PERBANDINGAN ALGORITMA REGRESI LINEAR DAN RANDOM FOREST UNTUK PREDIKSI TINGKAT PENGANGGURAN TERBUKA (TPT) DI PROVINSI JATIM

Wijayanto, Wijayanto and Ronny, Makhfuddin Akbar, 0709078604 and Syaifuddin, Ahmad, 0712039302 (2026) PERBANDINGAN ALGORITMA REGRESI LINEAR DAN RANDOM FOREST UNTUK PREDIKSI TINGKAT PENGANGGURAN TERBUKA (TPT) DI PROVINSI JATIM. Bachelor thesis, Universitas Islam Majapahit.

	Text Abstrak.pdf Restricted to Registered users only Download (8MB) | Request a copy
Preview	Text BAB 1.pdf Download (165kB) | Preview
	Text BAB 2.pdf Restricted to Registered users only Download (303kB) | Request a copy
	Text BAB 3.pdf Restricted to Registered users only Download (547kB) | Request a copy
	Text BAB 4.pdf Restricted to Registered users only Download (677kB) | Request a copy
Preview	Text BAB 5.pdf Download (127kB) | Preview
Preview	Text DAFPUSS.pdf Download (145kB) | Preview
	Text LAMPIRAN.pdf Restricted to Registered users only Download (327kB) | Request a copy

Abstract

Tingkat Pengangguran Terbuka (TPT) merupakan salah satu indikator penting dalam mengukur kondisi ketenagakerjaan suatu daerah. Prediksi TPT diperlukan untuk membantu pemerintah dalam menyusun kebijakan yang tepat guna mengurangi tingkat pengangguran. Penelitian ini bertujuan untuk membandingkan kinerja algoritma Regresi Linear dan Random Forest Regression dalam memprediksi Tingkat Pengangguran Terbuka (TPT) di Provinsi Jawa Timur. Data yang digunakan merupakan data sekunder dari Badan Pusat Statistik (BPS) Provinsi Jawa Timur periode 2021–2025. Data mentah yang dikumpulkan berjumlah lebih dari 1000 baris dan berasal dari beberapa variabel penelitian, yaitu PDRB per kapita, Upah Minimum Regional (UMR), Tingkat Partisipasi Angkatan Kerja (TPAK), inflasi, rata-rata lama sekolah, dan TPT. Setelah melalui proses penggabungan dan penyelarasan data berdasarkan kabupaten/kota dan tahun, diperoleh 190 observasi yang digunakan dalam penelitian. Tahapan penelitian meliputi preprocessing data, pembagian data training dan testing dengan rasio 80:20, pembangunan model Regresi Linear dan Random Forest Regression, serta evaluasi dengan empat metrik yaitu MAE, MSE, RMSE, dan R2. Penelitian menunjukkan bahwa model Regresi Linear memiliki nilai MAE sebesar 0,8518, MSE sebesar 1,2439, RMSE sebesar 1,1153, serta R2 sebesar 0,5902. Sementara itu, model Random Forest mendapatkan nilai MAE sebesar 0,6768, MSE sebesar 0,8211, RMSE sebesar 0,9062, dan R2 sebesar 0,7295. Hasil tersebut menunjukkan bahwa metode Random Forest Regression lebih efektif dalam memprediksi nilai TPT dibandingkan metode lainnya. Selain itu, hasil analisis pentingnya fitur menunjukkan bahwa variabel rata-rata lama sekolah berdampak paling besar terhadap prediksi TPT.

Actions (login required)

View Item