Geopolitical Commodity Shock 2026 dan Stabilitas Ekonomi Dinamis Indonesia

Working Paper — Geopolitical Commodity Shock 2026 dan Stabilitas Ekonomi Indonesia
Working Paper · versi konseptual–empiris berbasis data resmi 2026

Geopolitical Commodity Shock 2026 dan Stabilitas Ekonomi Dinamis Indonesia

Tekanan energi dan pupuk, peluang logam strategis, serta desain respons kebijakan Indonesia dalam kerangka New Monetary Trinity: stabilitas harga, stabilitas sistem keuangan, dan keberlanjutan fiskal.

TVAR / TVECM TVP-VAR / TVP-VECM Machine Learning Indonesia 2026 Commodity shock

1. Ringkasan Eksekutif

World Bank memproyeksikan kenaikan harga komoditas global pada 2026 akibat guncangan geopolitik yang merambat dari energi ke pupuk, pangan, dan inflasi. Bagi Indonesia, persoalannya tidak tunggal: lonjakan minyak dan pupuk menciptakan tekanan terhadap rupiah, inflasi, dan APBN, sementara kenaikan logam strategis membuka peluang ekspor, hilirisasi, dan investasi produktif.

H1

Energy shock

Harga energi memperbesar tekanan nilai tukar, biaya subsidi, dan imported inflation.

H2

Fertilizer–food

Harga pupuk global menekan biaya produksi pangan dan berpotensi memicu inflasi pangan tertunda.

H3

Metals upside

Logam strategis memberi bantalan ekspor dan peluang hilirisasi, tetapi tidak otomatis menyerap tekanan energi.

H4

Dynamic stability

Dampak bersih shock ditentukan oleh koordinasi moneter–fiskal, arus modal, dan efektivitas stabilisasi.

Posisi paper: dokumen ini adalah working paper skala project dengan pilot empirical calibration berbasis angka resmi 2026 yang telah tersedia dan arsitektur estimasi penuh TVAR/TVECM, TVP-VAR/TVP-VECM, dan ML untuk dataset historis lengkap.

2. Fakta Dasar dan Data Riil 2026

BlokIndikatorAngka riil / proyeksiMakna analitis
GlobalIndeks total komoditas 2026+15,5%Tekanan eksternal serentak, bukan sekadar shock minyak.
GlobalEnergi / pupuk / metals & minerals+23,6% / +30,7% / +16,6%Triple shock: energi–pangan–logam.
GlobalBrent / urea / nickel / tin+24,6% / +59,7% / +12,1% / +20,4%Tekanan biaya input dan peluang ekspor mineral.
IndonesiaICPUS$68,79 → US$102,26Naik 48.66% dalam satu bulan.
IndonesiaInflasi IHK3,55% → 4,76% → 3,48% → 2,42%Inflasi 2026 tetap terkendali pada April, tetapi risiko pass-through tertunda perlu diuji.
IndonesiaJISDORRp17.378 → Rp17.666Depresiasi sekitar 1.66% dari 30 Apr ke 18 Mei.
FiskalSubsidi & kompensasiRp118,7 triliun per 5 Mei 2026APBN berfungsi sebagai shock absorber.
Gap ICP vs asumsi APBN US$70+46.1%
Gap JISDOR vs Rp16.500+7.1%
Penurunan inflasi Feb → Apr2.34 ppt
Fertilizer Apr 2026 (m/m)+14,0%

ICP Indonesia

Lonjakan ICP menggambarkan transmisi shock energi ke benchmark domestik.

Inflasi IHK 2026

Inflasi menurun pada Maret–April, namun model perlu menguji efek tunda dari energi dan pupuk.

JISDOR

Rupiah menunjukkan tekanan baru pada pertengahan Mei 2026.

3. Kerangka Teori dan Desain Metode

Working paper ini menggabungkan tiga lapis analisis: mekanisme ekonomi, model dinamis nonlinier, dan prediksi berbasis machine learning. Kerangka konseptualnya diselaraskan dengan temuan disertasi tentang transmisi yang state-dependent dan time-varying dalam menjaga stabilitas makro-finansial Indonesia.

