SEC_SD2023020000006 Analisis Keterkaitan Pendidikan, Ekonomi, dan Ketenagakerjaan Mengulas Kebenaran di Balik Pengangguran Terdidik dan Kesiapan Indonesia Menghadapi Era Society 5.0 SEC_SD2023020000006 1. Pendahuluan Perubahan era Society 4.0 ke 5.0 membawa dampak yang signifikan bagi Indonesia. Era Society 5.0 adalah paradigma yang menekankan pada integrasi teknologi digital dengan kebutuhan dan aspirasi manusia untuk menciptakan masyarakat yang inklusif dan berkelanjutan, serta berorientasi pada manusia. Pada era ini, kemajuan teknologi seperti kecerdasan buatan (AI), big data, Internet of Things (IoT), dan robotika digunakan secara holistik untuk membantu mengatasi masalah sosial dan meningkatkan kualitas hidup. Pada era ini, teknologi menjadi alat untuk mencapai kesejahteraan manusia, di mana kemajuan teknologi dan perkembangan manusia saling mendukung. Era Society 5.0 ini juga membawa dampak yang signifikan terhadap tenaga kerja. Hal ini dikarenakan adanya adopsi teknologi canggih yang menyebabkan perubahan dalam pola kerja dan kesesuaian kompetensi sumber daya manusia dengan tenaga kerja yang dibutuhkan. Berdasarkan survei yang dilakukan oleh World Economic Forum 2020 yang dipublikasikan dalam laporan “Future of Jobs Reports 2020”, WEF menyebutkan bahwa disrupsi teknologi menjadi salah satu faktor yang memengaruhi tenaga kerja dan lapangan kerja. Hasil survei tersebut menunjukkan bahwa 43 persen industri di dunia akan memangkas jumlah tenaga kerja karena adanya otomatisasi dan sebanyak 41 persen industri berencana untuk mempekerjakan tenaga ahli untuk melakukan pekerjaan tertentu yang membutuhkan spesialisasi khusus. Selain itu, sebanyak 97 juta lapangan kerja baru akan muncul dengan menyesuaikan pembagian kerja baru antara manusia, mesin, dan algoritma. Berdasarkan infografis mengenai profil ketenagakerjaan per Februari 2023, dapat dilihat bahwa Tingkat Pengangguran Terbuka (TPT) secara nasional yaitu 5,45 persen dengan lulusan SMK memiliki angka TPT paling tinggi, yaitu 9,60 persen, diikuti oleh lulusan SMA dengan TPT sebesar 7,69 persen. Meningkatnya Tingkat TPT ini disebabkan oleh sebagian besar pekerjaan yang ditawarkan untuk lulusan SMA atau SMK sudah dapat digantikan oleh teknologi atau mesin. Hal ini menunjukkan bahwa kualitas angkatan kerja lulusan SMA atau SMK tidak mumpuni untuk terjun ke dunia industri di era Society 5.0 ini. Pendidikan teknologi menjadi hal penting yang harus dikuasai oleh setiap angkatan kerja agar mampu bersaing di era ini. Selain itu, ketersediaan sarana dan prasarana pendidikan juga merupakan salah satu komponen penting yang dapat mendukung peningkatan kualitas tenaga kerja di Indonesia yang SEC_SD2023020000006 diharapkan akan memberikan implikasi yang signifikan terhadap peningkatan perekonomian Indonesia. Berdasarkan permasalahan ketenagakerjaan dan pengangguran tersebut, maka perlu dilakukan analisis lebih lanjut mengenai hubungan faktor-faktor yang menjadi penghambat dalam penyerapan tenaga kerja, seperti kualitas pendidikan, khususnya terkait dengan teknologi, dan perekonomian Indonesia yang ditinjau dari tingkat kedalaman kemiskinan dalam upaya mempersiapkan Indonesia agar mampu bersaing di era Society 5.0 dari segi kualitas sumber daya manusia 2. Pembahasan