Jurnal EKSPONENSIAL

Pemodelan Faktor-Faktor yang Memengaruhi Produk Domestik Regional Bruto Tahun 2022 di
Indonesia dengan Regresi Linier Berganda

Modeling Factors Affecting Gross Regional Domestic Product in Indonesia in 2022 with Multiple
Linear Regression
Adinda Putri Guswahyuningsih , Al Farizi Nur2, Gita Rahayu3, Yusri Abdul Fahmi4, Tresna
1

Restu Aufi5, Yumi Handayani Nur6, Sifriyani7

1, 2, 3, 4
Mahasiswa Program Studi Statistika FMIPA Universitas Mulawarman
5, 6
Asisten Laboratorium Statistika Terapan Universitas Mulawarman
7
Dosen Program Studi Statistika FMIPA Universitas Mulawarman
Email: artthcl.ver31@gmail.com1, alfanr279@gmail.com2, gitar8641@gmail.com3,
fahmi2004.bukitpinang@gmail.com4, tresnarestuaufi22@gmail.com5, yumihndynr@gmail.com6,
sifriyani@fmipa.unmul.ac.id7

Abstract
One of Indonesia's development goals is economic growth as it is one of the primary requirements for a nation's
economy to sustain itself. Gross Regional Domestic Product (GRDP) is one measure of economic expansion. The
total value added or final goods and services produced by all economic units in a region is known as Gross
Regional Domestic Product (GRDP). The value of GRDP increases every year, indicating a good increase in
Indonesia's GRDP; however, this increase in GRDP needs to be viewed across various sectors to determine which
sector contributes the most. Therefore, this research aims to identify the factors that can affect GRDP, especially
in Indonesia. The researcher uses variables such as household percentage, Provincial Minimum Wage (UMP),
formal labor force, Open Unemployment Rate (OUR), Labor Force Participation Rate (LFPR), domestic
investment capital, and population in Indonesia using the Multiple Linear Regression (MLR) method, and the
selection of the best model is done using the Akaike Information Criterion (AIC) method.
Keywords: Multiple Linear Regression, Gross Regional Domestic Product, Economy

1. PENDAHULUAN Mempengaruhi PDRB dan Disparitas Pendapatan di

Salah satu tujuan pembangunan Indonesia adalah
pertumbuhan ekonomi karena merupakan salah satu
syarat utama perekonomian suatu bangsa khususnya
Indonesia untuk dapat bertahan. Nilai Produk
Domestik Regional Bruto (PDRB) merupakan salah
satu ukuran ekspansi ekonomi. Jumlah total nilai
tambah atau barang dan jasa akhir yang diproduksi
oleh semua unit ekonomi di suatu wilayah dikenal
sebagai Produk Domestik Regional Bruto (PDRB).
Perkembangan PDRB selama jangka waktu 20
tahun mengalami peningkatan yang signifikan, dapat
dilihat bahwa terjadi peningkatan diawali pada tahun
2001 dan diikut pada tahun berikutnya namun ditahun
2009 terjadi sedikit penurunan namun tidak begitu
signifikan kemudian dimulai Dari tahun 2010 dan
2020, tingkat PDRB kembali meningkat secara
signifikan. Nilai PDRB setiap tahunnya memiliki nilai
kenaikan, nilai kenaikan tersebut dapat dikatakan
bahwa PDRB di Indonesia terjadi peningkatan yang
baik, namun peningkatkan PDRB ini harus kita lihat
dari berbagai sektor, agar mampu dapat kita tinjau
sektor manakah yang memberikan kontribusi terbaik
dan terbanyak terhadap tumbuhnya nilai PDRB.
Mulyani dan Sakti (2022) telah melakukan
penelitian dengan judul “Analisis Faktor-Faktor yang
Provinsi Jawa Timur”. Variabel yang digunakan
dalam penelitiannya adalah kepadatan penduduk,
Indeks Pembangunan Manusia (IPM), Pendapatan
Asli Daerah (PAD), Tingkat Pengangguran Terbuka
(TPT), belanja modal, dan PDRD. Hasil penelitiannya
menunjukkan bahwa kepadatan penduduk, IPM, PAD
memiliki pengaruh positif dan signifikan terhadap
PDRB, sementara itu TPT tidak memiliki pengaruh
signifikan dan Belanja modal memiliki pengaruh
signifikan dan negatif terhadap PDRB.
Selain itu, Nurhasanah, Fusfita, dan Martaliah
(2024) melakukan penelitian dengan judul “Faktor-
Faktor yang Mempengaruhi PDRB (Produk Domestik
Regional Bruto) di Provinsi Jambi” dengan hasil
penelitiannya menunjukkan bahwa secara parsial
pembiayaan Bank Syariah berpengaruh positif dan
signifikan terhadap PDRB. Sedangkan investasi dan
pajak hotel berpengaruh positif dan tidak berpengaruh
signifikan terhadap PDRB. Secara simultan
pembiayaan Bank Syariah, investasi, dan pajak hotel
berpengaruh positif dan signifikan terhadap PDRB di
Provinsi Jambi.
Berdasarkan kedua penelitian terdahulu bahwa
masing-masing penelitian memiliki kesimpulan dan
variabel pengujian yang berbeda-beda untuk

