bakso mau menerima secarik kertas bertuliskan "Rp10.000", dan yang paling penting: bagaimana cara kita mencari untung sebanyak-banyaknya dengan ongkos sekecil-kecilnya. Itulah "ilmu" ekonomi.

Lalu apa masalahnya?

Masalahnya adalah 95% dari apa yang kami terima di ekonomi mikro, makro, ataupun ekonometri tidak terpakai di dunia kerja! Kecuali kami bekerja di lembaga penelitian atau kampus, sedikit sekali dari berbagai ilmu elegan yang kami terima dulu yang dipakai oleh kantor tempat kami bekerja. Bahkan dalam dunia penelitian pun acap kali terdapat gap yang lebar antara ilmu yang kami dapat (terutama untuk freshgraduate S1) dengan apa yang mesti kami teliti.

Kalau di dunia kerja saja ga berguna, bagaimana di percintaan? :D

Kenapa ini bisa terjadi?

Pertama, kita mesti menilik ke sejarah ilmu ekonomi. Fondasi ilmu ekonomi modern--terlepas dari kontroversi soal siapa yang sebenarnya memulai--dibangun oleh Adam Smith pada abad ke-17. Adam Smith melihat bahwa feodalisme mengekang kebebasan manusia dalam berkehidupan: barang dan uang dimonopoli oleh segelintir penguasa dengan memperbudak bagian besar rakyat. Adam Smith mendobrak konsep ini dengan konsep kebebasan berkeadilan, dimana rakyat sendirilah yang semestinya menentukan nasib dirinya sendiri. Jika seseorang lebih suka menanam gandum, maka biarlah dia menanam gandum, toh kalau gandumnya tidak terjual ya yang rugi si petani gandum itu sendiri. Seorang petani gandum yang rasional akan melihat bahwa lebih menguntungkan untuk, misalnya, berjualan baju daripada menanam gandum. Inilah sesungguhnya konsep invisible hand yang terkenal itu...

Sayangnya dalam pengajaran ilmu ekonomi konsep invisible hand secara derogatif diartikan "biarkan pasar yang menentukan segalanya". Ini tentu salah besar. Ingat, sang petani gandum akan beralih profesi menjadi penjual baju kalau dia rasional dan individu-individu lain juga berlaku rasional. 

Ilmu ekonomi sebenarnya mengajarkan tentang konsep rasionalitas, namun sayangnya konsep ini diajarkan secara sempit dan kaku. Sebagian beralasan: demi menjaga elegansi teori ilmu ekonomi itu sendiri! Ini membolak-balik nalar! Kita belajar ilmu ekonomi agar kita paham tentang apa yang terjadi sehari-hari, bukan agar kita memaksakan apa yang diteorikan dengan kenyataan. Tentunya model-model ekonomi ini bukan tak berguna, dia adalah "peta" bagi kehidupan sehari-hari, namun bukan berarti "peta" yang dibuat di abad ke-17 masih layak dipakai di abad ke-21.

Peta dunia yang dibuat 4000 tahun yang lalu 

Sekarang kita melompat ke masa kini. Krisis ekonomi global yang terjadi tahun 2008 lalu mencoreng muka para ekonom yang gagal memprediksi terjadinya krisis ini. Meski sebagian ekonom mengakui dengan besar hati kegagalan mereka, tapi beberapa ekonom justru menyalahkan para pejabat yang mengambil keputusan tanpa berpegang pada prinsip ekonomi. Sekali lagi, dunia terbolak-balik. Ilmu ekonomi mengajarkan apa yang idealnya terjadi di dunia yang serba sempurna, ilmu ekonomi tidak memaksakan apa yang yang diteorikan harus diterapkan atau terjadi di dunia nyata.

Begitu buruknya reputasi ilmu ekonomi, sebagian orang menganggap Nobel ilmu ekonomi tak layak disejajarkan dengan Nobel bidang-bidang lainnya:

“The Economics Prize has nestled itself in and is awarded as if it were a Nobel Prize. But it’s a PR [public relation] coup by economists to improve their reputation ... It’s most often awarded to stock market speculators ... There is nothing to indicate that [Alfred Nobel] would have wanted such a prize,” Peter Nobel (http://www.thelocal.se/2173/20050928/)

Lalu kesimpulannya?

Kira-kira begini rekapnya:

1. Fondasi ilmu ekonomi adalah konsep-konsep yang maju dan sekaligus kompleks 
2. Namun kemudian terjadi reduksi konsep yang kompleks ini demi kenyamanan berteori (dan pengajaran)
3. Begitu ada ketidakcocokan antara teori dan praktek, sebagian "oknum" ekonom justru menyalahkan mereka yang di dunia nyata

Inilah sebabnya kenapa sebagian orang sinis dengan keilmuan "ilmu" ekonomi. Selama kita hanya melihat ekonomi hanya sebagai rentetan rumus dan model elegan tanpa ada kepraktisan di dunia nyata, maka pantaslah kita memberi imbuhan "ideologi" di depan "ilmu ekonomi".

