Analisis Robust Spasial Data Panel Untuk Menentukan Faktor Yang Memengaruhi Tingkat Pengangguran Terbuka (Studi Kasus: Provinsi Banten dan Jawa Barat Tahun 2018– 2022)
Date
2024Author
Amalina, Hana Faiza
Rizki, Akbar
Afendi, Farit Mochamad
Metadata
Show full item recordAbstract
Tingkat pengangguran di Indonesia dihitung dengan persentase jumlah pengangguran pada seluruh angkatan kerja. Tingkat pengangguran di Banten dan Jawa Barat menempati dua teratas di Indonesia per Agustus 2023. Tujuan dari penelitian ini adalah mengetahui performa robust spasial data panel dibanding dengan model spasial data panel dalam mengidentifikasi faktor-faktor yang memengaruhi tingkat pengangguran terbuka (TPT) di Provinsi Banten dan Jawa Barat tahun 2018–2022. Hasil penelitian menunjukkan terdapat ketergantungan autoregresi spasial dan galat spasial, sehingga model yang dibangun adalah spatial durbin model (SDM). Model Robust SDM dibangun karena pada proses analisis teridentifikasi adanya pencilan spasial yang menyebabkan tidak terpenuhinya asumsi kehomogenan ragam dan kebebasan sisaan pada model SDM. Model Robust SDM mampu menangani penyimpangan asumsi pada model SDM dan meningkatkan performa dengan nilai R^2 sebesar 87,21%. Nilai ini lebih tinggi jika dibandingkan dengan model SDM yang memiliki R^2 sebesar 71,19%. Model terbaik menunjukkan bahwa terdapat empat faktor utama yang memengaruhi TPT di Provinsi Banten dan Jawa Barat tahun 2018–2022, yaitu upah minimum kabupaten/kota, tingkat partisipasi angkatan kerja, rata-rata lama sekolah, dan pertumbuhan ekonomi. Selain itu, TPT juga dipengaruhi oleh faktor dengan pengaruh lag spasial, yaitu upah minimum kabupaten/kota, rata-rata lama sekolah, dan investasi PMA dari kabupaten/kota di sekitarnya. The unemployment rate in Indonesia is calculated as the percentage of the total unemployed in the labor force. The unemployment rates in Banten and West Java are the top two in Indonesia as of August 2023. The purpose of this study is to determine the performance of robust spatial panel data compared to the spatial panel data model in identifying factors that affect the open unemployment rate (TPT) in
Banten and West Java Provinces in 2018-2022. The results showed that there is a dependence on spatial autoregression and spatial error, so the model built is the spatial Durbin model (SDM). The Robust SDM model was built because, in the analysis process, spatial outliers were identified which caused the assumptions of variance homogeneity and error autocorrelation in the SDM model to not be fulfilled. The Robust SDM model can handle deviations in the assumptions of the SDM model and can improve performance with an R-squared value of 87.21%. This value is higher than the SDM model which has an R-squared of 71.19%. The best model shows that there are four main factors that affect the TPT in Banten and West Java in 2018-2022, namely district/city minimum wage, labor force participation rate, average years of schooling, and economic growth. In addition, the TPT is also influenced by factors with spatial lag effects, namely district/city minimum wages, average years of schooling, and FDI investment from surrounding districts/cities.