Bilah Samping Artikel

Telah diserahkan
Apr 25, 2025
Diterima
May 20, 2025
Diterbitkan
May 26, 2025
Download
PDF
Statistic
Read Counter : 58 Download : 48

Isi Artikel Utama

Abstrak

Tingkat Pengangguran Terbuka (TPT) di Jawa Barat tercatat tertinggi secara nasional dalam beberapa tahun terakhir. Penelitian ini bertujuan memprediksi TPT tahun 2025 menggunakan algoritma Regresi Linear Berganda (RLB) dengan variabel seperti inflasi, PDRB, IPM, dan jumlah penduduk. Data sekunder tahun 2013–2024 dianalisis melalui metode preprocessing, PCA, dan pembagian data latih-uji. Model dievaluasi menggunakan RMSE dan R-squared, dengan hasil RMSE 0,0148 dan R² 0,5716. Regresi Linear Berganda dipilih karena mampu menangani banyak variabel sekaligus dan memberikan estimasi kuantitatif terhadap kontribusi masing-masing faktor, berbeda dengan pendekatan individu yang hanya melihat pengaruh satu variabel secara terpisah. Hasil ini dapat menjadi dasar kebijakan penanggulangan pengangguran di tingkat regional.

Kata Kunci

Jawa Barat Prediksi Pengangguran Regresi Linear Berganda RMSE R-squared

Rincian Artikel

Creative Commons License

Artikel ini berlisensi Creative Commons Attribution-NoDerivatives 4.0 International License.

Cara Mengutip
[1]
J. Halif, D. Wahiddin, I. Sanjaya, dan S. Faisal, “Model Regresi Linear Berganda untuk Prediksi Tingkat Pengangguran di Provinsi Jawa Barat ”, Jurnal Algoritma, vol. 22, no. 1, hlm. 324–335, Mei 2025.
Unduh Sitasi
Endnote/Zotero/Mendeley (RIS)
Crossref
Scopus
Google Scholar
Europe PMC

