e-ISSN 2580-523X p-2339-1529 Jurnal Ekonomi Pembangunan, Mei 2021,

Vol(7):hal. 180-193

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI TINGKAT

PENGANGGURAN DI SULAWESI UTARA PADA MASA PANDEMI COVID-19
TAHUN 2020

Fitria Norma Aula Zahro 1), Faried Abimanyu2), Aprin Nurfika Azhar3), Edy Widodo4)
Program Studi Statistika Fakultas MIPA Universitas Islam Indonesia
Alamat Email: 18611086@students.uii.ac.id, 18611089@students.uii.ac.id,
18611090@students.uii.ac.id, edywidodo@uii.ac.id.

ABSTRAK
Pada tahun 2020, pandemi Corona Virus Disease menyebabkan pertumbuhan ekonomi dunia
mengalami penurunan, termasuk Indonesia. Berdasarkan data Badan Pusat Statistik (BPS),
Provinsi Sulawesi Utara masuk ke dalam 10 besar dengan jumlah tingkat pengangguran tertinggi
di Indonesia dan naik sebesar 1.36% jika dibandikan dengan Agustus 2019. Penelitian ini
bertujuan untuk mengetahui pengaruh Pertumbuhan PDRB, Angka Harapan Hidup (AHH), Rata-
Rata Lama Sekolah (RLS), dan Jumlah Penduduk terhadap Tingkat Pengangguran di Provinsi
Sulawesi Utara Tahun 2020 menggunakan metode regresi linier berganda. Dari hasil analisis
diketahui bahwa variabel RLS dan jumlah penduduk berpengaruh positif dan signifikan pada
tingkat pengangguran di Sulawesi Utara tahun 2020, dengan diperoleh nilai R2 sebesar 73.61%
yang menunjukkan perbandingan dari pengaruh variabel bebas terhadap variabel terikat
sedangkan sisanya yaitu bernilai 26.39% dipengaruhi oleh variabel lain yang tidak terdapat atau
diluar pada model regresi linier.

Kata Kunci: Tingkat Pengangguran, Coronavirus Disease, Regresi Linear Berganda

PENDAHULUAN Gambar 1. Grafik Pertumbuhan Produk

Domestik Bruto (PDB)
Pada awal tahun 2020, pertumbuhan
ekonomi Indonesia terjadi penurunan. Hal itu
Untuk menilai kinerja suatu
dipengaruhi oleh pandemi Covid-19 yang
perekonomian dapat melihat
sedang terjadi di Indonesia dan menyebabkan
indikator yang sangat penting salah
para pekerja tidak memiliki pekerjaan tetap,
satunya pertumbuhan ekonomi
berhenti bekerja. Hal tersebut berdampak
disuatu negara atau daerah tersebut.
pada pendapatan masyarakat menurun yang
Apabila produksi barang dan jasa
menyebabkan pendapatan nasional juga akan
meningkat dari tahun sebelumnya
menurun. Sehingga yang terjadi pertumbuhan
maka pertumbuhan ekonomi di
ekonomi akan melemah (Indayani &
wilayah tersebut bertumbuh baik,
Hartono, 2020). Berdasarkan data Badan
seperti aktivitas perekonomian yang
Pusat Statistik (2021), penurunan
dapat menghasilkan tambahan
perekonomian Indonesia tahun 2020 diukur
pendapatan atau kesejahteraan
berdasarkan Produk Domestik Bruto (PDB)
masyarakat pada suatu periode.
dapat dilihat pada grafik gambar di bawah
Pertumbuhan ekonomi di suatu
ini. negara atau wilayah yang terus
memperlihatkan kenaikan yang
menjelaskan bahwa perekonomian
negara atau wilayah itu meningkat
dengan baik (Murahni, 2019).

