DOI: https://doi.org/10.14710/j.gauss.14.2.401-410

ANALISIS TINGKAT PENGANGGURAN TERBUKA BERDASARKAN INDIKATOR SOSIAL DI PROVINSI KEPULAUAN BANGKA BELITUNG MENGGUNAKAN PENDEKATAN REGRESI B-SPLINE

*Khoirun Laili Nur Amaliah  -  Department of Mathematics, University of Bangka Belitung, Balun Ijuk, Bangka Regency, Bangka Belitung Islands Province, Indonesia
Diska Amalya  -  Department of Mathematics, Universitas Bangka Belitung, Indonesia
Nila Selviana  -  Department of Mathematics, Universitas Bangka Belitung, Indonesia
Muthia Afrilita  -  Department of Mathematics, Universitas Bangka Belitung, Indonesia
Dea Saskia Amanda Putri  -  Department of Mathematics, Universitas Bangka Belitung, Indonesia
Ineu Sulistiana  -  Department of Mathematics, Universitas Bangka Belitung, Indonesia
Open Access Copyright 2025 Jurnal Gaussian under http://creativecommons.org/licenses/by-nc-sa/4.0.

Citation Format:
Abstract
The Open Unemployment Rate (TPT) is usually an important indicator in assessing the level of effectiveness of regional development in providing employment. In the Bangka Belitung Islands Province, the dynamics of the TPT have shown a fluctuating pattern over the past few years. The fluctuation of the TPT can be caused by several social indicators such as the Labor Force Participation Rate (TPAK), the Gross Participation Rate (APK) of upper education, and the Poverty Depth Index (P1). Judging from the data obtained, the form of data that has an irregular pattern, the method used in this study is b-spline regression which can capture fluctuating patterns in the data. The results show that the b-spline model is very good at capturing fluctuating patterns in the Open Unemployment Rate with several other social indicators seen from the MAE value of 0.05879, RMSE of 0.081630 and Adjusted R-squared of 0.7206 indicating that the b-spline regression model is able to explain around 72.06% of the variation in the response variable. Based on the results of the simultaneous test, it shows that variable have a significant effect on TPT, while the partial test it shows APK SMA and P1 have a significant effect on TPT.

Note: This article has supplementary file(s).

Fulltext View|Download |  Research Results
ANALSIS TINGKAT PENGANGGURAN TERBUKA BERDASARKAN INDIKATOR SOSIAL DI PROVINSI KEPULAUAN BANGKA BELITUNG MENGGUNAKAN PENDEKATAN REGRESI B-SPLINE
Subject Unemployment; B-spline; Kepulauan Bangka Belitung.
Type Research Results
  Download (298KB)    Indexing metadata
Keywords: Unemployment; B-spline; Kepulauan Bangka Belitung.

Article Metrics:

