Penerapan Generalized Additive Model Spline Dalam Analisis Dinamika Tingkat Pengangguran Terbuka di Provinsi Sulawesi Selatan
DOI:
https://doi.org/10.32493/sm.v8i1.52430Keywords:
Model Aditif Tergeneralisasi, Regresi Non-linear, Spline Terpenalti, Tingkat Pengangguran TerbukaAbstract
Analisis regresi adalah metode yang sangat penting dalam memodelkan hubungan antara variabel, di mana variabel prediktor berpengaruh terhadap variabel respon. Namun, regresi linear konvensional memiliki beberapa keterbatasan, terutama ketika asumsi linearitas dan normalitas tidak terpenuhi. Dalam konteks ini, Generalized Additive Model (GAM) muncul sebagai alternatif yang lebih fleksibel. GAM mampu menangani hubungan non-linear antara variabel prediktor dan respon, serta tidak mengharuskan variabel respon untuk berdistribusi normal. GAM menggunakan pendekatan regresi nonparametrik, seperti penalized spline, untuk mengestimasi fungsi smoothing yang dapat menyesuaikan pola data secara otomatis. Pendekatan ini juga membantu mencegah overfitting, yang sering menjadi masalah dalam pemodelan data yang kompleks. Penelitian ini bertujuan untuk menerapkan GAM spline dalam memodelkan faktor-faktor yang memengaruhi Tingkat Pengangguran Terbuka (TPT) di Provinsi Sulawesi Selatan. Tahapan penelitian mencakup pengujian linearitas, penentuan titik knot, dan parameter penghalus optimal. Selanjutnya, pemodelan GAM dilakukan dengan menggunakan penalized spline pada variabel non-linear. Hasil pemodelan menunjukkan bahwa variabel Rata-Rata Lama Sekolah (RLS) dan Produk Domestik Regional Bruto (PDRB) memiliki pengaruh signifikan terhadap TPT, sementara variabel lainnya tidak menunjukkan signifikansi. Dengan demikian, model GAM penalized spline berhasil memodelkan hubungan antara faktor-faktor yang memengaruhi TPT secara efektif. Penelitian ini memberikan pemahaman yang lebih dalam bahwa peningkatan RLS dan PDRB dapat berkontribusi dalam menurunkan TPT di Sulawesi Selatan, yang merupakan informasi penting bagi pengambil kebijakan dalam merumuskan strategi pengurangan pengangguran.
References
1. Fernanda A, Debataraja NN, Huda NM. Pemodelan Data Produksi Kelapa Sawit di Kalimantan Barat Menggunakan Generalized Additive Model. Buletin Ilmiah Math Stat dan Terapannya (Bimaster). 2023;12(3):277–82.
2. Sarbaini, Zukrianto, Nazaruddin. Pengaruh Tingkat Kemiskinan Terhadap Pembangunan Rumah Layak Huni di Provinsi Riau Menggunakan Metode Analisis Regresi Sederhana. Jurnal Teknologi dan Manajemen Industri Terapan (JTMIT). 2022;1(3):131–6.
3. Wigati DS. Pengembangan Analisis Model Aditif Tergeneralisasi dengan Penghalus Spline Berbasis Web Interaktif Menggunakan R-Shiny. Universitas Jember; 2016.
4. Ningsih EP. Perbandingan Generalized Additive Model (GAM) dan Geographically Weighted Regression (GWR) pada Pemodelan Investasi Daerah di Provinsi Jawa Tengah. [Semarang]: Universitas Islam Negeri Walisongo; 2023.
5. Wahyuni ST. Pemodelan Generalized Additive Model for Location, Scale, and Shape (GAMLSS) dengan Pemulusan Locally Estimated Scatterplot Smoothing (LOESS) pada Kasus HIV/AIDS di Jawa Timur [Internet]. [Semarang]: Universitas Muhammadiyah Semarang; 2019. Tersedia pada: http://repository.unimus.ac.id
6. Fithriasari K, Soehardjoepri, Iriawan N. Generalized Additive Logistic Pada Pemodelan Faktor-Faktor yang Mempengaruhi Keuntungan PT. PDC. INFERENSI. 2018;1(1):45–7.
