Pemodelan Regresi Lasso Berbasis Wilayah dalam Identifikasi Peubah yang Memengaruhi Pengangguran di Pulau Jawa 2022

Abstract

Pengangguran merupakan salah satu permasalahan ekonomi yang sering dijumpai di negara Indonesia. Pada tahun 2022, Tingkat Pengangguran Terbuka (TPT) Indonesia sebesar 5,9% dan berada pada urutan ke-55 tertinggi di dunia. Tiga provinsi di Pulau Jawa memiliki nilai TPT di atas TPT Indonesia. Adanya kemungkinan ketidakmiripan karakteristik antar kabupaten/kota di dalam satu provinsi yang sama dapat memberikan hasil yang kurang dapat mewakili secara keseluruhan, sehingga diperlukan pembentukan cluster. Pembentukan cluster berdasarkan kabupaten/kota yang berdekatan menyebabkan di dalam cluster dapat terdiri dari beberapa provinsi. Penelitian ini bertujuan untuk mengetahui peubah yang memengaruhi TPT di Pulau Jawa 2022 dengan metode LASSO yang dapat melakukan seleksi peubah tanpa adanya pertimbangan cluster dan metode LASSO per cluster dan Generalized LASSO untuk melakukan pemodelan dengan mempertimbangkan cluster yang berdekatan. Hasil dari LASSO didapatkan bahwa hanya peubah TPAK dan UMK yang berpengaruh terhadap TPT di Pulau Jawa 2022, sedangkan hasil LASSO per cluster dan Generalized LASSO tidak terlalu berbeda jauh. Akan tetapi, pada Generalized LASSO dapat diketahui peubah dengan pengaruh yang sama antar cluster. Peubah yang berpengaruh terhadap TPT di Pulau Jawa 2022 berdasarkan hasil Generalized LASSO yaitu TPAK, kepadatan penduduk, IPM, UMK, dan PDRB.

Unemployment is one of the most common economic problems in Indonesia. In 2022, Indonesia's Open Unemployment Rate (TPT) is 5.9% and ranked 55th highest in the world. Three provinces in Java Island have TPT above Indonesia's TPT. There is a possibility that the characteristics of dissimilarities between regencies/cities within the same province can produce results that are not representative as a whole, so that it is necessary to form clusters. The formation of clusters based on adjacent districts/cities means that a cluster can consist of several provinces. This study aims to determine the variables that affect TPT in Java Island with the LASSO which can select variables without considering clusters and the LASSO per cluster and Generalized LASSO for modeling by considering clusters. The results from LASSO that TPAK and UMK variables had an effect on TPT in Java Island, while the LASSO per cluster and Generalized LASSO results were not too different. Generalized LASSO it can be seen that the variables with the same effect between cluster. The variables that affect TPT in Java Island with Generalized LASSO are TPAK, population density, HDI, UMK, and GRDP.