Salah satu melihat

keberhasilan pembangunan ekonomi
pada suatu negara dapat melihat
indikator perekonomian yaitu tingkat
pengangguran. Kondisi suatu negara
berdasarkan tingkat pengangguran
Jurnal Ekonomi Pembangunan, Mei 2021, Vol(7):hal. 180-193
dapat dilihat perekonomiannya
berkembang atau mengalami
penurunan. Pengangguran sendiri
yaitu sebuah kondisi ketika seseorang
belum memperolah dan menemukan
pekerjaan yang tergolong dalam
angkatan kerja mereka (Sukirno,
2008).
Pengangguran masih menjadi
masalah yang dihadapi oleh negara
Indonesia. Indonesia sebagai negara
berkembang perlu melaksanakan
berbagai perubahan agar mendukung
pembangunan nasional. Hal ini
bertujuan agar stabilitas nasional
tercipta, pertumbuhan ekonomi di
dalam negri tinggi, dan musim
investasi yang baik, hal tersebut
dapat menekan angka pengangguran
di Indonesia.
Angka pengangguran
meningkat seiring dengan
menurunnya pertumbuhan ekonomi
Indonesia salah satunya terjadi di
Provinsi Sulawesi Utara yang
merupakan tingkat pengangguran
tertinggi di Indonesia. Menurut
Badan Pusat Statistik (BPS) Sulawesi
Utara (Sulut), pada Agustus 2020
jumlah angkatan kerja tercantum ada
1.23 juta orang dan yang bekerja
sebanyak 1.13 juta orang. Tingkat
Pengangguran Terbuka 7.37% atau
meningkat sebesar 1.36% jika
dibandingkan Agustus 2019 (Statistik
& Gorontalo, 2020).
Meningkatnya tingkat
pengangguran sangat dipengaruhi
oleh pandemi Covid-19. Hal itu
mengakibatkan perekonomian di
Indonesia semakin terpuruk. Dampak
dari pandemi Covid-19 juga
menyebabkan angka pengangguran di
Indonesia meningkat akibat dari
banyaknya PHK di masa pandemi
ini. Jumlah penduduk dengan tingkat
pengangguran dapat diketahui
hubungannya berdasarkan teori
Malthus dalam masyarakat modern
disebutkan bahwa pertambahan
jumlah penduduk akan
mengakibatkan meningkatnya tenaga
kerja, tetapi tidak diikuti oleh
kesempatan kerja yang tersedia.
Kemudian indikator kualitas
penduduk dapat diukur berdasarkan
Angka harapan Hidup (AHH) juga
mempengaruhi pengangguran
(Chalirafi, dkk, 2020). Di sisi lain,
dalam studi mengenai PDRB
disebutkan bahwa PDRB yang
mengalami peningkatan diprediksi
dapat menyerap tenaga kerja, sebab
dengan naiknya PDRB berpotensi
meningkatkan kapasitas produksi
(Muslim, 2014).
Indikator lain yaitu
pendidikan tentunya sangat
berpengaruh pada tingkat
pengangguran. Pendidikan ditentukan
berdasarkan Rata-rata Lama Sekolah
(RLS). Salah satu cara untuk
meningkatkan kemampuan logika
manusia yaitu pendidikan,
dikarenakan adanya persaingan yang
ketat dan kemajuan teknologi
(Husila, 2019). Pendidikan dapat
memudahkan sumber daya manusia
dalam mencari pekerjaan karena
mempunyai nilai daya saing yang
tinggi dan berakibat pada
berkurangnya tingkat pengangguran.
Oleh karena itu perlu dilakukan
analisis faktor-faktor yang
mempengaruhi tingkat pengangguran
di Provinsi Sulawesi Utara tahun
2020 dikarenakan terdapat dugaan
bahwa pandemi COVID-19 yang
terjadi pada tahun 2020
mempengaruhi faktor-faktor yang
menyebabkan tingkat pengangguran
bertambah. Dalam menganalisis
faktor-faktor tersebut peneliti
menggunakan metode regresi linier
berganda.
METODE PENELITIAN
Data yang digunakan yaitu data
sekunder yang terdiri dari data Tingkat
Pengangguran, pertumbuhan PDRB, Angka
Harapan Hidup (AHH), Rata-rata Lama
Sekolah (RLS), dan Jumlah Penduduk
Provinsi Sulawesi Utara yang di dapatkan
dari situs https://sulut.bps.go.id/. Metode
pengumpulan data pada penelitian ini
 Fitria Norma Aula Zahro DKK: ANALISIS FAKTOR-FAKTOR YANG
MEMPENGARUHI TINGKAT PENGANGGURAN DI SULAWESI UTARA PADA MASA
PANDEMI COVID-19 TAHUN 2020

