Cerita dari Report Salary Survey 2021 @hrdbacot
Hai, ketemu lagi nih setelah hampir setahun yang lalu atau awal tahun ini gue udah ngejelasin tentang gimana sih proses dibalik layar buat report salary survey, kali ini gue kembali berkolaborasi dengan mincot buat Salary Survey 2021, dengan konsep yang kurang lebih sama, mengenai gaji namun dari waktu sedikit dipercepat, dari yang di Januari 2021 untuk tahun 2020, sekarang menjadi bulan Desember.
Catatan: Buat yang mungkin baru baca report ini atau agak bingung dengan term yang gue bahas, bisa baca artikel gue tahun lalu ya buat gambaran.
Dibalik Report Salary Survey Ala-Ala 2020 @hrdbacot
Kali ini gue akan kembali ngejelasin tentang gimana proses buatnya, apa aja bedanya dibanding tahun lalu dan gimana nih kondisinya di tahun ini, karena pandemi udah sedikit berbeda dibanding tahun lalu, jadi sepertinya akan ada perubahan menyangkut kemaslahatan masyarakat (re. gaji) ini. Perlu diingat bahwa salary survey yang dilakukan ini sebagai benchmark dan harapannya bisa membantu teman-teman yang bingung sama range gaji dari posisi yang diincar atau ngeliat harga pasar untuk bidang tertentu.
Perbedaan data dengan tahun lalu
Sebagai pemanasan, kali ini coba gue bahas mengenai apa aja sih bedanya dibanding tahun ini, mungkin beberapa dari teman-teman yang ikut berpartisipasi ngerasa kalo surveynya lebih lama/lebih banyak yang perlu diisi dari tahun lalu, dan itu memang wajar, karena memang lebih banyak data yang diambil, bisa dicek di gambar dibawah.
Keliatan kalo temen-temen mincot berusaha untuk mendapatkan data lebih banyak dari sebelumnya dan itu berguna buat gue jadi ada hal lain yang bisa dieksplorasi dan dapat membantu untuk data cleansing karena balik lagi, masalah utama dari data yang diinput sendiri oleh orang lain adalah gak bisa kita kontrol atau ada aja yang typo, kayak gaji 10 juta jadi 100 juta, ketika dicek ke variabel lain rasanya kurang valid, jadi ini masih jadi fokus utama. Ada tambahan data tunjangan, lokasi pendidikan, sampai ke skala perusahaan yang bakal berguna buat mengecek rentang total gajinya.
Perbedaan lain adalah lebih banyaknya pilihan benefit yang dapat dipilih, gue yakin banyak dari teman-teman yang ngerasa kaget kalo tahu ternyata benefit itu ada banyak banget jenisnya, dari tunjangan pendidikan sampai ke perjalanan ibadah. Ini juga berguna banget buat gue analisa karena gue bisa liat kira-kira industri apa yang memberikan banyak benefit dan benefit yang paling sering dikasih sama teman-teman (harusnya ini sih udah ketebak ya).
Dari total respondennya sendiri juga ada peningkatan yang cukup pesat, dari yang tahun lalu sekitar 3 ribuan responden, tahun ini bisa mencapai 12 ribuan (tapi dengan cleansing jadi cuma 11 ribuan), terima kasih banyak ya udah mau bantuin ngisi salary survey, terutama dengan lebih banyak responden jadi lebih banyak data yang muaranya ya jadi lebih baik dalam memetakan gaji ini.
Timeline
Seperti tahun lalu ketika mincot ngasih ke gue datanya (awal masih sample sih) buat ngeliat apa aja yang didapat biar gue juga kebayang kira-kira apa duluan yang perlu dikerjakan, karena balik lagi menentukan langkah buat mulainya ini krusial banget sih, kalo salah dikit bisa berantakan juga kan. Di sini bisa dibilang waktu buat gue analisa sedikit lebih pendek dari tahun lalu yang bisa dibilang 2 mingguan, tahun ini gue dapet sekitar space 10 hari (karena gue juga ada kesibukan lain) jadi bisa dibawah ini sih ngerjainnya. Sebelum ngerjain juga gue barengan sama teman-teman mincot diskusi bareng Pak Arry dari One CHRP yang gue pribadi cukup amazed karena gue satu-satunya rakyat biasa dengan background non-HR tapi beliau cukup oke ngejelasin term terutama buat orang awam kayak gue sih, diskusi soal datanya dan apa aja yang bisa dilakuin dari sana, potential insight apa yang bisa dikasih, dan semacamnya. Baru deh setelahnya masuk ke tahap proses datanya setelah dikasih sama mincot buat full datanya.
