Pemodelan Spasial Pengangguran Terdidik di Sumatera Utara Menggunakan Multiscale Geographically Weighted Regression
DOI:
https://doi.org/10.36277/jteuniba.v10i2.1366Keywords:
Pengangguran Terdidik, Analisis Spasial, LISA, MGWR.Abstract
Tingkat pengangguran terdidik merupakan salah satu permasalahan ketenagakerjaan yang masih menjadi tantangan dalam pembangunan ekonomi di Indonesia. Fenomena ini menunjukkan adanya ketidaksesuaian antara tingkat pendidikan tenaga kerja dengan ketersediaan lapangan pekerjaan serta ketimpangan pembangunan antar wilayah. Penelitian ini bertujuan untuk menganalisis pola spasial tingkat pengangguran terdidik serta mengidentifikasi faktor-faktor sosial ekonomi yang memengaruhinya di Provinsi Sumatera Utara. Metode yang digunakan dalam penelitian ini adalah Local Indicators of Spatial Association (LISA) untuk mengidentifikasi pola klaster spasial dan Multiscale Geographically Weighted Regression (MGWR) untuk memodelkan pengaruh variabel sosial ekonomi terhadap tingkat pengangguran terdidik. Data yang digunakan merupakan data sekunder yang diperoleh dari Badan Pusat Statistik (BPS) yang mencakup 33 kabupaten/kota di Provinsi Sumatera Utara dengan variabel penelitian meliputi Indeks Pembangunan Manusia (IPM), Produk Domestik Regional Bruto (PDRB) per kapita, tingkat kemiskinan, Tingkat Partisipasi Angkatan Kerja (TPAK), dan rata-rata lama sekolah. Hasil analisis Moran’s I menunjukkan adanya autokorelasi spasial positif dengan nilai 0,4307 dan p-value sebesar 0,002 yang menunjukkan bahwa distribusi pengangguran terdidik tidak bersifat acak. Analisis LISA menunjukkan adanya klaster wilayah dengan kategori High–High dan Low–Low yang menggambarkan konsentrasi pengangguran terdidik pada wilayah tertentu. Hasil pemodelan menunjukkan bahwa model MGWR memiliki performa terbaik dengan nilai Adjusted R² sebesar 0,6226 dan RMSE sebesar 1,2816, sehingga lebih mampu menjelaskan variasi spasial tingkat pengangguran terdidik dibandingkan model OLS dan GWR. Hasil penelitian ini menunjukkan bahwa pendekatan MGWR lebih efektif dalam memodelkan fenomena pengangguran terdidik yang memiliki heterogenitas spasial sehingga dapat menjadi dasar dalam perumusan kebijakan ketenagakerjaan berbasis wilayah.
Downloads
References
Siti Fatimah Azzahra, Lystiana Dewi Putri, Fachriza Yunanda Purba, Dah-ri Tanjung, Ajeng Rezkitaputri, and Ratu Zaskia Daimatul Zulva, “Dam-pak Pengangguran Terhadap Stabilitas Sosial Dan Perekonomian Indone-sia,” MENAWAN : Jurnal Riset dan Publikasi Ilmu Ekonomi, vol. 2, no. 4, pp. 220–233, Jun. 2024, doi: 10.61132/menawan.v2i4.719.
Moch Rifqi Shihabuddin Al Ubaidillah and Muhammad Yasin, “Analisis Pengangguran dan Kebijakan Pemerintah Terhadap Perekonomian Indone-sia,” Jurnal Riset Ekonomi dan Akuntansi, vol. 2, no. 3, pp. 34–42, 2024, doi: 10.54066/jrea-itb.v2i3.2123.
D. Waluyo, “Kondisi Perekonomian Indonesia Menurut Lembaga Keu-angan Internasional,” Portal Informasi Indonesia, no. 36, p. 1, 2024, [Online]. Available: https://indonesia.go.id/kategori/indonesia-dalam-angka/7869/kondisi-perekonomian-indonesia-menurut-lembaga-keuangan-internasional?lang=1
B. P. Statistik, “Keadaan Ketenagakerjaan Indonesia Agustus 2024,” Ba-dan Pusat Statistik, vol. 11, no. 84, pp. 1–28, 2024.
Istiqomah Dzikrullah and Mirna Nur Alia Abdullah, “Tantangan Dan Peluang Angkatan Kerja Terdidik Di Dunia Kerja Untuk Mengatasi Per-masalahan Pengangguran Di Indonesia,” SABANA: Jurnal Sosiologi, An-tropologi, dan Budaya Nusantara, vol. 3, no. 1, pp. 20–24, 2024, doi: 10.55123/sabana.v3i1.3302.
