Analisis Pasar Tenaga Kerja ASEAN 2025
Dzaky Bayu Saputra - 5006231005
2026-05-25
Pendahuluan
Pasar tenaga kerja di kawasan Asia Tenggara (ASEAN) mencerminkan keragaman kondisi ekonomi, sosial, dan pendidikan yang sangat luas. Dari Singapura yang maju dengan GDP per kapita di atas $65.000, hingga Myanmar dan Kamboja yang masih bergulat dengan kemiskinan dan dominasi sektor informal — setiap negara memiliki tantangan ketenagakerjaan yang unik.
Analisis ini bertujuan untuk mengeksplorasi pola dan hubungan antar variabel ketenagakerjaan di 10 negara ASEAN pada tahun 2025, menggunakan dua pendekatan: (1) analisis tren pencarian digital melalui Google Trends untuk melihat dinamika platform e-commerce sebagai proksi aktivitas ekonomi digital, dan (2) visualisasi data makroekonomi tenaga kerja untuk menemukan pola yang dapat mendukung perumusan kebijakan pengurangan pengangguran di kawasan ASEAN.
A. Analisis Google Trends
Pengambilan Data
Data tren pencarian diambil menggunakan package gtrendsR
di R, dengan tiga keyword yang dipilih karena ketiganya merupakan
platform e-commerce dominan yang bersaing di pasar Indonesia:
Shopee, Lazada, dan TikTok
Shop. Data dibatasi untuk wilayah Indonesia
(geo = "ID") dengan rentang waktu 12 bulan terakhir untuk
mendapatkan gambaran tren terkini.
trend <- gtrends(keyword = c("Shopee","Lazada","TikTok Shop"),
geo = "ID", time = "today 12-m")Tren dari Waktu ke Waktu
Grafik berikut menampilkan pergerakan skor minat pencarian ketiga platform dari bulan ke bulan selama 12 bulan terakhir. Skor Google Trends berskala 0–100, di mana 100 menandakan puncak popularitas pada periode yang diamati.
df_time <- trend$interest_over_time %>%
mutate(hits = as.numeric(ifelse(hits == "<1", 0, hits)))
ggplot(df_time, aes(x = date, y = hits, color = keyword)) +
geom_line(linewidth = 1) +
theme_minimal() +
labs(
title = "Tren Pencarian Platform E-Commerce di Indonesia",
subtitle = "Perbandingan Shopee, Lazada, TikTok Shop (12 bulan terakhir)",
x = "Bulan",
y = "Skor Minat Pencarian (0-100)",
color = "Platform",
caption = "Sumber: Google Trends"
)
Gambar 1. Tren Pencarian Platform E-Commerce di Indonesia (12 Bulan Terakhir)
Interpretasi: Shopee mendominasi secara konsisten dengan skor yang tidak pernah turun di bawah 60 sepanjang periode pengamatan, menandakan bahwa Shopee telah menjadi pilihan utama yang melekat di benak konsumen Indonesia saat berbelanja online. Lazada menunjukkan pola lonjakan periodik yang bertepatan dengan event harbolnas (6.6, 9.9, 12.12), yang mengindikasikan bahwa minat terhadap Lazada bersifat reaktif terhadap promosi besar, bukan organik. TikTok Shop berada di level yang sangat rendah namun stabil, mencerminkan bahwa social commerce masih dalam tahap awal penetrasi di Indonesia meskipun potensinya besar seiring tumbuhnya pengguna TikTok.
Minat per Provinsi
Visualisasi berikut menampilkan 15 provinsi teratas berdasarkan skor minat pencarian untuk masing-masing platform. Hal ini berguna untuk memahami sebaran geografis minat pengguna terhadap platform e-commerce di Indonesia.
