MODEL REGRESI ROBUST TINGKAT PENGANGGURAN DI INDONESIA DENGAN MEMBANDINGKAN PEMBOBOT TUKEY BISQUARE DAN WELSCH

Tingkat pengangguran merupakan isu yang signifikan dalam konteks
perekonomian, terutama di negara berkembang seperti Indonesia. Berdasarkan hal
itu penelitian ini bertujuan untuk mengetahui variabel apa yang paling mempengaruhi
tingkat pengangguran. Data yang digunakan adalah data sekunder, dan
dikumpulkan dari BPS dengan tingkat pengangguran terbuka di Indonesia sebagai
variabel dependen (y), dan IPM (x1), kesediaan lapangan kerja informal non
pertanian (x2), Indeks kedalaman kemiskinan pada tiap provinsi (x3) sebagai
variabel independen. Metode Kuadrat Terkecil (MKT) digunakan untuk mengestimasi
parameternya, hasil pengamatan terhadap data menyatakan bahwa terdapat
data yang menyimpang dari sekumpulan data lainnya biasa disebut dengan
pencilan. Model Regresi Biasa tidak akurat memodelkan data yang terdapat
pencilan, sehingga diperlukan sebuah model yang lebih sensitif terhadap pencilan
yaitu model Regresi Robust. Pada penelitian ini, peneliti menggunakan pendekatan
estimasi-S dengan membandingkan 2 pembobot yaitu pembobot Tukey Bisquare
dan Welsch. Hasil menunjukkan bahwa model regresi Robust dengan pendekatan
estimasi-S berpembobot Tukey Bisquare yaitu by = -17.259 + 0.1698(x1) -
0.0716(x2) memiliki nilai MSE = 0.674 dan adj R-Squared = 26.14%. Sementara
model regresi Robust dengan pendekatan estimasi-S berpembobotWelsch memiliki
nilai MSE = 2.643 dan adj R-Squared = 25.88%. Artinya nilai MSE Tukey Bisquare
< Welsch dan nilai adjusted R2 Tukey Bisquare > Welsch. Dari model tersebut
disimpulkan bahwa lapangan kerja informal non pertanian (x2) merupakan faktor
yang paling mempengaruhi tingkat pengangguran di Indonesia sebesar 20.74%.