Analisis Data Kategorik Profil Ketenagakerjaan Menurut Jenis Kelamin di Kabupaten Tanah Bumbu Tahun 2024

Jumlah Penduduk Usia Kerja Menurut Jenis Kelamin

Penduduk usia kerja merupakan salah satu indikator penting dalam analisis ketenagakerjaan dan pembangunan ekonomi. Secara umum, penduduk usia kerja didefinisikan sebagai mereka yang berusia 15 tahun ke atas, baik yang sudah bekerja, sedang mencari pekerjaan, maupun yang sementara tidak aktif dalam kegiatan ekonomi. Besarnya jumlah penduduk usia kerja menjadi modal dasar dalam penyediaan tenaga kerja serta berperan penting dalam mendukung produktivitas nasional. Kajian terhadap jumlah penduduk usia kerja menurut jenis kelamin diperlukan untuk memahami dinamika dan struktur tenaga kerja yang lebih spesifik. Perbedaan jumlah laki-laki dan perempuan dalam kelompok usia kerja dapat memengaruhi arah kebijakan ketenagakerjaan, tingkat partisipasi angkatan kerja, serta strategi pembangunan yang berbasis kesetaraan gender.

tenaga_kerja<-matrix(c(107262,15996,55198,62744), nrow=2,byrow=TRUE)
  colnames(tenaga_kerja)<-c("Angkatan Kerja","Bukan Angkatan Kerja")
rownames(tenaga_kerja)<-c("Laki-laki","Perempuan")
tabel_tenaga_kerja<-as.table(tenaga_kerja)
#tabel_tenaga_kerja
data_tenaga_kerja<-as.data.frame(tabel_tenaga_kerja)
#data_tenaga_kerja
addmargins(tabel_tenaga_kerja)
##           Angkatan Kerja Bukan Angkatan Kerja    Sum
## Laki-laki         107262                15996 123258
## Perempuan          55198                62744 117942
## Sum               162460                78740 241200
Uji Chi-Square
chisq.test(tabel_tenaga_kerja)
## 
##  Pearson's Chi-squared test with Yates' continuity correction
## 
## data:  tabel_tenaga_kerja
## X-squared = 44342, df = 1, p-value < 2.2e-16

Karena p-value < 0.05 maka Tolak H0. Hal ini dapat diartikan bahwa pada taraf nyata 5 persen terdapat cukup bukti untuk menyatakan ada asosiasi antar peubah jenis kelamin dan kecenderungan untuk masuk ke angkatan kerja pada penduduk usia kerja.

Analisis Relative Risk (RR)
prop.out <- prop.table(tabel_tenaga_kerja, margin = 1) #Tabelnya sama dengan contoh 1 sehingga langsung kita gunakan data yang sudah di input sebelumnya yaitu tabelpilpres

# relative risk of male vs. female
#prop.out
prop.out[1,1]/prop.out[2,1]
## [1] 1.859413

Kesimpulan: apabila diketahui seseorang adalah laki-laki penduduk usia kerja, maka kecenderungan untuk masuk ke dalam angkatan kerja adalah 1.859 kali dari kecenderungan wanita untuk masuk ke dalam angkatan kerja. Berdasarkan nilai resiko relatif yang diperoleh terdapat hubungan antara jenis kelamin dengan kecenderungan untuk masuk ke dalam angkatan kerja, hal ini karena nilai dari resiko relatif tidak sama dengan satu.

Analisis Rasio Odds/ Odds Ratio (OR)
#Odds Laki-Laki
prop.out[1,1]/prop.out[1,2]
## [1] 6.705551

Nilai odds ini dapat diartikan bahwa peluang penduduk usia kerja laki-laki untuk masuk ke dalam angkatan kerja adalah 6.705551 kali dari peluang penduduk usia kerja laki-laki masuk ke dalam bukan angkatan kerja.

