Analisis Faktor-Faktor Penentu Upah Minimum Regional Menggunakan Regresi Linear Berganda
Abstract
This study analyzes the factors influencing the determination of the Regional Minimum Wage (UMR) in Indonesia in 2024 using multiple linear regression. The variables used include the Living Needs (KHL), Gross Domestic Product/Gross Regional Domestic Product (GDP/GRDP), and labor productivity. Data were obtained from the Central Statistics Agency (BPS) and the Ministry of Manpower of the Republic of Indonesia, covering 20 provinces after data cleaning from outliers. The results show that the KHL has a very significant and positive effect on the UMR, meaning that the higher the cost of living in a province, the higher the UMR set. GDP also has a positive effect, indicating that a region's economic capacity increases the minimum wage. Conversely, labor productivity has a negative effect on the UMR, indicating that regions with high productivity tend to have lower wage levels due to labor market dynamics. These findings emphasize the importance of considering socio-economic factors that vary across regions in formulating minimum wage policies in Indonesia.
References
Alamsyah, I. F., Esra, R., Awalia, S., & Nohe, D. A. (2022, May). Analisis regresi data panel untuk mengetahui faktor yang memengaruhi jumlah penduduk miskin di Kalimantan Timur. In Prosiding Seminar Nasional Matematika, Statistika, Dan Aplikasinya (pp. 254-266).
Amalia, R., Khafiah, L., Rajani, T., & Kurniawan, M. (2024). Pengaruh Upah Minimum, Tingkat Pengangguran Terbuka, Dan Pendidikan Terhadap Jumlah Penduduk Miskin Di Jawa Timur Tahun 2014-2023. Journal Economic Excellence Ibnu Sina, 2(2), 80-91.
Asmara, G. D., Saleh, R. & Asmara, G. J. (2024). Pengaruh Upah Minimum Terhadap Penyerapan Tenaga Kerja di Indonesia Tahun 2015-2020. Journal of Advances in Accounting, Economics, and Management, 1(3), 1-11.
Badan Pusat Statistik (BPS). (2024). Kebutuhan Hidup Layak (KHL) per provinsi Indonesia. Jakarta: BPS. Diakses dari https://www.bps.go.id
Febrianica, D. N., & Pratomo, D. S. (2014). Analisis dampak kebijakan upah minimum terhadap kemiskinan di Indonesia. Jurnal Ilmiah Mahasiswa FEB, 3(1).
Ghasemi, A., & Zahediasl, S. (2012). Normality tests for statistical analysis: A guide for non-statisticians. International Journal of Endocrinology and Metabolism, 10(2), 486–489.
Kementerian Ketenagakerjaan Republik Indonesia. (2024). Statistik Produktivitas Tenaga Kerja Tahun 2024. Jakarta: Kemenaker RI.
Mawanti, D. N. & Hutabarat, R. E. (2024). Pengaruh Tingkat Pendidikan, PDRB, dan Upah Minimum Terhadap Penyerapan Tenaga Kerja di Indonesia Tahun 2020-2022. Jurnal Ekonomi, Manajemen, Akuntansi, 3(5), 1309-1316.
Nur, S. D., & Karyana, Y. (2021). Penerapan Metode Weight Estimation by Re-Estimated Absolute Residuals pada Analisis Regresi Linear Berganda Berdasarkan Data Pendapatan Asli Daerah (PAD) Kabupeten/Kota Provinsi Jawa Barat Tahun 2018. Prosiding Statistika http://dx. doi. org, 10(v7i1), 25749.
Riza, N., Aulia, MZ, Kolin, PB, & Mustaqim, K. (2025). Analisis faktor pengaruh terhadap penghasilan profesi data engineer menggunakan metode regresi linier berganda. Jurnal Informatika dan Teknik Elektro Terapan , 13 (1).
Saleh, S. (2017). Analisis data kualitatif. Bandung: Pustaka Ramadhan
Salim, P. W., & Hizkia, J. M. (2023). Pengaruh Undang Undang Cipta Kerja Terhadap Pemenuhan Upah Minimum Pekerja. Jurnal Kewarganegaraan, 7(2), 1599-1606.
Siregar, I. A. (2021). Analisis dan interpretasi data kuantitatif. ALACRITY: Journal of Education, 39- 48.
Susanti, I. S. I. (2022). Penerapan metode analisis regresi linear berganda untuk mengatasi masalah multikolinearitas pada kasus indeks pembangunan manusia (IPM) di Kabupaten Aceh Tamiang. Jurnal gamma-PI, 4(2), 10-17.
Wihastuti, L., & Rahmatullah, H. (2018). Upah minimum provinsi (UMP) dan penyerapan tenaga kerja di Pulau Jawa. Jurnal Gama Societa, 1(1), 96-102.
