Metode Pengumpulan data METODE PENELITIAN

58 Log RD t = 1 + 2 Log PDRB per kapita t + 3 Log I t + 4 Log Ag t + t . .3.9 Penelitian ini menggunakan variabel dummy time untuk melihat perbedaan ketimpangan pembangunan wilayah di Provinsi DKI Jakarta sebelum dan sesudah penerapan kebijakan desentralisasi fiskal. Setelah memasukan variabel dummy time ke dalam persamaan 3.8 maka model persamaan ketimpangan wilayah RD adalah sebagai berikut : Log RD t = 1 + 2 Log PDRB per kapita t + 3 Log I t + 4 Log Ag t + 1 D t + t ……………………………..……………….. 3.10 Dimana : RD = ketimpangan wilayah regional disparity PDRB per kapita = Produk Domestik Regional Bruto Per kapita I = Investasi Investment Ag = Aglomerasi Aglomeration D t = Dummy time desentralisasi fiskal Atribut 0, sebelum desentralisasi fiskal Atribut 1, setelah desentralisasi fiskal 1 = Intersep 2 - 5 = Koefisien Variabel bebas 1 = Koefisien dummy time = Variabel gangguan error term t = Waktu data time-series, periode 1995-2008 59 3.4.4 Uji Asumsi Klasik 3.4.4.1 Multikolinearitas Salah satu asumsi model regresi liner klasik CLRM adalah tidak adanya multikolinearitas sempurna, dimana tidak ada hubungan linear yang benar-benar pasti diantara variabel penjelas, X, yang tercakup dalam regresi berganda. Dalam prakteknya, jarang ditemukan multikolinearitas sempurna, melainkan dengan kasus multikolinearitas dekat atau sangat tinggi dimana variabel-variabel penjelas yang diperkirakan berhubungan sering muncul dalam banyak penerapan Gujarati,2006. Adapun indikator untuk mendeteksi mutikolinearitas dalam suatu persamaan antara lain Gujarati, 2006: a. R 2 tinggi tetapi sedikit rasio t yang signifikan. Ini merupakan gajala multikolinearitas “klasik”. Jika R 2 tinggi, misalkan 0,8, tes F di sebagian besar kasus akan menolak hipotesis nol bahwa koefisien kemiringan parsial secara tergabung atau secara serentak sama dengan nol. Tes- tes individual akan memperlihatkan bahwa tak satu pun atau sangat sedikit koefisien kemiringan parsial yang berbeda secara statistik dengan nol. b. Korelasi berpasangan yang tinggi dai antar variabel-variabel penjelas. Menghitung korelasi dengan segala pasangan variabel independen. Apabila beberapa diantara korelasi ini tinggi, melebihi 0,8, ada kemungkinan terjadinya kolinearitas yang serius.