Analisis yang akan digunakan untuk melihat korelasi antara kualitas pendidikan, tenaga kerja, dan ekonomi adalah Vector Autoregressive Integrated Moving Average (VARIMA). Metode VARIMA (Vector Autoregressive Integrated Moving Average) adalah pendekatan statistik yang digunakan untuk memodelkan dan menganalisis hubungan antara beberapa variabel yang saling terkait seiring waktu. Data yang digunakan dalam analisis VARIMA ini berupa data deret waktu multivariat dari tahun 2015-2021, yaitu Indeks Kedalaman Kemiskinan (P1) Menurut Provinsi (Persen) per Semester 2, Tingkat Pengangguran Terbuka Menurut Provinsi (Persen) per Bulan Agustus, Indeks Pembangunan Teknologi Informasi dan Komunikasi, dan Tingkat Penyelesaian Pendidikan SMA per Provinsi. Data yang digunakan bersumber dari data Badan Pusat Statistik (BPS). Asumsi yang digunakan pada analisis ini adalah variabel yang ada di masa lalu saling memengaruhi variabel yang sama untuk saat ini. Analisis VARIMA ini bertujuan untuk melihat hubungan antara variabel-variabel tersebut (positif atau negatif) serta besar pengaruh suatu variabel ke variabel lainnya. Pada analisis ini, variabel eksogen yang digunakan adalah tingkat lulusan SMA. Asumsi tambahan yang digunakan adalah pengangguran terhitung sejak lulus SMA, sehingga pemilihan Tingkat Lulusan SMA sebagai variabel eksogen sejalan dengan asumsi tersebut. Pada analisis ini, lag yang dipilih sebesar 1 karena keterbatasan data yang digunakan, yaitu hanya 7 tahun. Table 1 : Hasil analisis VARIMA P1.Semester 2 Pengangguran lulusan. SMA IP.TIK Lag P1.Semester 2 0,7839 -0,4237 0 -0,3781 Lag Pengangguran -0,444 0,5284 0 -0,220 Lag lulusan.SMA -0,0108 -0.0328 0 0,0314 lag.IP TIK -0,0297 0,2535 0 0,5924 lulusan.SMA 0,0184 0,0644 0 0,0199 SEC_SD2023020000006 Dengan menggunakan analisis VARIMA dengan lulusan SMA sebagai variabel eksogen, diperoleh hasil sebagai berikut. ● Tingkat lulusan SMA memberikan pengaruh yang signifikan terhadap penambahan tingkat pengangguran secara keseluruhan. Hal ini ditunjukkan dengan koefisien regresi sebesar 0,064. ● Tingkat lulusan SMA tahun sebelumnya memberikan pengaruh yang signifikan terhadap Indeks Pembangunan TIK tahun setelahnya. Hal ini ditunjukkan dengan koefisien regresi sebesar 0,0314. ● Tingkat pengangguran tahun sebelumnya memberikan pengaruh yang sangat signifikan terhadap tingkat pengangguran pada bulan Agustus tahun setelahnya. Hal ini ditunjukkan dengan koefisien regresi sebesar 0,5284. ● Indeks Pembangunan TIK tahun sebelumnya memberikan pengaruh yang signifikan terhadap tingkat pengangguran tahun setelahnya karena koefisiennya positif, yaitu sebesar 0,2535. ● Indeks kedalaman kemiskinan tahun sebelumnya memberikan pengaruh yang sangat signifikan terhadap Indeks Kedalaman Kemiskinan tahun setelahnya. Hal ini ditunjukkan dengan koefisien regresi sebesar 0,7839. ● Tingkat lulusan SMA dan Indeks Pembangunan TIK tidak memberikan pengaruh terhadap indeks kedalaman kemiskinan. Hal ini dapat dilihat dari koefisien regresi yang bernilai negatif. ● Tingkat lulusan SMA tahun sebelumnya tidak memberikan pengaruh terhadap tingkat Pengangguran pada bulan Agustus tahun setelahnya. Hal ini ditunjukkan dengan koefisien regresi sebesar -0,0328. Dari hasil di atas, dapat dilihat