HR ANALYTICS MODELLING
Arsya Belina1), Jacelyn2), Mitha Veronica3), Princessa Tan Widiana4) , Alden Nelson5)
1-5 Fakultas Bisnis Dan Manajemen, Universitas Internasional Batam
email: [email protected], [email protected], [email protected], [email protected], [email protected]
Abstract
HR Analytics Modeling namely, a data driven approach in human resource management that uses analytical tools to collect, analyze, and interpret human resource data to improve decision-making within the organization to optimize strategic decisions related to human resources such as recruiting, training and development, compensation and performance management. Data collection begins with collecting data related to employees and human resources, including data on employee profiles, compensation, performance, absenteeism, job satisfaction, and so on. The collected data is then analyzed using various data analysis techniques to gain useful insights and information. In this stage, the data is processed and linked to other data such as historical information, normal or average data.
Keyword: HR Analytics Modelling, Human Resources, Data Collection.
1. PENDAHULUAN
HR Analytics Modelling ialah pendekatan yang berbasis data dalam manajemen sumber daya manusia yang menggunakan alat analitik untuk mengumpulkan, menganalisis, dan menginterpretasi data sumber daya manusia untuk meningkatkan pengambilan keputusan di dalam organisasi. Dengan menggunakan teknologi informasi dan alat analitik, analitik SDM dapat membantu organisasi untuk mengoptimalkan keputusan-keputusan strategis terkait sumber daya manusia seperti perekrutan, pelatihan dan pengembangan, kompensasi dan manajemen kinerja [1][2], [3].
Melalui analitik SDM, organisasi dapat mengumpulkan data yang berkaitan dengan kinerja karyawan, kompetensi, pengalaman kerja, kepuasan kerja, absensi, dan informasi lainnya yang relevan dengan manajemen sumber daya manusia. Data ini kemudian dapat dianalisis untuk mengidentifikasi tren dan pola yang mungkin terjadi dalam organisasi dan memberikan informasi berharga untuk meningkatkan strategi SDM [4], [5][6].
Dengan menggunakan analitik SDM, organisasi ini untuk membuat keputusan yang lebih efektif dan efisien dalam manajemen sumber daya manusia. Contohnya, organisasi dapat menggunakan data analitik untuk mengidentifikasi karyawan yang memiliki kinerja tinggi dan memiliki potensi untuk
berkembang lebih jauh. Hal ini dapat membantu organisasi untuk mengembangkan program pelatihan dan pengembangan yang tepat untuk meningkatkan kinerja karyawan tersebut dan mempertahankan mereka di dalam organisasi.
Selain itu, analitik SDM juga dapat membantu organisasi dalam memprediksi kebutuhan tenaga kerja di masa depan, mengidentifikasi faktor- faktor yang mempengaruhi kepuasan kerja dan kinerja karyawan, serta meningkatkan efektivitas program kompensasi dan manajemen kinerja.
Dalam keseluruhan, analitik SDM merupakan alat yang penting dalam manajemen sumber daya manusia modern. Dengan menggunakan pendekatan berbasis data, organisasi dapat membuat keputusan yang lebih efektif dan efisien dalam manajemen sumber daya manusia dan meningkatkan kinerja organisasi secara keseluruhan. Ada beberapa komponen yang terlibat dalam HR Analytics, seperti:
1. Pengumpulan Data: HR Analytics dimulai dengan mengumpulkan data terkait karyawan dan sumber daya manusia, termasuk data tentang profil karyawan, kompensasi, kinerja, absensi, kepuasan kerja, dan lain sebagainya.
2. Analisis Data: Data yang terkumpul kemudian dianalisis dengan menggunakan berbagai eknik analisis data untuk mendapatkan wawasan dan informasi yang bermanfaat. Dalam tahap ini, data diolah dan dihubungkan dengan
data lain seperti informasi historis, data norma atau rata-rata.