[Update] Pada akhirnya rilis di pertengahan Desember karena ada banyak pertimbangan, salah satunya adalah soal bagaimana teman-teman mincot membuat narasi untuk tahun ini terutama berkaitan dengan beberapa hal yang ya kalian baca saat ini, salary surveynya bisa dicek disini ya.
Data Cleansing
Buat yang udah familiar atau mungkin belum mengenai olah data, bagian data cleansing atau bersih-bersih data ini adalah part yang sangat makan waktu, butuh brainstorming juga data apa yang mau dibenerin, serta kadang bisa bolak-balik karena ternyata masih banyak data yang miss atau gak sesuai harapan.
Sebagai gambaran, gue butuh waktu cukup lumayan buat ngeliat data apa yang mau gue gunakan disini, apakah semua data langsung dianalisa, tentu enggak karena banyak banget data yang rasanya kurang relevan, seperti halnya contoh dibawah.
Jadi di dalam Salary Survey tahun ini ada pertanyaan mengenai Range Gaji, yang berarti rentang dari banyak nilai mulai dari dibawah 1 juta sampai ke yang paling tinggi. Namun permasalahannya adalah banyak sekali yang mengisinya masih asal-asalan, ada yang di range gaji diisi 15 sampai 20 juta namun gaji pokok hanya 2 juta saja, nah hal-hal kayak gini yang perlu diproses karena tidak sesuai dengan rentangnya kan.
Apalagi dengan adanya data tambahan berupa Tunjangan Tetap dan Tidak Tetap yang akhirnya membuat semakin berantakannya data tersebut, pada akhirnya gue putusin buat menggunakan data Total Gaji yang berupa Gaji Pokok + Tunjangan Tetap + Tunjangan Tidak Tetap, kemudian dari sana dipilih mana yang sesuai dengan Range Gaji diatas, untuk kesesuaiannya. Intinya di sini ada banyak hal yang perlu diperiksa ulang sih pokoknya, akhirnya dari 12 ribuan data berkurang sehingga jadi cuma 11 ribuan data yang digunakan, dengan segala proses diatas ya, dari sini aja udah cukup makan waktu padahal kolom Gaji ini adalah kunci dari semua hal yang mau diolah kan.
Kemudian setelah diolah kolom Gaji ini, sama kayak tahun lalu jadi dilakukan beberapa perubahan seperti mengganti kolom Lama Pengalaman Kerja yang biasanya cuma diisi berapa tahun (dalam angka) ke dalam rentang mulai dari 0–2 Tahun, 3–5 Tahun, 6–10 Tahun dan >10 Tahun, serta ada beberapa kolom lain agar yang kalian lihat di Salary Survey enggak terlalu padat banget, keep it simple sih.
Exploratory Data Analysis
Di bagian ini ketika data dirasa udah oke waktunya menjawab pertanyaan dari mincot mengenai data ini, yang akan dicantumkan ke Salary Survey, mulai dari Demografi Responden sampai hal-hal lain yang dirasa memungkinkan mempengaruhi gaji. Buat yang udah baca report tahun lalu pasti udah familiar sama grafik dibawah kan, kali ini ada grafik yang berbeda, tujuannya agar biar lebih terlihat persebaran data. Sebelum ini pastilah gue cek apakah ada data outlier (orang-orang yang gajinya diatas normal haha) karena ini bakal berpengaruh ke analisanya, untuk metrik atau angka yang ada digunakan median ya, seperti biasa alasannya bisa dibaca di artikel gue tahun lalu ya, linknya udah ada diatas artikel ini.
Sebenarnya grafik baru ini terinspirasi dari bagaimana sih alternatif dari box plot, sebuah grafik yang pasti asing buat kalian karena jarang banget dipublikasikan secara umum, karena biasanya kan grafik yang pakai yang garis atau kotak-kotak kan, jadi gue mencoba sekalian memberi wawasan mengenai gimana cara baca grafik ini.
Pada dasarnya sebelum baca grafik ini lebih detail, perlu gue jelasin dulu mengenai istilah kuartil, jadi kuartil adalah nilai yang membagi data ke dalam beberapa bagian, anggaplah seperti data-data yang berbaris dan diurutkan dari kecil ke besar, lalu mereka semua dibagi jadi 4 bagian yang sama, maka kita akan dapat kuartil 1 (bagian paling kiri/25% dari data), kemudian kuartil 2 (nilai tengah/median/ 50% dari data), kuartil 3 (bagian ketiga/ 75% dari data). Nah dari sini lah kita bisa ngeliat kira-kira orang-orang ini ada dimana sebarannya, apakah lebih ke yang bergaji besar atau tidak, terus cara bacanya gimana?
batas_atas = Q3 + (1.5 * (Q3 - Q1))
batas_bawah = Q1 - (1.5 * (Q3 - Q1))Oh iya nih buat yang lupa atau belum kebayang kenapa ada batas atas atau batas bawah, sederhananya adalah ini adalah nilai yang menggantikan peran maksimum dan minimum dengan rumus seperti ini, alasannya supaya rentang dari grafik yang disajikan tidak terlampau jauh yang dalam konteks ini, meminimalisir hal “ah gajinya kok pada gede gede banget ya, gak relate nih reportnya” gitu gitu, bisa dicek juga dibawah ini ya buat ngeliat seberapa jauh bedanya.