bahwa secara keseluruhan, tingkat lulusan SMA memiliki korelasi positif terhadap indeks kedalaman kemiskinan, tingkat pengangguran terbuka, dan Indeks Pembangunan TIK secara keseluruhan. Namun, dapat dilihat bahwa lulusan SMA tahun lalu tidak memberikan pengaruh yang signifikan terhadap tingkat pengangguran tahun setelahnya. Hal ini dapat dilihat dari koefisien regresi sebesar -0,0328, artinya lulusan SMA tahun sebelumnya akan memberikan perubahan yang cukup signifikan terhadap jumlah pengangguran tahun ini, dengan asumsi bahwa lulusan SMA tahun sebelumnya akan mendapat pekerjaan di tahun berikutnya, namun lulusan SMA yang diserap tidak signifikan sehingga implikasi terhadap pengurangan jumlah pengangguran juga tidak signifikan. Hal ini juga sejalan dengan fakta bahwa lulusan SMA tahun lalu tidak akan memberikan pengaruh terhadap jumlah pengangguran terbuka tahun depan, karena lulusan SMA tahun lalu akan terhitung sebagai pengangguran di tahun tersebut. Dari hasil analisis VARIMA tersebut, dapat diketahui bahwa variabel yang ditinjau memiliki hubungan satu sama lain, namun analisis VARIMA ini tidak dapat digunakan untuk menyimpulkan variabel tersebut memiliki hubungan secara langsung atau tidak. Pada analisis VARIMA diasumsikan bahwa semua variabel dalam model saling mempengaruhi secara simultan, yang mengindikasikan bahwa perubahan dalam satu SEC_SD2023020000006 variabel dapat mempengaruhi variabel lainnya dalam jangka waktu tertentu. Namun, hubungan ini hanya mencerminkan hubungan statistik atau korelasi antara variabelvariabel tersebut sehingga untuk menyimpulkan hubungan kausal antara variabelvariabel diperlukan pemahaman domain yang baik dan analisis tambahan, salah satunya dengan menggunakan analisis jalur. Analisis jalur adalah metode statistik yang dapat digunakan untuk memodelkan hubungan sebab-akibat antara variabel dalam suatu model yang kompleks. Pada analisis jalur terdapat koefisien jalur yang digunakan untuk untuk mengeksplorasi hubungan kausal antara variabel-variabel yang kompleks, mengidentifikasi variabel perantara yang memediasi hubungan, dan menguji model hipotesis. Dengan demikian, analisis jalur memberikan landasan empiris yang kuat untuk memahami mekanisme kausal dalam suatu model dan menguji hipotesis penelitian. Pada analisis jalur ini, ditetapkan beberapa hipotesis awal yang akan dibuktikan validitasnya dengan menggunakan data lag Indeks Kedalaman Kemiskinan dengan lag sebesar 1 (L_P1), Indeks Kedalaman Kemiskinan (P1), Indeks Pembangunan Teknologi Informasi dan Komunikasi (IP-TIK), tingkat lulusan SMA menurut Provinsi (L.S) dan tingkat Pengangguran menurut Provinsi (P.A). Uji statistik untuk variabel yang digunakan menunjukkan p-value sebesar 0, artinya model yang digunakan cocok untuk menginterpretasikan data yang ada dan masing-masing variabel berpengaruh secara signifikan satu sama lain. Berikut ini merupakan hasil uji p-value dari variabel yang digunakan. Table 2 : Hasil uji p-value P1. Pengangguran. Semester 2 Agustus P1.Semester 2 lulusan. IP.TIK SMA Lag P1. Semester 2 0,0222 0 0 0 0,0157 Pengangguran. Agustus 0,222 0 0 0 IP TIK -0,0297 0,2535 0 0,5924 Lag P1.Semester 2 0 0,0157 0 0 lulusan.SMA 0 0 0 0 Perhatikan bahwa indeks kemiskinan tahun sebelumnya belum tentu