Pemodelan Robust Geographically and Temporally Weighted Autoregressive dengan MM-Estimator pada Tingkat Pengangguran Terbuka di Sulawesi Selatan

Latar belakang. Regresi spasial memodelkan hubungan antara variabel dengan mempertimbangkan efek spasial. Akibat efek tersebut, estimasi parameter model regresi memberikan keragaman respon variabel yang berbeda antar lokasi dan waktu, disebut dengan heterogenitas spasial temporal. Dalam kasus spasial, data tidak hanya mengalami heterogenitas. Nilai suatu daerah dapat dipengaruhi oleh nilai daerah lain, sehingga menimbulkan sifat ketergantungan antar wilayah yang disebut autokorelasi spasial temporal. Geographically and Temporally Weighted Autoregressive (GTWAR) menjadi solusi dalam membangun model pada data yang mengalami heterogenitas dan autokorelasi. Pemodelan regresi GTWAR memberikan interpretasi yang akurat, namun ditemukan pencilan dalam data yang mengakibatkan kesalahan dalam output yang dihasilkan. Sehingga Robust Geographically and Temporally Weighted Autoregressive (RGTWAR) dengan MM-Estimator menjadi salah satu metode pengatasan pencilan yang memiliki keunggulan efisiensi yang tinggi dan nilai breakdown point yang tinggi. Tujuan. Penelitian ini bertujuan untuk mendapatkan estimasi parameter model RGTWAR dan faktor-faktor yang mempengaruhi data. Metode. Penelitian ini menerapkan model RGTWAR dengan MM-Estimator pada data Tingkat Pengangguran Terbuka (TPT) di Sulawesi Selatan tahun 2018-2022. Tahapan analisis data diawali dengan melakukan estimasi parameter model RGTWAR dengan Maximum Likelihood Estimation (MLE) kemudian dilakukan estimasi robust dengan MM-Estimator. Hasil. Model RGTWAR dengan MM-Estimator menghasilkan nilai R_Adj^2 yang lebih baik sebesar 94,03% dibanding model GTWAR dengan nilai 93,40%. Selain itu, nilai RMSE dan AIC dari model RGTWAR menurun dengan nilai 0.62162 dan 140.24720 dari model GTWAR dengan nilai 0.65364 dan 156.46110. Kesimpulan. Pada signifikansi 5%, faktor yang mempengaruhi TPT Sulawesi Selatan 2018-2022 adalah PDRB, Tingkat Partisipasi Angkatan Kerja, Kepadatan Penduduk, dan Angka Melek Huruf.