3.1 Struktur variabel utama

Global shock vector Zₜ = [Δln Brent, Δln Fertilizer, Δln Metals]

Indonesia vector Yₜ = [πₜ, Δln FXₜ, iₜ, fiscalₜ, exportₜ, outputₜ]

Stability score Sₜ = f(price stability, financial stability, fiscal sustainability)

3.2 Logika identifikasi

Shock energi dan pupuk diposisikan sebagai external cost-push shock, sedangkan metals diposisikan sebagai external revenue / export-buffer channel. Dampak akhirnya bersifat asimetris dan dapat berpindah rezim saat tekanan eksternal melewati ambang tertentu.

3.3 Model VECM

ΔYₜ = αβ′Yₜ₋₁ + Σᵢ₌₁ᵖ₋₁ ΓᵢΔYₜ₋ᵢ + ΨXₜ + εₜ Keterangan: α = kecepatan penyesuaian menuju keseimbangan jangka panjang β′Yₜ₋₁ = error-correction term (ECT) Γᵢ = dinamika jangka pendek Xₜ = shock eksogen: energi, pupuk, metals, dummy perang / ketegangan geopolitik
Kegunaan: VECM digunakan untuk menguji apakah komoditas global, rupiah, inflasi, fiskal, dan ekspor Indonesia bergerak dalam keseimbangan jangka panjang.

3.4 Model TVAR / TVECM

Jika qₜ₋d ≤ τ: ΔYₜ = μ₁ + α₁β′Yₜ₋₁ + Σ Γ₁,ᵢΔYₜ₋ᵢ + B₁Zₜ + ε₁,ₜ Jika qₜ₋d > τ: ΔYₜ = μ₂ + α₂β′Yₜ₋₁ + Σ Γ₂,ᵢΔYₜ₋ᵢ + B₂Zₜ + ε₂,ₜ qₜ₋d dapat berupa: (1) ECT, sebagaimana dalam threshold cointegration; (2) Commodity Stress Index; (3) kombinasi oil shock + FX pressure.

Rezim 1 — tekanan terkendali

Shock komoditas masih dapat diserap oleh stabilisasi nilai tukar, bauran kebijakan, dan ruang fiskal.

Rezim 2 — tekanan tinggi

Energy shock, tekanan rupiah, dan biaya fiskal meningkat secara nonlinier; instrumen stabilisasi harus lebih agresif.

3.5 Model TVP-VAR / TVP-VECM

Yₜ = cₜ + A₁,ₜYₜ₋₁ + … + Aₚ,ₜYₜ₋ₚ + uₜ, uₜ ~ N(0, Σₜ) vec(Aₜ) = vec(Aₜ₋₁) + ηₜ Untuk versi TVP-VECM: ΔYₜ = αₜβ′Yₜ₋₁ + Σ Γᵢ,ₜΔYₜ₋ᵢ + BₜZₜ + uₜ

Model time-varying diperlukan karena efek oil shock 2026 tidak harus sama dengan shock 2022, pandemi, atau periode normal. Parameter transmisi dapat berubah seiring perubahan struktur energi, kredibilitas fiskal, dan kedalaman pasar keuangan.