menggunakan cara observasi yaitu Bolaang

mengamati objek yang diteliti. Dari observasi Mongondow 0,98
diperoleh data berupa data sekunder atau data Minahasa -1,03
yang diperoleh dari pihak lain (sudah
Kep. Sangihe 0,45
tersedia) dan telah diolah menjadi bentuk
publikasi. Kep. Talaud 0,43
Minahasa Selatan -0,77
Tingk Minahasa Utara -0,55
at Bolaang
Peng Mongondow
angg Utara 0,71
uran Kep. Sitaro 1,03
Kabupaten/Kota
Terb Minahasa
uka Tenggara -0,64
(TPT)
Bolaang
(Pers
Mongondow
en)
Selatan 0,63
Bolaang
Bolaang
Mongondow 4,87
Mongondow
Minahasa 6,3 Timur 0,16
Kep. Sangihe 4,91 Kota Manado -3,14
Kep. Talaud 2,64 Kota Bitung 1,37
Minahasa Selatan 5,01 Kota Tomohon -0,41
Minahasa Utara 7,88 Kota Kotamobagu 0,2
Bolaang
Mongondow
Angk
Utara 5,48
a
Kep. Sitaro 3,31 Harap
Minahasa Kabupaten/Kota
an
Tenggara 3,31 Hidup
Bolaang (AHH)
Mongondow Bolaang
Selatan 4,39 Mongondow 69,36
Bolaang Minahasa 71,08
Mongondow
Kep. Sangihe 70,1
Timur 6,13
Kep. Talaud 70,16
Kota Manado 13,88
Minahasa Selatan 69,92
Kota Bitung 10,23
Minahasa Utara 71,38
Kota Tomohon 8,99
Bolaang
Kota Kotamobagu 7,44 Mongondow Utara 67,66
Kep. Sitaro 70,73
Laju Minahasa
Pert Tenggara 70,15
umb
Bolaang
uhan
Kabupaten/Kota Mongondow
PDR
Selatan 64,49
B
Bolaang
(Pers
Mongondow
en)
Timur 67,89
Jurnal Ekonomi Pembangunan, Mei 2021, Vol(7):hal. 180-193

Kota Manado 71,87 463

Kota Bitung 71,07 224.
Kota Tomohon 71,93 Minahasa Utara 993
Kota Kotamobagu 70,47 Bolaang 83.1
Mongondow Utara 12
71.8
Rata-
Kep. Sitaro 17
Rata
Minahasa 116.
Lama
Kabupaten/Kota Tenggara 323
Sekol
ah Bolaang
(RLS) Mongondow 69.7
Selatan 91
Bolaang 7,77
Mongondow Bolaang
Mongondow 88.2
Minahasa 9,58
Timur 41
Kep. Sangihe 8,04
451.
Kep. Talaud 9,25 Kota Manado 916
Minahasa Selatan 8,85 225.
Minahasa Utara 9,93 Kota Bitung 134
Bolaang 8,12 100.
Mongondow Utara Kota Tomohon 587
Kep. Sitaro 8,75 123.
Minahasa 8,87 Kota Kotamobagu 722
Tenggara
Bolaang 7,8 Definisi operasional variabel dari
Mongondow Tingkat Pengangguran (Y) adalah Tingkat
Selatan Pengangguran Terbuka di suatu
Bolaang 7,59 Kabupaten/Kota tertentu. Kemudian variabel
Mongondow Pertumbuhan PDRB (X1) merupakan rasio
Timur pertumbuhan dalam bentuk bilangan
11,26 persentase diturunkan dari perhitungan
Kota Manado
PDRB adhk. Selanjutnya variabel AHH (X2)
Kota Bitung 9,87 adalah rata-rata jumlah tahun yang dijalani
Kota Tomohon 10,48 oleh seseorang setelah orang itu mencapai
Kota Kotamobagu 10,09 ulang tahun yang ke-x. Variabel RLS (X3)
merupakan jumlah tahun yang digunakan
oleh penduduk dalam menjalani pendidikan
formal. Sedangkan variabel Jumlah Penduduk
Jum
(X4) merupakan Jumlah Penduduk di suatu
;ah
Kabupaten/Kota tertentu.
Kabupaten/Kota Pen
dud
Dalam penelitian ini peneliti metode
uk analisis data berupa analisis deskriptif dan
Bolaang 248. analisis regresi linier berganda dengan alat
Mongondow 751 bantu software RStudio. Berikut merupakan
347. tahapan dalam melakukan penelitian
Minahasa 290 menggunakan metode analisis regresi
139. berganda yang digambarkan melalui diagram
Kep. Sangihe 262 alir.
94.5
Kep. Talaud 21
Minahasa Selatan 236.
 Fitria Norma Aula Zahro DKK: ANALISIS FAKTOR-FAKTOR YANG
MEMPENGARUHI TINGKAT PENGANGGURAN DI SULAWESI UTARA PADA MASA
PANDEMI COVID-19 TAHUN 2020

