Pemodelan Locally Compensated Ridge-Geographically and Temporally Weighted Autoregressive pada Data Tingkat Pengangguran Terbuka di Sulawesi Selatan

Latar Belakang. Analisis regresi spasial digunakan ketika data dipengaruhi oleh karakteristik lokasi atau wilayah, sehingga perlu memperhatikan adanya heterogenitas spasial, heterogenitas temporal, dan autokorelasi spasial. Geographically and Temporally Weighted Autoregressive (GTWAR) merupakan pengembangan dari GWR dan GTWR yang mampu mengakomodasi heterogenitas spasial dan temporal, serta autokorelasi spasial, Namun, permasalahan lain dalam pemodelan regresi spasial adalah multikolinieritas lokal yang dapat menyebabkan estimasi parameter menjadi tidak stabil. Untuk mengatasi permasalahan tersebut, dikembangkan model Locally Compensated Ridge-Geographically and Temporally Weighted Autoregressive (LCR-GTWAR) yang menerapkan penalti ridge lokal pada setiap pengamatan, sehingga mampu mengakomodasi heterogenitas spasial dan temporal, autokorelasi spasial, serta mengatasi multikolinieritas lokal secara simultan. Tujuan. Memperoleh model LCR-GTWAR dan mengidentifikasi faktor-faktor yang memengaruhi Tingkat Pengangguran Terbuka (TPT) di Sulawesi Selatan tahun 2020-2024. Metode. Penelitian ini menggunakan data TPT di Sulawesi Selatan tahun 2020-2024. Analisis dilakukan dalam dua tahap, yakni estimasi parameter model LCR-GTWAR dan penerapan model pada data. Hasil. Model LCR-GTWAR secara umum memperoleh nilai R_adj^2 sebesar 97.0643% dengan RMSE dan AIC masing-masing sebesar 0.4070 dan 138.7890. Hasil tersebut menunjukkan bahwa model mampu menjelaskan sebagian besar variasi TPT dengan tingkat kesalahan prediksi yang relatif kecil. Selain itu, pengujian parsial parameter LCR-GTWAR menghasilkan variabel prediktor signifikan yang beragam antar kabupaten/kota. Kesimpulan. Model LCR-GTWAR memberikan hasil yang baik berdasarkan metrik R_adj^2, RMSE, dan AIC. Adapun faktor-faktor yang memengaruhi TPT yakni indeks pembangunan manusia, rata-rata lama sekolah, umur harapan hidup, kepadatan penduduk, produk domestik regional bruto, dan persentase penduduk miskin.