Pemodelan Geographically Weighted Random Forest pada Kasus Tingkat Pengangguran Terbuka di Jawa Timur

Abstract

Tingkat pengangguran terbuka (TPT) merupakan perbandingan jumlah pengangguran terhadap jumlah angkatan kerja. Tahun 2020 TPT di Indonesia mencapai 7,1% atau tertinggi kedua di ASEAN dan Jawa Timur menduduki peringkat ke-15 TPT tertinggi dari seluruh provinsi. Tingginya TPT di Provinsi Jawa Timur dapat dipengaruhi oleh beberapa faktor. Faktor-faktor tersebut dapat bervariasi pada setiap kabupaten/kota, mengingat setiap kabupaten/kota tersebut memiliki ciri khas masing-masing. Tujuan dari penelitian ini yaitu menganalisis faktor-faktor yang mempengaruhi TPT di Provinsi Jawa Timur dengan metode Geographically Weighted Random Forest (GWRF) menggunakan kernel fixed dan kernel adaptive. Hasil dari penelitian ini yaitu adanya perbedaan kelompok variable importance yang berpengaruh terdahap TPT di Provinsi Jawa Timur. Metode GWRF dengan kernel adaptive terdiri dari 5 kelompok, sedangkan metode GWRF dengan kernel fixed terdiri dari 3 kelompok. Pengelompokan tersebut berdasarkan kesamaan 3 faktor tertinggi yang mempengaruhi TPT di Provinsi Jawa Timur pada setiap kabupaten/kota. IPM menjadi faktor paling signifikan terhadap TPT pada setiap kelompok baik menggunakan kernel adaptive maupun kernel fixed. Hal tersebut berarti bahwa IPM menjadi faktor yang perlu dipertimbangkan dalam menangani TPT pada setiap kabupaten/kota di Provinsi Jawa Timur. Berdasarkan nilai R^2, RMSE, dan MAE menunjukkan bahwa penggunaan kernel adaptive lebih baik daripada kernel fixed pada metode GWRF dalam menganalisis faktor-faktor yang mempengaruhi TPT di Provinsi Jawa Timur.