Naili Makarima Mahallil Asna, - (2021) Pemodelan Tingkat Pengangguran Terbuka Di Indonesia Pada Masa Pandemi Covid-19 Berdasarkan Pendekatan Geographically Weighted Regression. Skripsi thesis, UNIVERSITAS AIRLANGGA.

	Text (HALAMAN JUDUL) 1. HALAMAN JUDUL.pdf Download (829kB)
	Text (ABSTRAK) 2. ABSTRAK.pdf Download (493kB)
	Text (DAFTAR ISI) 3. DAFTAR ISI.pdf Download (767kB)
	Text (BAB I) 4. BAB I PENDAHULUAN.pdf Download (342kB)
	Text (BAB II) 5. BAB II TINJAUAN PUSTAKA.pdf Restricted to Registered users only until 5 November 2024. Download (717kB) | Request a copy
	Text (BAB III) 6. BAB III METODE PENELITIAN.pdf Restricted to Registered users only until 5 November 2024. Download (627kB) | Request a copy
	Text (BAB IV) 7. BAB IV HASIL DAN PEMBAHASAN.pdf Restricted to Registered users only until 5 November 2024. Download (1MB) | Request a copy
	Text (BAB V) 8. BAB V KESIMPULAN DAN SARAN.pdf Restricted to Registered users only until 5 November 2024. Download (486kB) | Request a copy
	Text (DAFTAR PUSTAKA) 9. DAFTAR PUSTAKA.pdf Download (318kB)
	Text (LAMPIRAN) 10. LAMPIRAN.pdf Restricted to Registered users only until 5 November 2024. Download (1MB) | Request a copy
	Text (PERMOHONAN EMBARGO) 11. PERMOHONAN EMBARGO.pdf Restricted to Registered users only Download (130kB) | Request a copy

Abstract

akhir tahun 2019 telah ditemukan jenis baru dari virus corona yang dapat menyebabkan sebuah penyakit yang diberi nama Covid-19 (WHO, 2020). Sebelum kasus pertama Covid-19 Indonesia dikonfirmasi pada bulan Maret 2020 oleh Presiden Joko Widodo, BPS mencatat pada bulan Februari 2020 Tingkat Pengangguran Terbuka (TPT) Indonesia sebesar 4,94%, namun angka tersebut semakin meningkat hingga pada Agustus 2020, TPT Indonesia mencapai 7,07%. TPT Agustus 2020 mengalami peningkatan yang cukup besar yaitu sebesar 1,84% dibandingkan dengan dengan TPT Agustus 2019 (BPS, 2020). TPT pada Agustus 2020 merupakan angka yang tertinggi dalam hampir sepuluh tahun terakhir. TPT dipengaruhi oleh faktor-faktor yang berbeda di setiap wilayah. Hal tersebut dikarenakan adanya perbedaan karakteristik suatu wilayah dan adanya keterkaitan jarak antar wilayah. Perbedaan karakteristik tersebut menyebabkan timbulnya keragaman antar wilayah. Untuk mengatasi keragaman antar wilayah yang disebut heterogenitas spasial, dibutuhkan suatu model yang berbasis kewilayahan. Salah satu model spasial untuk mengatasi keragaman wilayah adalah Geographically Weighted Regression (GWR). Pada penelitian ini digunakan metode regresi global dan GWR untuk membuat model TPT pada masa pandemi Covid-19 di masing-masing provinsi di Indonesia. Hasil analisis menggunakan pendekatan Regresi Global diperoleh nilai sebesar 0,6071 dan dengan menggunakan pendekatan GWR diperoleh pembobot terbaik yang digunakan dalam pemodelan adalah Fixed Bisquare Kernel dengan nilai sebesar 0,8908. Berdasarkan uji kesesuaian model diperoleh sebesar 5,249 nilai tersebut lebih besar dari yaitu sebesar 2,382 Yang artinya bahwa ada perbedaan antara model Regresi Global dengan model GWR atau model GWR dapat dikatakan telah sesuai upntuk pemodelan TPT pada masa pandemi Covid-19 di Indonesia. Berdasarkan hasil analisis menggunakan metode GWR didapatkan sebanyak 6 pengelompokan provinsi yang menunjukkan adanya kesamaan variabel prediktor yang berpengaruh signifikan terhadap TPT.

Actions (login required)

View Item