Electronic Theses and Dissertation

Tingkat pengangguran terbuka (tpt) merupakan indikator penting dalam menilai kinerja pasar tenaga kerja di suatu negara. angka tpt yang tinggi mencerminkan ketidakseimbangan antara permintaan dan penawaran tenaga kerja, serta menjadi tantangan dalam pencapaian pembangunan berkelanjutan. penelitian ini bertujuan untuk mengidentifikasi faktor-faktor yang memengaruhi tpt di indonesia menggunakan regresi data panel. pengaruh dilihat melalui pemilihan model terbaik dari tiga pendekatan dasar regresi data panel yaitu common effect model (cem), fixed effect model (fem), dan random effect model (rem). data dalam penelitian ini terdiri dari data cross section yaitu 34 provinsi di indonesia dan time series berupa data dari tahun 2021 sampai 2023, dengan menggunakan satu variabel dependen dan tujuh variabel independen. berdasarkan dari uji pemilihan model regresi data panel didapatkan model terbaik yaitu fixed effect model, sehingga perlu dilakukan uji asumsi klasik. namun, hasil uji asumsi klasik menunjukkan adanya pelanggaran, yaitu terdapat heteroskedastisitas dan autokorelasi sehingga digunakan pendekatan robust standard error agar estimasi parameter tetap valid. hasil penelitian menunjukkan bahwa model fixed effect model menghasilkan nilai adjusted r^2 sebesar 51,93%, dengan memperoleh tiga variabel independen yang berpengaruh signifikan terhadap tpt, yaitu jumlah penduduk, rata-rata lama sekolah, dan produk domestik regional bruto pada tingkat signifikansi 5%. kata kunci: tingkat pengangguran terbuka, regresi data panel, fixed effect model, robust standard error

The Open Unemployment Rate (TPT) is an important indicator in assessing the performance of the labor market in a country. A high open unemployment rate reflects an imbalance between labor demand and supply, and poses a challenge in achieving sustainable development. This study aims to identify the factors influencing the unemployment rate in Indonesia using panel data regression. The influence is observed through the selection of the best models from three basic approaches to panel data regression, namely the Common Effect Model (CEM), Fixed Effect Model (FEM), and Random Effect Model (REM). The data in this study consists of cross-sectional data from 34 provinces in Indonesia and time series data from 2021 to 2023, using one dependent variable and seven independent variables. Based on the panel data regression model selection test, the best model obtained is the Fixed Effect Model, so classical assumption tests need to be conducted. However, the results of the classical assumption test indicate violations, namely the presence of heteroscedasticity and autocorrelation, so a robust standard error approach is used to ensure the parameter estimates remain valid. The research results show that the Fixed Effect Model yields an adjusted R^2 value of 51.93%, with three independent variables significantly affecting the open unemployment rate, namely the population size, average years of schooling, and regional gross domestic product at 5% significance level. Keywords: Open Unemployment Rate, Panel Data Regression, Fixed Effect Model, Robust Standard Error