Program Studi Statistika FMIPA Universitas Mulawarman 1

Jurnal EKSPONENSIAL
mengetahui faktor-faktor yang mempengaruhi PDRB
sehingga peneliti tertarik untuk melakukan penelitian
dengan tujuan mengetahui faktor-faktor lain yang
dapat mempengaruhi PDRB terutama di Indonesia
oleh karena itu peneliti menggunakan variabel seperti
persentase rumah tangga, Upah Minimum Provinsi
(UMP), tenaga kerja formal, Tingkat Pengangguran
Terbuka (TPT), Tingkat Partisipasi Angkatan Kerja
(TPAK), investasi penanaman modal dalam negeri,
dan jumlah penduduk di Indonesia dengan
meggunakan metode Regresi Linear Berganda (RLB)
serta dilakukannya pemilihan model terbaik
menggunakan metode Akaike Information Criterion
(AIC).
2. TINJAUAN PUSTAKA
2.1 Produk Domestik Regional Bruto (PDRB)
Menurut Widodo (2006:78) Salah satu indikator
penting untuk mengetahui kondisi ekonomi di suatu
daerah dalam suatu periode tertentu adalah data
Produk Domestik Regional Bruto (PDRB), baik atas
dasar harga berlaku maupun atas dasar harga konstan.
PDRB pada dasarnya merupakan jumlah nilai tambah
(Value Added) yang dihasilkan oleh seluruh unit usaha
dalam suatu daerah tertentu, atau merupakan jumlah
nilai barang dan jasa akhir (netto) yang dihasilkan oleh
seluruh unit ekonomi. Produk Domestik Regional
Bruto (PDRB) adalah nilai tambah dari hasil produksi
nilai barang dan jasa yang mampu diciptakan dari
berbagai aktivitas ekonomi dalam suatu
daerah/wilayah (Saberan, 2002).
PDRB atas dasar harga berlaku menggambarkan
nilai tambah barang dan jasa yang dihitung
menggunakan harga yang berlaku pada setiap tahun,
sedangkan PDRB atas dasar harga konstan
menunjukkan nilai tambah barang dan jasa tersebut
yang dihitung menggunakan harga yang berlaku, pada
suatu waktu tertentu sebagai tahun dasar. PDRB atas
dasar harga yang berlaku dapat digunakan untuk
melihat pergeseran struktur ekonomi, sedangkan
perhitungan atas dasar harga konstan digunakan untuk
mengetahui pertumbuhan ekonomi riil dari tahun ke
tahun, di mana faktor perubahan harga telah
dikeluarkan (Hartono, Busari & Awaluddin. 2020).
2.2 Persentase Rumah Tangga
Kenaikan konsumsi nasional secara tidak
langsung akan berdampak terhadap perekonomian dan
industri dalam negeri yang akan terus tumbuh.
Pengeluaran konsumsi rumah tangga merupakan salah
satu variabel makroekonomi. Konsumsi individu akan
berbanding lurus dengan penghasilannya (Akrom,
2020).
Perbedaan konsumsi rumah tangga di Indonesia
bisa disebabkan oleh standar hidup yang berbeda-beda
tergantung dengan pendapatan yang diterima pada
Program Studi Statistika FMIPA Universitas Mulawarman
setiap wilayah tergantung dengan perilaku konsumen.
Perilaku konsumen merupakan kegiatan yang
dilakukan oleh konsumen demi mencapai serta
memenuhi kebutuhannya baik itu untuk
menggunakan, mengonsumsi, ataupun menghabiskan
barang dan jasa (Savira & Suharsono, 2013).
2.3 Upah Minimum Provinsi (UMP)
Upah dan pengangguran memiliki keterkaitan
yang cukup erat dimana tinggi rendahnya upah akan
mempengaruhi jumlah penawaran dan permintaan
tenaga kerja yang pada akhirnya akan berdampak pada
jumlah pengangguran. Upah merupakan pembayaran
jasa-jasa fisik maupun mental kepada tenaga kerja.
Upah uang yaitu jumlah uang yaitu diterima pekerja
dari pengusaha sebagai pembayaran atas tenaga
mental dan fisik yang digunakan dalam proses
produksi (Sukirno, 2010).
2.4 Tenaga Kerja Formal
Secara umum tenaga kerja dapat diartikan
sebagai bagian dari penduduk suatu Negara yang
sanggup menghasilkan pekerjaan yang bernilai
ekonomis. Tenaga kerja adalah jumlah seluruh
penduduk dalam suatu Negara yang dapat
memproduksi barang dan jasa, jika ada permintaan
tenaga mereka dan jika mereka mau berpartisipasi
dalam aktivitas tersebut (Simanjuntak, 1998).
Permintaan tenaga kerja adalah hubungan antara
tingkat upah dan jumlah pekerja yang dikehendaki
oleh pengusaha untuk dipekerjakan. Sehingga
permintaan tenaga kerja dapat didefinisikan sebagai
jumlah tenaga kerja yang diperkerjakan oleh seorang
pengusaha pada setiap kemungkinan tingkat upah
dalam jangka waktu tertentu (Sholeh, 2007).
2.5 Tingkat Pengangguran Terbuka (TPT)
Tingkat Pengangguran Tebuka adalah persentase
jumlah pengangguran terhadap jumlah angkatan kerja
(Kairupan, 2013). Ketika seorang anggota angkatan
kerja menganggur, itu berarti seseorang telah mencoba
mencari pekerjaan tetapi tidak berhasil. Pengangguran
tidak termasuk mereka yang cacat tetapi tidak secara
aktif mencari pekerjaan. Kurangnya sumber daya
secara umum adalah faktor utama dalam respons.
Berapa banyak peningkatan tenaga kerja dan produk
yang dikirim sebagai peningkatan permintaan. Lebih
banyak tenaga kerja akan dibutuhkan sebagai hasil dari
peningkatan output. Akibatnya, terdapat korelasi yang
harmonis antara pemanfaatan tenaga kerja dengan
tingkat pendapatan nasional yang dicapai;
Perekonomian menggunakan lebih banyak tenaga
kerja, semakin tinggi tingkat pendapatan nasional
(Sukirno, 2002).
2.6 Tingkat Partisipasi Angkatan Kerja (TPAK)
2
Jurnal EKSPONENSIAL
Tingkat Partisipasi Angkatan Kerja (TPAK)
merupakan ukuran penyerapan tenaga kerja yang
memberikan gambaran umum tentang keterlibatan
penduduk dalam kegiatan ekonomi selama periode
survei. Semakin banyak penduduk yang dianggap