berpengaruh secara langsung terhadap variabel lainnya, sehingga akan dilakukan perhitungan koefisien pengaruh masing-masing variabel untuk setiap kemungkinan jalur. Model yang dibangun untuk analisis jalur ini adalah sebagai berikut. SEC_SD2023020000006 Indeks kedalaman kemiskinan tahun sebelumnya Indeks Pembangunan TIK tahun setelahnya Tingkat lulusan SMA tahun setelahnya Tingkat pengangguran tahun setelahnya Indeks kedalaman kemiskinan tahun setelahnya. Model ini dipilih karena ingin meninjau pengaruh indeks kedalaman kemiskinan tahun lalu terhadap pembangunan TIK di Indonesia dan tingkat lulusan SMA tahun setelahnya sehingga berdampak pada tingkat pengangguran dan indeks kedalaman kemiskinan tahun setelahnya. Pemilihan model ini didasari oleh fakta bahwa apabila indeks kedalaman kemiskinan semakin tinggi, maka hal ini dapat menghambat pengembangan dan penggunaan teknologi informasi dan komunikasi pada tahun berikutnya karena rendahnya tingkat ekonomi masyarakat akibat kemiskinan sehingga masyarakat menjadi terhambat untuk mendapat akses teknologi. Tingkat kemiskinan yang tinggi pada tahun sebelumnya juga memiliki peluang untuk menghambat akses untuk mendapatkan pendidikan yang memadai karena kesulitan dalam memenuhi biaya pendidikan. Hal ini dapat berdampak negatif pada tingkat lulusan SMA pada tahun berikutnya. Tingkat kemiskinan yang tinggi juga mengindikasi adanya ketidakstabilan ekonomi dan keterbatasan kesempatan kerja sehingga jika indeks kedalaman kemiskinan tinggi pada tahun sebelumnya, maka kemungkinan besar pengangguran juga tinggi pada tahun berikutnya, sehingga tingkat kemiskinan yang tinggi berpotensi akan berlanjut hingga tahun berikutnya. Figure 1 : Nilai koefisien korelasi menurut analisis jalur Berikut ini merupakan nilai koefisien korelasi dari kemungkinan jalur yang ada: SEC_SD2023020000006 ● Indeks kedalaman kemiskinan tahun sebelumnya terhadap tingkat tingkat pengangguran tahun setelahnya ○ Pengaruh secara langsung: 0,02 ○ Pengaruh tidak langsung Indeks kedalaman kemiskinan terhadap tingkat pengangguran (adanya pengaruh IP-TIK): (-0.07)(-0.20) = 0,014 ○ Pengaruh tidak langsung Indeks kedalaman kemiskinan terhadap tingkat pengangguran (adanya pengaruh tingkat lulusan SMA): (0,02)(-0,19) = 0,0038 ○ Pengaruh tidak langsung Indeks kedalaman kemiskinan terhadap tingkat pengangguran (adanya pengaruh tingkat lulusan SMA, kemudian IP-TIK): (-0,07)(-0,01)(-0,19) = -0,000133 ○ Pengaruh tidak langsung Indeks kedalaman kemiskinan terhadap tingkat pengangguran (adanya pengaruh IP-TIK, kemudian tingkat lulusan SMA): (0,02)(-0,01)(-0,20) = 0.00004 Pengaruh total dari Indeks Kedalaman Kemiskinan tahun sebelumnya terhadap tingkat pengangguran tahun setelahnya adalah 0,0301, artinya indeks kedalaman kemiskinan tahun sebelumnya dan tingkat pengangguran tahun setelahnya memiliki hubungan yang positif. Dari jalur tersebut, dapat dilihat juga bahwa pengaruh secara tidak langsung dari indeks kedalaman kemiskinan tahun sebelumnya terhadap tingkat pengangguran tahun setelahnya dengan adanya pengaruh Indeks Pembangunan TIK, kemudian tingkat lulusan SMA tahun setelahnya bernilai positif. Hal ini sesuai dengan fakta bahwa rendahnya indeks kedalaman kemiskinan menggambarkan kondisi ekonomi yang sehat