variabel tingkat pengangguran, pertumbuhan

PDRB, AHH, RLS, dan jumlah penduduk.
Dari masing – masing variabel memiliki nilai
Minimum berturut-turut sebesar 2.640, -0.89,
67.66, 7.390, 71817. Nilai Maksimum
berturut-turut sebesar 13.880, 0.17, 71.93,
11.270, 451916. Nilai Mean berturut-turut
sebesar 6.481, -0.007154, 70.54, 9.432,
189530. Kesimpulan dari masing-masing
variabel yaitu penyimpangan data yang
terjadi rendah dikarenakan memiliki nilai
mean yang lebih tinggi daripada nilai standar
deviasinya, sehingga penyebaran pada tiap
variabel merata. Sedangkan pada variabel
pertumbuhan PDRB dan jumlah penduduk
penyebaran nilainya kurang merata
dikarenakan memiliki nilai rata-rata lebih
rendah ketimbang standar deviasinya. Hasil
dari penyebaran nilainya tampak pada output
berikut ini.

HASIL DAN PEMBAHASAN

Analisis Deskriptif

Analisis deskriptif memberikan

gambaran suatu data seperti mean, median,
modus, varians, dan lainnya. Analisis
deskriptif bertujuan untuk melihat
penyebaran data sampel atau populasi.
Berdasarkan data, dapat diketahui bahwa
gambaran atau penyebaran sampel atau
populasi jumlah pengangguran di setiap
wilayah Provinsi Sulawesi Utara tahun 2020 Berdasarkan scatterplot pada Gambar
yang paling tinggi terdapat pada wilayah 3 dapat diketahui bahwa X1 memiliki
Kota Manado sebesar 13.88% dan disusul kecenderungan hubungan negatif
oleh Kota Bitung sebesar 10.23%. Sedangkan dengan gambar trend naik, sedangkan
tingkat pengangguran terendah terdapat pada untuk X2, X3, dan X4 memiliki
Kepulauan Talaud yaitu sebesar 2.64%. kecenderungan hubungan positif
Selanjutnya untuk gambaran dari setiap dengan gambar trend naik.
faktor yang mempengaruhi tingkat
pengangguran tampak pada tabel berikut.
Analisis Regresi Berganda

Setelah dilakukan analisis

data pada kasus ini dengan
menggunakan Sofware RStudio.
Sehingga didapatkan hasil seperti
berikut.
Berdasarkan Tabel 1 menunjukkan
bahwa jumlah data dari setiap variabel atau
nilai N berjumlah 15. Dari 15 data terdiri dari
Jurnal Ekonomi Pembangunan, Mei 2021, Vol(7):hal. 180-193

Estimasi model dari hasil analisis

pada Tabel 2 didapatkan: Y duga =
1.7560 + 1.859X1 - 0.5634X2 +
2.740X3 + 0.00001476X4 Pada
Tabel 2 bahwa masih terdapat nilai p-
value > (0.05), sehingga untuk
menentukan model terbaik dilakukan
estimasi pemilihan model
menggunakan metode Backward
Elimination serta mencantumkan
seluruh prediktor lalu dieleminasi
satu persatu sampai tersisa hanya
prediksi yang signifikan. Langkah
awal dengan melakukan eliminasi
variabel independen X1 karena
variabel tersebut memiliki nilai p-
value yang terbesar, sehingga
dilakukan analisis regresi berganda
kembali dan didapatkan hasil seperti
Tabel 3.
Estimasi model dari hasil analisis
pada Tabel 4 didapatkan: Y duga = –
1.3580 + 1.901X3 + 0.00001125X4
Hasil analisis pada Tabel 4 sudah
signifikan semua yaitu dengan nilai
p-value < α (0.05). Maka didapatkan
estimasi model regresi linier
berganda pada persamaan di atas.
Kemudian melakukan uji validasi
berupa uji overall, uji parsial, dan uji
asumsi klasik.
Uji Signifikansi Parameter
Uji Overall (F-test)

Berdasarkan Tabel 5 diketahui p-

value sebesar 0.00128 artinya <
(0.05) maka tolak H0 maka
kesimpulan yang didapatkan adalah
model layak digunakan.

