4 Alpha Research 研究员：Kamiu
Dalam domain ekonomi global saat ini, data ketenagakerjaan memiliki kepentingan yang jelas bagi pembuat kebijakan moneter global dan pasar perdagangan. Sebagai indikator penting untuk mengukur perkembangan ekonomi, data ketenagakerjaan non-pertanian Amerika Serikat selalu diikuti dengan cermat. Namun, selama waktu yang lama, ada keraguan di pasar: mengapa data ketenagakerjaan Amerika Serikat sering bertentangan dengan tren CPI, dan mengapa ada perbedaan yang signifikan antara data survei rumah tangga dan survei perusahaan? Perbedaan ini membuat sebagian orang meragukan data ketenagakerjaan non-pertanian yang dikeluarkan oleh Departemen Tenaga Kerja Amerika Serikat, mereka berpikir bahwa ada kemungkinan kesalahan atau bahkan penilaian yang terlalu tinggi secara sistematis, terutama setelah data non-pertanian yang tidak biasa terjadi sejak tahun 2024, dan data non-pertanian Juli 2024 jauh melampaui perkiraan, memicu keraguan sistematis terhadap data non-pertanian.
Selanjutnya, kami akan membahas penyebab di balik fenomena ini, serta dampaknya terhadap analisis pasar dan pembuatan kebijakan yang mungkin terjadi.
Mengapa data ketenagakerjaan Amerika Serikat telah lama diragukan akurasinya, bahkan diduga secara sistemik terlalu tinggi?
Data Non-farm payroll employment yang dirilis setiap bulan oleh Departemen Tenaga Kerja Amerika Serikat (BLS) mencakup data jumlah pekerjaan, tingkat pengangguran, dan lain-lain, dan selalu dianggap sebagai salah satu indikator ekonomi makro yang paling penting. Jumlah pekerjaan non-farm baru mencerminkan jumlah posisi pekerjaan baru di sektor non-pertanian Amerika Serikat, termasuk semua industri di luar sektor pemerintah, seperti manufaktur, layanan, konstruksi, dan sebagainya. Data ini membantu dalam memahami kecepatan ekspansi pasar tenaga kerja Amerika Serikat dan tingkat ketegangan pasar tenaga kerja. Tingkat pengangguran mengacu pada proporsi angkatan kerja yang menganggur dalam jangka waktu tertentu dibandingkan dengan total angkatan kerja. Ini adalah indikator penting lainnya dalam mengukur kondisi ekonomi yang sehat, yang mencerminkan tingkat pengangguran di pasar tenaga kerja. Upah rata-rata mencerminkan tingkat pendapatan pekerja Amerika Serikat dan merupakan indikator penting dalam mengukur daya beli konsumen dan potensi tekanan inflasi.
Data non-pertanian memiliki dampak penting pada pasar keuangan, pembuatan kebijakan pemerintah, dan perkiraan ekonomi. Investor, ekonom, dan pembuat kebijakan mengikuti laporan ini dengan cermat untuk mengevaluasi tren ekonomi Amerika dan membuat keputusan dan investasi yang sesuai. Kinerja data non-pertanian sering mempengaruhi kebijakan moneter Federal Reserve AS, yang pada gilirannya mempengaruhi pasar keuangan global. Namun, pandangan yang semakin banyak menganggap bahwa data pekerjaan AS tidak akurat dalam beberapa tahun terakhir, mungkin ada sistematis pembengkakan, terutama karena beberapa alasan berikut:
1、Perbedaan antara data non-pertanian dari sumber yang berbeda semakin besar (seperti yang dijelaskan secara rinci di bawah), masalah ketidakstabilan data semakin terlihat, sehingga kepercayaan pada data ketenagakerjaan non-pertanian dipertanyakan;
- Terdapat potensi kontradiksi antara data makro yang berbeda. Dalam tren penurunan data CPI baru-baru ini, pasar tenaga kerja masih menunjukkan tanda-tanda moderat naik berturut-turut, perbandingannya seperti berikut:
Januari 2024：
CPI: Berdasarkan data Biro Statistik Tenaga Kerja Amerika Serikat, CPI bulan Januari turun 0,1% dibandingkan bulan sebelumnya, naik 6,4% dibandingkan tahun sebelumnya.
Data Ketenagakerjaan Non-Pertanian: Jumlah orang yang bekerja tambahan pada bulan Januari adalah 517,000, tingkat pengangguran tetap pada 3.4%.
Februari 2024:
CPI: Indeks Harga Konsumen (IHK) Februari tetap stabil secara bulanan, naik 6,0% secara tahunan.
