PENERAPAN MODEL GEOGRAPGICALLY WEIGHTED REGRESSION (GWR) MENGGUNAKAN FUNGSI PEMBOBOT ADAPTIVE KERNEL GAUSSIAN DAN ADAPTIVE KERNEL BISQUARE PADATINGKAT PENGANGGURAN TERBUKA DI PULAU PAPUA

Abstract

Tingkat Pengangguran Terbuka merupakan indikator yang digunakan dalam mengukur tenaga kerja yang tidak diserap oleh pasar kerja dan menggambarkan kurang termanfaatkannya pasokan tenaga kerja. Penyebab munculnya tingkat pengangguran terbuka karena ketidakcocokan ketrampilan, minimnya pengelaman, rendahnya permintaan, dan kondisi ekonomi. Persentase tingkat pengangguran terbuka antarasatu lokasi dengan lokasi lainnya berbeda-beda, hal ini memungkinkan adanya keragaman spasial antara lokasi. Dalam upaya mengatasi masalah Tingkat Pengangguran Terbuka diperlukan suatu analisis spasial sehingga dapat menentukan faktor apa saja yang berpengaruh terhadap Tingkat Pengangguran Terbuka yang terdapat di Pulau Papua tahun 2020 yaitu menggunakan metode Geographically Weighted Regression(GWR) dengan fungsi pembobot adaptive kernel Gaussian dan fungsi pembobot adaptive kernel Bisquare.Berdasarkan hasil analisis diperoleh model GWR menggunakan fungsi pembobot adaptive kernel Gaussian dengan taraf signifikansi 10%, variabel Indeks Pembangunan Manusia (X1) signifikan di 37 kabupaten/kotadan variabel PDRB Perkapita (X2) signifikan di 36 kabupaten/kota di Pulau Papua tahun 2020. Model GWR dengan fungsi pembobot adaptive kernel Bisquare pada taraf signifikansi 10%, variabel Indeks Pembangunan Manusia (X1) signifikan di 23 kabupaten/kota dan variabel PDRB Perkapita (X2) signifikandi 23 kabupaten/kota di Pulau Papua tahun 2020. Berdasarkan hasil perbandingan dari kedua fungsi pembobot disimpulkan bahwa model terbaik untuk mengestimasi Tingkat Pengangguran Terbuka di PulauPapua tahun 2020 adalah dengan fungsi pembobot adaptive kernel Bisquare karena mempunyai nilai R2 terbesar yaitu 0,8427351 dan AIC terkecil yaitu 155,8274.