Pemodelan tingkat pengangguran di Indonesia dengan random effect spasial autoregression (Sar-Re)

Abstract

Telah banyak kajian mengenai tingkat pengangguran , namun penelitian ini memasukkan unsur spasial atau unsur lokasi dalam pemodelan tingkat pengangguran terbuka, dengan objek penelitian adalah seluruh wilayah di Indonesia dari tahun 2010 hingga tahun 2019 yang belum pernah dilakukan. Data yang digunakan adalah data sekunder terkait kasus pengangguran pada setiap provinsi di Indonesia. Untuk itu, penelitian ini akan mengkaji faktor-faktor yang mempengaruhi tingkat pengangguiran terbuka di Indonesia dengan memasukkan unsur spasial dalam pemodelannya. Variabel respon dalam penelitian ini adalah tingkat pengangguran terbuka (Y) dan peubah prediktor adalah variabel X1 yaitu Produk Daerah Regional Bersih (PDRB), X2 adalah Tingkat Upah Minimum, X3 adalah Tingkat Pendidikan SMA, X4 adalah Tingkat Pendidikan Universitas, X5 adalah Presentase Penduduk Usia 15-24 Tahun, X6 adalah Tenaga kerja sektor perkotaan (Urban), X7 adalah Tenaga Kerja Sektor Pertanian, X8 adalah Tenaga Kerja Sektor Informal. Metode yang digunakan adalah analisis deskriptif dan analisis Random Effect Spasial Autoregressi. Hasil analisis menunjukkan bahwa Model Random Effect Spasial Autoregression (SAR-RE) adalah pemodelan yang terbaik untuk permasalahan tingkat pengangguran terbuka di Indonesia berdasarkan nilai AIC. Nilai ρ pada model SAR yang merupakan koefisien spasial lag dan berpengaruh signifikan. Hasil yang diperoleh yakni: (1). Tingkat Pengangguran Terbuka suatu wilayah dipengaruhi oleh Tingkat Pengangguran Terbuka wilayah sekitarnya. (2). Variabel-variabel yang mempengaruhi Tingkat PengangguranTerbuka adalah tingkat Upah Minimum Provinsi (UMP), persentase tingkat pendidikan terakhir (SMA dan UNIV), persentase tenaga kerja sektor pertanian (AGRI) dan persentase tenaga kerja sektor informal (INFORMAL).

Keywords

• tingkat pengangguran terbuka, analisis spasial, tenaga kerja, indonesia