Article Info
Section: Articles
Language : ID
Recent articles
IMPLEMENTASI METODE CONVOLUTIONAL NEURAL NETWORK UNTUK KLASIFIKASI SENTIMEN ULASAN PENGGUNA APLIKASI MYPERTAMINA PERBANDINGAN METODE HAZARD MULTIPLIKATIF DAN ADITIF PADA LAJU PERBAIKAN KONDISI KLINIS PASIEN STROKE DI RS MH THAMRIN CILEUNGSI TAHUN 2021 ANALISIS KUALITAS STANDARD STRENGTH PADA PORTLAND COMPOSITE CEMENT DENGAN METODE CONTROL CHART DAN EVALUASI KAPABILITAS PROSES PRODUKSI More recent articles
  1. Ambarwari, A., Adrian, Q. J., & Herdiyeni, Y. (2020). Analisis Pengaruh Data Scaling Terhadap Performa Algoritme Machine Learning untuk Identifikasi Tanaman. Jurnal RESTI (Rekayasa Sistem Dan Teknologi Informasi), 1(3), 117–122
  2. Anggadini, F. (2015). ANALISIS PENGARUH ANGKA HARAPAN HIDUP, ANGKA MELEK HURUF, TINGKAT PENGANGGURAN TERBUKA DAN PENDAPATAN DOMESTIK REGIONAL BRUTO PERKAPITA TERHADAP KEMISKINAN PADA KABUPATEN/ KOTA DI PROVINSI SULAWESI TENGAH TAHUN 2010-2013. Katalogis, 3, 40–49
  3. BPS BABEL. (2024). BPS Provinsi Kepulauan Bangka Belitung. https://bangkakab.bps.go.id/id/statistics-table/2/ODEjMg==/tingkat-pengangguran-terbuka-tpt-.html
  4. Dukalang, H. H. (2020). FINANCIAL PERFORMANCE ANALYSIS FOR RETURN ON ASSETS WITH A MULTIPLE LINIER REGRESSION APPROACH. Euler : Jurnal Ilmiah Matematika, Sains Dan Teknologi, 8(2), 42–50. https://doi.org/10.34312/euler.v8i2.10405
  5. Fadila, R. (2020). Maret 2020 Pengaruh Indeks Pembangunan Manusia (IPM) dan Pertumbuhan Ekonomi terhadap Tingkat Kemiskinan di Provinsi Sumatera Barat periode tahun. 3(1)
  6. Fajriyah Yuliati, I., Robinson Sihombing, P., B., Permata No, J., & Timur, J. (2020). Pemodelan Fertilitas di Indonesia Tahun 2017 Menggunakan Pendekatan Regresi Nonparametrik Kernel dan Spline. Jurnal Statistika Dan Aplikasinya (JSA), 4(1), 48–60
  7. Hamid, Y., & Widodo, E. (2023). Pemodelan Indeks Kedalaman Kemiskinan di Kabupaten/Kota Provinsi D.I. Yogyakarta Tahun 2017-2022 dengan Regresi Data Panel. In Emerging Statistics and Data Science Journal (Vol. 1, Issue 3)
  8. Handajani, S. S., dkk (2023). Pemodelan Produksi Padi di Provinsi Jawa Timur dengan Regresi Pemodelan Produksi Padi di Provinsi Jawa Timur dengan Regresi Non Parametrik B-Spline Non Parametrik B-Spline. PHYTAGORAS : Jurnal Matematika Dan Pendidikan Matematika, 18(2), 159–175. http://journal.uny.ac.id/index.php/pythagoras
  9. Litha Sari, N., & Hasanuddin, T. (2020). Analisis Performa Metode Moving Average Model untuk Prediksi Jumlah Penderita Covid-19. Indonesian Journal of Data and Science (IJODAS), 1(3), 87–95. https://kawalcovid19.id/
  10. Nacher, J. C., & Akutsu, T. (2013). Analysis on critical nodes in controlling complex networks using dominating sets. Proceedings - 2013 International Conference on Signal-Image Technology and Internet-Based Systems, SITIS 2013, 649–654. https://doi.org/10.1109/SITIS.2013.106
  11. Nufus, M. R. (2023). Estimasi Kurva Regresi Deret Fourier Dalam Regresi Nonparametrik Multivariabel (Studi Kasus: Data Tingkat Pengangguran Terbuka Di Indonesia Tahun 2020) [Institut Teknologi Sepuluh Nopember.]. https://repository.its.ac.id/96928/
  12. Permana, I., & Nur Salisah, F. (2022). Pengaruh Normalisasi Data Terhadap Performa Hasil Klasifikasi Algoritma Backpropagation. IJIRSE: Indonesian Journal of Informatic Research and Software Engineering, 2(1), 67–72
  13. Rahasia, Z., Resmawan, R., & Rahmawaty Isa, D. (2020). Pemodelan Data Time Series dengan Pendekatan Regresi Nonparametrik B-Spline. AKSIOMA: Jurnal Matematika Dan Pendidikan Matematika, 11(1), 9–16. https://bi.go.id
  14. Rahmawati, A. S., Ispriyanti, D., & Warsito, B. (2017). PEMODELAN KASUS KEMISKINAN DI JAWA TENGAH MENGGUNAKAN REGRESI NONPARAMETRIK METODE B-SPLINE. JURNAL GAUSSIAN, 6(1), 11–20. http://ejournal-s1.undip.ac.id/index.php/gaussian
  15. Sihombing, P. R., & Famalika, A. (2022). Penerapan Analisis Regresi Nonparametrik dengan Pendekatan Regresi Kernel dan Spline. Jurnal Ekonomi Dan Statistik Indonesia, 2(2), 172–181. https://doi.org/10.11594/jesi.02.02.05
  16. Suryanto, A. A., & Muqtadir, A. (2019). PENERAPAN METODE MEAN ABSOLUTE ERROR (MEA) DALAM ALGORITMA REGRESI LINEAR UNTUK PREDIKSI PRODUKSI PADI. SAINTEKBU:Jurnal Sains Dan Teknologi, 1, 11
  17. Tediwibawa, R., Yuniarti, D., Memi, D., & Hayati, N. (2019). Regresi Nonparametrik Spline Birespon Untuk Memodelkan Persentase Penduduk Miskin dan Indeks Kedalaman Kemiskinan di Kalimantan Timur Tahun 2015. Jurnal EKSPONENSIAL, 10(1), 21–28
  18. Todaro, M. P., & Smith, S. C. (2020). Economic Development. Thirteenth Edition. In Pearson (Issue 13th Edition)
  19. Wahyuningsih, T. D., Handajani, S. S., & Indriati, D. (2018). Penerapan Generalized Cross Validation dalam Model Regresi Smoothing Spline pada Produksi Ubi Jalar di Jawa Tengah. Indonesian Journal of Applied Statistics, 117–125
  20. Wijaya, A. F. H. (2018). Analisis Faktor-Faktor Yang Mempengaruhi Tingkat Pengangguran Terbuka (Tpt) Di Provinsi Aceh Dengan Regresi Nonparametrik Spline Truncated. Institut Teknologi Sepuluh Nopember

Last update:

No citation recorded.

Last update:

No citation recorded.