Apa Itu Contoh Perhitungan Nonfarm Payrolls? (Dengan Asumsi)
Nonfarm Payrolls dalam istilah sederhana
Nonfarm Payrolls (sering disingkat NFP) adalah statistik ketenagakerjaan yang banyak dirujuk dan mengukur berapa banyak orang yang bekerja di pekerjaan di luar sektor pertanian. Bagian “nonfarm” sangat penting: statistik ini tidak mencakup pekerjaan di sektor pertanian, sehingga angka tersebut dimaksudkan untuk mewakili kondisi pasar tenaga kerja yang lebih luas, bukan pekerjaan yang terkait dengan pertanian.
Ketika orang membahas “kejutan” NFP, mereka biasanya berarti perubahan bulanan aktual berbeda dari yang diharapkan oleh para peramal. Kerangka berpikir ini penting untuk setiap contoh perhitungan, karena pasar (atau analis) dapat bereaksi terhadap selisih antara aktual dan ekspektasi, bukan pada tingkat pekerjaan itu sendiri.
Bagaimana contoh perhitungan dapat disusun
Contoh perhitungan harus memisahkan dengan jelas:
- mekanisme data (apa yang diukur), dan
- asumsi numerik (apa yang Anda asumsikan tentang perubahan yang diharapkan, revisi, dan perhitungannya).
Asumsikan hal berikut untuk satu bulan hipotetis:
- Perubahan NFP yang dilaporkan diukur sebagai perubahan bersih dalam jumlah pekerjaan dari periode referensi sebelumnya.
- Anda berfokus pada perubahan bulan-ke-bulan (bukan tingkat pekerjaan).
- Anda memperlakukan “prakiraan” sebagai angka asumsi terpisah yang mewakili apa yang diharapkan sebagian besar pengamat.
Skenario (angka hanya untuk ilustrasi)
- Perubahan NFP bulan sebelumnya (dengan metode pelaporan yang sama): +100.000 pekerjaan.
- Perubahan NFP aktual bulan berjalan: +150.000 pekerjaan.
- Ekspektasi pasar/peramal untuk bulan berjalan: +120.000 pekerjaan.
Berdasarkan asumsi ini, “kejutan” relatif terhadap ekspektasi adalah:
- Kejutan = Aktual − Ekspektasi = 150.000 − 120.000 = +30.000 pekerjaan.
Sekarang pisahkan revisi sebagai lapisan asumsi kedua. Banyak rangkaian data ketenagakerjaan dapat direvisi kemudian. Untuk contoh perhitungan, asumsikan:
- Perubahan yang dilaporkan bulan sebelumnya (+100.000) kemudian direvisi menjadi +105.000.
Interpretasi yang cermat akan menyatakan:
- Perubahan aktual bulan berjalan dalam contoh ini masih +150.000 (sesuai asumsi).
- Makna dari “apa yang berubah” selama dua bulan dapat bergeser jika garis dasar untuk bulan sebelumnya berubah karena revisi.
Interpretasi seperti bukti tanpa menjanjikan hasil
Dalam situasi nyata, analis sering menghubungkan kejutan NFP dengan ekspektasi yang lebih luas tentang pertumbuhan ekonomi dan tekanan inflasi. Tetapi Anda harus memperlakukan hubungan apa pun sebagai sesuatu yang bersifat kondisional: rilis data ketenagakerjaan hanyalah satu masukan ke dalam kumpulan informasi yang lebih besar.
Cara netral untuk memahami mengapa reaksi dapat bervariasi adalah sebagai berikut:
- Harga sering kali memasukkan ekspektasi yang dibuat sebelum rilis data.
- Perhitungan kejutan (+30.000 pekerjaan di sini) didasarkan pada masukan ekspektasi yang Anda pilih.
- Peserta yang berbeda dapat memiliki ekspektasi yang berbeda, sehingga angka aktual yang sama dapat diinterpretasikan secara berbeda.
Perhatikan juga mode kegagalan yang material: interpretasi dapat rusak jika contoh Anda mengasumsikan pengukuran “perubahan” yang stabil sambil mengabaikan bahwa revisi dapat mengubah apa yang sebelumnya dianggap sebagai tren.
Keterbatasan, risiko, dan cara memverifikasi secara mandiri
Keterbatasan contoh perhitungan
- Risiko revisi: Garis dasar dapat berubah setelah publikasi, sehingga angka bulan sebelumnya mungkin tidak tetap konstan.
- Ambiguitas ekspektasi: “Ekspektasi” bukanlah satu nilai resmi; itu bergantung pada sumber prakiraan mana yang Anda modelkan.
- Waktu dan cakupan: Statistik ini tidak mencakup sektor pertanian; ukuran ketenagakerjaan lain mungkin bergerak berbeda.
Daftar periksa verifikasi mandiri
Untuk memverifikasi interpretasi Anda sendiri tanpa mengandalkan prediksi:
- Dapatkan perubahan NFP yang dipublikasikan untuk bulan tersebut dan deskripsi metode dari rilis data resmi.
- Identifikasi periode referensi sebelumnya yang digunakan untuk perhitungan bulan-ke-bulan.
- Jika Anda memodelkan “kejutan”, tentukan sumber ekspektasi Anda dan hitung Kejutan = Perubahan aktual − Perubahan ekspektasi.
- Periksa apakah revisi dicatat untuk bulan-bulan sebelumnya dan perbarui garis dasar sesuai dengan itu.
Verifikasi atau pertanyaan lanjutan yang dapat dikejar
Jika Anda ingin memperdalam contoh perhitungan, pertimbangkan untuk mengulangi aritmetika yang sama dengan menggunakan asumsi ekspektasi yang berbeda (misalnya, perubahan ekspektasi yang lebih rendah) dan nyatakan secara eksplisit bagaimana hal itu mengubah kejutan yang dihitung. Kemudian bandingkan interpretasi di berbagai indikator ketenagakerjaan (seperti ukuran pengangguran) sambil mengingat bahwa rangkaian data yang berbeda dapat didorong oleh cakupan pengukuran yang berbeda.