References

  1. R. Agustina, S. Nur’aini, L. Nazla, S. Hanapiah, and L. Marlina, “Era Digital: Tantangan Dan Peluang Dalam Dunia Kerja,” J. Econ. Bus., vol. 1, no. 1, pp. 1–8, 2023, doi: 10.61994/econis.v1i1.138.
  2. R. Efrianti, A. Irawan, and A. Akbar, “Pengaruh Pertumbuhan Ekonomi Terhadap Tingkat Pengangguran Di Provinsi Sumatera Selatan Tahun 2002–2019,” KLASSEN| J. Econ. Dev. Plan., vol. 1, no. 1, pp. 37–51, 2021.
  3. C. N. Rianda, “Analisis Dampak Pengangguran Berpengaruh Terhadap Individual,” At-Tasyri’ J. Ilm. Prodi Muamalah, vol. 12, no. 1, p. 17, 2020, doi: 10.47498/tasyri.v12i01.358.
  4. O. K. Ishak and M. E. Sy, “Faktor-Faktor Yang Mempengaruhi Pengangguran Dan Inflikasinyaterhadap Indek Pembangunan Di Indonesia.”
  5. Y. A. R. Adipratomo, M. P. Hutagaol, and D. Tanjung, “Penyebab Tingginya Angka Pengangguran di Jawa Barat,” SEIKAT J. Ilmu Sos. Polit. dan Huk., vol. 3, no. 2, pp. 158–165, 2024, doi: 10.55681/seikat.v3i2.1274.
  6. R. Kartika, I. Muslim, ) Jurusan, E. Pembangunan, F. Ekonomi, and D. Bisnis, “Analisis Faktor-Faktor Yang Mempengaruhi Pengangguran Di Indonesia.”
  7. E. Triyanto, H. Sismoro, and A. D. Laksito, “Implementasi Algoritma Regresi Linear Berganda Untuk Memprediksi Produksi Padi Di Kabupaten Bantul,” Rabit J. Teknol. dan Sist. Inf. Univrab, vol. 4, no. 2, pp. 66–75, Jul. 2019, doi: 10.36341/rabit.v4i2.666.
  8. S. A. Pratiwi, A. Fauzi, S. Arum, P. Lestari, and Y. Cahyana, “KLIK: Kajian Ilmiah Informatika dan Komputer Prediksi Persediaan Obat Pada Apotek Menggunakan Algoritma Decision Tree,” Media Online, vol. 4, no. 4, pp. 2381–2388, 2024, doi: 10.30865/klik.v4i4.1681.
  9. B. Penelitian, : Statistik, N. Ariyani, and A. Z. Arifin, “Prediksi Tingkat Pengangguran Di Kabupaten Tuban Tahun 2020 Menggunakan Metode Regresi Linear Sederhana,” vol. 03, no. 01, pp. 6–13, 2021.
  10. M. F. Syahroni, P. Kumbara, and L. Hakim, “Prediksi Tingkat Pengangguran Di Indonesia Menggunakan Linear Regression Dengan Weka,” J. Ilmu Tek., vol. 1, no. 4, pp. 242–248, 2024, [Online]. Available: https://doi.org/10.62017/tektonik
  11. A. Permana, B. Irawan, and A. Bahtiar, “Prediksi Jumlah Pengangguran Di Jawa Barat Dengan Menggunakan Algoritma Regresi Liniear,” 2024. [Online]. Available: https://satudata.bandungkab.go.id/
  12. E. Rosyidah and E. Masykuroh, “Memahami Strategi dan Mengatasi Tantangan dalam Penelitian Metode Kuantitatif,” Syntax Idea, vol. 6, no. 6, pp. 2787–2803, 2024.
  13. I. K. Cahyati, N. Nafiah, P. Mariati, and M. S. Djazilan, “Pengaruh Media Papan Napier Terhadap Hasil Belajar Tematik Kelas Iii Di Upt Sd Negeri 152 Gresik,” J. Ilm. Mat. Realis., vol. 4, no. 2, pp. 218–226, 2023.
  14. A. A. Hidayanti, B. D. Prathama, and S. Wardah, “Analisis Korelasi Pearson Dalam Menentukan Hubungan Kualitas Produk, Pelayanan, Lokasi Dan Kepuasan Terhadap Loyalitas Pada Pelanggan Rumah Nutrisi Herbalife Mataram,” J. Innov. Res. Knowl., vol. 1, no. 2, pp. 185–198, 2021.
  15. A. Wahab, A. Syahid, and J. Junaedi, “Penyajian Data Dalam Tabel Distribusi Frekuensi Dan Aplikasinya Pada Ilmu Pendidikan,” Educ. Learn. J., vol. 2, no. 1, pp. 40–48, 2021.
  16. D. Purwanti and J. Purwadi, “Metode Brown’s double exponential smoothing dalam peramalan laju inflasi di Indonesia,” J. Ilm. Mat., vol. 6, no. 2, p. 54, 2019.
  17. D. R. S. Saputro, WEKA 3.6. 9 (Waikato Environment for Knowledge Analysis): Tools untuk Memahami Machine Learning. Stiletto Book, 2023.
  18. R. R. Alhempi et al., Analisis Statistik Deskriptif dengan SPSS dan Interpretasinya. Takaza Innovatix Labs, 2024.
  19. A. N. Haya and M. Y. Ramme, “Penerapan Algoritma Stacking Ensemble Machine Learning Berbasis Pohon untuk Prediksi Penyakit Diabetes,” vol. 2024, no. Senada, pp. 954–961, 2024.
  20. N. Safitri, D. Kusnandar, and S. Martha, “Implementasi Algoritma K-Nearest Neighbor Dengan Normalisasi Z-Score Dalam Klasifikasi Penerima Bantuan Sosial Desa Serunai,” Bul. Ilm. Math. Stat. dan Ter., vol. 13, no. 1, pp. 99–106, 2024.
  21. R. Afifa, M. I. Mazdadi, T. H. Saragih, F. Indriani, I. Komputer, and U. Lambung, “Implementasi Principal Component Analysis ( PCA ) dan Gap Statistic untuk Clustering Kanker Payudara pada Algoritma K - Means Implementation of Principal Component Analysis ( PCA ) and Gap Statistic for Breast Cancer Clustering in the K - Means Algorithm,” vol. 13, pp. 1852–1864, 2024.
  22. N. N. Sari, T. T. Anisah, and R. Fitriani, “Implementasi Machine Learning untuk Prediksi Harga Laptop Menggunakan Algoritma Regresi Linear Berganda Machine Learning Implementation for Laptop Price Prediction Using Multiple Linear Regression Algorithm,” vol. 14, pp. 162–177, 2024.
  23. A. N. Maharadja, I. Maulana, and B. A. Dermawan, “Penerapan Metode Regresi Linear Berganda untuk Prediksi Kerugian Negara Berdasarkan Kasus Tindak Pidana Korupsi,” J. Appl. Informatics Comput., vol. 5, no. 1, pp. 95–102, 2021.
  24. M. A. Rayadin, M. Musaruddin, R. A. Saputra, and I. Isnawaty, “Implementasi Ensemble Learning Metode XGBoost dan Random Forest untuk Prediksi Waktu Penggantian Baterai Aki,” BIOS J. Teknol. Inf. dan Rekayasa Komput., vol. 5, no. 2, pp. 111–119, 2024.