menganggur, semakin sedikit angkatan kerja yang
menyebabkan TPAK semakin rendah (Simanjuntak,
2005).
Ukuran proporsi penduduk usia kerja yang
tampak aktif dalam pasar tenaga kerja, baik yang
bekerja maupun mencari pekerjaan adalah TPAK,
yang menunjukkan besarnya relatif penawaran tenaga
kerja yang terlibat. dalam produksi barang dan jasa.
Profitabilitas beban aktif secara ekonomi ditunjukkan
oleh distribusi beban kerja menurut jenis kelamin dan
kelompok umur. Secara umum, TPAK digunakan
untuk menggambarkan keseluruhan beban kerja
orang-orang yang aktif secara ekonomi di suatu negara
atau wilayah selama minimal 15 tahun dan proporsi
penawaran dan kuantitas tenaga kerja yang tersedia
untuk produksi produk. dan peran ekonomi jasa
(Munawir & Saharudin, 2022).
2.7 Investasi Penanaman Modal Dalam Negeri
Definisi investasi di kemukakan oleh Sunariyah
(2011) “Investasi adalah penanaman modal untuk satu
atau lebih aktiva yang dimiliki dan biasanya berjangka
waktu lama dengan harapan mendapatkan keuntungan
di masa-masa yang akan diinvestasikan adalah
penempatan uang atau dana dengan harapan untuk
memperoleh tambahan atau keuntungan tertentu atas
uang atau dana tersebut. Dalam berinvestasi berlaku
hukum bahwa semakin tinggi return yang ditawarkan
maka semakin tinggi pula risiko yang harus
ditanggung investor. Investor bisa saja mengalami
kerugian bahkan lebih dari itu bisa kehilangan semua
modalnya. Hal ini mungkin dapat menjelaskan
mengapa tidak semua investor mengalokasikan
dananya pada semua instrumen investasi yang
menawarkan return yang tinggi. (Abdul Halim, 2015).
2.8 Jumlah Penduduk
Indonesia adalah Negara yang memiliki jumlah
penduduk yang banyak bahkan menempati lima besar
penduduk terbanyak di dunia. Menurut Smith,
penduduk meningkat apabila tingkat upah yang
berlaku lebih tinggi daripada tingkat upah subsistensi,
yaitu tingkat upah yang hanya dapat untuk memenuhi
kebutuhan sekedar untuk hidup. Jika tingkat upah
lebih tinggi dari pada tingkat upah subsistensi maka
banyak penduduk melaksanakan perkawinan relatif
muda sehingga jumlah kelahiran meningkat dan
akhirnya jumlah penduduk bertambah (Ritonga,
2020).
Para ahli ekonomi klasik yang di pelopori Adam
Smith bahkan menganggap bahwa jumlah penduduk
Program Studi Statistika FMIPA Universitas Mulawarman
merupakan input yang potensial yang dapat digunakan
sebagai faktor produksi untuk meningkatkan produksi
suatu rumah tangga perusahaan. Semakin banyak
penduduk maka semakin banyak pula tenaga kerja
yang dapat digunakan. Namun ahli ekonomi lain yaitu
Robert Malthus menanggap bahwa pada kondisi awal
jumlah penduduk memang dapat meningkatkan
pertumbuhan ekonomi namun pada suatu keadaan
optimum pertambahan penduduk tidak akan
menaikkan pertumbuhan ekonomi malahan dapat
menurunkannya (Mustika,2011).
2.9 Analisis Regresi
Analisis regresi merupakan salah satu alat
analisis satistika yang memanfaatkan hubungan antara
dua variabel atau lebih. Tujuannya adalah untuk
membuat perkiraan (prediksi) yang dapat dipercaya
untuk nilai suatu variabel (biasa disebut variabel
terikat atau variabel dependen atau variabel
respons), jika nilai variabel lain yang berhubungan
dengannya diketahui (biasa disebut variabel bebas
atau variabel independen atau variabel prediktor)
(Purba, 2022).
2.10 Analisis Regresi Linear Berganda (RLB)
Analisis Regresi Linear Berganda (RLB) adalah
pengembangan dari analisis Regresi Linear Sederhana
(RLS) dimana terdapat lebih dari satu variabel
independen 𝑋. Analisis ini digunakan untuk melihat
sejumlah variabel independen 𝑋1 , 𝑋2 , …, 𝑋𝑘 terhadap
variabel dependen Y berdasarkan nilai variabel-
variabel independen 𝑋1 , 𝑋2 , …, 𝑋𝑘 . Perbedaaan antara
RLS dengan RLB terletak pada jumlah variabel
bebasnya. Jika dalam RLS jumlah variabel bebas yang
digunakan untuk memprediksi variabel tergantung
hanya satu, maka RLB jumlah variabel bebas yang
digunakan untuk memprediksi variabel tergantung
lebih dari satu (Wisudaningsi, 2019).
2.11 Model RLB
RLB digunakan unuk menganalisis hubungan
kausal beberapa variabel independen (𝑋) terhadap satu
variabel dependen (𝑌). Model yang digunakan untuk
analisis regresi berganda sebagai berikut:
𝑌 = 𝛽0 + 𝛽1 𝑋1 + ⋯ + 𝛽𝑘 𝑋𝑘 + 𝜀 (1)
dimana:
𝑌 = Variabel dependen
𝛽0 = Konstanta
𝛽1 , …, 𝛽𝑘 = Koefisien regresi variabel bebas
𝑋1 , …, 𝑋𝑘 = Variabel independen
𝜀 = Error
(Wisudaningsi, 2019).
2.12 Estimasi Parameter
Estimasi parameter adalah pendugaan nilai
karakteristik populasi (parameter) berdasarkan
3
Jurnal EKSPONENSIAL
karakteristik sampel. Estimasi parameter dibagi
menjadi dua yaitu estimasi interval dan estimasi
titik. Estimasi interval (interval estimation) adalah
pendugaan nilai karakteristik populasi dengan
menggunakan nilai-nilai statistik yang berada
dalam suatu interval. Sedangkan estimasi titik
merupakan pendugaan nilai karakteristik populasi
(parameter) dengan memakai satu nilai statistik dari
sampel yang diambil dari populasi tersebut (Dewi,
2022).
2.13 Koefisien Determinasi
Koefisien determinasi menjelaskan variasi
pengaruh variabel-variabel bebas terhadap variabel
terikatnya. Selain itu, dapat pula dikatakan sebagai
proporsi pengaruh seluruh variabel independen
terhadap variabel dependen. Nilai koefisien
