PEMODELAN LOCALLY COMPENSATED RIDGE-IMPROVED GEOGRAPHICALLY AND TEMPORALLY WEIGHTED REGRESSION (Studi Kasus: Tingkat Pengangguran Terbuka di Sulawesi Selatan)

Latar Belakang. Improved Geographically and Temporally Weighted Regression (IGTWR) merupakan pengembangan metode Geographically and Temporally Weighted Regression (GTWR) yang mampu mengakomodasi interaksi spasial-temporal. Namun, IGTWR belum mampu mengatasi multikolinearitas lokal sehingga estimasi parameter menjadi kurang stabil. Keterbatasan tersebut mendorong pengembangan Locally Compensated Ridge-Improved Geographically and Temporally Weighted Regression (LCR-IGTWR). Metode LCR-IGTWR menerapkan parameter ridge pada setiap lokasi untuk menghasilkan estimasi parameter yang lebih stabil. Tujuan. Penelitian ini bertujuan untuk memperoleh estimasi parameter model LCR-IGTWR dan menentukan faktor-faktor yang memengaruhi Tingkat Pengangguran Terbuka (TPT) di Sulawesi Selatan pada tahun 2019-2024. Metode. Data yang digunakan merupakan data kasus pengangguran Sulawesi Selatan sebanyak 144 observasi dalam kurun waktu 2019-2024. Analisis dilakukan melalui tahapan estimasi parameter model IGTWR, dilanjutkan dengan pembentukan Locally Compensated Ridge (LCR). Kemudian, LCR digunakan dalam modifikasi estimator IGTWR untuk memperoleh model LCR-IGTWR. Evaluasi kinerja model berdasarkan nilai Akaike Information Criterion (AIC) dan Root Mean Square Error (RMSE). Hasil. Model LCR-IGTWR secara umum memperoleh AIC dan RMSE masing-masing sebesar 391,8183 dan 0,6346. Model LCR-IGTWR memberikan hasil yang lebih baik dibandingkan GTWR (AIC sebesar 1550,0920 dan RMSE sebesar 0,9846) dan IGTWR (AIC sebesar 391,8319 dan RMSE sebesar 0,9653) berdasarkan nilai AIC dan RMSE. Pengujian secara parsial parameter model LCR-IGTWR menghasilkan variabel prediktor signifikan yang beragam antar kabupaten/kota. Kesimpulan. Model LCR-IGTWR yang diperoleh menghasilkan 144 model lokal dengan faktor-faktor yang berpengaruh signifikan berbeda antar kabupaten/kota. Adapun faktor dominan yang signifikan memengaruhi kondisi TPT adalah persentase penduduk miskin, rerata lama sekolah, dan kepadatan penduduk di setiap wilayah dan waktu.