Grafik pengangguran menurut pendidikan: cara menyajikan data kelompok dengan jujur

Ada satu grafik yang hampir pasti muncul setiap BPS merilis data ketenagakerjaan: grafik batang tingkat pengangguran menurut pendidikan. Grafik ini sering dibagikan dengan judul yang provokatif, misalnya “Sarjana lebih banyak menganggur dari lulusan SD” atau “Sekolah tinggi tidak menjamin kerja”.

Datanya benar. Kesimpulannya hampir selalu salah. Hari ini kita bedah kenapa, sekaligus belajar cara menyajikan data perbandingan kelompok dengan jujur.

Datanya

Tingkat pengangguran terbuka (TPT) Februari 2026 menurut pendidikan tertinggi yang ditamatkan, berdasarkan Sakernas BPS:

Pendidikan tertinggi	TPT Februari 2026	TPT Mei 2026
SMK	7,74%	7,68%
SMA	6,23%	6,17%
Diploma IV, S1, S2, S3	6,13%	6,09%
Diploma I/II/III	4,80%	4,75%
SMP	4,19%	4,16%
SD ke bawah	2,32%	2,31%

Polanya konsisten di dua periode: SMK tertinggi, SD ke bawah terendah, dan lulusan perguruan tinggi berada di atas lulusan SMP.

Kalau angka ini dibuat grafik batang dan diurutkan dari tertinggi ke terendah, kesan visualnya kuat: makin rendah pendidikan, makin kecil pengangguran. Kesan itu yang perlu kita luruskan.

Jebakan pertama: tingkat pengangguran bukan ukuran kualitas pekerjaan

Ingat definisi survei: seseorang dihitung bekerja kalau dalam seminggu terakhir bekerja paling sedikit satu jam untuk memperoleh penghasilan. Definisi ini sengaja longgar.

Orang dengan pendidikan rendah sering tidak punya kemewahan untuk menunggu pekerjaan yang ideal. Kebutuhan sehari-hari mendesak, sehingga mereka langsung mengambil pekerjaan apa saja yang tersedia: buruh harian, pekerja keluarga, pedagang kecil, atau pekerjaan informal lain dengan upah rendah dan tanpa perlindungan. Dalam statistik, mereka bekerja. Dalam kenyataan, banyak yang bekerja dalam kondisi rentan.

Sebaliknya, lulusan perguruan tinggi lebih mungkin ditopang keluarga untuk sementara waktu dan bisa menunggu tawaran yang sesuai bidangnya. Selama menunggu, mereka tercatat menganggur.

Jadi TPT yang rendah di kelompok pendidikan rendah sebagian mencerminkan ketidakmampuan untuk menganggur, bukan keberhasilan mendapat pekerjaan yang layak.

Jebakan kedua: persentase bukan jumlah orang

TPT 7,74% untuk lulusan SMK dihitung dari angkatan kerja lulusan SMK saja. Angka itu menjawab pertanyaan: “Dari lulusan SMK yang bekerja atau mencari kerja, berapa persen yang menganggur?”

Angka itu tidak menjawab pertanyaan: “Dari seluruh penganggur di Indonesia, kelompok pendidikan mana yang paling banyak?” Untuk pertanyaan kedua, kita butuh jumlah absolut atau komposisi penganggur menurut pendidikan.

Kedua pertanyaan itu sah dan penting, tapi butuh angka yang berbeda. Kesalahan paling umum adalah menjawab pertanyaan komposisi dengan angka tingkat.

Jebakan ketiga: mengabaikan perbedaan usia antarkelompok

Lulusan perguruan tinggi umumnya masuk pasar kerja lebih lambat, di usia sekitar 22–23 tahun. Lulusan SD ke bawah di angkatan kerja didominasi kelompok umur yang lebih tua, yang sudah lama bekerja. Kita sudah tahu dari data kemarin bahwa pengangguran usia muda jauh lebih tinggi daripada usia dewasa.

Artinya, sebagian perbedaan antarkelompok pendidikan bisa disebabkan oleh perbedaan struktur umur, bukan pendidikannya sendiri. Perbandingan yang lebih adil adalah membandingkan kelompok pendidikan pada umur yang sama.

Cara menyajikan grafik ini dengan jujur

Kalau kamu analis, jurnalis, atau peneliti yang perlu menyajikan data seperti ini, beberapa prinsip berikut bisa membantu.

