Pemodelan Tingkat Pengangguran Terbuka Di Sumatera Utara Dengan Regresi Nonparametrik Spline Truncated

Nirwana, Maharani Sinta (2021) Pemodelan Tingkat Pengangguran Terbuka Di Sumatera Utara Dengan Regresi Nonparametrik Spline Truncated. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

Text 06211740000105-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2023. Download (1MB) | Request a copy

Abstract

Pemerintah Indonesia berupaya meningkatkan kesejahteraan sosial masyarakat dengan cara meningkatkan stabilitas nasional, memacu pertumbuhan ekonomi, dan menekan angka pengangguran. Indonesia saat ini sedang menghadapi masalah pengangguran. Pengangguran menjadi masalah karena menunjukkan adanya angkatan kerja yang tidak berkontribusi dalam sistem ekonomi. Jumlah penganguran yang tinggi berdampak pada menurunnya tingkat kesejahteraan masyarakat. Sumatera Utara menjadi provinsi yang jumlah penduduknya terbanyak di Pulau Sumatera. Pada tiga tahun berturut-turut yaitu tahun 2017 hingga tahun 2019, Tingkat Pengangguran Terbuka di Sumatera Utara selalu lebih tinggi dari pada Tingkat Pengangguran Terbuka di Indonesia. Selain itu, jumlah angkatan kerja di Sumatera Utara pada tahun 2019 sebesar 7,06 juta orang dengan penduduk yang bekerja sebanyak 6,68 juta orang yang berarti masih ada 383 ribu orang yang belum memiliki pekerjaan. Hal ini tentunya menjadi perihal yang perlu diperhatikan karena dengan jumlah penduduk terbanyak di Pulau Sumatera namun memiliki Tingkat Pengangguran Terbuka yang melebihi target nasional. Faktor-faktor yang diduga mempengaruhinya adalah laju pertumbuhan PDRB, rata-rata lama sekolah, laju pertumbuhan penduduk, angka partisipasi kasar tingkat SMA, dan dependency ratio dengan unit penelitian sebanyak 33 kabupaten/kota. Pemodelan yang digunakan adalah regresi nonparametrik Spline Truncated karena pola data tidak membentuk pola tertentu atau memiliki pola pada interval tertentu. Model regresi nonparametrik terbaik adalah menggunakan kombinasi knot (3,3,3,2,2). Semua variabel prediktor berpengaruh signifikan dan asumsi residual telah terpenuhi. Model memiliki koefisien detereminasi sebesar 93,96%.
========================================================
The Indonesian government has been attempting to improve social welfare of its citizens by working up the national stability, spurring economic growth, and reducing unemployment. The country now is facing a huge unemployment problem. Unemployment has become serious matter since it shows a portion of labor force that doesn't participate or contribute any benefits in economic system. A high unemployment rate will impact on the declining of public welfare. The province of North Sumatera is the most populous region in Sumatera. Its unemployment rate has always been higher than the national average in three consecutive years in 2017 to 2019. Furthermore, number of labor force in the province was 7,06 millions in 2019, but number of employed workers was only 6,68 millions, leaving roughly 383 thousands people unemployed. This has been a critical concern as the unemployment rate exceeds the national target. A number of factors are presumed to be responsible for this matter are GDP growth rate, average length of education level, population growth rate, high-school gross participation rate, and dependency ratio with 33 observation unit. The modeling used in this study is truncated spline nonparametric regression because the data pattern doesn't certain pattern or a pattern in specific interval. The best nonparametric regression model used knot combination (3,3,3,2,2). All the predictor variables have significant effect and all residual assumptions have been fulfilled. The model has coefficient of determination of 93,96%.

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	Koefisien Determinasi, Pengangguran Terbuka, Regresi Nonparametrik, Spline Truncated, Titik Knot Unemployment, Determination Coefficient, Nonparametric Regression, Spline Truncated, Knot
Subjects:	H Social Sciences > HA Statistics > HA31.3 Regression. Correlation
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Statistics > 49201-(S1) Undergraduate Thesis
Depositing User:	Maharani Sinta Nirwana
Date Deposited:	07 Sep 2021 07:28
Last Modified:	07 Sep 2021 07:28
URI:	http://repository.its.ac.id/id/eprint/91783

Actions (login required)

View Item