determinasi dapat diukur oleh nilai R Square ( 𝑅2 )
(Muthahharah & Fatwa, 2022).
2.14 Uji Parsial
Uji parsial atau uji t digunakan untuk menguji
tingkat signifikan dari pengaruh variabel independen
secara parsial terhadap variabel dependen. Uji t
dilaksanakan dengan membandingkan nilai t hitung
dengan nilai t tabel (Muthahharah & Fatwa, 2022).
2.15 Uji Simultan
Uji simultan atau uji F digunakan untuk menguji
tingkat signifikan dari pengaruh variabel independen
secara simultan terhadap variabel dependen. Uji F
dilaksanakan dengan langkah membandingkan dari F
hitung dan F tabel (Muthahharah & Fatwa, 2022).
2.16 Uji Asumsi
Uji asumsi adalah syarat-syarat yang harus
dipenuhi pada model regresi agar model tersebut valid.
Uji asumsi klasik yang sering digunakan adalah uji
normalitas residual, uji heteroskedastisitas, uji
autokorelasi, dan uji multikolinieritas (Muthahharah &
Fatwa, 2022).
2.17 Uji Normalitas Residual
Uji normalitas adalah menguji apakah dalam
sebuah model regresi, variabel dependen dan variabel
independen atau keduanya mempunyai distribusi
normal atau tidak. Model regresi yang baik adalah
distribusi normal atau mendekati normal. Deteksi
normalitas dilakukan dengan melihat grafik normal P-
P Plot (Muthahharah & Fatwa, 2022).
2.18 Uji Heteroskedastisitas
Uji Heteroskedastisitas dilakukan adalah untuk
menguji apakah dalam sebuah model regresi, terjadi
ketidaksamaan variansi residual dari satu pengamatan
ke pengamatan yang lain tetap. Deteksi
Program Studi Statistika FMIPA Universitas Mulawarman
heteroskedastisitas dilakukan dengan melihat grafik
scatter plot atau metode Breusch-Pagan (Muthahharah
& Fatwa, 2022).
2.19 Uji Autokorelasi
Autokorelasi adalah terjadinya korelasi antara
satu variabel error dengan variabel error yang lain.
Autokorelasi seringkali terjadi pada data time series
dan dapat juga terjadi pada data cross section tetapi
jarang. Akibat dari dampak adanya autokorelasi
dalam model regresi menyebabkan estimator
Ordinary Least Square (OLS) tidak menghasilkan
estimator yang Best Linear Unbiased Estimator
(BLUE) dan hanya menghasilkan estimator OLS yang
Linear Unbiased Estimator (LUE). Selanjutnya untuk
mendeteksi adanya autokorelasi dalam model regresi
linier berganda dapat digunakan metode Durbin-
Watson (Widarjono, 2007).
2.20 Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk mendeteksi
apakah variabel independen pada model regresi saling
berkorelasi. Untuk memenuhi kriteria BLUE, tidak
boleh mendapat korelasi antara setiap variabel
independen pada model regresi. Salah satu cara untuk
mendeteki gejala multikolinearitas yaitu dengan
melihat nilai Variance Inflation Factor (VIF), yakni
apabila nilai VIF < 10 atau kebalikannya dengan
melihat nilai toleransinya > 0,1 (Muthahharah &
Fatwa, 2022).
2.21 Akaike Information Criterion (AIC)
Akaike Information Criterion (AIC) adalah
metode yang digunakan untuk menentukan pemilihan
model terbaik. AIC digunakan untuk menentukan
model yang dapat menjelaskan data dengan jumlah
parameter yang baik untuk menduga data. Nilai AIC
dapat didefinisikan sebagai berikut:
𝐴𝐼𝐶 = −2 ln 𝐿(𝜃̂ ) + 2𝑘 (2)
dimana:
𝐿(𝜃̂ ) : Nilai likelihood
𝑘 : Jumlah parameter
3. METODOLOGI PENELITIAN
3.1 Data Penelitian
Data yang digunakan dalam penelitian ini adalah
data sekunder yang diperoleh melalui website Badan
Pusat Statistik Kalimantan Timur:
https://www.bps.go.id/. Metode analisis yang
digunakan dalam penelitian ini adalah metode
deskriptif kuantitatif, sedangkan model yang
digunakan dalam penelitian ini adalah pemodelan
RLB dengan menggunakan software RStudio.
Analisis RLB pada penelitian ini digunakan untuk
mengetahui pengaruh dari variabel Persentase Rumah
Tangga, UMP, Tenaga Kerja Formal, TPT, TPAK,
4
Jurnal EKSPONENSIAL
Investasi Penanaman Modal dalam Negri dan Jumlah
Penduduk terhadap variabel PDRB di Indonesia pada
tahun 2022. Peneliti menggunakan teknik sampling
berupa non-probability sampling, karena sampel yang
digunakan adalah seluruh sampel yang berasal dari
populasi. Sampel dari Indonesia terdiri dari 34
provinsi. PDRB sebagai variabel dependen,
sedangkan variabel Persentase Rumah Tangga, UMP,
Tenaga Kerja Formal, TPT, TPAK, Investasi
Penanaman Modal dalam Negri dan Jumlah
Penduduk sebagai variabel independen. Adapun
simbol variabel yang digunakan sebagai berikut:
Tabel 1. Variabel Penelitian
Simbol Variabel Deskripsi
𝑌 PDRB
𝑋1 Persentase Rumah Tangga
𝑋2 UMP
𝑋3 Tenaga Kerja Formal
𝑋4 TPT
𝑋5 TPAK
Investasi Penanaman Modal
𝑋6
dalam Negri
𝑋7 Jumlah Penduduk
3.2 Tahapan Analisis
Adapun tahapan dalam analisis Regresi Linier
Berganda adalah sebagai berikut:
1. Membuat analisis statistika deskriptif
2. Melakukan uji linieritas
3. Membuat model awal regresi linier berganda
4. Melakukan estimasi parameter terhadap variabel
dependen dan variabel independen
5. Menentukan nilai koefisien determinasi
terhadap variabel dependen dan variabel
independen
6. Melakukan pengujian signifikansi parameter
yang meliputi uji simultan dan uji parsial
7. Melakukan pengujian asumsi klasik meliputi uji
multikolinieritas, uji normalitas residual, uji
non-heteroskedastisitas, dan uji non-
autokorelasi
8. Menentukan model terbaik
9. Menarik kesimpulan