df_region <- trend$interest_by_region %>%
filter(location != "") %>%
mutate(hits = as.numeric(ifelse(hits == "<1", 0, hits))) %>%
group_by(keyword) %>%
slice_max(hits, n = 15)
ggplot(df_region, aes(x = reorder(location, hits),
y = hits, fill = keyword)) +
geom_bar(stat = "identity", position = "dodge") +
coord_flip() +
theme_minimal() +
labs(
title = "Minat per Provinsi — Top 15",
x = "Provinsi",
y = "Skor (0-100)",
fill = "Platform",
caption = "Sumber: Google Trends"
)
Gambar 2. Minat Pencarian per Provinsi — Top 15
Interpretasi: Seluruh posisi teratas didominasi oleh provinsi di Pulau Jawa — DKI Jakarta, Jawa Barat, Banten, Jawa Tengah, dan Jawa Timur — untuk ketiga platform sekaligus. Ini mencerminkan bahwa penetrasi e-commerce masih sangat terkonsentrasi di kota-kota besar Jawa, sementara provinsi seperti West Papua dan East Nusa Tenggara hanya muncul di posisi bawah dan terbatas pada Lazada saja. Kesenjangan ini menunjukkan bahwa pasar luar Jawa masih sangat terbuka dan belum digarap secara optimal oleh platform e-commerce manapun.
Rata-rata Popularitas Platform
df_avg <- df_time %>%
group_by(keyword) %>%
summarise(avg_hits = mean(hits, na.rm = TRUE))
ggplot(df_avg, aes(x = reorder(keyword, -avg_hits),
y = avg_hits, fill = keyword)) +
geom_col() +
geom_text(aes(label = round(avg_hits, 1)),
vjust = -0.5, size = 4) +
theme_minimal() +
theme(legend.position = "none") +
labs(
title = "Rata-rata Popularitas Platform E-Commerce",
subtitle = "Berdasarkan rata-rata skor pencarian Google Trends 12 bulan terakhir",
x = "Platform",
y = "Rata-rata Skor (0-100)",
caption = "Sumber: Google Trends"
)
Gambar 3. Rata-rata Popularitas Platform E-Commerce
Interpretasi: Shopee unggul dengan rata-rata skor 83.4, jauh melampaui Lazada (8.5) dan TikTok Shop (3.4). Selisih yang sangat besar ini — hampir 10 kali lipat antara Shopee dan Lazada — menunjukkan bahwa persaingan e-commerce di Indonesia pada dasarnya sudah bukan lagi persaingan yang seimbang. Bagi pelaku bisnis, keputusan untuk beriklan dan membuka toko di Shopee hampir pasti menjangkau calon pembeli jauh lebih luas dibandingkan platform lain.
B. Analisis Data Tenaga Kerja ASEAN
Data yang digunakan adalah dataset pasar tenaga kerja dan ekonomi makro 10 negara ASEAN tahun 2025, mencakup variabel pengangguran umum, pengangguran muda, GDP per kapita, inflasi, indeks pendidikan, tenaga kerja informal, populasi, dan partisipasi angkatan kerja.
library(readr)
df <- read.csv2("C:/Users/User/Downloads/data_kuis2_latihan.csv")
str(df)## 'data.frame': 10 obs. of 10 variables:
