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

Pendidikan	Mencari Pekerjaan	Mempersiapkan Usaha	Merasa Tidak Mungkin	Belum Mulai Bekerja	Total Penganggur
Analisis Pengangguran Terbuka di Perkotaan Banten (2024)
Berdasarkan Tingkat Pendidikan Terakhir (Jiwa)
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) menyumbang angka pengangguran tertinggi di perkotaan Banten, dengan jenjang SMA menembus 113.702 jiwa.

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. Hal ini membuktikan sebagian besar penganggur terdata sedang aktif mencari pekerjaan.

4.3. 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 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.

Tugas 3: Visualisasi Data - Kelompok 6

Fakhri Nauval (3337260011), Aditiya Abimanyu (3337260061), Sausan Muntaz (3337260048)

2026-09-19