Dalam beberapa tahun terakhir, pencapaian pendidikan dan partisipasi angkatan kerja perempuan meningkat cukup pesat di Indonesia. Seiring dengan meningkatnya peran perempuan dalam pasar kerja menjadikan rumah tangga dengan pasangan menikah yang keduanya bekerja juga meningkat (dual worker). Rumah tangga dual-worker yang bekerja di lokasi yang berbeda akan memilih lokasi tempat tinggal yang dapat memaksimalkan potensi pendapatan bersama. Penelitian ini bertujuan untuk mengeksplorasi waktu tempuh mobilitas ulang-alik suami dan istri dalam rumah tangga yang keduanya bekerja, dan khususnya mempertimbangkan pendapatan yang berdampak pada waktu mobilitas ulang-alik dari pasangan suami istri yang merupakan kepala rumah tangga dan pasangannya. Penelitian ini menggunakan data Survei Angkatan Kerja Nasional 2018 dan data pendukung dari hasil Survei Sosial dan Ekonomi Nasional 2018. Dengan menggunakan regresi logistik multinomial, penelitian ini menunjukkan bahwa perbedaan waktu tempuh komuter dalam rumah tangga dual-worker dipengaruhi secara signifikan oleh perbedaan pendapatan, perbedaan jam kerja, perbedaan status pekerjaan, dan status migrasi.

---

In recent years, educational attainment and female labor force participation have increased rapidly in Indonesia. Along with the increasing role of women in the labor market making households with married couples who both work also increase (dual workers). Dual-worker households who work in different locations will choose residential locations that can maximize the potential income together. This study aims to explore the commute time of husbands and wives in households that both work, and in particular considering income that affects the time of shuttle mobility of a married couple and their spouse. This study uses 2018 National Labor Force Survey data and supporting data from the results of the 2018 National Economic and Social Survey. Using multinomial logistic regression, this study shows that commuter time differences in dual-worker households are significantly affected by differences in income, rental prices home, differences in working hours, differences in employment status, and migration.