Data Ketenagakerjaan Non-Pertanian: Jumlah penambahan pekerja non-pertanian pada bulan Februari adalah 311 ribu orang, dengan tingkat pengangguran sedikit turun menjadi 3,3%.
Maret 2024：
CPI: CPI bulan Maret turun 0,2% secara bulanan, naik 5,2% secara tahunan.
Data pekerjaan non-pertanian: Jumlah pekerjaan non-pertanian baru bulan Maret adalah 235 ribu orang, tingkat pengangguran tetap.
April 2024:
CPI: CPI bulan April turun sebesar 0,4% secara bulanan, naik sebesar 4,9% secara tahunan.
Data Ketenagakerjaan Non-Pertanian: Jumlah penambahan pekerja non-pertanian pada bulan April adalah 213.000 orang, tingkat pengangguran naik sedikit menjadi 3,4%.
Mei 2024:
CPI: Indeks Harga Konsumen (IHK) turun 0,3% secara bulanan pada bulan Mei, naik 4,0% secara tahunan.
Data Ketenagakerjaan Non-Pertanian: Jumlah penambahan pekerja non-pertanian di bulan Mei adalah 184 ribu orang, tingkat pengangguran tetap pada 3,4%.
Juni 2024：
CPI: Indeks Harga Konsumen (IHK) turun 0,2% secara bulanan pada bulan Juni, tetapi naik 3,2% secara tahunan.
Data Pekerjaan Non-Pertanian: Pada bulan Juni, jumlah pekerjaan non-pertanian baru adalah 176.000 orang, dan tingkat pengangguran turun sedikit menjadi 3,3%.
Data di atas menggambarkan sebuah gambaran yang agak aneh, yakni pada paruh pertama tahun 2024, CPI Amerika Serikat menunjukkan kecenderungan penurunan bulanan, namun jumlah pekerjaan non-pertanian terus menunjukkan kekuatan yang sangat kuat, tidak sesuai dengan prediksi sederhana yang didasarkan pada kurva Phillips oleh para pengamat. Meskipun kurva Phillips telah banyak kali terbukti memiliki keterbatasan dalam kemampuannya untuk secara tepat memprediksi situasi nyata, dan elastisitas spesifiknya juga merupakan topik perdebatan yang langgeng dalam dunia ekonomi makro, namun ketidaksesuaian data dalam jangka waktu yang cukup lama sejak tahun 2023 hingga sekarang dengan kurva Phillips tetap akan mempertanyakan data itu sendiri (artikel ini sementara menunda diskusi yang sudah basi mengenai metode penghitungan CPI);
- Data non-pertanian termasuk data sub yang saling bertentangan, misalnya data ketenagakerjaan bulan Mei 2024 yang dianggap paling aneh dalam sepuluh tahun terakhir, jumlah tenaga kerja meningkat secara signifikan (naik), namun tingkat pengangguran juga meningkat secara signifikan (naik) meskipun tenaga kerja tidak meningkat secara signifikan, ini menyebabkan adanya pertentangan yang sulit dipahami (tentu saja jumlah posisi kerja baru non-pertanian bulan Mei telah direvisi secara signifikan pada bulan Juni, namun hal ini semakin memperkuat keraguan pasar dan komunitas komentar terhadap keandalan data awal);
4、 Mulai tahun 2024, data ketenagakerjaan non-pertanian telah direvisi beberapa kali. Sejak tahun 2023, data ketenagakerjaan non-pertanian yang dipublikasikan oleh Biro Statistik Tenaga Kerja Amerika Serikat telah beberapa kali mengalami revisi ke bawah. Misalnya, data non-pertanian bulan Mei 2024 menunjukkan penambahan lapangan kerja sebanyak 272 ribu orang, jauh melebihi harapan pasar sebesar 185 ribu orang, namun revisi ke bawah yang terjadi pada data non-pertanian sebelumnya membuat pasar meragukan keakuratan data ini. Bahkan Federal Reserve Philadelphia menyarankan bahwa data penambahan lapangan kerja non-pertanian tahun 2023 mungkin telah diestimasi terlalu tinggi hingga 800 ribu lapangan kerja.
- Data ketenagakerjaan non-pertanian bertentangan dengan data survei ketenagakerjaan lainnya dan terus menerus lebih tinggi dari perkiraan kolektif ekonom, Survei Ketenagakerjaan Triwulanan (QCEW) dan jumlah pekerjaan di perusahaan swasta Amerika (ADP) selama beberapa bulan terakhir telah menunjukkan tanda-tanda penurunan di pasar tenaga kerja Amerika, tetapi data non-pertanian terus menunjukkan ketahanan yang melebihi ekspektasi. Umumnya dianggap bahwa data ketenagakerjaan non-pertanian relatif tidak membedakan antara pekerjaan formal/informal, sementara QCEW dan lainnya lebih fokus pada statistik pekerjaan formal, dan memiliki batasan dalam statistik pekerjaan informal dan paruh waktu.