4. HASIL DAN PEMBAHASAN
Pada bagian hasil dan pembahasan ini akan
dijelaskan mengenai statistika deskriptif dan
pemodelan RLB. Adapun hasil yang diperoleh
sebagai berikut:
4.1 Analisis Statistika Deskriptif
Adapun hasil dari analisis statistika deskriptif
sebagai berikut:
Tabel 2. Statistika Deskriptif
Variabel Min Mean Max
Program Studi Statistika FMIPA Universitas Mulawarman
𝑌 21657 76823 299675
𝑋1 2,030 8,745 29,740
𝑋2 1812935 2725505 4641854
𝑋3 15,890 40,050 63,68
𝑋4 2,340 4,966 8,310
𝑋5 63,080 68,640 77,750
𝑋6 611 16258 89224
𝑋7 727,800 8111 49405,800
Berdasarkan Tabel 2, dapat diketahui pada data
Persentase Rumah Tangga di Indonesia tahun 2022
diperoleh nilai terendah yaitu sebesar 2,03% berada
pada provinsi Jawa Tengah dan nilai tertinggi sebesar
29,74% berada pada provinsi Papua, kemudian nilai
rata-rata sebesar 8,75%.
Bedasarkan Tabel 2, dapat diketahui pada data
UMP di Indonesia tahun 2022 diperoleh nilai terendah
yaitu sebesar Rp 1,812,935,- berada pada provinsi
Jawa tengah dan nilai tertinggi sebesar Rp
4,641,854,- berada pada provinsi DKI Jakarta,
kemudian nilai rata-rata sebesar Rp 2,725,505.
Bedasarkan Tabel 2, dapat diketahui pada data
Tenaga Kerja Formal di Indonesia tahun 2022
diperoleh nilai terendah sebesar 15,89 berada pada
provinsi Papua dan nilai tertinggi sebesar 63,68
berada pada provinsi Kep. Riau, kemudian nilai rata-
rata sebesar 40,05.
Bedasarkan Tabel 2, dapat diketahui pada data
TPT di Indonesia tahun 2022 diperoleh nilai terendah
sebesar 2,34% berada pada provinsi Sulawesi Barat
dan nilai tertinggi sebesar 8,31% berada pada provinsi
Jawa Barat, kemudian nilai rata-rata sebesar 4,966%.
Bedasarkan Tabel 2, dapat diketahui pada data
TPAK di Indonesia tahun 2022 diperoleh nilai
terendah sebesar 63,08% berada pada provinsi
Sulawesi Utara dan nilai tertinggi sebesar 77,75%
berada pada provinsi Papua, kemudian nilai rata-rata
sebesar 68,64%.
Bedasarkan Tabel 2, dapat diketahui pada data
Investasi penanaman modal dalam negeri di Indonesia
tahun 2022 diperoleh nilai terendah sebesar 611
miliyar berada pada provinsi Maluku dan nilai
tertinggi sebesar 89224 miliyar berada pada provinsi
DKI Jakarta, kemudian nilai rata-rata sebesar 16258
miliyar.
Bedasarkan Tabel 2, dapat diketahui pada data
Jumlah Penduduk di Indonesia tahun 2022 diperoleh
nilai terendah sebesar 727.8 berada pada provinsi
Kalimantan Tengah dan nilai tertinggi sebesar 49405
berada pada provinsi Jawa Barat, kemudian rata-rata
seebsar 8111.
Bedasarkan Tabel 2, dapat diketahui pada data
PDRB di Indonesia tahun 2022 diperoleh nilai
tertinggi sebesar Rp 299,675 berada pada provinsi
DKI Jakarta dan nilai terendah sebesar Rp 21,657
berada pada provinsi Nusa Tenggara Timur,
5
Jurnal EKSPONENSIAL
kemudian rata-rata sebesar Rp 76,823.
4.2 Uji Linieritas
Bentuk pola hubungan antara variabel dependen
dan variabel independen atau pengujian linieritas data
dapat dilihat menggunakan diagram pencar (scatter
plot) yang ditampilkan pada Gambar 1.
Gambar 1. Scatter Plot Variabel Dependen dan
Independen
Berdasarkan Gambar 1, diketahui bahwa data
varibel independen Persentase Rumah Tangga, UMP,
Tenaga Kerja Formal, TPT, TPAK, Investasi
Penanaman Modal dalam Negeri, dan Jumlah
Penduduk di Indonesia dan variabel dependen PDRB
di Indonesia tahun 2022 berhubungan secara linier.
Hal ini dapat dilihat dari scatter plot tersebut bahwa
banyak titik-titik data yang mendekati garis lurus
diagonal. Selain itu, dapat diketahui pola hubungan
antara variabel independen Persentase Rumah
Tangga, UMP, Tenaga Kerja Formal, TPT, dan
Investasi Penanaman Modal Dalam Negeri dengan
variabel dependen PDRB adalah hubungan positif,
karena seiring bertambahnya Persentase Rumah
Tangga, UMP, Tenaga Kerja Formal, TPT, dan
Investasi Penanaman Modal Dalam Negeri akan
diikuti dengan kenaikan PDRB. Untuk pola hubungan
variabel dependen TPAK dan Jumlah Penduduk di
Indonesia dengan variabel dependen PDRB adalah
hubungan negatif, karena seiring dengan
bertambahnya TPAK dan Jumlah Penduduk di
Indonesia akan diikuti dengan penurunan PDRB.
4.3 Model Awal
Pada bagian ini akan dijelaskan mengenai model
awal dari regresi linier berganda.
𝑌 = 𝛽0 + 𝛽1 𝑋1 + 𝛽2 𝑋2 + 𝛽3 𝑋3 + 𝛽4 𝑋4 (2)
+𝛽5 𝑋5 + 𝛽6 𝑋6 + 𝛽7 𝑋7 + 𝜀
Keterangan:
Y : Variabel data PDRB di Indonesia tahun 2022
𝛽0 : Konstanta
𝛽1 : Koefisien regresi variabel data Persentase Rumah
Tangga di Indonesia
𝑋1 : Varibel data Persentase Rumah Tangga di
Program Studi Statistika FMIPA Universitas Mulawarman
Indonesia tahun 2022
𝛽2 : Koefisien regresi variabel data UMP di Indonesia
𝑋2 : Varibel data UMP di Indonesia tahun 2022
𝛽3 : Koefisien regresi variabel data Tenaga Kerja
Formal di Indonesia
𝑋3 : Varibel data Tenaga Kerja Formal di Indonesia
tahun 2022
𝛽4 : Koefisien regresi variabel data TPT di Indonesia
𝑋4 : Varibel data TPT di Indonesia tahun 2022
𝛽5 : Koefisien regresi variabel data TPAK di
Indonesia
𝑋5 : Varibel data TPAK di Indonesia tahun 2022
𝛽6 : Koefisien regresi variabel data Investasi
Penanaman Modal dalam Negeri di Indonesia
𝑋6 : Varibel data Investasi Penanaman Modal dalam
Negeri di Indonesia tahun 2022
𝛽7 : Koefisien regresi variabel data Jumlah Penduduk
di Indonesia
𝑋7 : Varibel data Jumlah Penduduk di Indonesia tahun
