Pemodelan Tingkat Pengangguran Terbuka Kabupaten/Kota di Sumatera Barat dengan Pendekatan Geographically Weighted Panel Regression

Abstract

Tingkat Pengangguran Terbuka (TPT) Sumatera Barat mayoritas selalu lebih tinggi dari TPT nasional Indonesia, yaitu mencapai 6,28% pada tahun 2022. Oleh karena itu, perlu dilakukan analisis lebih lanjut mengenai TPT Sumatera Barat dengan mempertimbangkan adanya heterogenitas spasial menggunakan pendekatan Geographically Weighted Panel Regression (GWPR) untuk memperoleh model terbaik dalam menduga TPT sebagai peubah respons dan mengetahui peubah-peubah yang berpengaruh signifikan terhadap TPT di setiap kabupaten/kota yang ada di Provinsi Sumatera Barat. Data yang digunakan merupakan data sekunder dari laman resmi BPS, yaitu data 19 kabupaten/kota di Sumatera Barat dari tahun 2018 hingga 2022, sehingga dataset tersebut terdiri atas 95 amatan, satu peubah respons, dan enam peubah penjelas. Hasil penelitian menunjukkan bahwa pemodelan GWPR dengan fungsi pembobot adaptive kernel bisquare merupakan model terbaik dalam menduga TPT kabupaten/kota di Sumatera Barat dengan nilai adjusted R-Squared sebesar 81,65%. Semua peubah penjelas yang digunakan berpengaruh signifikan di beberapa kabupaten/kota, namun peubah yang paling banyak berpengaruh terhadap TPT kabupaten/kota di Sumatera barat pada tahun 2018 hingga 2022 adalah peubah harapan lama sekolah dan pertumbuhan ekonomi.

The unemployment rate in West Sumatera is mostly higher than the national unemployment rate of Indonesia, reaching 6,28% in 2022. Therefore, further analysis of the unemployment rate in West Sumatera is necessary, considering spatial heterogeneity using the Geographically Weighted Panel Regression (GWPR) approach to obtain the best model for predicting the unemployment rate as the response variable and identifying significant variables influencing the unemployment rate in each district/city in West Sumatera. The data used are secondary data from the official BPS website, covering 19 districts/cities in West Sumatera from 2018 to 2022, so that dataset consists of 95 observations, one response variable, and six explanatory variables. The research result indicates that the GWPR model with an adaptive kernel bisquare weighting function is the best model for predicting the unemployment rate of districts/cities in West Sumatera with an adjusted R-Squared value of 81,65%. All explanatory variables used significantly affect several districts/cities, but the variables that most influence the unemployment rate of districts/cities in West Sumatera from 2018 to 2022 are the length of schooling expectation and economic growth variables.