Kalau tahun lalu gue menyiouguhkan grafik A yang fokus utamanya ke median, jadi biar lebih kebayang nilai tengah dari data tersebut berapa, buat yang lupa atau belum kebayang, jadi cari baca grafik A adalah:
Median dari perusahaan dengan jumlah karyawan dibawah 90 orang adalah 5 juta.
Nah sebenarnya cara baca ini juga bisa dilakukan dengan grafik B, fokus aja ke titik yang ada ditengah. Awal kita bisa baca data dari median masing-masing (titik yang ada ditengah tengah garis), nah kemudian ada gap/selisih yang kosong dari titik ke atas dan ke bawah kan? Nah itu sebenarnya ada datanya, namun gak ditunjukkan, yang berada diatas dan dibawah titik itu lah yang dinamakan kuartil 1 dan kuartil 3. Secara umum, cara membaca grafik B adalah:
50% dari responden yang berada di Pekerjaan A memiliki rentang gaji dari 6.2 sampai 20 juta, dengan nilai tengah/median yaitu 11.5.
Ini bisa jadi acuan juga karena seenggaknya bisa lebih kebayang standarnya orang-orang gajinya ngumpul di angka berapa, gitu. Bentuk analisa yang gue gunakan bersifat deskriptif ya, artinya analisa lebih bersifat apa yang terjadi dengan data responden ini, gimana gaji mereka dengan banyak faktor seperti pendidikan, pengalaman kerja, industri, dan lain-lain, itulah kenapa metrik atau penilaiannya menggunakan yang sederhana seperti median karena lebih mewakili daripada rata-rata (beneran deh wajib baca artikel gue tahun lalu, disana gue udah kasih gambaran kenapanya).
Buat tahun ini emang data yang didapat lebih banyak jadi ada lebih banyak variabel yang bisa dianalisa serta biar bisa menjawab pertanyaan yang lebih bervariatif, terutama yang terbaru adalah ngecek lokasi pendidikan serta lokasi kerja yang secara umum keliatan kalo orang-orang banyak yang kerjanya pindah ke DKI Jakarta.
Insight Report
Setelah semuanya kelar, gue propose hasil analisa ke mincot buat mereka cek, setelahnya ada meeting bareng bahas pembahasan mengenai hasil analisa yang gue buat, sekalian buat cari tahu mana aja yang kira-kira menarik untuk diangkat dari insight tersebut, terutama buat Internship/Magang yang gue lakuin analisanya last-minute banget karena gue ngerasa kalo topik ini relevan untuk diangkat terlebih banyak berita yang rame dan buat seolah-olah magang itu kerja tanpa dibayar, makanya gue cek emang responden kita pada gitu kah. Baru deh setelah aman semua kita ngobrol lagi dengan Pak Arry buat present hasilnya, dan dengan beberapa tambahan jadilah Salary Survey yang sudah kalian nikmati ini.
Project setelah ini
Sebenarnya udah ada kepikiran buat teman-teman yang masih penasaran dengan datanya seperti apa, cari tahu insight sendiri, gue terpikir buat dashboard mengenai salary survey, tapi gue gak bisa janjiin ya apakah akan ada atau enggak (sibuk semua soalnya), semoga jika ada waktu, tenaga, pikiran dan lain-lain bisa gue sama mincot kerjain.
Semoga report ini membantu teman-teman dalam melihat perspektif lain, terutama soal benefit yang jarang banget dibahas padahal di masa seperti ini gak hanya gaji aja yang penting, benefit juga berpengaruh. Buat fresh grad atau yang mau kerja semoga jadi benchmark nantinya di industri yang kalian tuju jadi lebih ada gambaran gitu. Kembali lagi gue ingatkan kalo gaji sangat berpengaruh sama banyak hal, ya dari pengalaman, industri dan yang lain. Jika teman-teman merasa konten ini menarik, bermanfaat atau apapun itu, bisa langsung memberikan claps, follow publikasi ini di Curious with Data dan follow Medium saya.
Stay positive and always curious!