3. Identifikasi Tren dan Pola: Setelah data dianalisis, langkah selanjutnya adalah mengidentifikasi tren atau pola yang terkait dengan sumber daya manusia dan kinerja karyawan. Dalam tahap ini, dapat dilakukan analisis prediktif untuk meramalkan hasil yang mungkin terjadi di masa depan.
4. Implementasi Keputusan Organisasi:
Hasil analisis kemudian diterapkan pada keputusan organisasi untuk meningkatkan efisiensi dan efektivitas pengambilan keputusan terkait sumber daya manusia. HR Analytics dapat membantu organisasi dalam mengambil keputusan terkait pengembangan karyawan, kompensasi, dan manajemen kinerja, serta meningkatkan kepuasan kerja dan retensi karyawan.
Dengan mengikuti tahapan di atas, HR Analytics dapat membantu organisasi dalam mengoptimalkan sumber daya manusia dan mengambil keputusan yang lebih akurat dan efektif.
Tujuan analitik sumber daya manusia ialah untuk memanfaatkan data dan informasi untuk meningkatkan efektivitas dan efisiensi pengelolaan sumber daya manusia dalam sebuah organisasi atau perusahaan. Melalui analitik sumber daya manusia, perusahaan dapat menganalisis data terkait karyawan, seperti performa kerja, absensi, pengalaman kerja, untuk membuat keputusan yang lebih baik dalam mengelola karyawan serta meningkatkan produktivitas perusahaan.
Beberapa tujuan khusus dari analitik sumber daya manusia antara lain:
1. Meningkatkan efisiensi, efektivitas rekrutmen serta seleksi karyawan.
2. Mengidentifikasi serta mengatasi masalah karyawan yang mempengaruhi produktivitas dan kinerja.
3. Meningkatkan pengalaman kerja karyawan dengan memahami preferensi dan kebutuhan mereka.
4. Meningkatkan keterlibatan, retensi karyawan dengan memahami faktor-faktor yang mempengaruhi kepuasan kerja serta keinginan untuk bertahan di perusahaan.
5. Menyediakan data dan informasi yang dapat digunakan untuk pengambilan keputusan strategis dalam mengelola sumber daya manusia dan mencapai tujuan bisnis perusahaan.
Manfaat penelitian HR Analytics Modelling yang signifikan, antara lain:
1. Meningkatkan efisiensi HR: Dengan menggunakan HR Analytics Modelling, perusahaan dapat memperoleh informasi yang lebih baik tentang kinerja karyawan, kehadiran, serta keterlibatan, sehingga memungkinkan perusahaan untuk membuat keputusan yang lebih baik dalam pengelolaan sumber daya manusia mereka.
2. Meningkatkan kualitas rekrutmen:
Dengan menganalisis data HR, perusahaan dapat memperoleh wawasan tentang kandidat yang memiliki kemungkinan lebih tinggi untuk berhasil dalam posisi tertentu, sehingga dapat memilih kandidat yang tepat dan meningkatkan kualitas rekrutmen mereka.
3. Menyediakan wawasan strategis: HR Analytics Modelling dapat membantu perusahaan untuk memperoleh wawasan strategis tentang karyawan mereka, seperti kinerja mereka, keahlian, dan kecenderungan mereka. Informasi ini dapat digunakan untuk mengembangkan program pengembangan karir serta pelatihan yang sesuai untuk karyawan.
4. Mengidentifikasi masalah karyawan:
Dengan menganalisis data HR, perusahaan dapat mengidentifikasi masalah karyawan yang mungkin mempengaruhi kinerja mereka. Hal ini memungkinkan perusahaan untuk mengambil tindakan yang tepat untuk membantu karyawan memperbaiki kinerja mereka.
5. Memperbaiki pengambilan keputusan:
Dengan menggunakan HR Analytics Modelling, perusahaan dapat memperoleh informasi yang lebih akurat dan terperinci tentang karyawan mereka. Hal ini memungkinkan perusahaan untuk membuat keputusan yang lebih baik dalam hal pengembangan karyawan, promosi, serta pengelolaan kinerja.