E. M. Putri and D. Z. Putri, “Pengaruh Upah Minimum, Tingkat Pengang-guran Terbuka, Pendidikan Dan Pengeluaran Pemerintah Terhadap Kem-iskinan di Indonesia,” Ecosains: Jurnal Ilmiah Ekonomi dan Pem-bangunan, vol. 10, no. 2, p. 106, 2021, doi: 10.24036/ecosains.11564057.00.
K. D. Pramesti, N. I. Meisya, and R. Amrillah, “Relevansi Lulusan Perguruan Tinggi dengan Dunia Kerja,” Jurnal Pendidikan Islam dan So-sial Keagamaan, vol. 3, no. 4, pp. 236–243, 2024, [Online]. Available: https://journal.nabest.id/index.php/annajah
B. P. Statistik, Keadaan Angkatan Kerja Provinsi Sumatera Utara, Agustus 2024, vol. 12. BPS Sumatera Utara, 2024.
W. R. Rahmadhani, R. D. Bekti, and Noeryanti, “Robust Spatial Durbin Model untuk Pemodelan Tingkat Pengangguran Terbuka di Provinsi Jawa Tengah,” Jnanaloka, vol. 4, no. 2, pp. 91–103, 2023.
ARMANDO J. GARCIA PIRES, “Brain Drain and Brain Waste,” J. Econ. Dev., vol. 40, no. 1, pp. 1–34, 2015, doi: 10.35866/caujed.2015.40.1.001.
S. Suparman and M. Muzakir, “Regional inequality, human capital, unem-ployment, and economic growth in Indonesia: Panel regression approach,” Cogent Economics and Finance, vol. 11, no. 2, 2023, doi: 10.1080/23322039.2023.2251803.
W. G. Septiyanto and E. Tusianti, “Analisis Spasial Tingkat Pengangguran Terbuka di Provinsi Jawa Barat,” Jurnal Ekonomi Indonesia, vol. 9, no. 2, pp. 119–131, 2020, doi: 10.52813/jei.v9i2.40.
N. Jesri et al., “Mapping and Spatial Pattern Analysis of COVID-19 in Central Iran Using the Local Indicators of Spatial Association (LISA),” BMC Public Health, vol. 21, no. 1, pp. 1–10, 2021, doi: 10.1186/s12889-021-12267-6.
D. R. Agustina, A. Rusgiyono, and P. P. Izati, “Spatial Analysis of Poverty in Central Java Indonesia Through Multiscale Geographically Weighted Regression,” International Journal of Mathematics And Computer Re-search, vol. 13, no. 05, pp. 5156–5162, 2025, doi: 10.47191/ijmcr/v13i5.03.
P. R. Khairani, Y. Kurniawati, N. Amalita, T. Octavia Mukhti, and F. Ma-tematika dan Ilmu Pengetahuan Alam, “Analisis Kemiskinan Di Indonesia Menggunakan Local Indicator Of Spatial Association Dan Spatial Error Model,” Jurnal Ilmiah Pendidikan Matematika, Matematika dan Statisti-ka, vol. 6, no. 1, pp. 506–517, 2025, [Online]. Available: http://lebesgue.lppmbinabangsa.id/index.php/home
E. Putri Hermanto, “Pemetaan Pengendalian Penyakit Menular di Kabu-paten Bondowoso Tahun 2022 menggunakan Local Indicators of Spatial Association (LISA),” Jurnal Aplikasi Matematika dan Statistik, vol. 1, no. 2, pp. 39–48, 2023, doi: 10.53625/jams.v1i2.6265.
F. P. Anugrah, “Mixed Geographically Weighted Regression Modeling on Gross Regional Domestic Product of Districts/Cities in Central Java,” Journal of Applied Statistics and Data Science, vol. 1, no. 2, pp. 119–128, 2024, doi: 10.21776/ub.jasds.2024.001.02.6.
W. Kang and T. M. Oshan, “Scale and correlation in multiscale geograph-ically weighted regression (MGWR),” J. Geogr. Syst., vol. 27, no. 3, pp. 399–424, 2025, doi: 10.1007/s10109-025-00468-1.
