DASHBOARD DINAMIKA KARYAWAN DAN ATTRITION TAHUN 2024 MENGGUNAKAN STATISTIKA DESKRIPTIF

Main Article Content

Azzam Pahlawan Ramadhan
Sri Widowati
Novi Tri Ratnasari
Nauval Syahrevi
Leroy Belva Ferdiansyah
Maulana Iqbal Mahendra

Abstract

Karyawan merupakan salah satu komponen penting dalam perusahaan karena mereka berperan signifikan dalam memengaruhi kinerja perusahaan. Oleh karena itu, mengamati dinamika karyawan menjadi hal yang krusial. Di sisi lain, tingkat attrition atau jumlah karyawan yang keluar dari pekerjaan cenderung meningkat seiring perkembangan dunia industri. Meskipun fenomena ini lumrah, tingginya angka attrition dapat merugikan perusahaan jika tidak dikelola dengan baik. Maka dari itu, perusahaan perlu meminimalkan angka attrition dengan menyediakan fasilitas atau perlakuan khusus bagi karyawan. Untuk memahami dinamika karyawan yang berkontribusi terhadap attrition, diperlukan analisis mendalam. Penelitian ini berfokus pada analisis dinamika karyawan dan attrition menggunakan statistik deskriptif yang divisualisasikan melalui dashboard. Hasil analisis menunjukkan posisi kerja dengan rata-rata pendapatan tertinggi adalah Sales Executive (€2.285.590 per bulan), sedangkan posisi dengan pendapatan terendah adalah Human Resources (€220.259 per bulan). Kelompok usia 30-39 tahun mendominasi jumlah karyawan yang menunjukkan preferensi perusahaan terhadap tenaga kerja di usia produktif, karena mereka umumnya memiliki energi lebih besar dan cenderung menerima pendapatan bulanan yang lebih tinggi dibandingkan kelompok usia lainnya. Selain itu, posisi Sales Executive memiliki jumlah karyawan terbanyak dengan tingkat kepuasan kerja yang relatif tinggi, sedangkan Healthcare Representative memiliki tingkat kepuasan kerja terendah. Departemen Research and Development, Sales Executive, dan Healthcare menunjukkan tingkat keterikatan yang tinggi dengan rendahnya angka attrition atau bahkan tidak ada sama sekali. Di sisi lain, jumlah attrition karyawan pria lebih tinggi dibandingkan karyawan wanita, yang kemungkinan disebabkan oleh perbedaan kepuasan kerja antara kedua kelompok.

Article Details

How to Cite
Ramadhan, A., Widowati, S., Ratnasari, N., Syahrevi, N., Ferdiansyah, L., & Mahendra, M. (2024). DASHBOARD DINAMIKA KARYAWAN DAN ATTRITION TAHUN 2024 MENGGUNAKAN STATISTIKA DESKRIPTIF . Kohesi: Jurnal Sains Dan Teknologi, 5(12), 31–40. https://doi.org/10.3785/kohesi.v5i12.9150
Section
Articles

References

S. Maskare, "A Study on Attrition and Retention with Reference to TCS," GSCEN Journal,.2024.

N. K. Siskayanti & I. G. Sanica, "Pengaruh Fleksibilitas Kerja, Motivasi Kerja, dan Stres Kerja Terhadap Kinerja Karyawan BPJS Ketenagakerjaan Bali Denpasar," Jurnal Ilmu Manajemen Terapan, vol. 8, no. 1, pp. 32-40, 2022.

D. E. Novita & Syamsunasir, "Pengaruh Fleksibilitas Kerja terhadap Kinerja Sumber Daya Manusia," Humanis: Humanities, Management and Science, vol. 4, no. 2, pp. 1044–1053, Juli 2024.

J. A. Jakubiec, M. C. Doelling, & O. Heckmann, "Dynamic Building Environment Dashboard: Spatial Simulation Data Visualization in Sustainable Design," Technology, Knowledge and Learning, vol. 22, no. 1, pp. 29-48, 2017.

T. Thangaraja, M. Maharudappa, M. Bakkiyaraj, L. Johari, U. E. Maheswari, & S. Muthuvel, "AI-Powered HR Technology Implementation for Business Growth in Industrial 5.0," in Multidisciplinary Applications of Extended Reality for Human Experience, T. Kajla, P. Kumar, and H. Singh, Eds. IGI Global, 2024, pp. 30, Doi: 10.4018/978-9-3693-2432-5.ch009.

J. H. Salina, "Humanizing the culture of technology teams: Strategies for creating healthier and more productive work environments," Journal of Software Engineering and Applications, vol. 12, no. 3, pp. 45–60, 2023.

P. Banerjee, "Towards an Automated, Vigilant, and Strategic HRM Function in Industry 5.0," in Managing Technology Integration for Human Resources in Industry 5.0, Chapter 6, IGI Global, Feb. 2023, pp. 97-114, doi: 10.4018/978-1-6684-6745-9.ch006.

C. Di Prima, "Assessing HR Analytics Impact: A Contingency Theory of HR Management Perspective," Journal of Human Resource Analytics, vol. 12, no. 3, pp. 145-167, 2024.

M. Ho-Peltonen, Predictive People Analytics and Its Application in Employee Attrition Prediction. Doria.fi, 2024. Doi: https://www.doria.fi/handle/10024/188982.

H. Chen, R. H. L. Chiang, and V. C. Storey, "Visual data analytics: Insights from interactive dashboards," MIS Quarterly, vol. 44, no. 1, pp. 13–31, 2020.

A. P. Ramadhan, V. A. Putri, & S. P. Wulandari, "Analisis Pengaruh Gangguan Tidur Terhadap Usia dan Durasi Tidur Menggunakan Metode MANOVA," Scientica: Jurnal Ilmiah Sains dan Teknologi, vol. 3, no. 1, pp. 887-896, 2024.

P.B. Berg, M.K. Hamman, & M.M. Piszczek, "The relationship between employer-provided training and the retention of older workers: Evidence from Germany," International Labour Review, vol. 156, no. 1, pp. 45-60, 2017.

S. W. Jung, et al., "The association between long working hours and work-related musculoskeletal symptoms of Korean wage workers: data from the fourth Korean working conditions survey," Annals of Occupational, 2018

K. N. Gangai, "Attrition at Workplace: How and Why in Hotel Industry," International Journal of Applied Services Marketing Perspectives, vol. 2, no. 3, pp. 435–442, 2013.

S. Yang & M.T. Islam, "Analisis Attrition Karyawan IBM," arXiv preprint arXiv:2012.01286, 2020. Doi: https://arxiv.org/pdf/2012.01286