1. Pendahuluan

Tingkat Pengangguran Terbuka (TPT) merupakan persentase jumlah pengangguran terhadap jumlah angkatan kerja. Data TPT dapat digunakan untuk melihat kondisi pengangguran di berbagai provinsi di Indonesia.

Analisis ini menggunakan data TPT menurut provinsi tahun 2026 yang bersumber dari Badan Pusat Statistik (BPS). Data pada file sumber terdiri dari beberapa periode, yaitu Februari, Mei, Agustus, dan November. Namun, data Agustus dan November masih bernilai -, sehingga analisis difokuskan pada data Februari dan Mei 2026.

Tujuan analisis ini adalah:

  1. Mengetahui perbedaan TPT antarprovinsi.
  2. Membandingkan TPT pada Februari dan Mei 2026.
  3. Melihat distribusi nilai TPT antarprovinsi.
  4. Memberikan interpretasi berdasarkan hasil visualisasi.

2. Sumber Data

Data yang digunakan berasal dari Badan Pusat Statistik (BPS) dengan judul:

“Tingkat Pengangguran Terbuka menurut Provinsi (Triwulanan) (Persen), 2026”

Data yang digunakan dalam analisis adalah nilai TPT pada periode Februari dan Mei 2026.

3. Membaca dan Menyiapkan Data

File Excel yang digunakan bernama data_tpt_2026.xlsx dan diletakkan pada folder yang sama dengan file R Markdown.

data_tpt <- read_excel(
  "data_tpt_2026.xlsx",
  col_names = FALSE,
  skip = 3
)

colnames(data_tpt) <- c(
  "Provinsi",
  "Februari",
  "Mei",
  "Agustus",
  "November"
)

data_tpt <- data_tpt %>%
  filter(Provinsi != "INDONESIA") %>%
  mutate(
    Februari = as.numeric(Februari),
    Mei = as.numeric(Mei)
  )

head(data_tpt)
## # A tibble: 6 × 5
##   Provinsi       Februari   Mei Agustus November
##   <chr>             <dbl> <dbl> <chr>   <chr>   
## 1 38 Provinsi       NA    NA    Agustus November
## 2 ACEH               5.88  5.89 -       -       
## 3 SUMATERA UTARA     5.01  5.03 -       -       
## 4 SUMATERA BARAT     5.51  5.53 -       -       
## 5 RIAU               4.09  4.09 -       -       
## 6 JAMBI              3.99  4.1  -       -

Data yang digunakan terdiri dari 38 provinsi di Indonesia. Kolom Agustus dan November tidak digunakan karena pada file sumber masih belum memiliki nilai.

4. Visualisasi TPT Februari 2026

Visualisasi pertama digunakan untuk melihat perbedaan nilai TPT pada masing-masing provinsi pada Februari 2026.

data_feb <- data_tpt %>%
  arrange(Februari) %>%
  mutate(
    Provinsi = factor(Provinsi, levels = Provinsi)
  )

ggplot(data_feb, aes(x = Provinsi, y = Februari)) +
  geom_col() +
  coord_flip() +
  labs(
    title = "Tingkat Pengangguran Terbuka Menurut Provinsi",
    subtitle = "Februari 2026",
    x = "Provinsi",
    y = "TPT (%)"
  ) +
  theme_minimal()

Interpretasi

Berdasarkan grafik, nilai TPT berbeda-beda pada setiap provinsi. Perbedaan tinggi batang menunjukkan adanya variasi tingkat pengangguran terbuka antarprovinsi pada Februari 2026.