6. Menyediakan pengukuran kinerja yang objektif: HR Analytics Modelling dapat
membantu perusahaan untuk memperoleh pengukuran kinerja yang objektif, berdasarkan data dan bukan opini subjektif.
Ini dapat membantu perusahaan dalam menilai kinerja karyawan secara lebih adil dan akurat.
Dengan memanfaatkan HR Analytics Modelling, perusahaan dapat memperoleh manfaat yang signifikan dalam hal pengelolaan sumber daya manusia, pengambilan keputusan, serta pengembangan karyawan.
2. METODE PENELITIAN
Penelitian ini merupakan penelitian kualitatif. Jenis penelitian kualifatif ini termasuk dalam penelitian deskriptif kualitatif. Tujuan dari penelitian ini ialah untuk mengungkapkan fakta, fenomena, variabel dan keadaan yang terjadi pada saat penelitiannya berlanjut dan menunjukkan apa adanya sesuai dengan faktanya. Penelitian ini dilakukan berdasarkan obyek yang ilmiah. Obyek yang berkembang apa adanya ataupun tidak dimanipulasi merupakan pengertian dari obyek yang ilmiah [7].
Jenis dan sumber data dalam penelitian ini ada 2, yaitu :
1. Data primer
Data primer adalah jenis data yang diperoleh oleh peneliti secara langsung melalui pengamatan dan wawancara dengan sumber utama dari penelitian. Data primer ini dapat berupa data kualitatif atau kuantitatif, tergantung pada jenis penelitian yang dilakukan. Pengumpulan data primer dapat dilakukan dengan berbagai metode seperti observasi langsung, wawancara, kuesioner, dan lain sebagainya. Keuntungan dari pengumpulan data primer adalah peneliti dapat memperoleh data yang spesifik dan relevan dengan tujuan penelitian, serta memperoleh kontrol penuh atas pengumpulan dan analisis data [7].
2. Data sekunder
Data sekunder ialah data yang telah dikumpulkan sebelumnya oleh pihak lain atau organisasi untuk tujuan tertentu, dan dapat digunakan kembali untuk keperluan penelitian atau analisis yang berbeda. Data sekunder dapat diperoleh dari berbagai sumber seperti publikasi, laporan pemerintah,
basis data, dan arsip organisasi atau institusi.
Data sekunder dapat berupa data kualitatif maupun kuantitatif [7].
Metode pengambilan data adalah teknik atau cara yang digunakan oleh peneliti untuk mengumpulkan data yang diperlukan dalam suatu penelitian. Pemilihan metode pengambilan data tergantung pada jenis data yang ingin dikumpulkan, tujuan penelitian, sumber data, dan lingkungan penelitian. Berikut beberapa metode pengambilan data yang umum digunakan dalam penelitian:
1. Observasi
Observasi ialah salah satu metode pengumpulan data primer yang dilakukan dengan cara mengamati secara langsung fenomena atau perilaku yang diamati dalam lingkungan alami atau situasi yang sesuai dengan topik penelitian. Observasi dapat dilakukan dengan partisipasi atau tanpa partisipasi peneliti dalam situasi yang diamati. Observasi merupakan metode yang cukup fleksibel dan memberikan kesempatan bagi peneliti untuk memperoleh data yang valid dan akurat tentang perilaku atau fenomena yang diamati secara langsung.
Selain itu, observasi juga memungkinkan peneliti untuk memperoleh data yang sulit diungkapkan oleh responden melalui wawancara atau kuesioner [8].
2. Kuesioner
Kuesioner merupakan aktivitas pengumpulan data melalui pemberian sebuah kertas yang berisi pertanyaan untuk dijawab responden. Pertanyaan yang diberikan peneliti kepada responden merupakan pertanyaan untuk menjawab dan memperoleh hal-hal yang diperlukan dalam penelitian ini.
Sebelum kuesioner diberikan kepada responden, peneliti telah melakukan uji terlebih dahulu agar dapat mengetahui pertanyaan-pertanyaan tersebut dapat dijadikan perumusan yang valid dalam penelitian ini [8].
