Analisis Pengangguran Terbuka di Perkotaan Provinsi Banten Tahun 2024

1. Informasi dan Ulasan Data

  • Sumber Data: BPS Provinsi Banten (Sakernas 2024).
  • Nama File: data_2024.xlsx
  • Deskripsi: Analisis jumlah pengangguran terbuka di daerah perkotaan Banten berdasarkan tingkat pendidikan tertinggi.

2. Memuat Data Excel

file_data <- "data_2024.xlsx"
data_2024 <- read_excel(
  path = file_data, 
  skip = 4, 
  n_max = 6, 
  col_names = c("Pendidikan", "Mencari_Pekerjaan", "Mempersiapkan_Usaha", "Merasa_Tidak_Mungkin", "Belum_Mulai", "Total_Penganggur"),
  na = c("", "-", "NA")
)
data_clean <- data_2024 %>%
  mutate(across(Mencari_Pekerjaan:Total_Penganggur, ~ as.numeric(gsub("\\.", "", .)))) %>%
  mutate(across(where(is.numeric), ~ replace_na(., 0))) %>%
  mutate(Pendidikan = factor(Pendidikan, levels = c("SD", "SMP", "SMA", "SMK", "Diploma I/II/III", "Universitas"))) %>%
  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")
  ))
tabel_modern <- data_clean %>% 
  gt(groupname_col = "Kategori_Pendidikan") %>% 
  tab_header(
    title = md("**Analisis Pengangguran Terbuka di Perkotaan Banten (2024)**"),
    subtitle = "Berdasarkan Tingkat Pendidikan Terakhir (Jiwa)"
  ) %>% 
  cols_label(
    Pendidikan = "Pendidikan",
    Mencari_Pekerjaan = "Mencari Pekerjaan",
    Mempersiapkan_Usaha = "Mempersiapkan Usaha",
    Merasa_Tidak_Mungkin = "Merasa Tidak Mungkin",
    Belum_Mulai = "Belum Mulai Bekerja",
    Total_Penganggur = "Total Penganggur"
  ) %>% 
  fmt_integer(
    columns = Mencari_Pekerjaan:Total_Penganggur,
    sep_mark = "."
  ) %>% 
  tab_style(
    style = cell_fill(color = "#f0f4f8"),
    locations = cells_body(columns = Total_Penganggur)
  ) %>% 
  tab_style(
    style = list(
      cell_fill(color = "#1e293b"),
      cell_text(color = "white", weight = "bold", align = "center")
    ),
    locations = cells_column_labels()
  ) %>% 
  tab_style(
    style = list(
      cell_fill(color = "#e2e8f0"),
      cell_text(weight = "bold", color = "#0f172a")
    ),
    locations = cells_row_groups()
  ) %>% 
  cols_align(align = "left", columns = Pendidikan) %>% 
  cols_align(align = "right", columns = Mencari_Pekerjaan:Total_Penganggur) %>% 
  tab_options(
    table.border.top.color = "transparent",
    table.border.bottom.color = "#1e293b"
  ) %>% 
  opt_row_striping()

tabel_modern
Analisis Pengangguran Terbuka di Perkotaan Banten (2024)
Berdasarkan Tingkat Pendidikan Terakhir (Jiwa)
Pendidikan Mencari Pekerjaan Mempersiapkan Usaha Merasa Tidak Mungkin Belum Mulai Bekerja Total Penganggur
Pendidikan Dasar
SD 12.991 2.626 12.131 357 28.105
SMP 43.804 3.610 8.281 0 55.695
Pendidikan Menengah
SMA 101.778 1.790 8.829 1.305 113.702
SMK 84.970 2.639 0 0 87.609
Pendidikan Tinggi
Diploma I/II/III 3.371 0 474 0 3.845
Universitas 23.528 2.164 5.011 1.300 32.003

3. Visualisasi Data Kategorik

3.1. Total Pengangguran per Jenjang Pendidikan (Bar Chart)

ggplot(data_clean, aes(x = Pendidikan, y = Total_Penganggur, fill = Kategori_Pendidikan)) +
  geom_col(color = "black", alpha = 0.85) +
  geom_text(
    aes(label = scales::comma(Total_Penganggur, big.mark = ".")),
    vjust = -0.5,
    size = 3.5
  ) +
  scale_fill_brewer(palette = "Set2") +
  scale_y_continuous(
    limits = c(0, 130000),
    breaks = seq(0, 120000, by = 30000),
    labels = scales::label_number(big.mark = ".")
  ) +
  theme_minimal() +
  labs(
    title = "Total Pengangguran Terbuka di Perkotaan Banten (2024)",
    x = "Pendidikan Tertinggi",
    y = "Jumlah Penganggur (Jiwa)",
    fill = "Kategori Pendidikan",
  )

Interpretasi: Lulusan Pendidikan Menengah (SMA dan SMK) memiliki angka pengangguran tertinggi di perkotaan Banten, dengan jenjang SMA mencapai 113.702 jiwa dan jenjang SMK sebesar 87.609 jiwa. Sedangkan, angka pengangguran terkecil tercatat pada jenjang Diploma I/II/III sebesar 3.845 jiwa. Perbedaan angka tersebut menunjukkan bahwa kelompok pendidikan menengah memiliki jumlah pengangguran yang lebih tinggi dibandingkan dengan kelompok pendidikan lainnya.

4. Visualisasi Data Numerik

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

file_data <- "data_2024.xlsx"
data_clean <- read_excel(
  path = file_data, 
  skip = 4, 
  n_max = 6, 
  col_names = c("Pendidikan", "Mencari_Pekerjaan", "Mempersiapkan_Usaha", "Merasa_Tidak_Mungkin", "Belum_Mulai", "Total_Penganggur"),
  na = c("", "-", "NA")
) %>% 
  mutate(across(Mencari_Pekerjaan:Total_Penganggur, ~ as.numeric(gsub("\\.", "", .)))) %>% 
  mutate(across(where(is.numeric), ~ replace_na(., 0))) %>% 
  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")
  ))
ggplot(data_clean, 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 antara jumlah pencari kerja aktif dengan total penganggur. Dapat dilihat dari pola titik yang cenderung bergerak dari kiri bawah ke kanan atas. Hal ini menunjukkan bahwa peningkatan jumlah pencari kerja aktif cenderung diikuti oleh peningkatan jumlah penganggur.

4.2. Rentang Pengangguran per Kategori Pendidikan (Boxplot)

# 1. Olah data agar nilai numerik bersih dan kategori terdefinisi
data_clean <- read_excel(
  path = "data_2024.xlsx", 
  skip = 4, 
  n_max = 6, 
  col_names = c("Pendidikan", "Mencari_Pekerjaan", "Mempersiapkan_Usaha", "Merasa_Tidak_Mungkin", "Belum_Mulai", "Total_Penganggur"),
  na = c("", "-", "NA")
) %>% 
  # Ubah ke angka
  mutate(across(Mencari_Pekerjaan:Total_Penganggur, ~ as.numeric(gsub("\\.", "", .)))) %>% 
  # Buat 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")
  ))

# 2. Buat Boxplot
ggplot(data_clean, 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 median jumlah pengangguran yang paling tinggi, yang berada di sekitar 100.000 jiwa, sedangkan kategori Pendidikan Tinggi memiliki median yang lebih rendah, yaitu sekitar 18.000–20.000 jiwa.

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.