1. Informasi dan Ulasan Data

  • Sumber Data: BPS Provinsi Banten (Sakernas 2024).
  • Nama File: Tabel_Pengangguran_Banten_2024.xlsx
  • Deskripsi: Analisis jumlah pengangguran terbuka di daerah perkotaan Banten berdasarkan tingkat pendidikan tertinggi.

2. Memuat dan Membersihkan Data Excel

# 1. Nama file Excel
file_data <- "Tabel_Pengangguran_Banten_2024.xlsx"

# 2. Baca file Excel (lewati 3 baris judul, ambil 6 baris data sekolah)
data_banten <- read_excel(file_data, 
                          skip = 3, 
                          n_max = 6, 
                          col_names = c("Pendidikan", "Mencari_Pekerjaan", "Mempersiapkan_Usaha", "Merasa_Tidak_Mungkin", "Belum_Mulai", "Total_Penganggur"),
                          na = c("", "-", "NA"))

# 3. Bersihkan data
data_banten <- data_banten %>%
  # Ubah kolom angka menjadi numerik
  mutate(across(Mencari_Pekerjaan:Total_Penganggur, as.numeric)) %>%
  # Ganti data kosong (NA) jadi angka 0
  mutate(across(where(is.numeric), ~ ifelse(is.na(.), 0, .))) %>%
  # Kunci urutan sekolah dari SD sampai Universitas
  mutate(Pendidikan = factor(Pendidikan, levels = c("<= SD", "SMP", "SMA", "SMK", "Diploma I/II/III", "Universitas"))) %>%
  # Buat kelompok kategori pendidikan
  mutate(Kategori_Pendidikan = factor(
    case_when(
      Pendidikan %in% c("<= SD", "SMP") ~ "Pendidikan Dasar",
      Pendidikan %in% c("SMA", "SMK") ~ "Pendidikan Menengah",
      Pendidikan %in% c("Diploma I/II/III", "Universitas") ~ "Pendidikan Tinggi"
    ),
    levels = c("Pendidikan Dasar", "Pendidikan Menengah", "Pendidikan Tinggi")
  ))

# Tampilkan data bersih
data_banten
## # A tibble: 6 × 7
##   Pendidikan       Mencari_Pekerjaan Mempersiapkan_Usaha Merasa_Tidak_Mungkin
##   <fct>                        <dbl>               <dbl>                <dbl>
## 1 <= SD                        12991                2626                12131
## 2 SMP                          43804                3610                 8281
## 3 SMA                         101778                1790                 8829
## 4 SMK                          84970                2639                    0
## 5 Diploma I/II/III              3371                   0                  474
## 6 Universitas                  23528                2164                 5011
## # ℹ 3 more variables: Belum_Mulai <dbl>, Total_Penganggur <dbl>,
## #   Kategori_Pendidikan <fct>

3. Visualisasi Data Kategorik

3.1. Total Pengangguran per Jenjang Pendidikan (Bar Chart)

ggplot(data_banten, aes(x = Pendidikan, y = Total_Penganggur, fill = Kategori_Pendidikan)) +
  geom_col(color = "black", alpha = 0.85) +
  scale_fill_brewer(palette = "Set2") +
  theme_minimal() +
  labs(title = "Total Pengangguran Terbuka di Perkotaan Banten (2024)",
       x = "Pendidikan Tertinggi",
       y = "Jumlah Penganggur (Jiwa)",
       fill = "Kategori Pendidikan",
       caption = "Sumber: BPS Provinsi Banten")

Interpretasi: Lulusan Pendidikan Menengah (SMA dan SMK) menyumbang angka pengangguran tertinggi di perkotaan Banten, dengan jenjang SMA menembus 113.702 jiwa.

4. Visualisasi Data Numerik

4.1. Sebaran Distribusi Total Penganggur (Histogram)

ggplot(data_banten, aes(x = Total_Penganggur)) +
  geom_histogram(bins = 6, fill = "yellow", color = "white") +
  scale_y_continuous(breaks = c(0, 1, 2)) + # Kunci angka sumbu Y jadi bulat (0, 1, 2)
  theme_light() +
  labs(title = "Sebaran Jumlah Penganggur per Jenjang",
       x = "Jumlah Penganggur (Jiwa)",
       y = "Jumlah Jenjang Pendidikan")

Interpretasi: Sebagian besar jenjang pendidikan (SD, SMP, Diploma, Universitas) memiliki pengangguran di bawah 60.000 jiwa. Sementara jenjang SMA dan SMK berada terpisah di sebelah kanan karena angkanya tinggi.

4.2. Korelasi Pencari Kerja Aktif vs Total Penganggur (Scatter Plot)

ggplot(data_banten, aes(x = Mencari_Pekerjaan, y = Total_Penganggur, color = Kategori_Pendidikan)) +
  geom_point(size = 4) +
  scale_color_brewer(palette = "Dark2") +
  theme_bw() +
  labs(title = "Korelasi: Aktif Mencari Kerja vs Total Penganggur",
       x = "Jumlah Pencari Kerja Aktif (Jiwa)",
       y = "Total Penganggur (Jiwa)",
       color = "Kategori Pendidikan")

Interpretasi: Terdapat korelasi positif yang sangat kuat. Hal ini membuktikan sebagian besar penganggur terdata sedang aktif mencari pekerjaan.

4.3. Rentang Pengangguran per Kategori Pendidikan (Boxplot)

ggplot(data_banten, aes(x = Kategori_Pendidikan, y = Total_Penganggur, fill = Kategori_Pendidikan)) +
  geom_boxplot(alpha = 0.8, color = "black") +
  scale_fill_brewer(palette = "Pastel1") +
  theme_classic() +
  labs(title = "Sebaran Jumlah Penganggur per Kategori Pendidikan",
       x = "Kategori Pendidikan",
       y = "Jumlah Penganggur (Jiwa)") +
  theme(legend.position = "none")

Interpretasi: Kategori Pendidikan Menengah memiliki rentang angka pengangguran paling tinggi, sedangkan Pendidikan Tinggi berada pada angka rata-rata yang lebih rendah.

5. Kesimpulan

Tantangan ketenagakerjaan perkotaan di Banten didominasi oleh lulusan sekolah menengah. Sebagian besar dari mereka berstatus pencari kerja aktif, yang mengindikasikan perlunya perluasan lapangan kerja formal untuk lulusan SMA dan SMK.