Analisis Regresi Spasial Tingkat Pengangguran Terbuka di Sumatera Barat Menggunakan Model Spatial Autoregressive dengan Pembobot K-Nearest Neighbor

Nisa Ulhusna, Tessy Octavia Mukhti, Fadhilah Fitri

Abstract


Penelitian ini bertujuan untuk menganalisis faktor-faktor yang berpengaruh terhadap Tingkat Pengangguran Terbuka (TPT) di Provinsi Sumatera Barat dengan memperhitungkan pengaruh spasial antarwilayah. Regresi spasial digunakan sebagai metode utama melalui model Spatial Autoregressive (SAR) dan matriks pembobot K-Nearest Neighbor (K-NN), berdasarkan data sekunder yang disediakan Badan Pusat Statistik (BPS) tahun 2024 yang mencakup 19 kabupaten/kota. Variabel yang diteliti meliputi TPAK, PDRB, Rata-rata Lama Sekolah (RLS), Umur Harapan Hidup (UHH), dan Kepadatan Penduduk. Hasil analisis menunjukkan bahwa model SAR lebih sesuai daripada model OLS memiliki nilai  dan . Secara parsial, variabel TPAK signifikan memiliki pengaruh negatif terhadap TPT, sedangkan PDRB signifikan memiliki pengaruh positif. Nilai koefisien spasial  sebesar  menunjukkan adanya pengaruh spasial negatif antarwilayah, yang berarti wilayah dengan tingkat pengangguran tinggi dapat menekan pengangguran di wilayah sekitarnya melalui redistribusi tenaga kerja. Temuan ini menegaskan bahwa TPT di Sumatera Barat tidak hanya dipengaruhi oleh karakteristik internal wilayah, tetapi juga oleh interaksi spasial antarwilayah. Hasil yang diperoleh diharapkan dapat berperan sebagai pertimbangan pemerintah daerah dalam pengambilan kebijakan ketenagakerjaan yang lebih efektif dan berbasis wilayah.

Keywords


Tingkat Pengangguran Terbuka, Regresi Spasial, Regresi Autoregresif Spasial (SAR), K-Nearest Neighbor, Sumatera Barat

Full Text:

PDF

References


B. Smaal and J. P. Elhorst, “Seventy Years of Dutch Regional Unemployment from a Spatiotemporal Perspective,” Economist (Leiden)., vol. 173, no. 2, pp. 277–298, 2025, doi: 10.1007/s10645-025-09450-0.

O. Lamatenggo, E. N. Walewangko, and I. A. Layuck, “Pengaruh Inflasi,Pertumbuhan Ekonomi Dan Indeks Pembangunan Manusia Terhadap Pengangguran Di Kota Manado,” J. Berk. Ilm. Efisiensi, vol. 19, no. 02, pp. 162–172, 2019.

D. Kurnianto, M. A. N. Arya, I. Kharisudin, and F. Fauzi, “Analisis Regresi Spasial dengan Pembobot Queen Contiguity pada Tingkat Pengangguran Terbuka di Povinsi Jawa Tengah Tahun,” Prism. Pros. Semin. Nas. Mat., vol. 4, pp. 595–601, 2021, [Online]. Available: https://journal.unnes.ac.id/sju/index.php/prisma/

BPS Sumbar, “Provinsi sumatera barat dalam angka 2024,” Badan Stat. Provinsi Sumatera Barat, vol. 54, pp. 282–283, 2024, [Online]. Available: https://sumbar.bps.go.id/publication/2020/04/27/0bde2141fda787c1f0e923bf/provinsi-sumatera-barat-dalam-angka-2020.html

F. Yanuar, T. Abrari, and A. Zetra, “Spatial Autoregressive Quantile Regression with Application on Open Unemployment Data,” vol. 8, 2023.

W. G. Septiyanto and E. Tusianti, “Analisis Spasial Tingkat Pengangguran Terbuka di Provinsi Jawa Barat,” J. Ekon. Indones., vol. 9, no. 2, pp. 119–131, 2020, doi: 10.52813/jei.v9i2.40.