dan kesetaraan pendapatan yang lebih baik sehingga dapat mendorong pengembangan teknologi informasi dan komunikasi yang lebih baik. Indeks Pembangunan TIK yang tinggi dapat meningkatkan akses terhadap teknologi dan informasi, termasuk akses ke sumber pendidikan melalui e-learning. Hal ini memperbesar peluang lulusan SMA untuk memperoleh pengetahuan dan keterampilan melalui internet. Pada era Society 5.0, keterampilan dalam penguasaan teknologi menjadi faktor penting dalam banyak sektor pekerjaan. Lulusan SMA yang menguasai teknologi dan memiliki pemahaman yang baik tentang TIK memiliki peluang yang lebih besar untuk mendapatkan pekerjaan yang berkaitan dengan teknologi. Kemampuan ini dapat membantu mereka bersaing dalam pasar tenaga kerja sehingga mengurangi tingkat pengangguran. ● Indeks Pembangunan Teknologi Informasi dan Komunikasi terhadap tingkat tingkat pengangguran ○ Pengaruh langsung: -0,20 ○ Pengaruh tidak langsung Indeks Pembangunan Teknologi Informasi dan Komunikasi terhadap tingkat pengangguran (adanya pengaruh tingkat lulusan SMA): (-0,01)(-0,19)= 0,0019 Pengaruh total Indeks Pembangunan Teknologi Informasi dan Komunikasi terhadap tingkat tingkat pengangguran adalah -0,1981, artinya kedua variabel tersebut SEC_SD2023020000006 memiliki hubungan yang negatif. Hal ini menunjukkan bahwa jika pembangunan TIK meningkat, maka tingkat pengangguran akan menurun. Hal ini sesuai dengan fakta bahwa penguasaan teknologi merupakan salah satu kualifikasi utama yang dibutuhkan dalam dunia kerja saat ini. Indeks Pembangunan TIK yang tinggi menggambarkan adanya peningkatan pendidikan dan pelatihan dalam bidang TIK yang berdampak pada peningkatan kualifikasi dan peluang kerja. ● Tingkat lulusan SMA terhadap tingkat pengangguran ○ Pengaruh langsung: -0,19 ○ Pengaruh tidak langsung tingkat lulusan SMA terhadap tingkat pengangguran (adanya pengaruh Indeks Pembangunan TIK): (-0,01)(0,2)= 0,02 Pengaruh total tingkat lulusan SMA terhadap tingkat tingkat pengangguran adalah -0,17, artinya kedua variabel tersebut memiliki hubungan yang negatif, tetapi pengaruh tidak langsung tingkat lulusan SMA terhadap tingkat pengangguran dengan adanya pengaruh Indeks Pembangunan TIK bernilai positif. Hal ini menggambarkan kondisi jika lulusan SMA menguasai teknologi, maka jumlah pengangguran akan bertambah karena meningkatnya daya saing dalam dunia kerja yang tidak diimbangi dengan adanya perluasan lapangan kerja. Selain itu, meskipun lulusan SMA menguasai teknologi, lulusan SMA tersebut harus bersaing dengan lulusan perguruan tinggi yang memiliki kualifikasi pendidikan yang lebih tinggi dan pengalaman yang lebih luas. Tingkat persaingan yang tinggi dapat membuat sulit bagi lulusan SMA untuk mendapatkan pekerjaan yang diinginkan, terutama di sektor-sektor yang sangat kompetitif, dengan mempertimbangkan fakta bahwa saat ini sebagian besar lowongan pekerjaan memilih kualifikasi yaitu minimal Diploma atau Sarjana. Menurut Deputi Koordinasi Pendidikan dan Agama Kementerian Koordinator Pembangunan Manusia dan Kebudayaan (PMK), terdapat 1,8 juta lulusan SMA yang terpaksa bekerja dan tak meneruskan pendidikan ke jenjang Perguruan Tinggi. Setiap tahunnya, 1,8 juta lulusan SMA ini juga harus bersaing dengan 1,3 juta lulusan perguruan tinggi dengan gelar sarjana maupun diploma dalam mencari kerja, yang berarti terdapat sekitar 3,1 juta pencari pekerjaan tak termasuk angka pengangguran terbuka maupun angka putus sekolah. Hal ini memperlihatkan bahwa dengan adanya faktor menyempitnya lapangan kerja oleh kemajuan teknologi, menyebabkan lulusan SMA harus bersaing dalam mencari pekerjaan dan tidak meneruskan pendidikannya ke jenjang perguruan tinggi. 