"Ideologi ilmu ekonomi"

Lalu apa yang mesti para ekonom lakukan? Saya bukan ekonom yang pantas mengajari ekonom lain, tapi boleh dong saya memberi saran ke diri saya sendiri.

Langkah pertama, bukalah diri terhadap ilmu-ilmu lain. Sejak beberapa dekade terakhir ilmu ekonomi telah banyak terpengaruh oleh cabang-cabang ilmu yang tidak terduga sebelumnya. Biasanya ilmu ekonomi dekat dengan ilmu politik dan matematika/statistika. Namun kini makin banyak penelitian yang menggabungkan konsep ilmu ekonomi dengan ilmu psikologi, neuroscience, biologi, hingga fisika. Bahkan tren di beberapa cabang ilmu ekonomi yang dulunya tidak dianggap kini mulai mengalahkan kepopuleran cabang ilmu ekonomi yang "tradisional".



Kedua, tidak semua yang tradisional itu buruk. Model-model ekonomi standar tetap mesti diajarkan, dengan menekankan bahwa ini demi menyederhanakan masalah yang kompleks, bukan mereduksinya. Lalu seperti yang saya bilang diatas, ilmu ekonomi umumnya dekat dengan ilmu politik. Oxford University, misalnya, menawarkan program S1 "Philosophy, Politics and Economics". Benar-salah ditilik dari sisi filosofi, untung-rugi ditimbang dari segi ekonomi, dan eksekusi ditinjau dari sisi politik, kira-kira begitu. 

Yes you are, sir

Ketiga, fokus pada kekuatan ilmu ekonomi. Selama bertahun-tahun belajar ilmu ekonomi, kerap kali saya mendengar istilah ilmu ekonomi sebagai the queen of social sciences. Maksudnya, ilmu ekonomi tidak cuma bisa mengatakan untung atau rugi, tapi seberapa besar untungnya atau seberapa besar ruginya. Ini terkait dengan kentalnya pengajaran ekonometrika dan statistika di bangku perkuliahan. Pakailah ekonometrika, tunjukkan kekuatannya, dan yang lebih penting: ketahui kelemahannya dan jujurlah dalam menyampaikan hasilnya.

Keempat, ilmu ekonomi bagi saya adalah ilmu tentang insentif. Misalnya, saya suka aktif di media sosial karena saya menikmati berbagi informasi (plus curhat tentunya) ke orang lain. Motivasi saya ini tentu tak bisa saya paksakan, orang lain mungkin melihat insentif untuk aktif di media sosial karena dibayar (jadi ingat #3macan2000). Karena itu penting buat kita untuk memahami apa saja insentif yang mungkin mempengaruhi individu-individu.

Kelima, praktekkan! Ini mungkin saran yang paling susah. Banyak teori ekonomi yang secara elegan memberi solusi bagi masalah sehari-hari, misalnya pajak untuk polusi, alokasi ideal untuk donor tubuh, dan bagaimana cara terbaik menentukan siapa yang layak mendapat bantuan langsung tunai.

Tentu kelima saran tadi tidak serta merta bisa membuat ilmu ekonomi jadi lebih terpakai di dunia nyata, tapi paling tidak mahasiswa yang belajar ilmu ekonomi++ ini bisa lebih merasa tercerahkan tentang bagaimana dunia disekitar mereka bekerja. Tentu tak jelek bukan kalau kita jadi lebih paham? ;)

Tentang angka 0 dan 1

Pagi kawans! Lama tak bersua dengan blog ini, mari kita isi hari pertama di bulan November ini dengan tulisan yang mungkin tak terlalu populer diantara kita: binary response model!

Sedikit pengantar tentang binary response model
Ya, saya paham kalau pembaca langsung mengernyitkan dahi begitu melihat judul blog ini lalu membaca paragraf pertama di atas: "apa hubungannya angka nol dan satu dan binary response model?" Buat beberapa teman yang cukup akrab dengan matematika tentu tahu bahwa bilangan biner (binary) terdiri dari angka 0 dan 1, tapi apa maksudnya dengan binary response model?

Sebelum beranjak ke apa itu binary response model, ada baiknya kita mulai celoteh pagi ini dengan kilasan singkat tentang ekonometri.