5. Perbandingan TPT Februari dan Mei 2026

Selanjutnya dilakukan perbandingan nilai TPT antara Februari dan Mei 2026 pada setiap provinsi.

data_long <- data_tpt %>%
  select(Provinsi, Februari, Mei) %>%
  pivot_longer(
    cols = c(Februari, Mei),
    names_to = "Periode",
    values_to = "TPT"
  )

ggplot(data_long, aes(
  x = Provinsi,
  y = TPT,
  fill = Periode
)) +
  geom_col(position = "dodge") +
  coord_flip() +
  labs(
    title = "Perbandingan TPT Februari dan Mei 2026",
    x = "Provinsi",
    y = "TPT (%)",
    fill = "Periode"
  ) +
  theme_minimal()

Interpretasi

Grafik menunjukkan adanya perubahan nilai TPT antara Februari dan Mei 2026. Beberapa provinsi mengalami kenaikan TPT, sedangkan provinsi lainnya mengalami penurunan. Hal ini menunjukkan bahwa perubahan tingkat pengangguran tidak sama pada setiap provinsi.

6. Distribusi TPT Februari 2026

Histogram digunakan untuk melihat penyebaran nilai TPT pada 38 provinsi di Februari 2026.

ggplot(data_tpt, aes(x = Februari)) +
  geom_histogram(
    binwidth = 0.5,
    boundary = 0,
    color = "black",
    fill = "skyblue"   
  ) +
  labs(
    title = "Distribusi TPT 38 Provinsi",
    subtitle = "Februari 2026",
    x = "TPT (%)",
    y = "Jumlah Provinsi"
  ) +
  theme_minimal()

Interpretasi

Histogram menunjukkan penyebaran nilai TPT pada 38 provinsi. Nilai TPT tidak berada pada satu angka yang sama, tetapi tersebar pada beberapa rentang. Hal ini menunjukkan adanya perbedaan tingkat pengangguran antarprovinsi.

7. Statistik Sederhana

Statistik sederhana digunakan untuk mengetahui nilai rata-rata, nilai tertinggi, dan nilai terendah TPT pada Februari dan Mei 2026.

statistik <- data_tpt %>%
  summarise(
    Rata_rata_Februari = mean(Februari, na.rm = TRUE),
    Rata_rata_Mei = mean(Mei, na.rm = TRUE),
    Tertinggi_Februari = max(Februari, na.rm = TRUE),
    Terendah_Februari = min(Februari, na.rm = TRUE),
    Tertinggi_Mei = max(Mei, na.rm = TRUE),
    Terendah_Mei = min(Mei, na.rm = TRUE)
  )

statistik
## # A tibble: 1 × 6
##   Rata_rata_Februari Rata_rata_Mei Tertinggi_Februari Terendah_Februari
##                <dbl>         <dbl>              <dbl>             <dbl>
## 1               4.39          4.38               7.02              1.59
## # ℹ 2 more variables: Tertinggi_Mei <dbl>, Terendah_Mei <dbl>

Interpretasi

Hasil statistik memberikan gambaran umum mengenai tingkat pengangguran terbuka di Indonesia berdasarkan data 38 provinsi. Nilai rata-rata menunjukkan kondisi TPT secara umum, sedangkan nilai tertinggi dan terendah menunjukkan rentang perbedaan TPT antarprovinsi.

8. Kesimpulan

Berdasarkan hasil visualisasi dan analisis, terdapat perbedaan tingkat pengangguran terbuka antarprovinsi di Indonesia pada tahun 2026.

Perbandingan antara Februari dan Mei 2026 menunjukkan bahwa perubahan TPT tidak seragam pada seluruh provinsi. Beberapa provinsi mengalami kenaikan, sedangkan provinsi lainnya mengalami penurunan.

Histogram juga menunjukkan bahwa nilai TPT tersebar pada beberapa rentang nilai, sehingga dapat terlihat adanya variasi tingkat pengangguran antarprovinsi.

Dengan menggunakan visualisasi data, perbedaan dan perubahan TPT antarprovinsi dapat dilihat dengan lebih mudah.

9. Catatan

Data yang tersedia pada file sumber mencakup periode Februari, Mei, Agustus, dan November 2026. Namun, data Agustus dan November masih bernilai -, sehingga analisis dalam laporan ini hanya menggunakan data Februari dan Mei 2026.

Sumber data: Badan Pusat Statistik (BPS).