Tingkat Pengangguran Terbuka (TPT) merupakan salah satu indikator penting kondisi pasar tenaga kerja. Indikator ini dipengaruhi oleh berbagai faktor seperti pendidikan, akses terhadap lapangan kerja, karakteristik sosial ekonomi, serta variasi spasial antarwilayah. Penelitian ini bertujuan untuk menganalisis faktor-faktor yang memengaruhi tingkat pengangguran terbuka di Provinsi Jawa Tengah selama periode 2020–2023. Analisis awal dilakukan dengan pendekatan regresi data panel, di mana model Fixed Effects (FEM) terpilih sebagai model terbaik berdasarkan hasil uji Chow dan Hausman. Meskipun demikian, model FEM menunjukkan adanya indikasi heteroskedastisitas dan keterbatasan dalam menangkap variasi spasial antarwilayah, sehingga kemudian dikembangkan ke dalam bentuk spatial panel fixed effect. Oleh karena itu, penelitian ini dilanjutkan dengan menggunakan model Geographically Weighted Panel Regression (GWPR) untuk mengakomodasi heterogenitas spasial yang terdapat dalam data. Model GWPR memungkinkan setiap wilayah memiliki koefisien regresi yang berbeda sesuai dengan karakteristik geografisnya. Analisis dilakukan terhadap 35 kabupaten/kota dengan variabel independen berupa pengeluaran per kapita yang disesuaikan, rata-rata lama sekolah, persentase TPT tingkat pendidikan menengah, dan persentase Produk Domestik Regional Bruto (PDRB). Hasil analisis peta tematik menunjukkan adanya perbedaan tingkat pengangguran antarwilayah, di mana wilayah barat daya seperti Brebes, Tegal, dan Cilacap cenderung memiliki tingkat pengangguran yang lebih tinggi dibandingkan wilayah seperti Blora, Wonogiri, dan Jepara. Hasil pemodelan GWPR menunjukkan bahwa seluruh variabel independen berpengaruh signifikan secara lokal. Model FEM menghasilkan nilai RMSE sebesar 5,9093 dan adjusted R-squared sebesar 46,67%, sedangkan model GWPR menunjukkan peningkatan performa dengan nilai RMSE sebesar 0,3954 dan adjusted R-squared sebesar 71,92%. Hal ini mengindikasikan bahwa model GWPR lebih baik dalam menjelaskan variasi data dan menghasilkan estimasi yang lebih akurat antarwilayah.