3. Wawancara
Wawancara adalah salah satu metode pengumpulan data primer yang dilakukan dengan cara bertanya langsung kepada responden. Wawancara dapat dilakukan secara tatap muka, telepon, atau video
conference, tergantung pada jenis penelitian dan ketersediaan responden. Wawancara merupakan salah satu metode yang fleksibel, karena peneliti dapat menyesuaikan pertanyaan dengan latar belakang dan karakteristik responden. Selain itu, wawancara juga memungkinkan peneliti untuk memperoleh informasi yang lebih mendalam dan detail tentang pandangan, sikap, atau pengalaman responden terkait topik penelitian [8].
Teknik analisis data adalah suatu metode atau prosedur yang digunakan untuk menganalisis data yang telah dikumpulkan dalam penelitian atau studi. Teknik analisis data dapat digunakan pada data kualitatif maupun kuantitatif, tergantung pada jenis data yang dikumpulkan dan tujuan penelitian. Pemilihan teknik analisis data yang tepat tergantung pada jenis data yang dikumpulkan, tujuan penelitian, dan pertanyaan penelitian yang ingin dijawab.
Penting bagi peneliti untuk memilih teknik analisis data yang tepat dan memahami cara menerapkan teknik tersebut dengan benar untuk memastikan hasil analisis yang akurat dan valid [9].
Menurut Miles dan Hubermen, teknik analisis data terdiri dari tiga tahap, yaitu reduksi data, penyajian data dan penarikan kesimpulan dan verifikasi.
1. Tahap reduksi
Sebelum memasuki tahap reduksi, peneliti telah melakukan pengumpulan data terlebih dahulu. Pada tahap pengumpulan data tersebut, peneliti melakukan observasi, pembagian kuesioner dan juga wawancara.
Tahap reduksi merupakan tahap merangkum, memilih hal pokok dan memfokuskan pada hal yang penting saat pengambilan data di lokasi penelitian. Data yang diperoleh dalam penelitian cukup banyak, maka pada tahap reduksi harus dilakukan secara teliti agar tidak terjadi kesalahan dalam pengumpulan data. Pada tahap reduksi juga terdapat pengkodean data, analisa data, pembuatan catatan dan penyimpanan data. Tahap reduksi juga membuat data lebih tersistematis [10].
2. Penyajian data
Penyajian data merupakan sekumpulan informasi yang memberi gambaran data
secara menyeluruh dan memungkinkan adanya penarikan kesimpulan. Pada tahap ini, peneliti menyusun data sehingga membentuk informasi yang dapat memiliki makna tertentu [10].
3. Penarikan Kesimpulan & Verifikasi Penarikan kesimpulan dan verifikasi adalah bagian penting dari proses penelitian yang dilakukan setelah data telah terkumpul dan dianalisis. Kedua proses ini sangat penting dalam penelitian karena penarikan kesimpulan yang salah atau tidak tepat dapat menghasilkan kesalahan dalam pengambilan keputusan. Verifikasi juga penting karena dapat membantu dalam menegakkan hasil penelitian dan meningkatkan kredibilitas dari penelitian itu sendiri [10].
3. HASIL DAN PEMBAHASAN
HR analytics atau analisis sumber daya manusia merupakan sebuah alat yang digunakan untuk memahami setiap karyawan dan organisasi dengan tujuan untuk melihat apakah berjalan dengan sempurna atau Fungsi dari HR analitik sendiri ialah untuk membantu sebuah organisasi untuk meningkatkan sebuah pengambilan keputusan untuk menyelasaikan masalah yang ada pada sumber daya manusia.
Berikut ini sebuah model yang dikembangkan secara konseptual:
Tiga tempat evaluasi yang harus dilalui oleh HR analitik ialah enabler, aplikasi dan value driver yang fungsinya digunakan untuk menentukan agenda penelitian untuk pengembangan potensial di lapangan untuk tahun yang akan datang. Kemajuan dalam hal teknologi dan kemampuan analitik yang mendukung dapat memanfaatkan sebuah organisasi dalam hal berbisnis secara integrasi.