2022
𝜀 : Nilai galat
4.4 Estimasi Parameter
Adapun nilai estimasi parameter dari penelitian
ini menggunakan metode Regresi Linier Berganda
dapat dilihat dari tabel berikut:
Tabel 2. Estimasi Parameter
Estimasi Parameter
̂0
𝛽 -1,077 x 103
̂1
𝛽 3,609 x 103
̂2
𝛽 6,188 x 10-3
̂3 4,506 x 103
𝛽
̂4
𝛽 -1,11 x 104
̂5
𝛽 -1,476 x 103
̂6
𝛽 1,055
̂7
𝛽 -1,444
Berdasarkan hasil output tersebut, dapat
dirumuskan dalam model persamaan regresi linier
berganda seperti berikut:
𝑌̂ = −1,077 × 103 + 3,609 × 103 𝑋1
+ 6,188 × 10−3 𝑋2
+4,506 × 103 𝑋3 − 1,11 × 104 𝑋4 − 1,476 × 103 𝑋5
+1,055𝑋6 − 1,444𝑋7
Konstanta sebesar −1,07 × 103 tanpa
dipengaruhi oleh variabel Persentase Rumah Tangga,
Upah Minimum Provinsi (UMP), Tenaga Kerja
Formal, Tingkat Pengangguran Terbuka (TPT),
Tingkat Partisipasi Angkatan Kerja (TPAK), Investasi
Penanaman Modal dalam Negeri, dan Jumlah
Penduduk di Indonesia maka nilai PDRB adalah
sebebesar Rp 1,077 x 103. Koefisien regresi variabel
Persentase Rumah Tangga sebesar 3,609 x 103
menyatakan bahwa setiap penambahan 1% Persentase
Rumah Tangga maka akan menaikkan nilai PDRB
6
Jurnal EKSPONENSIAL
sebesar Rp 3,609 x 103. Koefisien regresi variabel
UMP sebesar 6,188 x 10-3 menyatakan bahwa setiap
penambahan Rp 1 UMP maka akan menaikkan nilai
PDRB sebesar Rp 6,188 x 10-3. Koefisien regresi
variabel Tenaga Kerja Formal sebesar 4,506 x 103
menyatakan bahwa setiap penambahan 1 orang tenaga
kerja formal maka akan menaikkan nilai PDRB
sebesar Rp 4,506 x 103. Koefisien regresi variabel
TPT sebesar 1,11 x 104 menyatakan bahwa setiap
penambahan 1% TPT maka akan menurunkan nilai
PDRB sebesar Rp 1,11 x 104. Koefisien regresi
variabel TPAK sebesar 1,476 x 103 menyatakan
bahwa setiap penambahan 1% TPAK maka akan
menurunkan nilai PDRB sebesar Rp 1,476 x 103.
Koefisien regresi variabel Penanaman Modal dalam
Negeri sebesar 1,055 menyatakan bahwa setiap
penambahan 1 miliyar Penanaman Modal dalam
Negeri maka akan menaikkan nilai PDRB sebesar Rp
1,055. Koefisien regresi variabel Jumlah penduduk
sebesar 1,444 menyatakan bahwa setiap penambahan
1 orang jumlah penduduk dalam maka akan
menurunkan nilai PDRB sebesar Rp 1,444.
4.5 Koefisien Determinasi
Adapun nilai koefisien determinasi adalah
sebagai berikut:
Tabel 3. Koefisien Determinasi
𝑀𝑢𝑙𝑡𝑖𝑝𝑙𝑒 𝑅 − 𝑆𝑞𝑢𝑎𝑟𝑒𝑑
0,8039
Berdasarkan Tabel 3, diperoleh nilai koefisien
determinasi sebesar 0,8039 yang menyatakan bahwa
sebesar 80,39% variasi yang terjadi pada PDRB di
Indonesia disebabkan oleh Persentase Rumah Tangga,
Upah Minimum Provinsi, Tenaga Kerja Formal, TPT,
TPAK, Investasi Penanaman Modal dalam Negri dan
Jumlah Penduduk. Hal ini berarti terdapat 19,61%
variabel lain yang mempengaruhi PDRB yang belum
diteliti oleh peneliti.
4.6 Uji Parsial
4.6.1 Persentase Rumah Tangga
Adapun hasil pengujian parsial variabel
Persentase Rumah Tangga adalah sebagai berikut:
Tabel 4. Uji Parsial Persentase Rumah Tangga
Uji t
𝑝 − 𝑣𝑎𝑙𝑢𝑒 0,0496
Berdasarkan pengujian parsial tersebut,
didapatkan nilai 𝑝 − 𝑣𝑎𝑙𝑢𝑒 = 0,0496 < 𝛼 = 0,05,
maka diputuskan bahwa H0 ditolak, yang berarti
dapat disimpulkan bahwa terdapat pengaruh
variabel Tingkat Persentase Rumah Tangga
terhadap PDRB di Indonesia tahun 2022.
4.6.2 Upah Minimum Provinsi
Adapun hasil pengujian parsial variabel
Upah Minimum Provinsi adalah sebagai berikut:
Program Studi Statistika FMIPA Universitas Mulawarman
Tabel 5. Uji Parsial Upah Minimum Provinsi
Uji t
𝑝 − 𝑣𝑎𝑙𝑢𝑒 0,7443
Berdasarkan pengujian parsial tersebut,
didapatkan nilai 𝑝 − 𝑣𝑎𝑙𝑢𝑒 = 0,7443 > 𝛼 = 0,05,
maka diputuskan bahwa H0 gagal ditolak, yang
berarti dapat disimpulkan bahwa tidak terdapat
pengaruh variabel Upah Minimum Provinsi
terhadap PDRB di Indonesia tahun 2022.
4.6.3 Tenaga Kerja Formal
Adapun hasil pengujian parsial variabel
Tenaga Kerja Formal adalah sebagai berikut:
Tabel 6. Uji Parsial Tenaga Kerja Formal
Uji t
𝑝 − 𝑣𝑎𝑙𝑢𝑒 1,47 × 10−5
Berdasarkan pengujian parsial tersebut,
didapatkan nilai 𝑝 − 𝑣𝑎𝑙𝑢𝑒 = 1,47 × 10−5 < 𝛼 =
0,05 , maka diputuskan bahwa H0 ditolak, yang
berarti dapat disimpulkan bahwa terdapat pengaruh
variabel Tenaga Kerja Formal terhadap PDRB di
Indonesia tahun 2022.
4.6.4 Tingkat Pengangguran Terbuka
Adapun hasil pengujian parsial variabel
Tingkat Pengangguran Terbuka adalah sebagai
berikut:
Tabel 7. Uji Parsial Tingkat Pengangguran
Terbuka
Uji t
𝑝 − 𝑣𝑎𝑙𝑢𝑒 0,0377
Berdasarkan pengujian parsial tersebut,
didapatkan nilai 𝑝 − 𝑣𝑎𝑙𝑢𝑒 = 0,0377 < 𝛼 = 0,05,
maka diputuskan bahwa H0 ditolak, yang berarti
dapat disimpulkan bahwa terdapat pengaruh
variabel Tingkat Pengangguran Terbuka terhadap
PDRB di Indonesia tahun 2022.
4.6.5 Tingkat Partisipasi Angkatan Kerja
Adapun hasil pengujian parsial variabel
Tingkat Partisipasi Angkatan Kerja adalah sebagai
berikut:
Tabel 8. Uji Parsial Tingkat Partisipasi
Angkatan Kerja
Uji t
𝑝 − 𝑣𝑎𝑙𝑢𝑒 0,5200
Berdasarkan pengujian parsial tersebut,
didapatkan nilai 𝑝 − 𝑣𝑎𝑙𝑢𝑒 = 0,5200 > 𝛼 = 0,05,
maka diputuskan bahwa H0 gagal ditolak, yang
berarti dapat disimpulkan bahwa tidak terdapat
pengaruh variabel Tingkat Partisipasi Angkatan
Kerja terhadap PDRB di Indonesia tahun 2022.
4.6.6 Investasi Penanaman Modal dalam Negri
Adapun hasil pengujian parsial variabel
Investasi Penanaman Modal dalam Negri adalah
7
Jurnal EKSPONENSIAL