M. I. Rizki, F. Gumelar, J. J. Cerelia, T. Ammar, and A. Nugraha, “Pemodelan Regresi Data Panel Pada Faktor- Faktor Yang Mempengaruhi Di Provinsi Daerah Istimewa Yogyakarta ( Diy ),” Pros. Semin. Nas. Mat. Stat. dan Apl., vol. 2, pp. 147–161, 2022.

A. Fauzan, “Spatially Informed Insights : Modeling Percentage Poverty In Eeast Java Province Using SEM With Spatial,” vol. 18, no. May, pp. 1317–1332, 2024, doi: 10.30598/barekengvol18iss2pp1317-1332.

N. Nidyashofa, P. S. Statistika, P. Studi, and I. Politik, “Pemilihan Model Regresi Spasial Pada Tingkat Pengangguran Terbuka di Provinsi Jawa Tengah,” vol. 8, no. 1, pp. 88–96, 2020.

C. F. Adellia and D. P. Sari, “JSDS : Journal Of Statistics and Data Science Factors Affecting the Open Unemployment Rate in West Sumatra Province Using Spatial Autoregressive ( SAR ),” vol. 3, no. 2, 2024.

A. D. Akmal, “Spatial Regression Model with Optimum Spatial Weighting Matrix on GRDP Data of Sulawesi Island Spatial Regression Model with Optimum Spatial Weighting Matrix on GRDP Data of Sulawesi Island,” 2021, doi: 10.1088/1742-6596/1863/1/012045.

M. Agustina, B. Abapihi, G. Ngurah Adhi Wibawa, I. Yahya, and H. Oleo, “Pemodelan Faktor-Faktor yang Mempengaruhi Tingkat Pengangguran Terbuka di Indonesia dengan Pendekatan Regresi Spasial,” Pros. Semin. Nas. Sains Dan Terap., vol. 56, no. April, pp. 56–70, 2022, [Online]. Available: https://www.bps.go.id

M. Kubara and K. Kopczewska, “Akaike information criterion in choosing the optimal k -nearest neighbours of the spatial weight matrix,” Spat. Econ. Anal., no. February, pp. 1–19, 2023, doi: 10.1080/17421772.2023.2176539.

M.-S. Ahmed, M. N’diaye, M. K. Attouch, and S. Dabo-Niange, “K-Nearest Neighbors Prediction and Classification for Spatial Data,” J. Spat. Econom., vol. 4, no. 1, pp. 1–31, 2023, doi: 10.1007/s43071-023-00041-2.

A. M. Japany and A. Firnanda, “Analisis Spasial Upah Minimum Kabupaten/Kota di Provinsi Jawa Tengah Tahun 2017-2021 dengan Model SAR-RE,” Semin. Nas. Off. Stat., vol. 2022, no. 1, pp. 731–740, 2022, doi: 10.34123/semnasoffstat.v2022i1.1135.

R. O. Hutapea, M. R. T. Sinaga, M. S. I. Lubis, and M. F. Aqil, “Spatial Analysis of Earthquake Distribution Patterns in North Sumatera in 2022 Using Moran’s Test and Moran Scatter Plot Mapping,” EDUCTUM J. Res., vol. 4, no. 2, pp. 6–14, 2025.

Y. Hasbi, Regresi Spasial (Aplikasi dengan R). 2020.

L. F. Morales, M. Quiñones, E. Dávalos, and L. F. Gaviria, “Spatial spillover effects in the labour market in a middle-income country,” Spat. Econ. Anal., vol. 20, no. 1, pp. 53–71, 2025, doi: 10.1080/17421772.2024.2378792.




DOI: https://doi.org/10.15548/jostech.v6i1.12872

Refbacks

  • There are currently no refbacks.


Copyright (c) 2026 JOSTECH Journal of Science and Technology

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.