Business Case

Pada sebuah konsultasi saya diminta membuat skala gaji dengan data-data sebagai berikut :

Melalui regresi linier sederhana maka bisa dibuatkan garis upah dan struktur upah sebagai berikut

## 'data.frame':    30 obs. of  4 variables:
##  $ X          : Factor w/ 30 levels "Accounting Staff",..: 22 18 13 20 17 3 24 5 8 28 ...
##  $ Bobot_kerja: num  6873 6793 6341 6314 6314 ...
##  $ Gaji       : int  12250000 12700000 9042352 10650000 10950000 9800000 11450000 11450001 10700000 8787605 ...
##  $ Job_fit    : num  100 98.5 97 94 95.5 92.5 89.5 91 88 86.5 ...
## 
## Call:
## lm(formula = JE$Gaji ~ JE$Bobot_kerja)
## 
## Residuals:
##      Min       1Q   Median       3Q      Max 
## -1333698  -573310    23152   457747  1435654 
## 
## Coefficients:
##                  Estimate Std. Error t value Pr(>|t|)    
## (Intercept)    -2090736.2   541290.0  -3.863 0.000607 ***
## JE$Bobot_kerja     1966.0      106.9  18.390  < 2e-16 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 747500 on 28 degrees of freedom
## Multiple R-squared:  0.9235, Adjusted R-squared:  0.9208 
## F-statistic: 338.2 on 1 and 28 DF,  p-value: < 2.2e-16

Dari garis upah yang linier tersebutlah kita dapat membuat struktur penggajian dengan melibatkan variabel bobot pekerjaan yang didapatkan dari job evaluasi.

Klien saya bertanya bagaimana jika beliau menginginkan menggunakan pay for position yakni hasil job evaluasi dan tambahan variabel satu lagi yakni kecocokan jabatan yang didapatkan dari hasil assessment sebagai variabel “pay for competence”.

Ini menarik sekali, saya menjawabnya bisa saja dengan model regresi berganda. jadi variabel Y (besarnya gaji) dan compensable factornya hasil job evaluasi dan hasil assessment.

database yang diserahkan pada kami adalah sebagai berikut

Menyusun Struktur dengan Regresi Berganda

## 'data.frame':    30 obs. of  4 variables:
##  $ X          : Factor w/ 30 levels "Accounting Staff",..: 22 18 13 20 17 3 24 5 8 28 ...
##  $ Bobot_kerja: num  6873 6793 6341 6314 6314 ...
##  $ Gaji       : int  12250000 12700000 9042352 10650000 10950000 9800000 11450000 11450001 10700000 8787605 ...
##  $ Job_fit    : num  100 98.5 97 94 95.5 92.5 89.5 91 88 86.5 ...

Berikut Plot untuk Struktur Gaji dengan mempertimbangkan dua variabel yakni bobot kerja dan Kecocokan jabatan.

Demikian jawaban terhadap Klien yang menginginkan struktur penggajiannya dengan memperhitungkan 2 variabel.

Depok, 15 februari 2014

Heru Wiryanto