Electronic Theses and Dissertation

Pengangguran merupakan permasalahan yang terus berkembang di Indonesia dengan Tingkat Pengangguran Terbuka (TPT) yang mengalami kenaikan dari 4,76% menjadi 4,85% pada periode Februari-Agustus 2025. Penelitian ini mengadopsi model dinamika pengangguran yang dikembangkan di Bangladesh dan menerapkan pada data empiris Indonesia. Fungsi objektif pertama J_{1} diadopsi dari penelitian sebelumnya untuk memaksimalkan jumlah pekerja sambil meminimalkan biaya kontrol. Sebagai pengembangan penelitian ini mengusulkan fungsi objektif kedua J_{2} untuk meminimalkan jumlah pengangguran sekaligus biaya kontrol. Penyelesaian dilakukan dengan mentransformasikan permasalahan kontrol optimal ke dalam bentuk NonLinear Programming (NLP) menggunakan metode interpolasi spline kubik dengan 10 segmen pada interval waktu [0,5] tahun. Perbedaan hasil simulasi pada kondisi dengan dan tanpa kontrol menunjukkan bahwa penerapan kedua kontrol efektif dalam menurunkan jumlah pengangguran serta meningkatkan jumlah pekerja dan lowongan pada kedua fungsi objektif. Namun pada J_{1} nilai kontrol mendekati batas maksimum yaitu u_{1}(t)=0,96492 dan u_{2}(t)=1 yang berarti orientasi pada memaksimalkan hasil. Sedangkan pada J_{2} nilai kontrol berada pada tingkat menengah yaitu u_{1}(t)=0,63893 hingga 0,6612 dan u_{2}(t)=0,6197\ yang berarti keseimbangan antara menurunkan jumlah pengangguran dan efisiensi biaya kebijakan. Hasil ini memberikan gambaran trade-off bagi pengambil kebijakan dalam merancang strategi pengendalian pengangguran yang optimal.

Unemployment is a persistent labor market challenge in Indonesia, with the Open Unemployment rate rising from 4,76% to 4,85% during February-August 2025 period. This study adopted the unemployment dynamical model developed in Bangladesh and applied to Indonesian empirical data. The first objective function J_{1} is adopted from previous research to maximize the number of employment while minimizing the control costs. As a development of this research, the second objective function J_{2} is proposed to minimize the number of unemployment while simultaneously minimizing the control costs. The optimal control problem is solved by transforming it into Nonlinear Programming (NLP) form using cubic spline interpolation method with 10 segments over the time interval [0,5] years. The simulation results comparing scenarios with and without control demonstrated that both controls effectively reduce the number of unemployment and increase the number of employment and available vacancies under both objective functions. However, under the objective function J_{1} the control values approached their upper bounds (u_{1}(t)=0,96492 and u_{2}(t)=1), indicating that the optimizer focused on maximizing the employment outcomes. While under the objective function J_{2} the control values remained at moderate level, with u_{1}(t) ranging from 0,63893 to 0,6612 and u_{2}(t)=0,6197, indicating the balance between reducing the number of unemployment and policy cost efficiency. These results provide a picture of trade-off for policymakers in designing an optimal unemployment control strategy.