Electronic Theses and Dissertation

Regresi nonparametrik spline truncated merupakan metode analisis regresi yang fleksibel dan memiliki keunggulan dalam menangkap pola hubungan kompleks yang sulit dimodelkan dengan regresi parametrik. keunggulan tersebut menjadikan metode ini sangat relevan dalam menganalisis faktor-faktor yang memengaruhi tingkat pengangguran terbuka (tpt), yang merupakan salah satu indikator utama kondisi ketenagakerjaan. tpt dapat dipengaruhi oleh faktor sosial, ekonomi, dan kependudukan yang memiliki hubungan kompleks dan tidak linier terhadap tpt. menurut badan pusat statistik (bps), provinsi banten dan provinsi jawa barat merupakan provinsi dengan tpt tertinggi pada tahun 2023 yaitu 7,52% dan 7,44%. penelitian ini bertujuan untuk menganalisis faktor-faktor yang memengaruhi tpt di provinsi banten dan jawa barat tahun 2023 dengan menggunakan pendekatan regresi nonparametrik spline truncated. enam faktor yang diduga memengaruhi tpt adalah tingkat partisipasi angkatan kerja (tpak), rata-rata lama sekolah, persentase penduduk miskin, laju pertumbuhan penduduk, laju pertumbuhan pdrb, dan persentase penduduk usia produktif. berdasarkan analisis scatter plot, tidak ditemukan pola hubungan yang jelas antara tpt dan faktor-faktor tersebut, sehingga penggunaan metode regresi nonparametrik spline truncated menjadi pilihan yang tepat. model terbaik diperoleh dengan kombinasi titik knot optimal (3, 2, 3, 3, 3, 1) dan nilai gcv minimum 0,66. penyederhanaan model dilakukan untuk model tersebut melalui knot selection. model yang disederhanakan memiliki 14 parameter dan 8 titik knot dengan nilai gcv 0,88 dan koefisien determinasi (r²) sebesar 90,64%. hasil analisis menunjukkan bahwa tpak, rata-rata lama sekolah, persentase penduduk miskin, laju pertumbuhan penduduk, laju pertumbuhan pdrb, dan persentase penduduk usia produktif berpengaruh signifikan terhadap tpt, dengan variasi pengaruh pada interval tertentu. kata kunci: tingkat pengangguran terbuka, regresi nonparametrik spline truncated, gcv, titik knot, banten, jawa barat  

Nonparametric truncated spline regression is a flexible regression analysis method that excels in capturing complex relationship patterns that are difficult to model using parametric regression. This advantage makes it highly relevant for analyzing the factors influencing the Open Unemployment Rate (TPT), which is one of the key indicators of labor market conditions. TPT can be influenced by social, economic, and demographic factors that exhibit complex and nonlinear relationships with TPT. According to the Central Bureau of Statistics (BPS), Banten Province and West Java Province recorded the highest TPT in 2023, at 7.52% and 7.44%, respectively. This study aims to analyze the factors affecting TPT in Banten and West Java in 2023 using a nonparametric truncated spline regression approach. Six factors suspected to influence TPT are the Labor Force Participation Rate (TPAK), average years of schooling, percentage of the poor population, population growth rate, Gross Regional Domestic Product (GRDP) growth rate, and percentage of the productive-age population. Based on scatter plot analysis, no clear relationship pattern was found between TPT and these factors, making the use of nonparametric truncated spline regression an appropriate choice. The best model was obtained using an optimal knot combination of (3, 2, 3, 3, 3, 1) with a minimum GCV value of 0.66. Model simplification was performed using knot selection. The simplified model consists of 14 parameters and 8 knots, with a GCV value of 0.88 and a coefficient of determination (R²) of 90.64%. The analysis results indicate that TPAK, average years of schooling, percentage of the poor population, population growth rate, GRDP growth rate, and percentage of the productive-age population significantly affect TPT, with varying impacts across specific intervals. Keywords: open unemployment rate, nonparametric spline truncated regression, GCV, knot points, Banten, Jawa Barat.