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

Tingkat pengangguran merupakan isu yang signifikan dalam perekonomian, terutama di negara berkembang seperti Indonesia. Berdasarkan hal itu penelitian ini bertujuan untuk mengetahui variabel yang paling mempengaruhi tingkat pengangguran. Data yang digunakan adalah data sekunder dari BPS dengan tingkat pengangguran terbuka di Indonesia sebagai variabel dependen (y) dan Indeks Pembangunan Manusia (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 (pencilan). Model regresi biasa tidak akurat memodelkan data yang terdapat pencilan, sehingga diperlukan model yang lebih sensitif terhadap pencilan yaitu model regresi robust. Pada penelitian ini, peneliti menggunakan estimasi-S dengan membandingkan 2 pembobot yaitu Tukey Bisquare dan Welsch. Hasil menunjukkan bahwa model regresi robust dengan estimasi-S berpembobot Tukey Bisquare yaitu = −17.259 + 0.1698 x1 − 0.0716 x2 memiliki nilai MSE = 0.674 dan adj-R2 = 26.14%. Sementara model regresi robust dengan estimasi-S berpembobot Welsch memiliki nilai MSE = 2.643 dan adj R-Squared = 25.88%. Artinya nilai MSE Tukey Bisquare < Welsch dan nilai adj-R2 Tukey Bisquare > Welsch. Dari model tersebut disimpulkan (x2) merupakan faktor yang paling mempengaruhi tingkat pengangguran di Indonesia sebesar 20.74%.