PEMODELAN IMPROVED GEOGRAPHICALLY AND TEMPORALLY WEIGHTED RIDGE REGRESSION (Studi Kasus: Tingkat Pengangguran Terbuka di Sulawesi Selatan) = MODELING OF IMPROVED GEOGRAPHICALLY AND TEMPORALLY WEIGHTED RIDGE REGRESSION (Case Study: Open Unemployment Rate in South Sulawesi)

Latar Belakang. Model Geographically and Temporally Weighted Regression (GTWR) digunakan untuk menganalisis pengaruh spasial dan temporal. Namun, model GTWR mengabaikan interaksi jarak antara keduanya, padahal dalam kenyataannya jarak spasial dan jarak temporal saling memengaruhi. Model Improved Geographically and Temporally Weighted Regression (IGTWR) memperbaiki kelemahan tersebut dengan memodifikasi fungsi jarak spasial-temporal. Selain itu, analisis spasial-temporal sendiri tidak dapat mengatasi masalah multikolinearitas sehingga pemodelan menjadi kurang optimal. Regresi ridge digunakan sebagai solusi dengan menambahkan koefisien tetapan bias pada proses estimasi. Kombinasi IGTWR dan regresi ridge menghasilkan model Improved Geographically and Temporally Weighted Ridge Regression (IGTWR-Ridge) yang mampu mengatasi multikolinearitas dan mempertimbangkan interaksi jarak spasial-temporal. Tujuan. Penelitian ini bertujuan untuk memodelkan IGTWR-Ridge pada data TPT serta mengidentifikasi faktor-faktor yang memengaruhi TPT di Sulawesi Selatan tahun 2020-2023. Metode. Penelitian ini menggunakan data sekunder yang bersumber dari Badan Pusat Statistik yaitu Tingkat Pengangguran Terbuka (TPT) di Sulawesi Selatan tahun 2020-2023 serta enam faktor-faktor yang diduga memengaruhinya dan dianalisis menggunakan model IGTWR-Ridge. Hasil. Model IGTWR-Ridge pada data TPT di Selawesi Selatan tahun 2020-2023 menunjukkan pengaruh indeks pembangunan manusia, persentase penduduk miskin, rata-rata lama sekolah, produk domestik regional bruto, dan umur harapan hidup yang beragam antarpengamatan. Model IGTWR-Ridge lebih baik dari GTWR dengan penurunan nilai Root Mean Square Error (RMSE) menjadi 1.1361 dan Akaike Information Criterion (AIC) menjadi 314.4470 serta peningkatan nilai adjusted R-square menjadi 89.19%. Kesimpulan. Model IGTWR-Ridge lebih baik dari GTWR dengan lima variabel signifikan yang beragam antarkabupaten/kota sehingga faktor yang memengaruhi TPT juga berbeda pada setiap pengamatan.

Keyword : Improved Geographically and Temporally Weighted Regression, Multikolinearitas, Regresi Ridge, Spasial-Temporal, Tingkat Pengangguran Terbuka.