1. Tulis penyebut di judul. Bukan “Pengangguran menurut pendidikan”, tapi “Tingkat pengangguran terbuka (persen dari angkatan kerja tiap kelompok pendidikan), Februari 2026”. Judul yang panjang sedikit lebih baik daripada judul yang menyesatkan.

2. Tampilkan tingkat dan jumlah berdampingan. Dua panel kecil, satu berisi persentase dan satu berisi jumlah orang, langsung menjawab dua pertanyaan yang berbeda.

3. Beri catatan definisi. Satu kalimat di bawah grafik: “Bekerja = bekerja minimal satu jam dalam seminggu terakhir untuk memperoleh penghasilan.” Catatan ini menjelaskan kenapa kelompok pendidikan rendah terlihat “baik”.

4. Tambahkan indikator kualitas bila tersedia. Persentase pekerja informal atau rata-rata upah per kelompok pendidikan akan melengkapi cerita. Tanpa itu, grafik hanya menyampaikan setengah kebenaran.

5. Mulai sumbu dari nol. Untuk grafik batang, sumbu yang tidak dimulai dari nol membesar-besarkan perbedaan. Selisih 6,13% dan 6,23% akan terlihat dramatis kalau sumbunya dimulai dari 6%.

6. Hati-hati dengan pengurutan. Mengurutkan batang dari tertinggi ke terendah memudahkan perbandingan, tapi juga mengundang interpretasi peringkat. Kalau jenjang pendidikan punya urutan alami, pertimbangkan mempertahankan urutan jenjang agar pola yang tidak linier terlihat jelas.

Pelajaran untuk laporan kantor

Pola yang sama muncul di banyak laporan perusahaan. Grafik “tingkat keluhan per cabang” bisa membuat cabang kecil terlihat buruk karena penyebutnya kecil. Grafik “rata-rata penjualan per sales” bisa membuat sales baru terlihat lemah padahal masa kerjanya baru tiga bulan. Grafik “tingkat absensi per divisi” bisa menyesatkan kalau definisi absensi berbeda antardivisi.

Setiap grafik perbandingan kelompok sebaiknya lolos tiga pertanyaan sebelum masuk ke slide rapat:

• Penyebutnya apa, dan apakah sudah tertulis jelas?
• Apakah ada faktor lain yang berbeda antarkelompok, misalnya umur atau masa kerja?
• Apakah grafik ini menjawab pertanyaan yang sebenarnya ingin dijawab rapat?

Satu latihan kecil untuk tim analis

Kalau kamu memimpin tim data, coba latihan sederhana ini di rapat berikutnya. Ambil satu grafik perbandingan kelompok yang sudah pernah dipakai di laporan, lalu minta setiap anggota tim menuliskan satu kalimat kesimpulan dari grafik itu tanpa berdiskusi. Setelah itu, bandingkan kalimat-kalimatnya.

Hampir selalu, kalimatnya berbeda-beda. Ada yang membaca tingkat sebagai jumlah, ada yang melupakan penyebut, ada yang menyimpulkan sebab dari perbandingan sederhana. Perbedaan itu bukan tanda timmu kurang pintar. Itu tanda grafiknya belum cukup jelas.

Dari latihan itu, perbaiki grafiknya: tambahkan penyebut di judul, catatan definisi, dan angka jumlah bila perlu. Lalu ulangi latihan dengan grafik yang sudah diperbaiki. Biasanya kalimat kesimpulan menjadi jauh lebih seragam. Grafik yang baik adalah grafik yang membuat orang berbeda menarik kesimpulan yang sama.

Penutup

Grafik pengangguran menurut pendidikan adalah contoh bagus bagaimana data yang benar bisa melahirkan kesimpulan yang salah. Bukan karena ada yang berbohong, tapi karena kita membebankan pertanyaan yang tidak bisa dijawab oleh grafik itu.

Tingginya TPT lulusan SMK tetap sinyal yang perlu diperhatikan, karena sekolah ini dirancang untuk menyiapkan lulusan yang langsung bekerja. Tapi rendahnya TPT lulusan SD bukan kabar baik yang perlu dirayakan. Keduanya perlu dibaca bersama data kualitas pekerjaan.

Grafik yang jujur tidak selalu yang paling menarik. Tapi grafik yang jujur adalah yang paling bisa dipertanggungjawabkan.

Baca juga: butuh bantuan mengolah dan memvisualisasikan data survei atau laporan berkala kantormu? Pelajari Jasa Analisis Data Statistik dari Datalytics.

---