Penelitian ini dimaksudkan untuk mengetahui dan mengukur disparitas di Provinsi Sumatera Utara dan mengetahui faktor-faktor yang mempengaruhi tingkat disparitas di Provinsi Sumatera Utara. Data yang digunakan adalah data sekunder dengan runtun waktu (time series) periode 1987 - 2008. Untuk perhitungan disparitas digunakan Indeks Williamson. Sedangkan untuk mengetahui hubungan antara faktor-faktor yang mempengaruhi tingkat disparitas di Provinsi Sumatera Utara digunakan model persamaan regresi berganda dengan bantuan software Eviews 4.00. Model regresi yang digunakan adalah model linear dengan variabel bebas yaitu Inflasi (digunakan pendekatan dengan tingkat inflasi), peranan perdagangan diukur melalui rasio net ekspor terhadap PDRB, kontribusi pengeluaran pemerintah terhadap PDRB dan tingkat pertumbuhan tenaga kerja non pertanian.
Dari hasil perhitungan tingkat kesenjangan antar daerah didapatkan hasil bahwa perkembangan disparitas pendapatan yang terjadi di Provinsi Sumatera Utara berfluktuatif, pada tahun 1988 Indeks Williamson Provinsi Sumatera Utara sebesar 0,567 dan turun menjadi 0,426 pada tahun 1998 pada krisis ekonomi global. Pada tahun berikutnya tahun 2005 akibat adanya shock dari luar yaitu kebijakan pemerintah pusat untuk menaikkan harga BBM membuat Indeks Williamson meningkat menjadi 0,436. Selanjutnya Indeks Williamson semakin meningkat pada tahun berikutnya sampai pada angka 0,485 pada tahun 2008.
Sedangkan untuk mengetahui dampak kesenjangan dan variabel lain terhadap indeks Williamson digunakan model regresi berganda sebagai berikut: CVwt = β0 + β1 INF + β2 TRA + β3 EXP + β4 URB + ε Hasil estimasi didapatkan bahwa variabel berdasarkan hasil analisis regresi berganda, diperkirakan dipengaruhi oleh perdagangan yang diwakili oleh net ekspor terhadap PDRB. Sedangkan tingkat inflasi, kontribusi pengeluaran pemerintah terhadap PDRB dan tingkat pertumbuhan tenaga kerja non pertanian tidak mempengaruhi tingkat disparitas pendapatan di Provinsi Sumatera Utara. Hasil penelitian tersebut memiliki implikasi kebijakan yang diarahkan pada peningkatan pertumbuhan ekonomi antara lain kebijakan peningkatan net ekspor di sektor pertanian dan industri.
This study aimed to determine and measure the disparities in the province of North Sumatra and know the factors that influence the level of disparity in the province of North Sumatra. The data used are secondary to the time series data in the period 1987 to 2008. Index used for calculation of disparity Williamson. Meanwhile, to determine the relationship between the factors that influence the level of disparity in the province of North Sumatra used model of multiple regression equations with the help of software Eviews 4:00. Regression model used is a linear model with independent variables of inflation (the approach used for inflation), the role of trade is measured by the ratio of net exports to GDP, the contribution of government expenditure to GDP and the growth rate of nonfarm employment.
From the calculation of the level of regional disparities showed that growth of income disparity that occurred in North Sumatra province fluctuated, in 1988, North Sumatra Williamson Index of 0.567 and decreased to 0.426 in 1998 on the global economic crisis. In the following year in 2005 due to the shock from the outside of the central government policy to increase fuel prices make Williamson's index increased to 0.436. Furthermore, Williamson index increased in the following year until the number 0.485 in 2008.
Meanwhile, to determine the impact of inequality and other variables on the index Williamson used multiple regression model as follows: CVwt = β0 + β1 INF + β2 TRA + β3 EXP + β4 URB + ε The estimation results obtained that the variables based on multiple and share government expenditure to GDP. While the rate of inflation, and the growth rate of non-agricultural labor force does not affect the level of income disparity in the province of North Sumatra. The results of these studies have implications for policies aimed at increasing economic growth include an increase in net exports of agriculture and industry sectors.
