Υ ⋅
Υ −
Υ =
∑
i i
i W
n f
CV
2
i
Υ Υ
3.3.1. Analisis Ketimpangan Pendapatan
Pengukuran ketimpangan pendapatan antar daerah di Kawasan Timur Indonesia dilakukan dengan menggunakan metode CVw yang diperkenalkan oleh
Williamson 1965 dengan rumus:
dimana: CVw = indeks ketimpangan pendapatan daerah
fi = jumlah penduduk di daerah i jiwa n = penduduk total jiwa
= PDRB per kapita di daerah i rupiah = PDRB per kapita untuk propinsi rupiah
Oshima dalam Matolla 1985 menetapkan sebuah kriteria yang digunakan
untuk menentukan tingkat ketimpangan taraf rendah, sedang atau tinggi. Kriteria yang digunakan adalah sebagai berikut :
a. Ketimpangan taraf rendah, bila indeks ketimpangan kurang dari 0,35
b. Ketimpangan taraf sedang, bila indeks ketimpangan antara 0,35 – 0,50
c. Ketimpangan taraf tinggi, bila indeks ketimpangan lebih dari 0,50
3.3.2. Analisis Konvergensi
Dalam Garcia dan Soelistianingsih 1998 disebutkan model yang digunakan untuk menguji apakah terjadi konvergensi absolut kabupaten yang
lebih miskin tumbuh lebih cepat dari pada kabupaten yang lebih kaya dapat ditulis sebagai berikut:
t t
y b
a t
y y
ε +
+ =
ln ln
t i
t
b y
b a
t y
y ε
+ Χ
+ +
=
2 1
ln ln
…………………………………………………. 5 dimana:
lny
t
y t = Pertumbuhan pendapatan per kapita per tahun pada tahun akhir t
y = PDRB per kapita tahun awal 1993,1996 dan 1998
y
t
= PDRB per kapita tahun akhir 2004 a
= Konstanta b =
Koefisien regresi
t = tahun akhir dikurangi tahun awal
ε
t
= error
Jika nilai b0 akan mengakibatkan kecenderungan untuk mencapai konvergen yang tinggi atau nilai konvergensi pendapatan yang terjadi tinggi.
Untuk melihat tingkat konvergensi absolut yang terjadi, data yang digunakan adalah dengan meregresikan PDRB per kapita tahun 2004 dengan PDRB per
kapita tahun 1993, tahun 1996, dan tahun 1998. Untuk menguji apakah terjadi konvergensi bersyarat kabupaten yang
lebih miskin tumbuh lebih cepat dari pada kabupaten yang lebih kaya jika variabel yang lain seperti presentase pendidikan dimasukkan maka model analisis yang
digunakan adalah: .................................................................6
dimana: lny
t
y t = Pertumbuhan pendapatan per kapita per tahun pada tahun akhir t
y = PDRB per kapita tahun awal 1993,1996 dan 1998
y
t
= PDRB per kapita tahun akhir 2004
X
i
= Tingkat Pendidikan tahun awal a =
Konstanta b
1
, b
2
= Koefisien regresi t
= tahun akhir dikurangi tahun awal ε
t
= error
Untuk melihat tingkat konvergensi bersyarat yang terjadi, dapat dilihat dari nilai koefisien regresi. Jika nilai koefisien regresinya lebih kecil dari nol b1 0 maka
akan cenderung konvergen atau nilai konvergensi antar kabupatenkota di
Kawasan Timur Indonesia tinggi. 3.3.3. Koefisien Determinasi R
2
dan Adj R
2
Digunakan untuk melihat sejauh mana variabel bebas mampu menerangkan keragaman variabel terikatnya. Menurut Gujarati 1993, terdapat
dua sifat R
2
yaitu: 1.
Merupakan besaran non-negatif 2.
Batasnya adalah 0 ≤ R
2
≤ 1. Jika R
2
bernilai 1 berarti suatu kecocokan sempurna, sedangkan jika R
2
bernilai 0 maka tidak ada hubungan antara variabel terikat dan bebasnya.
Salah satu masalah jika menggunakan ukuran R
2
untuk menilai baik buruknya suatu model adalah akan selalu mendapatkan nilai yang terus meningkat
seiring dengan penambahan variabel bebas ke dalam model, sehingga Adj R
2
bisa juga digunakan untuk melihat sejauh mana variabel bebas mampu menerangkan
keragaman variabel terikatnya. Uji ini juga digunakan untuk melihat seberapa kuat variabel yang dimasukkan kedalam model dapat menerangkan model. Secara
umum, R
2
Adj merupakan besaran yang paling sering digunakan untuk mengukur kebaikan-suai goodness of fit garis regresi. Koefisien determinasi
mengukur persentase atau proporsional total varians dalam variabel endogen yang dijelaskan model regresi. Sifat dasar dari R
2
Adj adalah besaran yang selalu bernilai positif namun lebih kecil dari satu. Nilai R
2
Adj berkisar antara 0 hingga 1 kecocokan model dikatakan lebih baik jika R
2
Adj semakin mendekati 1 satu
3.3.4. Pengujian Terhadap Model Penduga Uji F