#Odds Perempuan
prop.out[2,1]/prop.out[2,2]
## [1] 0.8797335

Nilai odds ini dapat diartikan bahwa peluang penduduk usia kerja perempuan untuk masuk ke dalam angkatan kerja adalah 0.8797335 kali dari peluang penduduk usia kerja perempuan masuk ke dalam bukan angkatan kerja.

library(epitools)
or.out <- oddsratio(tabel_tenaga_kerja, rev="b") #rev : reverse order of "rows", "colums","both", or "neither" (default)
or.out$measure
##                         NA
## odds ratio with 95% C.I. estimate    lower    upper
##                Perempuan 1.000000       NA       NA
##                Laki-laki 7.622147 7.470114 7.775837

Hasil analisis menunjukkan nilai odds ratio sebesar 7,622147. Hal ini mengindikasikan bahwa odds penduduk usia kerja laki-laki untuk masuk ke dalam angkatan kerja adalah sekitar 7,62 kali odds penduduk usia kerja perempuan. Dengan kata lain, laki-laki memiliki kecenderungan yang jauh lebih besar untuk menjadi bagian dari angkatan kerja dibandingkan perempuan. Berdasarkan nilai odds ratio tersebut, dapat disimpulkan bahwa terdapat hubungan yang signifikan antara jenis kelamin dengan kecenderungan masuk ke dalam angkatan kerja, karena nilai 1 (satu) tidak termasuk dalam selang kepercayaan πœƒ.

Jumlah Penduduk Angkatan Kerja Menurut Jenis Kelamin

Jumlah penduduk angkatan kerja menurut jenis kelamin merupakan aspek penting dalam analisis ketenagakerjaan, karena mencerminkan peran serta laki-laki dan perempuan dalam kegiatan ekonomi. Angkatan kerja terdiri atas penduduk usia kerja yang bekerja maupun yang sedang mencari pekerjaan, sehingga keberadaannya menjadi penopang utama dalam pembangunan ekonomi dan peningkatan produktivitas nasional. Kajian terhadap jumlah angkatan kerja menurut jenis kelamin diperlukan untuk menelaah sejauh mana distribusi dan partisipasi tenaga kerja berdasarkan perbedaan peran gender.

angkatan_kerja<-matrix(c(100416,6846,51690,3508), nrow=2,byrow=TRUE)
  colnames(angkatan_kerja)<-c("Bekerja","Pengangguran")
rownames(angkatan_kerja)<-c("Laki-laki","Perempuan")
tabel_angkatan_kerja<-as.table(angkatan_kerja)
#tabel_angkatan_kerja
data_angkatan_kerja<-as.data.frame(tabel_angkatan_kerja)
#data_angkatan_kerja
addmargins(tabel_angkatan_kerja)
##           Bekerja Pengangguran    Sum
## Laki-laki  100416         6846 107262
## Perempuan   51690         3508  55198
## Sum        152106        10354 162460
Uji Chi-Square
chisq.test(tabel_angkatan_kerja)
## 
##  Pearson's Chi-squared test with Yates' continuity correction
## 
## data:  tabel_angkatan_kerja
## X-squared = 0.040742, df = 1, p-value = 0.84

Karena p-value > 0.05 maka Gagal Tolak H0. Hal ini dapat diartikan bahwa pada taraf nyata 5 persen tidak terdapat cukup bukti untuk menyatakan ada asosiasi antar peubah jenis kelamin dan kecenderungan untuk bekerja pada penduduk angkatan kerja.

Analisis Relative Risk (RR)
prop.out <- prop.table(tabel_angkatan_kerja, margin = 1) #Tabelnya sama dengan contoh 1 sehingga langsung kita gunakan data yang sudah di input sebelumnya yaitu tabelpilpres

# relative risk of male vs. female
#prop.out
prop.out[1,1]/prop.out[2,1]
## [1] 0.9997095

Kesimpulan: apabila diketahui seorang penduduk angkatan kerja laki-laki, maka kecenderungan untuk berstatus bekerja adalah 0,999 (mendekati satu) kali dari kecenderungan penduduk angkatan kerja wanita untuk masuk ke dalam status bekerja. Berdasarkan nilai resiko relatif yang diperoleh dapat diketahui bahwa tidak terdapat hubungan antara jenis kelamin dengan kecenderungan untuk masuk ke dalam status bekerja, hal ini karena nilai dari resiko relatif mendekati satu.