## $ negara : chr "Indonesia" "Malaysia" "Thailand" "Philippines" ...
## $ pengangguran_umum : num 5.2 3.4 1.1 4.7 2.3 2.1 2.6 0.8 1.5 4.9
## $ pengangguran_muda : num 14.8 10.2 4.8 13.2 7.1 5.9 8.4 3.2 5.4 22.1
## $ gdp_per_kapita : int 4913 12364 7807 3623 4163 65233 1209 1712 2576 31449
## $ inflasi : num 3.2 2.4 1.8 4.1 3.8 2.7 18.4 2.2 25.1 0.9
## $ indeks_pendidikan : num 0.7 0.8 0.75 0.68 0.73 0.94 0.55 0.54 0.57 0.85
## $ tenaga_kerja_informal : int 56 28 44 60 54 9 80 82 75 12
## $ populasi_juta : num 277.5 33.6 71.8 115.6 98.2 ...
## $ partisipasi_angkatan_kerja: num 68.1 70.2 73.5 66.3 74.8 77.2 65.4 79.1 77.6 63.3
## $ tahun : int 2025 2025 2025 2025 2025 2025 2025 2025 2025 2025head(df)## negara pengangguran_umum pengangguran_muda gdp_per_kapita inflasi
## 1 Indonesia 5.2 14.8 4913 3.2
## 2 Malaysia 3.4 10.2 12364 2.4
## 3 Thailand 1.1 4.8 7807 1.8
## 4 Philippines 4.7 13.2 3623 4.1
## 5 Vietnam 2.3 7.1 4163 3.8
## 6 Singapore 2.1 5.9 65233 2.7
## indeks_pendidikan tenaga_kerja_informal populasi_juta
## 1 0.70 56 277.5
## 2 0.80 28 33.6
## 3 0.75 44 71.8
## 4 0.68 60 115.6
## 5 0.73 54 98.2
## 6 0.94 9 5.9
## partisipasi_angkatan_kerja tahun
## 1 68.1 2025
## 2 70.2 2025
## 3 73.5 2025
## 4 66.3 2025
## 5 74.8 2025
## 6 77.2 2025summary(df)## negara pengangguran_umum pengangguran_muda gdp_per_kapita
## Length:10 Min. :0.800 Min. : 3.200 Min. : 1209
## Class :character 1st Qu.:1.650 1st Qu.: 5.525 1st Qu.: 2838
## Mode :character Median :2.450 Median : 7.750 Median : 4538
## Mean :2.860 Mean : 9.510 Mean :13505
## 3rd Qu.:4.375 3rd Qu.:12.450 3rd Qu.:11225
## Max. :5.200 Max. :22.100 Max. :65233
## inflasi indeks_pendidikan tenaga_kerja_informal populasi_juta
## Min. : 0.900 Min. :0.5400 Min. : 9.00 Min. : 0.45
## 1st Qu.: 2.250 1st Qu.:0.5975 1st Qu.:32.00 1st Qu.: 9.95
## Median : 2.950 Median :0.7150 Median :55.00 Median : 44.00
## Mean : 6.460 Mean :0.7110 Mean :50.00 Mean : 68.22
## 3rd Qu.: 4.025 3rd Qu.:0.7875 3rd Qu.:71.25 3rd Qu.: 91.60
## Max. :25.100 Max. :0.9400 Max. :82.00 Max. :277.50
## partisipasi_angkatan_kerja tahun
## Min. :63.30 Min. :2025
## 1st Qu.:66.75 1st Qu.:2025
## Median :71.85 Median :2025
## Mean :71.55 Mean :2025
## 3rd Qu.:76.60 3rd Qu.:2025
## Max. :79.10 Max. :2025Visualisasi 1 — Scatter Plot: GDP per Kapita vs Pengangguran Umum
ggplot(df, aes(x = gdp_per_kapita, y = pengangguran_umum,
label = negara, size = populasi_juta)) +
geom_point(alpha = 0.7, color = "#378ADD") +
geom_text(size = 3, vjust = -1, show.legend = FALSE) +
geom_smooth(method = "lm", se = FALSE,
color = "red", linetype = "dashed") +
theme_minimal() +
labs(
title = "Hubungan GDP per Kapita vs Tingkat Pengangguran",
subtitle = "Negara-negara ASEAN 2025",
x = "GDP per Kapita (USD)",
y = "Pengangguran Umum (%)",
size = "Populasi (juta)",
caption = "Sumber: Data Tenaga Kerja ASEAN 2025"
)
Gambar 4. Hubungan GDP per Kapita vs Tingkat Pengangguran Umum ASEAN 2025
Interpretasi: Garis regresi menunjukkan kemiringan yang hampir datar, mengindikasikan bahwa hubungan antara GDP per kapita dan tingkat pengangguran umum di ASEAN tidak sesederhana yang diperkirakan. Brunei menjadi anomali yang menarik — meski memiliki GDP per kapita $31.449, tingkat penganggurannya mencapai 4.9%, lebih tinggi dari Vietnam ($4.163) yang hanya 2.3%. Hal ini mengindikasikan bahwa struktur ekonomi yang bergantung pada satu sektor (minyak bumi di Brunei) tidak mampu menciptakan lapangan kerja yang memadai bagi seluruh angkatan kerjanya. Sementara itu, Singapore membuktikan bahwa diversifikasi ekonomi yang matang mampu menjaga pengangguran tetap rendah (2.1%) meski standar hidup sangat tinggi.
