ANALISIS FAKTOR TINGKAT PENGANGGURAN TERBUKA DENGAN METODE GEOGRAPHICALLY WEIGHTED LASSO

Tingkat pengangguran terbuka di Jawa Barat Pada Tahun 2019 mencapai 7,99% menurut Badan Pusat Statistik (BPS) angka ini merupakan angka tertinggi di Indonesia. Permasalahan tingginya tingkat pengangguran tentunya akan berdampak kepada aspek perekonomian yang mengakibatkan tidak maksimalnya tingkat kemakmuran (Amalia, 2019) sehingga, diperlukan penanganan yang tepat untuk mengatasi permasalahan ini. Akan tetapi penelitian yang sudah dilakukan masih mengarah pada hasil yang bersifat global tanpa mempertimbangkan keberagaman karakteristik di setiap daerah. Sebagaimana kita ketahui, bawasanya setiap daerah memiliki karakteristik yang berbeda sehingga analisis berdasarakn pada pemodelan regresi global kurang tepat. Adanya efek spasial pada Tingkat Pengangguran terbuka mengakibatkan kemungkinan terjadinya keragaman spasial. Analisis GWR yang merupakan perluasan dari regresi global mampu mengakomodir permasalahan tersebut. Namun, analisis ini masih memiliki kelemahan salah satunya apabila terjadi multikoliniritas, pemodelan yang dilakukan dengan GWR kurang optimal.Geographically Weighted Lasso (GWL) merupakn teknik yang menggunakan pendekatan Lasso dalam model GWR untuk mengatasi masalah multikolinieritas disamping itu, model GWL juga dapat sekaligus menyeleksi variabel yang tidak signifikan dengan cara menyusutkan nilai koefisien regresi sampai ke nol. Sehingga variabel-variabel dengan koefisien regesi nol tidak berpengaruh signifikan (Wheeler D 2009). Dalam penelitian ini diperoleh bahwa signifikansi variabel yang mempengaruhi tingkat pengangguran terbuka disetiap daerah berbeda-beda dimana variabel Angkatan kerja yang tidak berijazah, Angka Putus Sekolah, Lowongan Kerja, dan Kepadatan Penduduk memberikan pengaruh yang signifikan pada sebagian besar kota dan kabupaten di Jawa Barat. Sedangkan kabupaten Bandung hanya dipengaruhi signifikan oleh variabel IPM. Pemodelan dengan menggunakan GWL memberikan koefisien determinansi yang lebih tinggi dibandingkan dengan model regresi global dan GWR.