PENGARUH PENDIDIKAN, PENGALAMAN, UMUR, DAN JAM KERJA TERHADAP PENDAPATAN BULANAN KARYAWAN MENGGUNAKAN MODEL REGRESI LINEAR BERGANDA

Main Article Content

Michael D Sianturi
Imelda Octavia L.Tobing
Fachriz Effendy. K
Bintang Maulana
Gizka Triyunita Sinaga
Yolanda Angelina Sitorus

Abstract

Penelitian ini menganalisis pengaruh tingkat pendidikan, pengalaman kerja, umur, jenis kelamin, dan jumlah jam kerja terhadap pendapatan bulanan karyawan menggunakan model regresi linier berganda. Data dikumpulkan dari karyawan PT. Nubika Jaya Labuhan Batu Selatan. Hasil analisis menunjukkan bahwa umur dan jumlah jam kerja memiliki pengaruh positif signifikan terhadap pendapatan, sedangkan tingkat pendidikan dan pengalaman kerja menunjukkan pengaruh negatif. Model yang digunakan telah melalui uji asumsi klasik, termasuk uji normalitas, multikolinearitas, dan autokorelasi, dengan hasil bahwa asumsi terpenuhi. Dengan nilai Adjusted R-squared sebesar 30,69%, penelitian ini berhasil menjelaskan sebagian variasi pendapatan karyawan berdasarkan variabel independen yang digunakan. Temuan ini memberikan wawasan penting untuk pengembangan kebijakan ketenagakerjaan dan perencanaan karier individu.


Kata Kunci: Pendapatan Karyawan, Regresi Linier Berganda

Downloads

Download data is not yet available.

Article Details

How to Cite
Sianturi, M. D., L.Tobing, I. O., K, F. E., Maulana, B., Sinaga, G. T., & Sitorus, Y. A. (2024). PENGARUH PENDIDIKAN, PENGALAMAN, UMUR, DAN JAM KERJA TERHADAP PENDAPATAN BULANAN KARYAWAN MENGGUNAKAN MODEL REGRESI LINEAR BERGANDA. Trigonometri: Jurnal Matematika Dan Ilmu Pengetahuan Alam, 5(1), 71–80. https://doi.org/10.3483/trigonometri.v5i1.7533
Section
Articles
Author Biographies

Michael D Sianturi, Universitas Negeri Medan

Prodi Statistika, Fakultas Matematika, Universitas Negeri Medan

Imelda Octavia L.Tobing, Universitas Negeri Medan

Prodi Statistika, Fakultas Matematika, Universitas Negeri Medan

Fachriz Effendy. K, Universitas Negeri Medan

Prodi Statistika, Fakultas Matematika, Universitas Negeri Medan

Bintang Maulana, Universitas Negeri Medan

Prodi Statistika, Fakultas Matematika, Universitas Negeri Medan

Gizka Triyunita Sinaga, Universitas Negeri Medan

Prodi Statistika, Fakultas Matematika, Universitas Negeri Medan

Yolanda Angelina Sitorus, Universitas Negeri Medan

Prodi Statistika, Fakultas Matematika, Universitas Negeri Medan

References

Agustinus Aryanto, D. (2017). ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PENDAPATAN BURUH NELAYAN

Aprilia, T. (2023). PENGARUH PENDIDIKAN, PENGALAMAN KERJA DAN PENDAPATAN TERHADAP LITERASI KEUANGAN IBU RUMAH TANGGA DI KECAMATAN MASAMBA KABUPATEN LUWU UTARA (Doctoral dissertation, UNIVERSITAS MUHAMMADIYAH PALOPO).

Frischa, *, Dwinantarie, P., Balafif, M., & Rahmasari, A. (2022). Volume 2 Nomor 2 2021 Analisis Pengaruh Pengalaman Kerja, Usia, Jam Kerja dan Tingkat Pendidikan terhadap Pendapatan Karyawan di Departement Store Sogo Pakuwon Mall Surabaya. https://doi.org/10.46821/bharanomics.v2i2.258

Putra, P. M. S., & Kartika, N. (2019). Analisis pengaruh modal, umur, jam kerja, pengalaman kerja, dan pendidikan terhadap pendapatan nelayan di Kedonganan. Jurnal Ekonomi Pembangunan Universitas Udayana, 2(2), 1-20.

Padilah, T. N., & Adam, R. I. (2019). Analisis regresi linier berganda dalam estimasi produktivitas tanaman padi di Kabupaten Karawang. FIBONACCI: Jurnal Pendidikan Matematika Dan Matematika, 5(2), 117-128.

Mustofa, S., & Pd. (n.d.-a). PENGARUH lryNrtmil(Ani, JIII(LAa IaM rruR.ra, DAII PENGALAMATI KERJA TERHADAP PENDAPATAI{ TENAGA KERTA IINJUT USIA DI IIIIX)NE,SIA.

Nurhayati.(2019). PENGARUH USIA, PENDIDIKAN, DAN PENDAPATAN TERHADAP LITERASI KEUANGAN PADA IBU RUMAH TANGGA ( STUDI KASUS KELURAHAN BAGAN BATU KECAMATAN BAGAN SINEMBAH KABUPATEN ROKAN HILIR)

Prasetyo, R. A., & Helma, H. (2022). Analisis Regresi Linear Berganda Untuk Melihat Faktor Yang Berpengaruh Terhadap Kemiskinan di Provinsi Sumatera Barat. Journal of Mathematics UNP, 7(2), 62-68.

Sinaga, W. A. L., Sumarno, S., & Sari, I. P. (2022). The Application of Multiple Linear Regression Method for Population Estimation Gunung Malela District. JOMLAI: Journal of Machine Learning and Artificial Intelligence, 1(1), 55–64. https://doi.org/10.55123/jomlai.v1i1.143