Analisis Penggerombolan Kabupaten/Kota Pulau Jawa Berdasarkan Tingkat Pengangguran Terbuka Tingkat Pengangguran Terbuka Kabupaten Pulau Jawa Sebelum dan Sesudah Pandemi Dengan Generalized LASSO

Abstract

Covid-19 memberikan dampak yang sangat signifikan terhadap dunia, termasuk Indonesia. Pemerintahan Indonesia menerapkan peraturan pembatasan sosial berskala besar (PSBB) di seluruh Indonesia yang menyebabkan titik terendah pertumbuhan ekonomi Indonesia sejak tahun 1998. Tingkat pengangguran terbuka (TPT) tinggi disebabkan oleh turunnya perekonomian Indonesia, terutama di Pulau Jawa. Lima dari enam provinsi di Pulau Jawa memiliki TPT terbesar di Indonesia sebagai dampak pandemi Covid-19. Mencari tahu dimana TPT tertinggi sangat penting untuk mencegah bertambahnya angka tersebut. Hal ini dapat dilakukan dengan penggerombolan Generalized LASSO. Metode ini menambahkan matriks penalti D untuk menggambarkan struktur ketetanggaan kabupaten di Pulau Jawa. Dua metode akan digunakan untuk membentuk matriks D, struktur ketetanggaan biasa dan dengan melakukan penggerombolan dengan KNN terlebih dahulu. Hasil penelitian menunjukkan bahwa pembentukan matriks D dengan struktur ketetanggaan menghasilkan penggerombolan terbaik dan mudah untuk diintepretasikan. Enam gerombol terbentuk pada data TPT 2019, tujuh gerombol pada TPT 2021, dan empat gerombol untuk selisih antara TPT 2021 dengan TPT 2019. Penggerombolan juga mengungkapkan bahwa bagian barat Pulau Jawa memiliki TPT yang lebih tinggi dibandingkan dengan wilayah Jawa Tengah dan Jawa Timur. Akan tetapi wilayah tersebut lebih tahan terhadap goncangan pandemi Covid-19.

Covid-19 has impacted the economy of the world harshly, including Indonesia. Government of Indonesia implemented strict social distancing mandates nationwide, resulting in a drop of economic growth that has never been seen since the 1998 economic crash. This led to high rise of open unemployment rate, especially in Java Island. Five out of six provinces in Java Island have the highest increase of open unemployment rate due to Covid-19. Finding out where the highest unemployment rates are located and how they are distributed is imperative to prevent the open unemployment rate from going any higher and reduce the number itself. This can be done through Generalized LASSO. This method adds a penalty through the D incidence matrix, therefore able to sketch the structure of neighboring regencies. Two methods are used to form the D incidence matrix, neighboring structures and by KNN clustering beforehand. Results show that using the neighboring structures give the best clustering results to interpret. Six clusters are formed for the 2019 data, seven clusters for 2021, and four the delta. The clusters show that the western part of Java Island have higher unemployment rates than the east but are more resilient to the Covid-19 pandemic.