PEMODELAN SPASIAL PADA DATA PANEL DENGAN LEAST SQUARE DUMMY VARIABLE UNTUK MENGIDENTIFIKASI FAKTOR YANG MEMENGARUHI PENGANGGURAN DI INDONESIA

Analisis data panel adalah gabungan data time series dan cross-section. Metode estimasi data panel terdiri dari model pooled Ordinary Least Square (OLS) dan Least Square Dummy Variable (LSDV). Model pooled OLS menggabungkan data tanpa mempertimbangkan pengaruh perbedaan time series maupun cross-section. Sedangkan model LSDV mempertimbangkan pengaruh cross-section, sehingga model ini memiliki keunggulan dibandingkan model pooled OLS. Data panel memiliki unit cross-section berupa lokasi sehingga memerlukan analisis spasial untuk mengatasi keheterogenan ragam dari eror yang disebabkan oleh dependensi antar lokasi. Model spasial pada data panel dengan LSDV menggunakan Spatial Autoregressive Model (SAR) dengan variabel respon yang saling berkorelasi dan Spatial Error Model (SEM) dengan korelasi eror antar lokasi. Penelitian ini diaplikasikan pada data dengan variabel respon Tingkat Pengangguran Terbuka (TPT) dan variabel prediktor yaitu jumlah penduduk, rata-rata lama sekolah, laju PDRB, dan IPM di 34 Provinsi Indonesia dari tahun 2015-2020. Tujuannya untuk mengidentifikansi faktor yang memengaruhi TPT di Indonesia menggunakan pemodelan regresi spasial pada data panel dengan LSDV. Model SAR dengan LSDV memiliki nilai R^2 (90.289%) yang lebih besar dibandingkan model SEM dengan LSDV (82.708%) dan model LSDV (87.864%). Selain itu nilai root mean square error pada model SAR dengan LSDV (0.58951) lebih kecil dari model SEM dengan LSDV (0.78669) dan model LSDV (0.65903). Berdasarkan model SAR dengan LSDV, faktor yang mempengaruhi TPT di Indonesia dari tahun 2015-2020 adalah laju PDRB dan IPM.