PREDIKSI TINGKAT PENGANGGURAN KABUPATEN DAN KOTA DI SUMATERA UTARA MENGGUNAKAN PENDEKATAN DATA MINNING DENGAN ALGORITMA LINEAR REGRRESION

Abstract

Abstract: Unemployment Rate is one of the important indicators used to assess the employment and economic conditions of a region. A high unemployment rate can hinder economic growth and reduce public welfare. This study aims to analyze the factors influencing the Unemployment Rate and to develop a prediction model for the Unemployment Rate in regencies/cities of North Sumatra Province using a Data Mining approach with the Multiple Linear Regression algorithm. The data used in this study are secondary data obtained from the Central Statistics Agency (BPS) of North Sumatra Province for the 2019–2023 period, including population, Gross Regional Domestic Product (GRDP), and education level variables with a total of 165 observations. The research stages include data collection, data cleaning, data exploration, splitting the dataset into training and testing data with an 80:20 ratio, model development, and evaluation using MAE, RMSE, and coefficient of determination (R²) metrics. The results show that the education level is a significant variable affecting the Unemployment Rate, indicating the phenomenon of educated unemployment, while population and GRDP do not have a partially significant effect. The resulting model obtained an R² value of 30.88%, an MAE of 1.76, and an RMSE of 2.15, indicating that the model has fairly good and stable predictive performance. The findings of this study are expected to support employment policy-making and data-driven regional economic development planning in North Sumatra Province.

Keywords: Unemployment Rate, Data Mining, Multiple Linear Regression, GRDP, Education Level.

Abstrak: Tingkat Pengangguran merupakan salah satu indikator penting dalam menilai kondisi ketenagakerjaan dan perekonomian suatu daerah. Tingginya tingkat pengangguran dapat menghambat pertumbuhan ekonomi dan menurunkan kesejahteraan masyarakat. Penelitian ini bertujuan untuk menganalisis faktor-faktor yang memengaruhi Tingkat Pengangguran serta membangun model prediksi Tingkat Pengangguran pada kabupaten/kota di Provinsi Sumatera Utara menggunakan pendekatan Data Mining dengan algoritma Multiple Linear Regression. Data yang digunakan merupakan data sekunder yang diperoleh dari Badan Pusat Statistik (BPS) Provinsi Sumatera Utara periode 2019–2023, meliputi variabel jumlah penduduk, Produk Domestik Regional Bruto (PDRB), dan tingkat pendidikan dengan total 165 observasi. Tahapan penelitian meliputi pengumpulan data, pembersihan data, eksplorasi data, pembagian data training dan testing dengan rasio 80:20, pembangunan model, serta evaluasi menggunakan metrik MAE, RMSE, dan koefisien determinasi (R²). Hasil penelitian menunjukkan bahwa tingkat pendidikan merupakan variabel yang berpengaruh signifikan terhadap Tingkat Pengangguran dengan indikasi terjadinya fenomena educated unemployment, sedangkan jumlah penduduk dan PDRB tidak berpengaruh signifikan secara parsial. Model yang dihasilkan memperoleh nilai R² sebesar 30,88%, MAE sebesar 1,76, dan RMSE sebesar 2,15, yang menunjukkan kemampuan prediksi yang cukup baik dan stabil. Hasil penelitian ini diharapkan dapat menjadi pendukung dalam pengambilan kebijakan ketenagakerjaan dan perencanaan pembangunan ekonomi daerah berbasis data di Provinsi Sumatera Utara.

Kata kunci: Tingkat Pengangguran, Data Mining, Multiple Linear Regression, PDRB, Pendidikan.