3. Penutup Dari analisis jalur di atas, dapat disimpulkan bahwa dengan meningkatkan kualitas lulusan SMA di bidang teknologi akan berkontribusi dalam mengurangi tingkat pengangguran di tahun tersebut. Hal ini dapat dilihat dari hubungan sekuensial SEC_SD2023020000006 antara lulusan SMA, IP TIK, tingkat pengangguran, dan indeks kedalaman kemiskinan. Jika jumlah lulusan SMA meningkat tetapi tidak diimbangi dengan pengetahuan dan keterampilan teknologi yang cukup, maka tingkat pengangguran kemungkinan tetap akan meningkat, yang pada akhirnya akan berdampak pada peningkatan indeks kedalaman kemiskinan tahun tersebut. Perlu diperhatikan bahwa lulusan SMA yang menguasai teknologi juga akan bersaing dengan para lulusan sarjana yang mencari pekerjaan juga, sehingga para lulusan SMA harus bersaing dengan lulusan perguruan tinggi yang memiliki kualifikasi pendidikan yang lebih tinggi dan pengalaman yang lebih luas, khususnya dalam bidang teknologi, di mana tersedia program MBKM untuk perguruan tinggi menyediakan akses dalam pembelajaran teknologi, yaitu melalui workshop atau pembelajaran tambahan yang membahas topik-topik teknologi spesifik, seperti pemrograman, desain grafis, analisis data, kecerdasan buatan, atau teknologi internet. Selain itu, program MBKM juga dapat menyediakan kesempatan magang di perusahaan atau organisasi teknologi. Melalui magang ini, mahasiswa dapat belajar mengenai pekerjaan di bidang industri dan mendapatkan pengalaman kerja praktis dalam lingkup teknologi. Hal inilah yang membuat sebagian lulusan sarjana sudah memiliki pengalaman kerja sebelum akhirnya terjun ke dunia kerja. Dari pembahasan di atas, jelas bahwa Indonesia butuh pengembangan di berbagai sektor untuk memajukan sumber daya manusia agar lebih siap menghadapi era Society 5.0, salah satunya pada sektor pendidikan. Salah satu solusi untuk memajukan sektor pendidikan adalah dengan mengembangkan kembali Program Merdeka Belajar, tak hanya berfokus untuk jenjang perkuliahan, tetapi juga untuk SMA atau SMK. Salah satu prioritas Program Merdeka Belajar yang dapat diterapkan atau dikembangkan untuk memajukan sektor pendidikan adalah Kampus Merdeka untuk jenjang pendidikan SMA atau SMK. Kegiatan Kampus Merdeka untuk jenjang SMA atau SMK ini dapat mempersiapkan para lulusan SMA atau SMK untuk meningkatkan kemampuan di bidang teknologi, mengingat bahwa digitalisasi telah mengubah cara kerja di banyak industri. Salah satu implementasi Program Kampus Merdeka yang dapat diterapkan adalah kegiatan wirausaha merdeka dan magang bersertifikat, khususnya bagi lulusan SMK yang kemungkinan besar akan langsung terjun ke dunia kerja. Banyak proses bisnis yang sebelumnya dilakukan secara manual telah digantikan oleh otomatisasi dan teknologi. Jika lulusan SMA tidak memiliki pemahaman tentang teknologi yang digunakan dalam proses kerja