Visualisasi 2 — Bar Chart: Tingkat Pengangguran Muda per Negara
df <- df %>%
mutate(kategori = ifelse(pengangguran_muda > 10,
"Tinggi (>10%)", "Normal (≤10%)"))
ggplot(df, aes(x = reorder(negara, -pengangguran_muda),
y = pengangguran_muda, fill = kategori)) +
geom_col() +
geom_text(aes(label = paste0(pengangguran_muda, "%")),
vjust = -0.4, size = 3.5) +
scale_fill_manual(values = c("Tinggi (>10%)" = "#E24B4A",
"Normal (≤10%)" = "#378ADD")) +
theme_minimal() +
theme(axis.text.x = element_text(angle = 45, hjust = 1)) +
labs(
title = "Tingkat Pengangguran Muda per Negara ASEAN 2025",
x = "Negara",
y = "Pengangguran Muda (%)",
fill = "Kategori",
caption = "Sumber: Data Tenaga Kerja ASEAN 2025"
)
Gambar 5. Tingkat Pengangguran Muda per Negara ASEAN 2025
Interpretasi: Empat negara masuk kategori pengangguran muda tinggi (di atas 10%): Brunei (22.1%), Indonesia (14.8%), Philippines (13.2%), dan Malaysia (10.2%). Yang paling mengejutkan adalah Brunei — sebagai negara dengan pendapatan per kapita tertinggi ketiga di ASEAN, angka pengangguran mudanya justru yang paling parah. Ini menunjukkan bahwa kemakmuran ekonomi berbasis sumber daya alam tidak otomatis menciptakan peluang kerja bagi generasi muda. Indonesia dengan populasi terbesar di ASEAN perlu sangat serius menangani masalah ini, mengingat jumlah absolut pemuda yang menganggur sangat besar dibandingkan negara lain.
Visualisasi 3 — Lattice: Indeks Pendidikan vs Tenaga Kerja Informal
xyplot(tenaga_kerja_informal ~ indeks_pendidikan,
data = df,
type = "p",
main = "Indeks Pendidikan vs Tenaga Kerja Informal ASEAN",
xlab = "Indeks Pendidikan (0-1)",
ylab = "Tenaga Kerja Informal (%)",
panel = function(x, y, ...) {
panel.xyplot(x, y, ...)
panel.abline(h = 50, col = "red", lty = 2)
panel.text(0.90, 52, "Batas 50%", cex = 0.8)
})
Gambar 6. Hubungan Indeks Pendidikan vs Tenaga Kerja Informal ASEAN
Interpretasi: Visualisasi lattice ini memperlihatkan pola negatif yang sangat jelas — semakin tinggi indeks pendidikan suatu negara, semakin rendah proporsi tenaga kerja informalnya. Negara dengan indeks pendidikan di bawah 0.60 (Cambodia 0.54, Myanmar 0.55) semuanya memiliki tenaga kerja informal di atas 75%, jauh melampaui garis referensi merah 50%. Sebaliknya, Singapore (0.94) dan Brunei (0.85) berhasil menekan tenaga kerja informal hingga di bawah 15%. Indonesia berada di posisi indeks 0.70 dengan 56% tenaga kerja informal — masih di atas batas kritis. Ini membuktikan bahwa investasi pendidikan, khususnya pendidikan vokasional yang terkoneksi dengan industri formal, merupakan instrumen paling langsung untuk mendorong formalisasi tenaga kerja.
C. Dashboard Tableau
Dashboard berikut menampilkan analisis visual terintegrasi menggunakan dataset tenaga kerja ASEAN 2025 yang dibuat menggunakan Tableau Public. Dashboard terdiri dari dua visualisasi utama — bar chart pengangguran muda per negara dan scatter plot hubungan GDP vs pengangguran — yang dilengkapi dengan filter interaktif berdasarkan negara sehingga pengguna dapat mengeksplorasi data secara mandiri.