F. W. Pratama and E. Setyowati, “Analisis Faktor-Faktor yang Mempengaruhi Pengangguran Terdidik Lulusan Universitas di Indonesia Tahun 2005-2021,” Ekonomis: Journal of Economics and Business, vol. 6, no. 2, p. 662, 2022, doi: 10.33087/ekonomis.v6i2.601.
N. E. Nugroho, J. Irianto, and S. Suryanto, “a Systematic Review of Indo-nesian Higher Education Students’ and Graduates’ Work Readiness,” Jurnal Ilmiah Ilmu Terapan Universitas Jambi, vol. 8, no. 1, pp. 350–363, 2024, doi: 10.22437/jiituj.v8i1.33073.
A. Tri Wulandari and Sishadiyati, “The Effect of Foreign Investment, Em-ployment Rates, and Total Population on Educated Unemployment in In-donesia,” International Journal of Economics (IJEC), vol. 2, no. 2, pp. 679–687, 2023, doi: 10.55299/ijec.v2i2.557.
BPS Indonesia, “Indeks Pembangunan Manusia (Metode Baru),” Badan Pusat Statistik Indonesia, vol. 2015, no. September, p. 90, 2015, [Online]. Available: https://www.bps.go.id/linkTableDinamis/view/id/1211
B. P. Statistik, “Produk Domestik Regional Bruto Provinsi-Provinsi di In-donesia Menurut Pengeluaran 2020-2024,” 2025. doi: 10.1088/1751-8113/44/8/085201.
BPS, “Penghitungan dan analisis kemiskinan makro Indonesia 2024 (Indo-nesian macro poverty calculation and analysis 2024),” 2024, [Online]. Available: https://www.bps.go.id/id/publication/2024/11/29/31e54c0717742a2dc13300e4/computation-and-analysis-of-macro-poverty-of-indonesia-2024.html
Sakernas, “Booklet Sakernas Februari 2024 Volume 7, Nomor 1 2024,” Badan Pusat Statistik, p. 16, 2024, [Online]. Available: https://shorturl.at/Poojt
J. P. Laia and K. Ashar, “Analisis Determinan Tingkat Pengangguran Ter-buka Di Kabupaten Dan Kota Jawa Barat Tahun 2018 - 2021,” Journal of Development Economic and Social Studies, vol. 2, no. 3, pp. 583–599, 2023, doi: 10.21776/jdess.2023.02.3.10.
S. Banerjee, “Spatial Data Analysis,” Annu. Rev. Public Health, vol. 37, pp. 47–60, 2016, doi: 10.1146/annurev-publhealth-032315-021711.
A. S. Fotheringham and C. Brunsdon, “Local Forms of Spatial Analysis,” Geogr. Anal., vol. 31, no. 4, pp. 340–358, 1999, doi: 10.1111/j.1538-4632.1999.tb00989.x.
P. Utami, D. Nurdiansyah, and A. Y. Kartini, “Implementation of Mixed Geographically Weighted Regression Model To Analyze Social Assistance Budget in East Java,” Jurnal Statistika dan Aplikasinya, vol. 8, no. 2, pp. 171–178, 2024, doi: 10.21009/jsa.08204.
Y. Chen, “Spatial autocorrelation equation based on Moran’s index,” Sci. Rep., vol. 13, no. 1, pp. 1–14, 2023, doi: 10.1038/s41598-023-45947-x.
L. Anselin, “Local Indicators of Spatial Association—LISA,” Geogr. Anal., vol. 27, no. 2, pp. 93–115, 1995, doi: 10.1111/j.1538-4632.1995.tb00338.x.
Y. Chen, “Reconstruction and normalization of LISA for spatial analysis,” PLoS One, vol. 19, no. 5 May, pp. 1–26, 2024, doi: 10.1371/journal.pone.0303456.
T. M. Oshan, Z. Li, W. Kang, L. J. Wolf, and A. Stewart Fotheringham, “MGWR: A python implementation of multiscale geographically weighted regression for investigating process spatial heterogeneity and scale,” ISPRS Int. J. Geoinf., vol. 8, no. 6, 2019, doi: 10.3390/ijgi8060269.
A. S. Fotheringham, W. Yang, and W. Kang, “Ó 2017 by American Asso-ciation of Geographers Initial submission,” Ann. Am. Assoc. Geogr., vol. 107, no. 6, pp. 1247–1265, 2017.
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Sarah Tri Puji Florensia Sihombing, Aviolla Terza Damaliana, Wahyu Syaifullah
This work is licensed under a Creative Commons Attribution 4.0 International License.
