Implementasi model Cox dan jaringan neural untuk mengestimasi durasi menganggur

Abstract

Pandemi COVID-19 menyebabkan banyak perusahaan mengalami penurunan omzet, sehingga perusahaan mengurangi tenaga kerja dengan harapan dapat mengurangi pengeluaran. Akibatnya, banyak tenaga kerja yang mengalami pemutusan hubungan kerja sehingga diperlukan informasi empiris mengenai faktor-faktor yang meningkatkan peluang berhenti menganggur. Daerah Khusus Ibukota (DKI) Jakarta, yang merupakan salah satu pusat bisnis di Indonesia, dikenal untuk memiliki persaingan pasar tenaga kerja yang ketat dan tingkat pengangguran yang besar. Model Cox dan jaringan neural akan digunakan untuk data pengangguran tersensor kanan yang berasal dari Survei Angkatan Kerja Nasional (SAKERNAS) Februari 2022 di Provinsi DKI Jakarta. Dengan model Cox, yang ditaksir menggunakan metode Maximum Likelihood Estimator dan estimator Breslow, dapat ditentukan kovariat-kovariat yang signifikan memengaruhi durasi menganggur. Kemudian dibentuk model jaringan neural yang menggunakan penaksiran Kaplan- Meier serta pengamatan semu dari kovariat-kovariat yang signifikan untuk memprediksi peluang mendapatkan pekerjaan dalam suatu waktu. Pada penelitian ini didapatkan bahwa faktor usia, pendidikan tertinggi, dan pengalaman bekerja memengaruhi durasi menganggur secara signifikan di DKI Jakarta.