Inovasi (Eng: Innovation), rasanya mudah sekali kita artikan sebagai tindakan atas suatu gagasan. Namun di spatial vector autoregressions (SpVAR), innovation memiliki definisi lain. Itu yang kemudian saya sebut sebagai sisi lain di judul tulisan ini. Insight itu saya dapatkan setelah membaca artikelnya Le Ma dan Chunlu Liu yang berjudul Ripple effects of house prices: considering spatial correlations in geography and demography (baca di sini). Di salah satu bagiannya, mereka menjelaskan bagaimana dinamika perubahan harga properti terjadi akibat adanya shock atau guncangan. Perubahan harga itu yang kemudian sering disebut sebagai spatial diffusion of prices atau ripple effect. Istilah lain yang sering digunakan adalah spillover effects dan domino effects yaitu suatu harga property yang ‘bergerak’ sebagai respon atas suatu guncangan (shock) tadi. ‘Kekuatan’ yang menyebabkan pergerakan itu yang kemudian disebut sebagai impulse response atau lebih singkatnya disebut sebagai innovation. Inilah sisi lain definisi innovation yang diambil dari spatial vector autregressions (SpVAR) sebagai metode spatial statistics tingkat lanjut guna menjelaskan dinamika perubahan harga properti.

Modeling dinamika perubahan harga ini menjadi penting mengingat harga rumah bisa juga menunjukkan willingness to pay para pembeli rumah di suatu kota. Dari situ kita bisa memahami bagaimana perilaku pasar properti di suatu kawasan termasuk di daerah rawan banjir, dimana banjir selanjutnya saya anggap sebagai shock atau guncangan itu. Memang sudah menjadi ‘rahasia umum’ di dunia riset properti dan flood risk management bahwa banjir akan menurunkan harga properti. Dan itu juga terjadi di daerah riset saya. Namun menyimpulkan itu, rasanya belum cukup harus mengetahui bagaimana fenomena dibalik penurunan harga itu yang tidak bisa ditangani hanya menggunakan spatial statistics sederhana. Bagaimana konsep teoritisnya?

Ada perubahan harga yang disebabkan oleh banjir, itu terbukti. Sama dengan temuan-temuan peneliti sebelumnya, yang belum adalah fenomena di baliknya. Yaitu dinamika atau model dinamis statistik yang nanti bisa digunakan untuk melakukan proyeksi/ prediksi peranan shock terhadap harga dan ini merupakan representasi dari willingness to pay (WTP). Sisi lain dari ecosystem service yang selama ini lebih banyak dijelaskan dari kualitas lingkungan termasuk sumber dayanya. Bagaimana masyarakat mampu membayar ecosystem service di zona berbahaya? kurang lebih begitu. Konsep teoritis ini sebanarnya bisa dijelaskan juga menggunakan model sederhana gravity dan breaking point analysis. Namun, ada beberapa kelemahan yang mungkin perlu dipertimbangkan yaitu bagaimana hubungannya dengan space dan time. Karena faktanya ada hubungan lokasi yang itu hanya bisa dijelaskan oleh space dan perubahan harga secara series, dan lagi-lagi itu adalah ukuran waktu. Ada kombinasi antara data series dan juga space. Itulah kenapa spatial statistics tingkat lanjut rasanya perlu digunakan.

Perbedaan harga antara titik A (Xa, Ya) dengan titik B (Xb, Yb), itu yang selanjutnya disebut sebagai keterlambatan penyesuaian harga. Di statistik ruang sering di sebut sebagai lag (ketertinggalan/ keterlambatan). Perbedaan nilai yang kemudian bisa ditunjukkan oleh titik lokasi ini cukup baik dijelaskan oleh spatial vector autoregresion (SpVAR) dengan cara menginvestigasi keterlambatan nilai-nilai variabel bebas (X variables). Bagaimana kekuatan statistik yang mempengaruhi keterlambatan penyesuaian nilai, itulah yang kemudian disebut sebagai impulse respose atau justru innovation.