sebagai berikut: Adapun hasil pengujian non-

Tabel 9. Uji Parsial Investasi Penanaman Modal heteroskedastisitas adalah sebagai berikut:
dalam Negri Tabel 13. Uji Non-Heteroskedastisitas
Uji t Breusch -Pagan Test
𝑝 − 𝑣𝑎𝑙𝑢𝑒 0,0016 𝑝 − 𝑣𝑎𝑙𝑢𝑒 0,09225
Berdasarkan pengujian parsial tersebut, Berdasarkan pengujian non-
didapatkan nilai 𝑝 − 𝑣𝑎𝑙𝑢𝑒 = 0,0016 < 𝛼 = 0,05, heteroskedastisitas tersebut, didapatkan nilai 𝑝 −
maka diputuskan bahwa H0 ditolak, yang berarti 𝑣𝑎𝑙𝑢𝑒 = 0,09225 > 𝛼 = 0,05 , maka diputuskan
dapat disimpulkan bahwa terdapat pengaruh bahwa H0 gagal ditolak yang berarti dapat
variabel Investasi Penanaman Modal dalam Negri disimpulkan tidak terjadi heteroskedastisitas pada
terhadap PDRB di Indonesia tahun 2022. model regresi.

4.6.7 Jumlah Penduduk 4.8.3 Uji Non-Autokorelasi

Adapun hasil pengujian parsial variabel Adapun hasil pengujian non-autokorelasi
Jumlah Penduduk adalah sebagai berikut: adalah sebagai berikut:
Tabel 10. Uji Parsial Jumlah Penduduk Tabel 14. Uji Non-Autokorelasi
Uji t Durbin-Watson Test
𝑝 − 𝑣𝑎𝑙𝑢𝑒 0,0346 𝑝 − 𝑣𝑎𝑙𝑢𝑒 0,8146
Berdasarkan pengujian parsial tersebut, Berdasarkan pengujian non-autokorelasi
didapatkan nilai 𝑝 − 𝑣𝑎𝑙𝑢𝑒 = 0,0346 < 𝛼 = 0,05, tersebut, didapatkan nilai 𝑝 − 𝑣𝑎𝑙𝑢𝑒 = 0,8146 >
maka diputuskan bahwa H0 ditolak, yang berarti 𝛼 = 0,05, maka diputuskan bahwa H0 gagal ditolak
dapat disimpulkan bahwa terdapat pengaruh yang berarti dapat disimpulkan tidak terjadi
variabel Jumlah Penduduk terhadap PDRB di autokorelasi pada model regresi.
Indonesia tahun 2022.
4.8.4 Uji Multikolinieritas
4.7 Uji Simultan Adapun hasil uji multikolinieritas adalah
Adapun hasil pengujian simultan antara variabel sebagai berikut:
dependen dan variabel independen adalah sebagai Tabel 15. Uji Multikolinieritas
berikut: Variabel Nilai VIF
Tabel 11. Uji Simultan X1 3,178026
Uji F X2 4,145521
𝑝 − 𝑣𝑎𝑙𝑢𝑒 9,655 × 10−8
X3 2,874116
Berdasarkan pengujian simultan tersebut,
didapatkan nilai 𝑝 − 𝑣𝑎𝑙𝑢𝑒 = 9,655 × 10−8 < 𝛼 =
X4 2,351423
0,05, maka diputuskan bahwa H0 ditolak, yang berarti X5 2,425264
dapat disimpulkan bahwa variabel Persentase Rumah X6 1,630668
Tangga, Upah Minimum Provinsi, Tenaga Kerja X8 1,977413
Formal, TPT, TPAK, Investasi Penanaman Modal Berdasarkan Tabel 15, diperoleh nilai VIF
dalam Negri dan Jumlah Penduduk memiliki dari ketujuh variabel bebas yang digunakan adalah
pengaruh terhadap PDRB di Indonesia tahun 2022. lebih kecil daripada 10, sehingga dapat disimpulkan
bahwa tidak terjadi multikolinieritas pada model
4.8 Uji Asumsi regresi.
4.8.1 Uji Normalitas Residual
Adapun hasil pengujian normalitas residual 4.9 Pemilihan Model Terbaik
adalah sebagai berikut: Adapun model terbaik yang diperoleh
Tabel 12. Uji Normalitas Residual berdasarkan metode Stepwise Regression adalah
Shapiro-Wilk Normality Test sebagai berikut:
𝑝 − 𝑣𝑎𝑙𝑢𝑒 0,4413 Tabel 16. Metode Stepwise Regression
Berdasarkan pengujian normalitas residual Nilai
Model
tersebut, didapatkan nilai 𝑝 − 𝑣𝑎𝑙𝑢𝑒 = 0,4413 > AIC
𝛼 = 0,05, maka diputuskan bahwa H0 gagal ditolak 𝑌~𝑋1 + 𝑋2 + 𝑋3 + 𝑋4 + 𝑋5 + 𝑋6
708,77
yang berarti dapat disimpulkan data residual berasal + 𝑋7
dari populasi yang berdistribusi normal. 𝑌~𝑋1 + 𝑋3 + 𝑋4 + 𝑋5 + 𝑋6 + 𝑋7 706,92
𝑌~𝑋1 + 𝑋3 + 𝑋4 + 𝑋6 + 𝑋7 706,25
4.8.2 Uji Non-Heteroskedastisitas Berdasarkan output tersebut diketahui bahwa