7. Islamiyati A. Taksiran Kurva Regresi Spline pada Data Longitudinal dengan Kuadrat Terkecil. 2014;11(1):77–83.
8. Kurniasari W, Kusnandar D, Sulistianingsih E. Estimasi Parameter Regresi Spline dengan Metode Penalized Spline. Buletin Ilmiah Mat Stat danTerapannya (Bimaster). 2019;08(2):175–84.
9. Maulida A. Pemodelan Persentase Penduduk Miskin di Provinsi Jawa Barat Menggunakan Regresi Nonparametrik Berdasarkan Estimator Penalized Spline. 2023.
10. Valentina E. Penerapan Model Aditif Tergeneralisasi (Studi Kasus Angka Kematian Bayi di Jawa Timur Tahun 2015). [Malang]: Universitas Brawijaya; 2019.
11. Wahyuni R. Model Aditif Tergeneralisasi Semiparametrik dengan Menggunakan Pemulusan LOESS Pada Kasus Pendugaan Curah Hujan. [Jember]: Universitas Jember; 2016.
12. Biqytofa. Analisis Perbandingan Model Linear Tergeneralisasi dan Model Aditif Tergeneralisasi untuk Pencandangan Klaim Asuransi dengan Pencilan. [Parahyangan]: Universitas Katolik Parahyangan; 2023.
13. Latif RYSI. Estimasi dan Peramalan Jumlah Kasus COVID-19 di Sulawesi Selatan Pada Data Google Trends dan Google Mobility Menggunakan Model Aditif Umum. Makassar; 2022.
14. Annam MM, Nasir MS. Analisis Faktor yang Mempengaruhi Tingkat Pengangguran Terbuka di Provinsi Banten 2018-2022. JIDE : Journal Of International Development Economics. 2023;2(1):01–20.
15. Adrian F, Yundari Y, Aprizkiyandari S. Pemodelan Geographically Weighted Ridge Regression Pada Tingkat Pengangguran Terbuka di Kalimantan Barat. Jurnal Diferensial. 2023;5(2):83–95.
16. Agustina M, Makkalau, Abapihi B, Wibawa GNA, Ruslan, Yahya I. Pemodelan Faktor-Faktor yang Mempengaruhi Tingkat Pengangguran Terbuka di Indonesia dengan Pendekatan Regresi Spasial. Dalam: Prosiding Seminar Nasional Sains dan Terapan (SINTA) VI 2022 [Internet]. 2022. Tersedia pada: https://www.bps.go.id
17. Lestari SSS, Meimela A, Revildy WD. Analisis Faktor Tingkat Pengangguran Terbuka dengan Metode Geographically Weighted Lasso. Dalam: Seminar Nasional Official Statistics. 2020.
18. Zahro FNA, Abimanyu F, Azhar AN, Widodo E. Analisis Faktor-Faktor yang Mempengaruhi Tingkat Pengangguran Terbuka di Sulawesi Utara pada Masa Pandemi Covid-19 Tahun 2020. Jurnal Ekonomi Pembangunan. 2021;7(2):180–93.
19. Wongkar DC, Ruliana, S. MF. Analisis Regresi Nonparametrik Spline Truncated untuk Menganalisis Faktor-Faktor yang Mempengaruhi Tingkat Pengangguran Terbuka di Provinsi Sulawesi Selatan. VARIANSI: Journal of Statistics and Its Application on Teaching and Research. 2023;5(2):55–63.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 Jelita Zalzabila, Anna Islamiyati
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
As an Author, you have the right to a variety of uses for your article, including institutions or companies. The author's rights might do without the need for special permission.
Authors who publish in the Jurnal Jurnal Statistika dan Matematika (Statmat) have broad rights to use their works for education and scientific purposes without permission, including:
Used to discuss in a class by the author or the author's body and presentations at meetings or conferences and participant approval;
Used for internal training by the author's company;
Distribution to colleagues for the use of their research;
Used in preparation for further author's works;
Included in a thesis or dissertation;
Partial or extra reuse of articles in other works (with full acknowledgment of the last item);
Prepare derivatives (other than for commercial purposes);
Post voluntarily on a website opened by the author or approve the author for scientific purposes (follow CC with a SA License).