Gambar 7. Dashboard Analisis Tenaga Kerja ASEAN 2025 (Tableau Public)
Link dashboard interaktif Tableau Public:
Klik
di sini untuk membuka Dashboard
{= html} <div class='tableauPlaceholder' id='viz1779689036323' style='position: relative'><noscript><a href='#'><img alt='dashboard_asean ' src='https://public.tableau.com/static/images/An/Analisis_Tenaga_Kerja_ASEAN_2025/Dashboard1/1_rss.png' style='border: none' /></a></noscript><object class='tableauViz' style='display:none;'><param name='host_url' value='https%3A%2F%2Fpublic.tableau.com%2F' /> <param name='embed_code_version' value='3' /> <param name='site_root' value='' /><param name='name' value='Analisis_Tenaga_Kerja_ASEAN_2025/Dashboard1' /><param name='tabs' value='no' /><param name='toolbar' value='yes' /><param name='static_image' value='https://public.tableau.com/static/images/An/Analisis_Tenaga_Kerja_ASEAN_2025/Dashboard1/1.png' /> <param name='animate_transition' value='yes' /><param name='display_static_image' value='yes' /><param name='display_spinner' value='yes' /><param name='display_overlay' value='yes' /><param name='display_count' value='yes' /><param name='language' value='en-US' /><param name='filter' value='publish=yes' /></object></div> <script type='text/javascript'> var divElement = document.getElementById('viz1779689036323'); var vizElement = divElement.getElementsByTagName('object')[0]; if ( divElement.offsetWidth > 800 ) { vizElement.style.width='100%';vizElement.style.height=(divElement.offsetWidth*0.75)+'px';} else if ( divElement.offsetWidth > 500 ) { vizElement.style.width='100%';vizElement.style.height=(divElement.offsetWidth*0.75)+'px';} else { vizElement.style.width='100%';vizElement.style.height='1027px';} var scriptElement = document.createElement('script'); scriptElement.src = 'https://public.tableau.com/javascripts/api/viz_v1.js'; vizElement.parentNode.insertBefore(scriptElement, vizElement); </script>
Insight dari dashboard:
Brunei sebagai outlier ganda: Di dashboard, Brunei tampak menonjol secara bersamaan di bar chart (pengangguran muda tertinggi 22.1%) dan di scatter plot (GDP tinggi tapi pengangguran umum juga tidak rendah). Ini mengonfirmasi bahwa kekayaan sumber daya alam tanpa diversifikasi ekonomi tidak cukup untuk menciptakan lapangan kerja berkualitas.
Pola dua klaster di scatter plot: Negara-negara ASEAN terbagi jelas menjadi dua klaster di scatter plot — klaster kiri bawah (GDP rendah, pengangguran rendah: Cambodia, Laos, Thailand, Vietnam) yang fenomenanya lebih disebabkan oleh dominasi sektor subsisten yang tidak tercatat sebagai pengangguran formal; dan klaster kanan bawah (GDP tinggi, pengangguran rendah: Singapore) yang merupakan kondisi ideal. Indonesia dan Philippines berada di klaster kiri atas yang paling perlu mendapat perhatian kebijakan.
Filter negara memperlihatkan keunikan tiap konteks: Saat filter digunakan untuk mengisolasi negara-negara berpendapatan rendah (Myanmar, Cambodia, Laos), terlihat bahwa pengangguran mudanya justru sangat rendah (3–8%) — paradoks yang menjelaskan bahwa di negara miskin, pemuda tidak bisa “memilih untuk menganggur” karena tidak ada jaring pengaman sosial; mereka terpaksa menerima pekerjaan apapun di sektor informal.
Kesimpulan & Rekomendasi
Berdasarkan seluruh analisis di atas — baik dari Google Trends maupun data makroekonomi tenaga kerja ASEAN — terdapat beberapa kesimpulan dan rekomendasi kebijakan yang dapat dirumuskan:
Pertama, dominasi Shopee di pasar e-commerce Indonesia (rata-rata skor 83.4 vs Lazada 8.5) menunjukkan bahwa ekosistem digital Indonesia sudah sangat matang dan terkonsentrasi. Pemerintah dan pelaku UMKM sebaiknya memanfaatkan platform ini secara maksimal untuk mendorong formalisasi usaha kecil, terutama di luar Jawa di mana penetrasi e-commerce masih sangat rendah namun potensinya besar.
Kedua, empat negara dengan pengangguran muda di atas 10% — Brunei, Indonesia, Philippines, dan Malaysia — perlu mengambil pendekatan yang berbeda-beda. Indonesia dan Philippines perlu memperluas akses pendidikan vokasional yang terhubung langsung dengan industri. Brunei dan Malaysia perlu diversifikasi ekonomi agar tidak bergantung pada sektor yang tidak padat karya.
Ketiga, indeks pendidikan terbukti menjadi prediktor kuat tingkat informalitas tenaga kerja. Negara-negara ASEAN yang ingin meningkatkan kualitas ketenagakerjaan harus memprioritaskan peningkatan kualitas pendidikan — bukan hanya akses, tapi relevansi kurikulum dengan kebutuhan pasar kerja formal. Indonesia dengan indeks 0.70 dan 56% tenaga kerja informal masih memiliki ruang besar untuk perbaikan di area ini.