3.6 Machine Learning sebagai early-warning layer

Target 1: ŷₜ₊ₕ = fθ(Xₜ) → proyeksi inflasi / tekanan rupiah / fiscal stress Target 2: P(Regime = High Stress | Xₜ) Fitur: – Brent, ICP, fertilizer index, base metals – JISDOR, cadangan devisa, BI-Rate – inflasi, volatile food, administered prices – subsidi & kompensasi, trade balance, ekspor logam – lag, rolling volatility, interaction terms Model: Random Forest, Gradient Boosting / XGBoost, Neural Network Evaluasi: RMSE, MAE, AUC, F1-score, SHAP / feature importance
Machine Learning dipakai untuk prediksi dan deteksi pola nonlinier, sedangkan TVECM/TVP-VECM dipakai untuk mekanisme ekonomi dan inferensi dinamika. Keduanya saling melengkapi, bukan saling menggantikan.
Tahapan estimasi lengkap yang disarankan
1
Bangun dataset bulanan dan triwulanan. Bulanan untuk shock cepat; triwulanan untuk PDB, investasi, dan ruang fiskal.
2
Transformasi. Log-difference untuk harga, kurs, ekspor; level / yoy untuk inflasi; standardisasi bila masuk ML.
3
Uji unit root. ADF, PP, KPSS.
4
Uji kointegrasi. Johansen untuk VECM; lanjutkan threshold cointegration untuk TVECM.
5
Estimasi threshold. Grid search τ; uji Sup-LM untuk rezim nonlinier.
6
Estimasi TVP-VAR/TVP-VECM. Bayesian MCMC; koefisien dan volatilitas boleh berubah waktu.
7
ML forecasting. Train/validation/test split berbasis waktu; model tree, boosting, NN; interpretasi dengan SHAP.
8
Validasi silang lintas model. Cocokkan IRF, perubahan parameter, early-warning score, dan simulated stress test.

4. Hasil Empiris Awal dan Diskusi

Bagian ini mengolah data riil 2026 yang telah tersedia dari sumber resmi. Temuan berikut adalah empirical pilot, bukan hasil final estimasi TVAR/TVP-VECM atas seluruh panel historis.

4.1 Shock eksternal bersifat berlapis

Proyeksi World Bank menunjukkan tekanan terbesar berasal dari energi dan pupuk, sementara metals memberi sisi positif bagi negara yang punya basis ekspor mineral dan hilirisasi.

Energy +23,6% Fertilizers +30,7% Metals +16,6% Urea +59,7%

4.2 Indonesia menghadapi “oil–FX–fiscal triangle”

ICP melonjak 48.66% pada Maret 2026, JISDOR melemah sekitar 1.66% dalam rentang 30 April–18 Mei, dan realisasi subsidi & kompensasi telah mencapai Rp118,7 triliun. Ini menunjukkan pentingnya membaca energy shock bukan hanya sebagai inflasi, tetapi sebagai tekanan simultan terhadap kurs dan fiskal.

4.3 Inflasi saat ini terkendali, tetapi risiko belum selesai

Inflasi IHK turun dari 4,76% pada Februari menjadi 2,42% pada April. Namun, World Bank menekankan bahwa kenaikan minyak akibat geopolitical supply shock dapat merambat ke gas dan pupuk dengan puncak efek sekitar satu tahun kemudian. Karena itu, stabilitas harga yang terlihat saat ini tidak otomatis menutup risiko inflasi tertunda.

4.4 Metals boom dapat menjadi buffer, bukan obat tunggal

Forecast nickel, tin, aluminum, dan copper menguat. Indonesia memiliki basis hilirisasi yang besar, ditunjukkan oleh realisasi investasi hilirisasi Januari–September 2025 sebesar Rp431,4 triliun. Namun manfaat logam baru efektif bila mampu memperkuat ekspor bernilai tambah, penerimaan, dan penciptaan kerja domestik.

Interpretasi New Monetary Trinity:
Stabilitas harga diuji oleh pass-through energi–pupuk.
Stabilitas sistem keuangan diuji oleh tekanan rupiah, arus modal, dan kepercayaan investor.
Keberlanjutan fiskal diuji oleh subsidi/kompensasi dan kebutuhan pembiayaan saat shock berkepanjangan.
HipotesisTemuan awal berbasis data riilModel utama untuk pengujian penuh
H1 Energy shockICP +48,65%; JISDOR tertekan; subsidi & kompensasi sudah tinggi.TVECM / TVP-VECM + oil shock IRF
H2 Fertilizer–foodPupuk global diproyeksikan +30,7%; fertilizer index April +14% m/m.TVAR dan ML forecasting untuk food inflation / NTP
H3 Metals upsideMetals & minerals +16,6%; tin +20,4%; nickel +12,1%; hilirisasi menjadi channel penyangga.VECM ekspor–investasi–PDB industri + ML feature importance
H4 Dynamic stabilityTekanan dan peluang hadir bersamaan; kebijakan harus regime-dependent.TVP-VAR/TVP-VECM + composite stress score

5. Kalkulator dan Simulator Interaktif

Seluruh simulator di bawah bersifat stress-test pedagogis dan tidak menggantikan estimasi ekonometrika penuh.