Kedua, perkenalkan secara singkat bagaimana data non-farm payrolls dihitung
BLS didasarkan pada serangkaian metode survei dan statistik yang rinci untuk menyusun data ketenagakerjaan non-pertanian. Berikut adalah langkah-langkah kunci dan metode perhitungan data ketenagakerjaan non-pertanian:
-
Survei Sampel: BLS mengumpulkan data melalui survei rumah tangga (Current Population Survey, CPS) dan survei bisnis (Current Employment Statistics, CES). Survei rumah tangga digunakan terutama untuk menghitung tingkat pengangguran dan tingkat partisipasi tenaga kerja, sementara survei bisnis digunakan untuk menghitung penambahan jumlah lapangan kerja dan rata-rata upah per jam;
-
Klasifikasi industri: Data ketenagakerjaan non-pertanian akan mengklasifikasikan ketenagakerjaan ke dalam berbagai kategori industri, seperti manufaktur, konstruksi, layanan, dll, untuk menganalisis situasi ketenagakerjaan di berbagai industri secara lebih rinci;
-
Penyesuaian Data: Terdiri dari penyesuaian musiman dan penyesuaian B/D:
- Untuk memastikan keakuratan data, BLS akan melakukan penyesuaian musiman terhadap data untuk menghilangkan pengaruh faktor musiman terhadap data ketenagakerjaan. Secara khusus, pertama-tama BLS menganalisis data historis untuk mengidentifikasi dan mengukur pola musiman. Pola musiman merujuk pada fluktuasi data ketenagakerjaan yang disebabkan oleh faktor rutin atau dapat diprediksi seperti hari libur, perubahan cuaca, liburan sekolah, dan sebagainya. Selanjutnya, BLS menggunakan metode analisis deret waktu S-ARIMA untuk memperoleh parameter model yang menghasilkan residu berbentuk kebisingan putih dari data historis, dan untuk melakukan diferensiasi musiman pada data asli, sehingga menghilangkan fluktuasi musiman.
- Karena survei CES tidak dapat secara real-time mencatat perubahan ketenagakerjaan pada perusahaan-perusahaan yang baru dibentuk dan ditutup, BLS menggunakan model Penyesuaian Kelahiran/Kematian (Birth/Death Adjustment) untuk memperkirakan perubahan ini guna mencerminkan keadaan pasar tenaga kerja secara lebih akurat, di mana: model kelahiran (Birth Model) memperkirakan lapangan kerja yang diciptakan oleh perusahaan-perusahaan baru yang didirikan. Model ini didasarkan pada data historis, mempertimbangkan tren naik turun yang berbeda di berbagai industri dan kondisi ekonomi makro untuk memprediksi kontribusi perusahaan baru terhadap pasar tenaga kerja; model kematian (Death Model): memperkirakan lapangan kerja yang hilang karena perusahaan-perusahaan yang telah ditutup. Model ini juga didasarkan pada data historis, menganalisis frekuensi dan pola kebangkrutan perusahaan serta dampak kondisi ekonomi makro terhadap kelangsungan hidup perusahaan.
III. Kesimpulan: Apakah Data Ketenagakerjaan AS Disengaja Diperbesar?
Penulis berpendapat bahwa, pada tingkat ini, CPI dan non-pertanian memiliki kesamaan yang mencurigakan, kedua data bulanan penting ini selalu dipertanyakan apakah sengaja dimanipulasi untuk memenuhi kebutuhan politikus AS yang berkuasa terhadap dukungan dan basis suara, sehingga mempertanyakan independensi Federal Reserve AS. Tentu saja, penulis tidak dapat sepenuhnya menyingkirkan kemungkinan konspirasi ini terbukti benar, tetapi tetap berpendapat bahwa secara keseluruhan, berbagai anomali dan inkonsistensi dalam data non-pertanian dalam beberapa tahun terakhir lebih disebabkan oleh metode statistik yang kuno, perubahan struktural ekonomi AS setelah wabah, dan peningkatan laju imigran ilegal yang semakin cepat, yang saling terkait.
