<![CDATA[Tingkat Pengangguran Terbuka (TPT) merupakan indikator penting dalam mengevaluasi kondisi ketenagakerjaan suatu daerah. Prediksi TPT diperlukan untuk mendukung penyusunan kebijakan ketenagakerjaan yang lebih efektif. Penelitian ini bertujuan membandingkan kinerja algoritma Linear Regression dan Random Forest Regression dalam memprediksi TPT di Provinsi Jawa Timur. Dataset yang digunakan berasal dari Badan Pusat Statistik (BPS) periode 2021–2025 yang mencakup 38 kabupaten/kota dengan total 190 data. Variabel prediktor meliputi Produk Domestik Regional Bruto (PDRB), Upah Minimum Regional (UMR), Tingkat Partisipasi Angkatan Kerja (TPAK), inflasi, dan rata-rata lama sekolah. Tahapan penelitian meliputi preprocessing data, standardisasi menggunakan StandardScaler, pembagian data dengan rasio 80:20, pembangunan model, serta evaluasi menggunakan MAE, MSE, RMSE, dan R². Hasil penelitian menunjukkan bahwa Random Forest Regression memiliki performa lebih baik dibandingkan Linear Regression, dengan nilai MAE 0,6768, MSE 0,8211, RMSE 0,9062, dan R² 0,7295, sedangkan Linear Regression memperoleh MAE 0,8518, MSE 1,2439, RMSE 1,1153, dan R² 0,5902. Variabel rata-rata lama sekolah menjadi faktor yang paling berpengaruh terhadap prediksi TPT. Dengan demikian, Random Forest Regression lebih efektif untuk memprediksi TPT di Provinsi Jawa Timur.]]>
Copyrights © 2026