5.1 Oil Shock Spillover Calculator

Kalibrasi linear berbasis temuan World Bank: shock minyak 10% → gas ~7% dan pupuk >5% pada puncaknya.

Masukkan shock lalu klik tombol.

5.2 Fiscal Pressure Simulator

Mengukur tekanan relatif terhadap asumsi dasar APBN: ICP US$70/barel dan kurs Rp16.500/US$.

Simulator siap.

5.3 Net Commodity Stress Score

Energi dan pupuk menaikkan tekanan; metals memberi bantalan ekspor. Bobot dapat dipakai sebagai indeks awal proyek.

Score akan muncul di sini.

5.4 TVAR Threshold Playground

Ilustrasi klasifikasi rezim berdasarkan Commodity Stress Index (CSI). Threshold ini bersifat pedagogis, bukan hasil estimasi.

Rezim akan muncul di sini.

5.5 ML Early-Warning Prototype

Skor prototipe untuk “High Macro Stress” berbasis tiga indikator. Model riil kelak diganti RF/XGBoost/NN setelah dataset lengkap.

Skor prototipe belum dihitung.

5.6 Export Buffer Simulator

Ilustrasi apakah metals boom cukup menjadi bantalan terhadap tekanan energi–pupuk.

Hasil buffer akan muncul.

6. Rancangan Dataset Final untuk Estimasi Penuh

DatasetFrekuensiVariabelModel
Monthly Commodity–Macro 2010–2026, bulanan Brent, ICP, fertilizer, metals, inflation, JISDOR, BI-Rate, cadangan devisa, trade balance, subsidi TVAR / TVECM / ML
Quarterly Structural Impact 2010Q1–2026Qx PDB, investasi hilirisasi, ekspor logam, fiscal balance, exchange rate, commodity indexes VECM / TVP-VAR / TVP-VECM
Development & Job Creation 2015–2026 NTP, NTUP, tenaga kerja, kemiskinan, investasi sektoral, produksi pangan Panel extension / ML early warning

7. Kontribusi Ilmiah dan Kebijakan

Kontribusi konseptual

Membaca shock 2026 sebagai commodity trilemma: menjaga daya beli, menjaga stabilitas kurs, dan menjaga ruang fiskal.

Kontribusi empiris

Mengintegrasikan oil–fertilizer–metals shock ke dalam model nonlinier dan time-varying untuk konteks Indonesia.

Kontribusi kebijakan

Menawarkan stress-test berbasis data untuk bauran kebijakan BI–Kemenkeu dalam kerangka New Monetary Trinity.

8. Referensi Kunci

  1. World Bank Group. Commodity Markets Outlook, April 2026 dan press release terkait proyeksi komoditas, energi, pupuk, dan metals.
  2. Bank Indonesia. Data inflasi, JISDOR, dan siaran pers RDG April 2026 terkait stabilisasi rupiah, NPI, dan kebijakan moneter.
  3. Kementerian ESDM. Penetapan ICP Maret 2026 sebesar US$102,26/barel.
  4. Kementerian Keuangan. APBN KiTa April 2026; asumsi dasar APBN dan realisasi subsidi & kompensasi.
  5. BKPM. Realisasi investasi hilirisasi Januari–September 2025.
  6. Hansen, B.E., & Seo, B. (2002). Threshold cointegration in vector error-correction models.
  7. Primiceri, G.E. (2005). Time-Varying Structural Vector Autoregressions and Monetary Policy.
  8. Breiman, L. (2001). Random Forests.
  9. Friedman, J.H. (2001). Greedy Function Approximation: A Gradient Boosting Machine.
  10. Chen, T., & Guestrin, C. (2016). XGBoost.
  11. Lundberg, S.M., & Lee, S.-I. (2017). SHAP.
  12. Dudi Duta Akbar. Disertasi: Strategi Quantitative Easing dan New Monetary Trinity di Indonesia.
  13. Gu, Kelly, & Xiu. Empirical Asset Pricing via Machine Learning.