Uji Parsial (t-test)

Estimasi model dari hasil analisis

pada Tabel 3 didapatkan: Y duga =
1.375- 0.4693X2+ 2.481X3+
0.00001214X4. Berdasarkan Tabel 3
masih terdapat nilai p-value > (0.05),
sehingga dilakukan eliminasi variabel
Berdasarkan Tabel 6 p-value dari
bebas X2 karena variabel tersebut
variabel (Rata-rata lama sekolah) dan
memiliki nilai p-value yang terbesar,
(Jumlah Penduduk) masing-masing
sehingga dilakukan analisis regresi
sebesar 0.00719 dan 0.049 < (0.05)
berganda kembali dan didapat hasil
maka tolak H0, artinya bahwa
analisis seperti Tabel 4.
variabel (Rata-rata lama sekolah) dan
(Jumlah Penduduk) berpengaruh
signifikan terhadap model.
 Fitria Norma Aula Zahro DKK: ANALISIS FAKTOR-FAKTOR YANG
MEMPENGARUHI TINGKAT PENGANGGURAN DI SULAWESI UTARA PADA MASA
PANDEMI COVID-19 TAHUN 2020

Koefisien Determinasi

Berdasarkan Tabel 10 nila p-value

Dari hasil pembahasan, nilai R
square (R2 ) nilainya yaitu 0.7361
maka variabel bebas dalam
menerangkan variansi variabel
dependen terbatas. Proporsi dari
pengaruh variabel bebas yakni AHH,
RLS, pertumbuhan PDRB, dan
jumlah penduduk terhadap variabel
terikat yakni tingkat pengangguran
sebesar 73,61% sedangkan sebesar
26.39% dipengaruhi variabel asing
yang tidak ada di model regresi
linier.
Uji Asumsi Klasik
Uji Normalitas
0.9601 > (0.05) maka gagal tolak H0,
kesimpulan yang diperoleh adalah
asumsi kehomogenan variansi
residual terpenuhi.
Uji Multikolinearitas
Berdasarkan Tabel 11 nilai VIF
variabel Rata-rata Lama Sekolah
(RLS) dan Jumlah Penduduk sebesar
1.224096. Dapat disimpulkan nilai
VIF pada kedua variabel kurang dari
10 artinya bahwa tidak terjadi
multikolinieritas atau kedua variabel
terbebas dari multikolinieritas.
Berdasarkan hasil uji asumsi
yang telah dilakukan didapatkan
kesimpulan pada tabel berikut ini.

Berdasarkan Tabel 8 p-value sebesar

0.6845 > (0.05) maka gagal tolak H0,
maka kesimpulan yang diperoleh
yaitu data berdistrbusi normal.

Uji Autokorelasi

Interpretasi Hasil Analisis

Berdasarkan Tabel 9 p-value sebesar
0.306 > (0.05) maka gagal tolak H0,
sehingga kesimpulan yang diperoleh
adalah tidak ada autokorelasi.
Uji Heteroskedastisitas
Setelah dilakukan analisis
regresi linier berganda pada data
menggunakan program RStudio.
Berikut merupakan model yang
didapatkan. Y duga = –1.3580 +
1.901X3 + 0.00001125X4 dengan : Y
Jurnal Ekonomi Pembangunan, Mei 2021, Vol(7):hal. 180-193

duga = Tingkat Pengangguran, X3 = meningkat sebesar 1.901%.

RLS, X4 = Jumlah Penduduk Sedangkan setiap kenaikan variabel
Dari hasil analisis Jumlah Penduduk, pada variabel
menjelaskan pengaruh setiap variabel Tingkat Pengangguran juga
bebas pada variabel terikat. Jika meningkat sebesar 0.00001125%
koefisien regresi bernilai positif
artinya variabel bebas terdapat
pengaruh yang searah dengan
variabel terikat, namun jika
koefiesien regresi nilainya negatif
maka variabel independen
mempunyai pengaruh yang
berlawanan arah dengan variabel
dependen. Dapat disimpulkan bahwa:
a. Variabel RLS berpengaruh positif
dan signifikan pada variabel Tingkat
Pengangguran. Maka setiap kenaikan
variabel RLS, pada variabel Tingkat
Pengangguran juga meningkat
sebesar 1.901%.
b. Variabel Jumlah Penduduk juga
berpengaruh positif dan signifikan
pada variabel Tingkat Pengangguran.
Maka setiap kenaikan variabel
Jumlah Penduduk, pada variabel
Tingkat Pengangguran juga
meningkat sebesar 0.00001125%.