Analisis Rasio Odds/ Odds Ratio (OR)
#Odds Laki-Laki
prop.out[1,1]/prop.out[1,2]
## [1] 14.66784

Nilai odds ini dapat diartikan bahwa peluang penduduk angkatan kerja laki-laki untuk masuk ke dalam dalam status bekerja adalah 14.66784 kali dari peluang penduduk penduduk angkatan kerja laki-laki untuk masuk ke dalam status bekerja.

#Odds Perempuan
prop.out[2,1]/prop.out[2,2]
## [1] 14.73489

Nilai odds ini dapat diartikan bahwa peluang penduduk angkatan kerja perempuan untuk masuk ke dalam dalam status bekerja adalah 14.73489 kali dari peluang penduduk penduduk angkatan kerja perempuan untuk masuk ke dalam status bekerja.

library(epitools)
or.out <- oddsratio(tabel_angkatan_kerja, rev="b") #rev : reverse order of "rows", "colums","both", or "neither" (default)
or.out$measure
##                         NA
## odds ratio with 95% C.I.  estimate     lower    upper
##                Perempuan 1.0000000        NA       NA
##                Laki-laki 0.9954732 0.9543921 1.038145

Berbeda dengan hasil sebelumnya, pada status bekerja diperoleh nilai odds ratio sebesar 0,9954732. Nilai ini menunjukkan bahwa odds penduduk angkatan kerja laki-laki untuk masuk ke dalam status bekerja hampir sama dengan odds penduduk angkatan kerja perempuan, yaitu sekitar 0,99 kali. Dengan kata lain, baik laki-laki maupun perempuan memiliki kecenderungan yang relatif seimbang untuk masuk ke dalam status bekerja. Berdasarkan nilai odds ratio tersebut, dapat disimpulkan bahwa tidak terdapat hubungan yang signifikan antara jenis kelamin dengan kecenderungan penduduk angkatan kerja untuk masuk ke dalam status bekerja, karena nilai 1 (satu) termasuk dalam selang kepercayaan πœƒ.

Jumlah Penduduk yang Bekerja Menurut Jenis Kelamin

Jumlah penduduk yang bekerja merupakan indikator penting dalam menggambarkan kondisi ketenagakerjaan. Analisis menurut jenis kelamin diperlukan untuk melihat perbedaan tingkat partisipasi antara laki-laki dan perempuan di pasar kerja.

Jumlah Penduduk yang Bekerja Menurut Jam Kerja dan Jenis Kelamin

pekerja_jamkerja<-matrix(c(789,22878,44735,32014,619,23210,17749,10112), nrow=2,byrow=TRUE)
  colnames(pekerja_jamkerja)<-c("Sementara tidak bekerja","1 - 34 jam","35 - 54 jam","55 jam keatas")
rownames(pekerja_jamkerja)<-c("Laki-laki","Perempuan")
tabel_pekerja_jamkerja<-as.table(pekerja_jamkerja)
#tabel_pekerja_jamkerja
data_pekerja_jamkerja<-as.data.frame(tabel_pekerja_jamkerja)
#data_pekerja_jamkerja
addmargins(tabel_pekerja_jamkerja)
##           Sementara tidak bekerja 1 - 34 jam 35 - 54 jam 55 jam keatas    Sum
## Laki-laki                     789      22878       44735         32014 100416
## Perempuan                     619      23210       17749         10112  51690
## Sum                          1408      46088       62484         42126 152106
Uji Chi-Square
chisq.test(tabel_pekerja_jamkerja)
## 
##  Pearson's Chi-squared test
## 
## data:  tabel_pekerja_jamkerja
## X-squared = 8308.6, df = 3, p-value < 2.2e-16

Karena p-value < 0.05 maka Tolak H0. Hal ini dapat diartikan bahwa pada taraf nyata 5 persen terdapat cukup bukti untuk menyatakan ada asosiasi antar peubah jenis kelamin dan jumlah jam kerja pada penduduk yang bekerja.