Analisis SDM sejauh ini telah dikombinasikan dan juga telah fokus pada persepsi, keterampilan dan kemampuan tetap saja HR analitik saat ini masih terus mengembangkan dirinya untuk lebih selaras dan juga lebih sinkron.
4. KESIMPULAN
Analitik SDM yang melibatkan perkumpulan data dan melibatkan berbagai perkumpulan data dan organisasi untuk meningkatkan setiap keputusan yang di ambil untuk tujuan Bersama. Artikel ini berkontribusi pada setiap aspek seperti aspek analitik SDM, agar setiap organisasi dapat terus maju dan berkembang sebuah analitik SDM harus ada bagi para pelaku bisnis dan usaha.
Agar sebuah organisasi dapat dikatakan berhasil dalam hal analitik SDM nya, tentu saja harus di sertai dengan yang namanya motivasi.
Dengan cara terus memberikan motivasi kepada karyawan, tentunya akan memberikan hasil yang maksimal dalam menghasilkan sebuah hasil yang optimal dalam memajukan sebuah organisasi.
5. REFERENSI
[1] S. Sirait et al., “Selection of the Best Administrative Staff Using Elimination Et Choix Traduisant La Realite (ELECTRE) Method,” in Journal of Physics: Conference Series, 2021, vol.
1933, no. 1, p. 12068.
[2] S. Sirait and K. Sinaga, “Effective BUMDes Management Strategies to Improve Village Economy in Naga Dolok Village, Simalungun Regency,” J.
Mantik, vol. 4, no. 3, pp. 2218–2224, 2020.
[3] B. Nathania, S. Sirait, and A. T. Purba,
“Village Economic Revitalization Through Technology-Based OVOP Approach,” Econ. Dev. Anal. J., vol. 11, no. 4, pp. 405–414, 2022.
[4] S. Sirait and K. Sinaga, “Analisis Strategi Pemasaran Terhadap Minat Nasabah Pada Perbankan Di Pematangsiantar,” J.
Ekon. dan Bisnis, vol. 3, no. 1, p. 248, 2020, doi: 10.37600/ekbi.v3i1.126.
[5] S. Sirait and C. Calen, “PENGARUH
KUALITAS PELAYANAN
(DISTRIBUTIVE JUSTICE,
PROCEDURAL JUSTICE,
INTERNATIONAL JUSTICE)
TERHADAP KEPUASAN NASABAH,”
J. Ekon. dan Bisnis, vol. 4, no. 1, pp.
449–459, 2021.
[6] S. Sirait, “MOTIVASI SEBAGAI FAKTOR PENINGKATAN KINERJA KEPOLISIAN,” J. Ekon. dan Bisnis, vol.
2, no. 1, pp. 167–177, 2019.
[7] H. Ahyar et al., Buku Metode Penelitian Kualitatif & Kuantitatif, no. March.
2020.
[8] L. S. Asipi, U. Rosalina, and D.
Nopiyadi, “The Analysis of Reading Habits Using Miles and Huberman Interactive Model to Empower Students’
Literacy at IPB Cirebon,” Int. J. Educ.
Humanit., vol. 2, no. 3, pp. 117–125, 2022, doi: 10.58557/ijeh.v2i3.98.
[9] V. Fernandez and E. Gallardo-Gallardo,
“Tackling the HR digitalization challenge: key factors and barriers to HR analytics adoption,” Compet. Rev., vol.
31, no. 1, pp. 162–187, 2021, doi:
10.1108/CR-12-2019-0163.
[10] M. A. Thalib, “Pelatihan Analisis Data Model Miles Dan Huberman Untuk Riset Akuntansi Budaya,” Madani J.
Pengabdi. Ilm., vol. 5, no. 1, pp. 23–33, 2022, doi: 10.30603/md.v5i1.2581.
