Penerapan Metode Chi-Squared Automatic Interaction Detection pada Segmentasi Karakteristik yang Mempengaruhi Pengangguran di Provinsi Banten Tahun 2022

Abstract

Abstract. This study will discuss the application of the Chi-Squared Auto Interaction Detection (CHAID) method for segmenting characteristics that affect the unemployed workforce in Banten Province in 2022. The CHAID method was introduced by Dr. G. V Kass in 1980. In the CHAID method, segmentation will be formed which divides a sample into two or more different groups/categories based on the chi-square test statistics, then the segmentation results will be displayed in a tree diagram. In this study, the variables of gender, age, education level, marital status, status in the household and regional classification will be used as independent variables with labor force status as the dependent variable, where all data are categorical types which are suitable for use in CHAID analysis. This study uses secondary data sourced from Badan Pusat Statistik (BPS), using data from the result of Survei Hasil Angkatan Kerja Nasional (SAKERNAS). The results of the CHAID segmentation in this study resulted in 8 different segments with 3 of them producing a classification of the workforce with unemployed status. Then, based on the CHAID tree diagram, it was found that there were 5 (five) independent variables, namely gender, age, education level, household status and regional classification which had a significant association with labor force status which resulted in a classification accuracy of 70.6%.
 Abstrak. Dalam penelitian ini akan membahas tentang penerapan metode Chi-Squared Auto Interaction Detection (CHAID) pada segmentasi karakteristik yang mempengaruhi angkatan kerja berstatus pengangguran di Provinsi Banten tahun 2022. Metode CHAID diperkenalkan pertama kali oleh Dr. G. V Kass pada tahun 1980. Pada metode CHAID akan membentuk segmentasi yang membagi sebuah sampel menjadi dua atau lebih kelompok/kategori yang berbeda berdasarkan dengan statistik uji chi-square kemudian hasil segmentasi akan ditampilkan dalam diagram pohon. Pada penelitian ini akan menggunakan variabel jenis kelamin, usia, tingkat pendidikan, status pernikahan, status dalam rumah tangga dan klasifikasi wilayah sebagai variabel independen dengan status angkatan kerja sebagai variabel dependen, dimana semua datanya merupakan tipe kategorik yang cocok digunakan pada analisis CHAID. Penelitian ini menggunakan data sekunder yang bersumber dari Badan Pusat Statistik (BPS), yaitu data hasil Survei Angkatan Kerja Nasional (SAKERNAS). Hasil segmentasi CHAID pada penelitian ini menghasilkan 8 segmentasi yang berbeda dengan 3 segmentasi diantaranya menghasilkan klasifikasi angkatan kerja yang berstatus pengangguran. Kemudian berdasarkan diagram pohon CHAID didapatkan bahwa terdapat 5 (lima) variabel independen yaitu jenis kelamin, usia, tingkat pendidikan, status dalam rumah tangga dan klasifikasi wilayah yang mempunyai asosiasi yang signifikan dengan status angkatan kerja yang menghasilkan ketepatan klasifikasi yaitu sebesar 70,6%.