PIPI

Jurnal Mahasiswa Aplikasi Teknologi Komputer dan Informasi (JMApTeKsi)Jurnal Mahasiswa Aplikasi Teknologi Komputer dan Informasi (JMApTeKsi)

Pengangguran merupakan indikator penting dalam menilai kondisi sosial ekonomi suatu daerah. Di Kota Pekanbaru, tingkat pengangguran mengalami fluktuasi sepanjang 2021 hingga 2024 akibat berbagai faktor seperti inflasi, upah minimum, pertumbuhan ekonomi, dan usia kerja. Penelitian ini bertujuan untuk menganalisis faktor-faktor yang memengaruhi tingkat pengangguran serta memprediksi kondisinya di tahun berikutnya menggunakan metode regresi linier. Data yang digunakan merupakan data sekunder dengan lima variabel independen: inflasi, upah minimum, pertumbuhan ekonomi, pertumbuhan populasi, dan persentase usia produktif (25–29 tahun). Perhitungan regresi dilakukan secara manual untuk mengetahui variabel yang paling berpengaruh terhadap tingkat pengangguran. Pertumbuhan ekonomi mendorong penciptaan lapangan kerja, sedangkan peningkatan penduduk usia kerja tanpa penyerapan tenaga kerja dapat memperburuk pengangguran. Berdasarkan model yang diperoleh, tingkat pengangguran tahun 2025 diprediksi menurun menjadi 3,70%, dari 4,10% pada tahun 2024. Sebagai pemanfaatan hasil penelitian, dikembangkan website yang menyajikan data pengangguran secara visual dalam bentuk grafik, tabel, dan hasil prediksi. Website ini dirancang menyerupai tampilan berita resmi BPS agar mudah diakses dan dipahami oleh masyarakat, akademisi, dan pembuat kebijakan.

Penelitian ini berhasil membangun model regresi linier untuk memprediksi tingkat pengangguran di Kota Pekanbaru berdasarkan variabel ekonomi makro.Analisis data historis menunjukkan bahwa beberapa variabel memiliki pengaruh signifikan terhadap tingkat pengangguran.Model yang dibangun mampu memberikan prediksi yang cukup akurat dan dapat dimanfaatkan sebagai dasar dalam perumusan kebijakan publik untuk pengendalian pengangguran.

Penelitian lanjutan dapat dilakukan dengan mengembangkan model regresi linier menjadi model yang lebih kompleks, seperti dengan memanfaatkan metode machine learning untuk meningkatkan akurasi prediksi. Selain itu, perlu dilakukan penambahan variabel independen yang relevan, seperti tingkat partisipasi angkatan kerja dan kebijakan ketenagakerjaan lokal, untuk memperkaya analisis. Untuk mendukung validitas dan keandalan prediksi di masa depan, penting untuk memperluas jangkauan data historis dan memastikan kualitas data yang digunakan. Terakhir, hasil prediksi dari model ini sebaiknya diintegrasikan ke dalam perumusan kebijakan ekonomi dan sosial yang proaktif untuk mengatasi masalah pengangguran di Kota Pekanbaru, serta meningkatkan kualitas sistem informasi ketenagakerjaan agar data yang digunakan selalu relevan dan mutakhir.

  1. Penggunaan Metode Naïve Bayes Dalam Mengklasifikasi Pengangguran Pada Desa Bojong Kulur... doi.org/10.31294/bi.v10i1.12333Penggunaan Metode NayEAve Bayes Dalam Mengklasifikasi Pengangguran Pada Desa Bojong Kulur doi 10 31294 bi v10i1 12333
Read online
File size958.05 KB
Pages9
DMCAReport

Related /

ads-block-test