Program Studi Statistika FMIPA Universitas Mulawarman 8

Jurnal EKSPONENSIAL
model regresi dengan nilai AIC terkecil berada pada
model 𝑌~𝑋1 + 𝑋3 + 𝑋4 + 𝑋6 + 𝑋7 dengan nilai AIC
706,25 yang disebut sebagai model terbaik.
5. KESIMPULAN
Berdasarkan analisis dan pembahasan yang telah
dilakukan, dapat disimpulkan sebagai berikut.
1. Berdasarkan analisis regresi linear berganda,
diperoleh model untuk melakukan analisis PDRB
sebagai berikut:
𝑌̂ = −1,077 × 103 + 3,609 × 103 𝑋1 + 6,188 × 10−3 𝑋2
+4,506 × 103 𝑋3 − 1,11 × 104 𝑋4 − 1,476 × 103 𝑋5
+1,055𝑋6 − 1,444𝑋7
2. Berdasarkan hasil Uji Simultan, diperoleh bahwa
variabel Persentase Rumah Tangga, Upah
Minimum Provinsi, Tenaga Kerja Formal, TPT,
TPAK, Investasi Penanaman Modal dalam Negri
dan Jumlah Penduduk secara simultan
berpengaruh secara signifikan terhadap PDRB.
3. Berdasarkan hasil Uji Parsial, diperoleh bahwa
variabel Persentase Rumah Tangga, Tenaga Kerja
Formal, TPT, Investasi Penanaman Modal dalam
Negri dan Jumlah Penduduk berpengaruh secara
signifikan terhadap PDRB.
4. Berdasarkan hasil Uji Parsial, diperoleh variabel
Upah Minimum Provinsi dan TPAK tidak
berpengaruh secara signifikan terhadap PDRB.
5. Berdasarkan model regresi dengan nilai AIC
terkecil diperoleh model terbaik untuk melakukan
analisis faktor-faktor yang memengaruhi PDRB
sebagai berikut:
𝑌~𝑋1 + 𝑋3 + 𝑋4 + 𝑋6 + 𝑋7 .
6. SARAN
Sebaiknya pada penelitian selanjutnya peneliti
dapat menggunakan faktor-faktor lain dalam
penelitian sehingga dapat diketahui faktor-faktor lain
yang dapat mempengaruhi PDRB.
DAFTAR PUSTAKA
Abdul, H. (2015). Auditing (Dasar-Dasar Audit
Laporan Keuangan) Jilid 1 Edisi Kelima. Yogyakarta:
UPP STIM YKPN.
Akrom, Harwin Muhammad. (2020). Analisis Faktor-
Faktor Yang Mempengaruhi Pengeluaran
Rumah Tangga Di Jawa Timur. Journal Um
Surabaya, 2(20), 56-64.
Asih, Murwiati, Zulkarnain. Rizky (2023). Journal Of
Social Science Research. Analisis Pengaruh
Produk Domestik Regional Bruto, Keluarga
Penerima Manfaat, dan Inflasi Terhadap
Konsumsi Rumah Tangga Di Indonesia
Dengan Regresi Kuantil. Jurnal Statmat
(Statistika Dan Matematika), 3(2),8631-8643.
Dewi, M. S., & Sutarman, S. (2022). Estimasi
Parameter Model ARCH Menggunakan
Program Studi Statistika FMIPA Universitas Mulawarman
Metode Bayes. Journal of Fundamental
Mathematics and Applications (JFMA), 5(2),
162-175.
Naibaho, M. M., & Nabila, U. (2021). Pengaruh
Produk Domestik Regional Bruto (PDRB) dan
Tingkat Pengangguran Terbuka Terhadap
Indeks Pembangunan Manusia Di Kabupaten
Langkat. Jurnal Matematika dan Terapan,
3(2), 21-26.
Ritonga, M., & Wulantika, T. (2020). Pengaruh PDRB
dan Jumlah Penduduk Terhadap Tingkat
Kemiskinan di Kabupaten Batu Bara Sumatera
Utara Tahun 2010-2018. Jurnal Diversita, 6(1),
95-102.
Mulyani, C. S., & Sakti, R. K. (2022). Analisis Faktor-
Faktor yang mempengaruhi PDRB dan
Disparitas Pendapatan di Provinsi Jawa Timur.
Journal of Development Economic and Social
Studies, 1(1), 1-10.
Mustika. (2010). Analisis Tingkat Penganguran
Faktor-faktor yang Mempengaruhinya di
Semarang. Eprints:Undip.
Muthahharah, I., & Fatwa, I. (2022). Analisis Regresi
Linear Berganda Untuk Media Pembelajaran
Daring Terhadap Prestasi Belajar Mahasiswa di
STKIP Pembangunan. Jurnal Matematika dan
Statistika serta Aplikasinya (MSA), 10(1), 53-
60.
Novita Panelewen, Josep Bintang Kalangi, Een N.
Walewangko. (2020). Pengaruh Investasi
Penanaman Modal Dalam Negeri dan Tenaga
Kerja Terhadap Produk Domestik Regional
Bruto (PDRB) di Kota Manado. Jurnal Berkala
Ilmiah Efisiensi. 20(1), 95-115.
Nurhasanah, N., Fusfita, N., & Martaliah, N. (2024)
Faktor- Faktor yang Mempengaruhi PDRB
(Produk Domestik Regional Bruto) di Provinsi
Jambi. Jurnal Ilmiah Ekonomi Dan
Manajemen, 2(1), 889-903.
Payaman, Simanjuntak (1985). Produktivitas Dan
Tenaga Kerja Indonesia. Jakarta: FEUI.
Payaman, Simanjuntak. (1998). Pengantar Ekonomi
Sumber Daya Manusia. Jakarta: FEUI.
Purba, D., & Purba, M. (2022). Aplikasi Analisis
Korelasi dan Regresi Menggunakan Pearson
Product Moment dan Simple Linear
Regression. Citra Sains Teknologi, 1(2), 97-
103.
Rudi Hartono, Arfiah Busari, dan Muhammad
Awaluddin. (2020). Pengaruh produk domestik
regional bruto (pdrb) dan upah minimum kota
(umk) terhadap penyerapan tenaga kerja.
Journal Um Surabaya, 14(1), 36-43
Saberan, H. (2002). Produk Domestik Regional Bruto.
Jakarta: Rajawali
Sholeh. (2007). Permintaan Dan Penawaran Tenaga
9
Jurnal EKSPONENSIAL

Kerja Serta Upah Teori Serta Beberapa

Potrertnya Di Indonesia. Yogyakarta: FISE.
Sukirno, Sadono. (2002). Makro Ekonomi Modern.
Jakarta: Kencana
Sukirno, Sadono. (2010). Ekonomi Pembangunan:
Proses, Masalah dan Dasar Kebijakan.
Jakarta: Kencana
Sunariyah. (2011). Pengantar Pengetahuan Pasar
Modal. Edisi Keenam. Yogyakarta: UUP STIM
YKPN
Widarjono, Agus. (2007). Ekonometrika Teori
Aplikasi. Yogyakarta: Ekonisia FE UII.
Widodo, Tri. (2006). Perencanaan Pembangunan:
Aplikasi Komputer. Yogyakarta: UPP STIM
YKPN
Wisudaningsi, B. A., Arofah, I., & Belang, K. A.
(2019). Pengaruh Kualitas Pelayanan dan
Kualitas Produk Terhadap Kepuasan
Konsumen dengan Menggunakan Metode
Analisis Regresi Linear Berganda. Jurnal
Statmat (Statistika dan Matematika), 1(1), 103-
116.
Yehosua, S. A., Rotinsulu, T. O., & Niode, A. O.
(2019). Pengaruh Inflasi dan Suku Bunga
Terhadap Tingkat Pengangguran di Kota
Manado. Jurnal Berkala Ilmiah Efisiensi,
19(01), 20-31.
Zuhrat, L., Devianto, D., & HG, I. R. (2019).
Pemodelan Jumlah Kasus DBD yang
Meninggal di Kota Padang dengan
Menggunakan Regresi Poisson. Jurnal
Matematika UNAND, 4(4), 57-64.

Program Studi Statistika FMIPA Universitas Mulawarman 10

Jurnal EKSPONENSIAL

LAMPIRAN

Adinda Putri Guswahyuningsih

− Abstrak
− Metode Penelitian
− Hasil dan Pembahasan
− Kesimpulan

Al Farizi Nur
− Pendahuluan
− Tinjauan Pustaka
− Saran
− Daftar Pustaka

Gita Rahayu
− Pendahuluan
− Tinjauan Pustaka
− Saran
− Daftar Pustaka

Yusri Abdul Fahmi

− Abstrak
− Hasil dan Pembahasan
− Kesimpulan

Program Studi Statistika FMIPA Universitas Mulawarman 11