KESIMPULAN
Dari hasil analisis, maka
didapatkan kesimpulan bahwa
variabel Tingkat Pengangguran,
AHH, dan RLS penyimpangan data
yang terjadi rendah dikarenakan
memiliki nilai rata-rata yang lebih
besar daripada nilai standar
deviasinya, sehingga penyebaran
pada tiap variabel merata. Sedangkan
pada variabel pertumbuhan PDRB
dan jumlah penduduk penyebaran
nilainya kurang merata dikarenakan
memiliki nilai rata-rata lebih rendah
daripada standar deviasinya. Selain
itu, Variabel pertumbuhan PDRB dan
AHH tidak berpengaruh signifikan
terhadap tingkat pengangguran,
sedangkan RLS dan Jumlah
Penduduk berpengaruh positif dan
signifikan terhadap tingkat
pengangguran di Sulawesi Utara
tahun 2020. Dari persamaan regresi
linier berganda diperoleh bahwa
setiap kenaikan variabel RLS, pada
variabel Tingkat Pengangguran juga
 Fitria Norma Aula Zahro DKK: ANALISIS FAKTOR-FAKTOR YANG
MEMPENGARUHI TINGKAT PENGANGGURAN DI SULAWESI UTARA PADA MASA
PANDEMI COVID-19 TAHUN 2020

DAFTAR PUSTAKA Samosir, N., Siagian, P., & Bangun, P.

(2014). Analisa Metode Backward Dan
Chalirafi, C., Anwar, K., & Abdy Yusuf, M. Metode Forward Untuk Menentukan.
(2020). Pengaruh Angka Harapan 2(4), 345–360.
Hidup (Ahh) Dan Konsumsi Per
Statistik, B. P., & Gorontalo, P. (2020).
Kapita Terhadap Pengangguran. Jurnal
Keadaan Ketenagakerjaan Provinsi
Ekonomi Dan Pembangunan, 11(2),
Gorontalo Agustus 2020 Agustus
142–150.
2020 : Tingkat Pengangguran Terbuka
https://doi.org/10.22373/jep.v11i2.11
( TPT ). 19(60), 1–10.
Ghozali, I. (2013). Aplikasi Analisis
Sukirno, S. (2008). Mikroekonomi: Teori
Multivariate dengan Program IBM
Pengantar (3rd ed.). PT Raja Grafindo
SPSS 21 Update PLS Regresi (7th ed.).
Persada.
Badan Penerbit Universitas
Diponegoro.
Ghozali, I. (2016). Aplikasi Analisis
Multivariete Dengan Program (IBM
SPSS). (8th ed.). Badan Penerbit
Universitas Diponegoro.
Ghozali, I. (2018). Aplikasi Analisis
Multivariate dengan Program IBM
SPSS 25 (9th ed.). Badan Penerbit
Universitas Diponegoro.
Hidayat, A. (2017). Pengertian dan
Penjelasan Uji Autokorelasi Durbin
Watson.
https://www.statistikian.com/2017/01/u
ji-autokorelasi-durbin-watson-
spss.html
Husila, S. (2019). Analisi Pengaruh Inflasi,
Rata-Rata Lama Sekolah, Pertumbuhan
Ekonomi Terhadap Pengangguran di
Provinsi Sulawesi Selatan. Jurnal
Ekonomi Dan Pembangunan, 1–23.
http://eprints.unm.ac.id/14350/1/jurnal
susi husila.pdf
Indayani, S., & Hartono, B. (2020). Analisis
Pengangguran dan Pertumbuhan
Ekonomi sebagai Akibat Pandemi
Covid-19. Jurnal Ekonomi &
Manajemen Universitas Bina Sarana
Infoematika, 18(2), 201–208.
https://ejournal.bsi.ac.id/ejurnal/index.
php/perspektif/article/view/8581
Muslim, M. R. (2014). Pengangguran terbuka
dan determinannya. 15, 171–181.
Ningsih, S., & Dukalang, H. (2019).
Penerapan Metode Suksesif Interval
pada Analsis Regresi Linier Berganda.
Jambura Journal of Mathematics, 1(1).
https://doi.org/10.34312/jjom.v1i1.174
2