Jumlah Penduduk yang Bekerja Menurut Sektor Pekerjaan dan Jenis Kelamin

pekerja_sektorkerja<-matrix(c(31680,30874,37862,12044,4884,34762), nrow=2,byrow=TRUE)
  colnames(pekerja_sektorkerja)<-c("Pertanian","Industri","Jasa")
rownames(pekerja_sektorkerja)<-c("Laki-laki","Perempuan")
tabel_pekerja_sektorkerja<-as.table(pekerja_sektorkerja)
#tabel_pekerja_sektorkerja
data_pekerja_sektorkerja<-as.data.frame(tabel_pekerja_sektorkerja)
#data_pekerja_sektorkerja
addmargins(tabel_pekerja_sektorkerja)
##           Pertanian Industri   Jasa    Sum
## Laki-laki     31680    30874  37862 100416
## Perempuan     12044     4884  34762  51690
## Sum           43724    35758  72624 152106
Uji Chi-Square
chisq.test(tabel_pekerja_sektorkerja)
## 
##  Pearson's Chi-squared test
## 
## data:  tabel_pekerja_sektorkerja
## X-squared = 13631, df = 2, p-value < 2.2e-16

Karena p-value < 0.05 maka Tolak H0. Hal ini dapat diartikan bahwa pada taraf nyata 5 persen terdapat cukup bukti untuk menyatakan ada asosiasi antar peubah jenis kelamin dan jenis sektor pada penduduk yang bekerja.

Jumlah Penduduk yang Bekerja Menurut Tingkat Pendidikan dan Jenis Kelamin

pekerja_tingkatpendidikan<-matrix(c(11682,24811,16936,46987,5876,13206,8831,237777), nrow=2,byrow=TRUE)
  colnames(pekerja_tingkatpendidikan)<-c("Tidak Pernah Sekolah atau Tidak Tamat SD","SD","SLTP","SLTA")
rownames(pekerja_tingkatpendidikan)<-c("Laki-laki","Perempuan")
tabel_pekerja_tingkatpendidikan<-as.table(pekerja_tingkatpendidikan)
#tabel_pekerja_tingkatpendidikan
data_pekerja_tingkatpendidikan<-as.data.frame(tabel_pekerja_tingkatpendidikan)
#data_pekerja_tingkatpendidikan
addmargins(tabel_pekerja_tingkatpendidikan)
##           Tidak Pernah Sekolah atau Tidak Tamat SD     SD   SLTP   SLTA    Sum
## Laki-laki                                    11682  24811  16936  46987 100416
## Perempuan                                     5876  13206   8831 237777 265690
## Sum                                          17558  38017  25767 284764 366106
Uji Chi-Square
chisq.test(tabel_pekerja_tingkatpendidikan)
## 
##  Pearson's Chi-squared test
## 
## data:  tabel_pekerja_tingkatpendidikan
## X-squared = 76901, df = 3, p-value < 2.2e-16

Karena p-value < 0.05 maka Tolak H0. Hal ini dapat diartikan bahwa pada taraf nyata 5 persen terdapat cukup bukti untuk menyatakan ada asosiasi antar peubah jenis kelamin dan tingkat pendidikan pada penduduk yang bekerja.

Kesimpulan

Dengan demikian, dapat diketahui bahwa jenis kelamin memiliki asosiasi secara signifikan terhadap peluang seseorang masuk ke angkatan kerja, tetapi tidak memiliki asosiasi secara signifikan terhadap status bekerja di dalam angkatan kerja. Lebih lanjut, pada taraf nyata 5 persen, terdapat cukup bukti untuk menyatakan adanya asosiasi antara jenis kelamin dengan jumlah jam kerja pada penduduk yang bekerja. Selain itu, jenis kelamin juga terbukti berasosiasi secara signifikan dengan jenis sektor pekerjaan yang dijalani oleh penduduk yang bekerja. Hal serupa terlihat pada tingkat pendidikan, di mana terdapat cukup bukti untuk menyatakan adanya asosiasi antara jenis kelamin dan tingkat pendidikan pada penduduk yang bekerja, sebagaimana ditunjukkan oleh nilai p-value yang lebih kecil dari 0,05.

Daftar Pustaka

Badan Pusat Statistik. (2025). β€œKeadaan Angkatan Kerja di Kabupaten Tanah Bumbu Agustus 2024”. Batulicin: BPS Kabupaten Tanah Bumbu.

Khusnia Nurul Khikmah. ResponsiADKMg2. RPubs. https://rpubs.com/khusniank/ResponsiADKMg2

Leli Latifah. STK654 Analisis Data Kategorik – Praktikum 3-4. RPubs. https://rpubs.com/lelilatifah/743706