Ekonometri pada dasarnya adalah studi yang menggabungkan metode statistik, matematika, dan teori ekonomi untuk mengatahui hubungan sebab-akibat dari sebuah fenomena ekonomi: jika x (misal harga beras) naik maka y (misal jumlah beras yang dibeli konsumen) turun, seperti yang diprediksi teori permintaan. 

Nah salah satu cabang dari ekonometri adalah binary response model, dimana variabel y diatas hanya terdiri dari angka 0 dan 1. Lalu apa maksudnya dengan angka 0 dan 1? Bilangan biner dipilih biasanya untuk merepresentasikan sebuah fenomena kualitatif.

Misalnya, fenomena tentang pemilu, dimana kita ingin membuktikan apakah faktor-faktor yang kita anggap berandil dibalik menangnya politisi (y=1 jika politisi menang, y=0 jika dia kalah) memang benar adanya. Jadi model ini mencoba menghitung kemungkinan (probabilitas) seorang politisi menang dalam pemilu setelah memperhitungkan faktor-faktor yang mungkin menjadi penyebabnya (variabel x, misalnya kekayaan sang politisi, jumlah pemilih di daerahnya, dan seterusnya).



Linear probability model (LPM)
Bentuk paling dasar dari binary response model adalah linear probability model (LPM) dimana kita mengestimasi parameter dari variabel x dengan pendekatan ordinary least square (OLS). Misalnya hasil estimasi untuk model politisi diatas:

y = 0.05 + 0.6*kekayaan + 0.5*incumbent - 0.9*korupsi + error

Interpretasi dari angka diatas adalah jika politisi tersebut adalah seorang incumbent (nilai variabel incumbent juga binary, incumbent=1 jika dia saat ini juga menjabat) maka probabilitas dia menang pemilu naik 50%, ceteris paribus. Namun jika dia pernah korupsi (korupsi=1) maka kemungkinan dia menang turun 90%.

Sekilas model ini tampak cukup untuk menjawab kebutuhan kita, namun ada satu masalah besar: perkiraan nilai y bisa negatif. Contoh: jika seorang politisi punya kekayaan sebesar Rp0.5 miliar (variabel kekayaan=0.5), dan dia juga sedang menjabat (incumbent=1), namun saat ini sedang dijerat KPK (korupsi=1), maka prediksi nilai y=-0.5. Angka negatif ini jelas tidak masuk akal karena kita menghitung probabilitas seorang politisi memenangkan pemilu, tidak ada probabilitas yang angkanya diluar rentang 0 dan 1.

Nah salah satu cara mengatasi angka prediksi yang negatif adalah dengan mengindeks prediksi dari model ekonometri yang kita pakai dengan model probit atau logit.

Probit dan logit
Formula dalam model probit (distribusi normal) dan logit (distribusi logistic) keduanya memiliki ciri yang khas: angka apapun yang dimasukkan kesitu hasilnya pasti terletak antara 0 dan 1. Jadi ini tentu menjadi solusi bagi model LPM yang saya singgung sebelumnya.

Distribusi logistic

Distribusi normal

Perbedaan logit dan probit hanya pada distribusi datanya: jika kita anggap error terdistribusi normal maka kita pakai probit, namun jika kita asumsikan distribusinya logistic ya kita pakai logit (bahkan bentuk kedua distribusi ini sangat mirip seperti gambar diatas). Sedikit informasi, kebanyakan ekonom lebih menyukai distribusi normal.

Namun sayangnya kita tidak bisa secara langsung menginterpretasikan hasil estimasi model probit/logit. Kenapa begitu? Karena kita mengindeks prediksi dengan formula distribusi normal (probit) atau formula distribusi logistic (logit) yang mana keduanya adalah model non-linear. Misal hasil estimasi dengan logit adalah: 

y = 0.03 + 0.7*kekayaan + 0.5*incumbent - 0.85*korupsi + error

Kita tidak bisa menginterpretasikan angka 0.5 diatas sama seperti dalam model LPM. Instead, kita mesti mengalikan angka tersebut dengan scale factor tertentu. Untungnya bermacam aplikasi statistik saat ini memungkinkan kita untuk mendapatkan angka yang bisa diinterpretasikan secara langsung (seperti dalam LPM) hanya dengan mengetik beberapa perintah saja. Misalnya, dengan Stata kita cukup mengetik: margins, dydx(*) dan, voila!, layar didepan kita akan langsung tersaji sederet angka yang siap diinterpretasikan secara langsung seperti di LPM.

Demikian ulasan singkat tentang binary response model, semoga bisa memberi inspirasi bagi kawan-kawan yang sedang bergelut dengan belajar dan bekerja. Selamat siang.

Stata Center di MIT (ajaib, seperti softwarenya)