PERBANDINGAN METODE SPATIAL LAG X, SPATIAL AUTOREGRESSIVE MODEL DAN SPATIAL ERROR MODEL UNTUK FAKTOR-FAKTOR YANG MEMPENGARUHI TINGKAT PENGANGGURAN TERBUKA DI PROVINSI NTT

Abstract

Pengangguran merupakan keadaan seseorang yang tergolong dalam angkatan kerja dan tidak memiliki pekerjaan dan secara aktif sedang mencari pekerjaan. Pengangguran di suatu wilayah dapat dipengaruhi oleh faktor geografis, yang  merupakan besarnya angka pengangguran di suatu wilayah yang dapat mempengaruhi angka pengangguran pada wilayah yang berdekatan sehingga faktor geografis diduga dapat mempengaruhi dan memberikan efek dependensi spasial pada nilai pengangguran di Provinsi Nusa Tenggara Timur. Penelitian ini bertujuan untuk mengetahui perbandingan metode Spatial Lag X, Spatial Autoregressive Model, dan Spatial Error Model, untuk Faktor-Faktor Yang Mempengaruhi Tingkat Pengangguran Terbuka Di Provinsi NTT. Unit pengamatan pada penelitian ini adalah 22 Kabupaten/ Kota di Provinsi NTT. Data yang digunakan merupakan data sekunder dari Badan Pusat Statistik Nusa Tenggara Timur tahun 2021. Metode analisis yang digunakan adalah Spatial Lag X (SLX), Spatial Autoregressive Model (SAR), dan Spatial Error Model (SEM). Hasil penelitian menunjukkan bahwa berdasarkan nilai uji Morans’I variabel presentase penduduk yang tidak mempunyai ijazah (X₁), distibusi presentase PDRB atas harga berlaku (X₃) terdapat autokorelasi atau keterkaitan antar wilayah Kabupaten di Provinsi NTT. Pada nilai uji  Lagrange Multiplier, uji Robust Lagrange Multiplier error () memiliki dependensi spasial error. Variabel predictor yang secara signifikan berpengaruh terhadap tingkat pengangguran pada model SLX dan SAR adalah distibusi presentase PDRB atas harga berlaku (X₃), sedangkan pada model SEM adalah variabel Indeks pembangunan manusia (X₄). Berdasarkan hasil penelitian didapatkan model SEM memiliki nilai AIC terkecil sehingga model SEM lebih baik digunakan untuk menganalisis nilai tingkat pengangguran di Provinsi Nusa Tenggara Timur dibandingkan model Regresi OLS, SLX, dan SAR.