PEMODELAN REGRESI SPATIALLY VARYING COEFFICIENTS DENGAN EIGENVECTOR SPATIAL FILTERING PADA TINGKAT PENGANGGURAN TERBUKA KABUPATEN/KOTA DI JAWA BARAT

Pemodelan spasial menjadi pendekatan krusial dalam mengkaji Tingkat Pengangguran Terbuka (TPT) karena mengakomodasi ketergantungan spasial dan heterogenitas wilayah. Penelitian ini bertujuan untuk memodelkan TPT di kabupaten/kota Provinsi Jawa Barat periode 2020–2024 dengan pendekatan regresi spasial menggunakan kombinasi metode Eigenvector Spatial Filtering (ESF) dan Spatially Varying Coefficients (SVC) melalui paket spmoran di RStudio. Model ESF digunakan untuk menurunkan autokorelasi spasial pada residual dengan menyisipkan eigenvector dari matriks bobot spasial, sedangkan model SVC menangkap variasi lokal dalam pengaruh variabel bebas terhadap TPT di setiap wilayah. Hasil penelitian menunjukkan bahwa model terbaik berdasarkan evaluasi Moran’s I berturut-turut adalah ESF untuk masing-masing tahun. Beberapa variabel seperti Produk Domestik Regional Bruto (PDRB) per kapita atas dasar harga konstan 2010 (�6), jumlah penduduk miskin (�4), dan tinggi wilayah (�1 ) secara konsisten signifikan dan berpengaruh terhadap variasi TPT antar wilayah. Visualisasi spasial dari hasil prediksi model terbaik mengindikasikan bahwa wilayah utara dan barat Jawa Barat, seperti Kota Bekasi, Kabupaten Karawang, dan Kota Depok, cenderung memiliki TPT tinggi, sedangkan wilayah selatan dan timur seperti Kabupaten Pangandaran dan Kabupaten Tasikmalaya memiliki TPT lebih rendah. Temuan ini memperkuat urgensi penerapan analisis spasial dalam perumusan kebijakan ketenagakerjaan berbasis wilayah.