ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI TINGKAT PENGANGGURAN DI SULAWESI UTARA PADA MASA PANDEMI COVID-19 TAHUN 2020

Abstract

ABSTRAK   Pada tahun 2020, pandemi Corona Virus Disease menyebabkan pertumbuhan ekonomi dunia mengalami penurunan, termasuk Indonesia. Berdasarkan data Badan Pusat Statistik (BPS), Provinsi Sulawesi Utara masuk ke dalam 10 besar dengan jumlah tingkat pengangguran tertinggi di Indonesia dan naik sebesar 1.36% jika dibandikan dengan Agustus 2019. Penelitian ini bertujuan untuk mengetahui pengaruh Pertumbuhan PDRB, Angka Harapan Hidup (AHH), Rata-Rata Lama Sekolah (RLS), dan Jumlah Penduduk terhadap Tingkat Pengangguran di Provinsi Sulawesi Utara Tahun 2020 menggunakan metode regresi linier berganda. Dari hasil analisis diketahui bahwa variabel RLS dan jumlah penduduk berpengaruh positif dan signifikan pada tingkat pengangguran di Sulawesi Utara tahun 2020 , dengan diperoleh nilai R 2 sebesar 73.61% yang menunjukkan perbandingan dari pengaruh variabel bebas terhadap variabel terikat sedangkan sisanya yaitu bernilai 26.39% dipengaruhi oleh variabel lain yang tidak terdapat atau diluar pada model regresi linier. Kata Kunci: Tingkat Pengangguran, Coronavirus Disease , Regresi Linear Berganda ABSTRACT   In 2020, the Corona Virus Disease pandemic caused world economic growth to decline, including Indonesia. Based on data from the Badan Pusat Statistik (BPS), North Sulawesi Province is in the top 10 with the highest unemployment rate in Indonesia and an increase of 1.36% when compared to August 2019. This study aims to determine the effect of PDRB Growth, Life Expectancy (AHH) , Mean Years School   (RLS), and Total Population to Unemployment Rate in North Sulawesi Province in 2020 using the multiple linear regression method. From the results of the analysis, it is found that the RLS variable and the population have a positive and significant effect on the unemployment rate in North Sulawesi in 2020, with an R 2 value of 73.61% which shows the proportion of the influence of the independent variable on the dependent variable while the remaining 26.39% is influenced by other variables. which is not present or outside the linear regression model. Keyword : Unemployment Rate, Coronavirus Disease, Multiple Linear Regression