modern, mereka mungkin kesulitan untuk beradaptasi dengan perubahan tersebut. Dengan demikian, dengan adanya pengajaran yang memadai dalam bidang teknologi informasi dan komunikasi (TIK), lulusan SMA akan lebih siap dan relevan untuk terjun ke dunia kerja yang semakin didorong oleh teknologi. Kemampuan dalam menguasai teknologi akan meningkatkan peluang untuk mendapatkan pekerjaan yang lebih baik dan berkontribusi pada penurunan tingkat pengangguran serta indeks kedalaman kemiskinan di era Society 5.0 ini. SEC_SD2023020000006 4. Daftar Pustaka Satudata Kemnaker | Portal Data Ketenagakerjaan RI. (n.d.). https://satudata.kemnaker.go.id/infografik/53 Kusnandar, V. B. (2023, October 1). Ada 673 Ribu Pengangguran Lulusan Universitas pada Agustus 2022. Katadata. https://databoks.katadata.co.id/datapublish/2023/01/10/ada-673-ribupengangguran-lulusan-universitas-pada-agustus-2022 Kasih, A. P. (2021, January 5). Mendikbud Nadiem: 8 Program Prioritas Merdeka Belajar di Tahun 2021 Halaman all - Kompas.com. KOMPAS.com. https://www.kompas.com/edu/read/2021/01/06/065358771/mendikbud-nadiem8-program-prioritas-merdeka-belajar-di-tahun-2021?page=all#page2 Jumartdiawan, A. W., S.Kom, & Puspitasari, M., S.Kom (2022). Analisis Strategi Peningkatan Daya Serap Tenaga Kerja Dalam Negeri Tahun 2022. Kementerian Ketenagakerjaan Republik Indonesia. https://satudata.kemnaker.go.id/satudatapublic/2022/10/files/publikasi/1684978440316_Analisis%2520Strategi%2520Pe ningkatan%2520Daya%2520Serap%2520Tenaga%2520Kerja%2520Dalam%25 20Negeri%2520Tahun%25202022.pdf Badan Pusat Statistik (2022). Pengangguran Terbuka Menurut Pendidikan Tertinggi yang Ditamatkan (Orang), 2021-2022. Diakses Juni 18, 2023, dari https://www.bps.go.id/indicator/6/674/1/-pengangguran-terbuka-menurutpendidikan-tertinggi-yang-ditamatkan.html Badan Pusat Statistik (2022). Indeks Kedalaman Kemiskinan (P1) Menurut Provinsi Dan Daerah (Persen). Diakses Mei 30, 2023, dari https://www.bps.go.id/indicator/23/503/4/indeks-kedalaman-kemiskinan-p1menurut-provinsi-dan-daerah.html Badan Pusat Statistik (2022). Tingkat Pengangguran Terbuka Menurut Provinsi (Persen). Diakses Mei 30, 2023, dari https://www.bps.go.id/indicator/6/543/4/tingkat-pengangguran-terbuka-menurutprovinsi.html Badan Pusat Statistik (2022). Tingkat Penyelesaian Pendidikan Menurut Jenjang Menurut Jenjang Pendidikan dan Provinsi. Diakses 30 Mei 2023, dari https://www.bps.go.id/indicator/28/1980/1/tingkat-penyelesaian-pendidikanmenurut-jenjang-pendidikan-dan-provinsi.html Untari, R., Hasyyati, A. N., Wulandari, V. C., Kusumatrisna, A. L., Syakilah, A., & Sutarsih, T. (2021). Indeks Pembangunan Teknologi Informasi dan Komunikasi 2020. Badan Pusat Statistik. Untari, R., Hasyyati, A. N., Syakilah, A., & Candraningtyas, P. (2020). Indeks Pembangunan Teknologi Informasi dan Komunikasi 2020. Badan Pusat Statistik. Maharani, K., Siswayu, G., (2018). Indeks Pembangunan Teknologi Informasi dan Komunikasi 2018. Badan Pusat Statistik. SEC_SD2023020000006 Lestari, N. K., (2017). Perkembangan Indeks Pembangunan Teknologi Informasi dan Komunikasi (IP-TIK). Badan Pusat Statistik. Azis, M. (2013, November 29). Analisis Jalur [Lecture]. SlideShare. https://www.slideshare.net/musdalifah/analisis-jalur-path-analysis-28722277