1、Metode statistik usang
Seperti yang dijelaskan dalam teks berikut, pola operasi ekonomi Amerika Serikat mungkin telah mengalami perubahan struktural, tetapi penyesuaian musiman data CES dan penyesuaian B/D sangat bergantung pada pola data historis, yang dapat menyebabkan deviasi besar, terutama dalam kasus penyesuaian B/D yang paling banyak dikritik.
Menurut data, 231.000 dari semua pekerjaan nonpertanian baru pada bulan Mei berasal dari model B / D, yang merupakan perkiraan berdasarkan pendirian bisnis baru. Pekerjaan ini sebenarnya tidak dihitung sebagai dibuat, tetapi diasumsikan ada dan langsung dihitung dalam data. Sejak April 2023, model B/D telah menambahkan 1,9 juta pekerjaan, terhitung 56% dari semua pekerjaan baru yang diciptakan selama periode yang sama. Ini berarti bahwa lebih dari setengah “kenaikan pekerjaan” selama setahun terakhir berasal dari koreksi, yang menyebabkan sebagian besar pandangan pasar menunjukkan kepada pelakunya bahwa model B / D “keterlaluan” untuk data non-farm payrolls Mei '24, seperti yang ditunjukkan pada grafik di bawah ini. Dalam beberapa tahun terakhir, telah terjadi perbedaan persentase yang meningkat antara hasil CES dan CPS, yang juga dianggap sebagai bukti kuat bahwa metode pengambilan sampel CES dan metode penyesuaian statistik telah gagal secara serius.
2、Setelah wabah, struktur ekonomi Amerika mengalami perubahan struktural
Sebelum dan sesudah kejadian kesehatan masyarakat COVID-19, kita dapat melihat peningkatan besar dalam persentase pekerjaan tidak resmi dan penurunan cepat dalam keinginan pekerjaan kaum muda, fenomena ini masih berlanjut hingga saat ini. Saat ini, fenomena ini belum memiliki penjelasan yang sangat kuat, ada pandangan yang berpendapat bahwa peningkatan persentase pekerjaan tidak resmi dan penurunan keinginan pekerjaan mungkin disebabkan oleh dampak jangka panjang COVID-19 (LC) pada tingkat populasi keseluruhan yang menyebabkan penurunan kemampuan kerja secara keseluruhan, tetapi belum ada kesimpulan yang pasti. Namun, yang dapat dipastikan adalah peningkatan persentase pekerjaan paruh waktu akan sangat meningkatkan kesulitan dalam statistik ketenagakerjaan non-pertanian, karena data non-pertanian dikumpulkan melalui survei sampel, orang yang sama bekerja paruh waktu secara bersamaan akan secara tak terhindarkan menyebabkan peningkatan angka pekerjaan yang tercatat dibandingkan dengan situasi sebenarnya, dan menghilangkan kebisingan ini akan menyebabkan biaya survei yang tidak proporsional. Pada saat yang sama, keluarnya jumlah penduduk yang memenuhi syarat dari angkatan kerja (pembilang tingkat pengangguran) juga akan menyebabkan distorsi dalam statistik tingkat pengangguran dan penambahan angka pekerjaan.
3、Kegagalan Pengendalian Perbatasan, Tingkat Imigran Ilegal Masuk Semakin Meningkat
Hal ini terkait erat dengan perubahan struktur ekonomi yang disebutkan di atas, karena kemungkinan imigran ilegal tanpa identitas resmi untuk bekerja secara informal secara signifikan lebih tinggi. Pekerjaan imigran ilegal juga dapat menyebabkan bias dalam pengambilan sampel potensial.
Data pekerjaan non-pertanian BLS didasarkan pada survei sampel CES, jika sampel tidak mewakili dengan baik situasi pekerjaan imigran ilegal, maka hasil survei mungkin menyimpang dari situasi sebenarnya. Misalnya, jika survei CES lebih banyak mencakup perusahaan besar yang cenderung mempekerjakan pekerja legal, sementara mengabaikan perusahaan kecil atau ilegal tempat imigran ilegal lebih mungkin bekerja, maka data pekerjaan kemungkinan besar akan terlalu tinggi.
Konten ini hanya digunakan untuk berbagi informasi, tidak mempromosikan atau mendukung setiap tindakan bisnis dan investasi. Harap pembaca tunduk pada hukum dan peraturan di wilayah masing-masing, dan tidak terlibat dalam kegiatan keuangan ilegal. Tidak menyediakan akses perdagangan, panduan, atau arahan penerbitan untuk Uang Virtual, penerbitan terkait koleksi digital, perdagangan, atau pendanaan.
4 Alpha Research konten tidak boleh disalin, disalin, dll tanpa izin, pelanggar akan dituntut secara hukum.
