Breaking News

    Predictive Analytics, Metode Baru dalam Seleksi Karyawan

    Predictive Analytics, Metode Baru dalam Seleksi Karyawan

    Oleh: Muhammad Haidar Ali

    Apa yang anda pikirkan saat mendengar kata Human Resource? Karyawan, perusahaan, bisnis, karir, dan segala hal yang terjadi di dalamnya. Namun ada satu hal yang perlu menjadi perhatian dalam dunia HR, yakni proses rekrutmen dan seleksi yang akan menentukan karyawan dan bahkan perusahaan kedepannya akan seperti apa.

    Di jaman yang serba instan ini, tentu kebanyakan orang ingin semua hal dapat dilakukan dan didapatkan dengan cepat dan mudah. Hampir semua hal telah terkomputerisasi dan membuat orang tak perlu repot lagi mengurus secara manual hingga manejemen SDM pun tak perlu dilakukan secara manual. Contohnya dalam proses rekrutmen dan seleksi karyawan yang biasanya dilakukan menggunakan proses yang konvensional dan membutuhkan waktu yang relatif lama, sekarang mulai bermunculan metode baru yang lebih memudahkan pihak HRD. Salah satunya adalah dengan metode predictive analytics. Sekarang saya akan menjelaskan mengenai proses seleksi yang telah saya laksanakan dengan menggunakan metode predictive analytics, meskipun ini bukan merupakan proses seleksi sebenarnya.

    Apa itu metode Predictive Analytics? Predictive analytics adalah area statistik yang meng-eksrtaksi informasi dari data yang ada dan menggunakannya untuk memprediksikan tren kedepan. Artinya metode predictive analytics ini dapat memprediksikan suatu hal dengan menggunakan analisis dari data yang kita miliki. Lalu bagaimana penggunaannya dalam seleksi karyawan di perusahaan? Sebelum itu kita harus mengetahui terlebih dahulu keuntungan yang akan didapat jika kita sebagai HRD menggunakan metode ini dalam seleksi karyawan. Pertama efisiensi waktu yang biasanya memerlukan waktu lama dalam proses seleksi ini bisa dipangkas hampir setengahnya. Selanjutnya akurasi dari hasil analisis ini sangat akurat, tentunya dengan data dan juga proses perhitungan statistik yang tepat dan dapat dipertanggung jawabkan. Terakhir, dengan adanya metode ini dapat menjadi pembeda dari metode-metode konvensional yang sudah ada sebelumnya.

    Pertanyaan selanjutnya, apa yang harus kita lakukan dan tentunya apa yang kita perlukan? Pertama, mari kita bahas hal-hal yang perlu dipersiapkan dalam menggunakan metode ini. Sebelum mealakukan proses seleksi, pada saat proses rekrutmen akan dilakukan, tentu kita sudah menentukan kriteria dan kualifikasi dari kandidat yang akan kita cari. Kriteria ini yang nantinya akan kita gunakan dalam memprediksi karyawan yang lolos dalam seleksi. Kriteria dibuat untuk memudahkan user mendapatkan variabel prediktor yang dicari. Kriteria berisi model dan aspek yang akan diprediksi, dan nantinya akan menjadi variabel prediktor dari analisis yang dilakukan. Pada seleksi kali ini, kriteria yang saya ambil adalah IQ, hasil lolos atau tidak, dan hasil tes Kraeplin, yang berisi aspek Kecepatan, Ketelitian, dan Keajegan, yang akan dianalisis untuk menentukan predictor dalam seleksi.

    Setelah kriteria ditentukan, tentu kita memerlukan data dari karyawan yang pernah kita rekrut di posisi yang sama, dan tentunya data kandidat yang akan diseleksi. Kumpulkan data karyawan sebanyak-banyaknya, seperti data demografis, data tes, laporan kinerja, dan lain sebagainya, yang akan kita buat menjadi kriteria. Dengan adanya data, kriteria akan didapatkan dan dapat digunakan kepada kandidat. Data yang saya gunakan untuk menentukan kriteria adalah data seleksi karyawan dari sebuah perusahaan di bidang kesehatan dari berbagai posisi yang berjumlah 55 data karyawan.

    Selanjutnya, tentu alat yang kita gunakan agar dapat melakukan analisis prediktif dari metode ini. Terdapat berbagai macam tools yang dapat digunakan, seperti Shiny, Radius, EverString, Infer, dan masih banyak lainnya, namun yang akan kita gunakan sekarang adalah R. Pertanyaannya, apa itu R? Mengapa memilih R? R pada dasarnya adalah bahasa pemograman dan juga perangkat lunak untuk melakukan analisis statistika dan grafik. Fungsi dan kemampuan dari R sebagian besar dapat diperoleh melalui Add‐on packages/library, yang terdiri lebih dari 7800 packages yang tersedia untuk keperluan analisis. Sebagai contoh library yang sangat powerful adalah R-commander dan Rattle yang dapat menyajikan ringkasan data secara statistik dan secara visual dari berbagai sumber data, dan ditransformasi ke dalam bentuk yang siap untuk dimodelkan. R bersifat multiplatforms, tersedia untuk sistem operasi dan yang terpenting R merupakan perangkat lunak Open source alias gratis.

    Hasil dari analisis prediksi yang dilakukan, didapatkan bahwa aspek yang menjadi prediktor utama yang menentukan dalam seleksi adalah aspek Kecepatan dari tes Kraeplin. Sehingga pada seleksi yang akan dilakukan kemudian, faktor ataupun kriteria yang harus diperhatikan adalah Kecepatan.

    Perlu diketahui, dari proses analisis yang saya lakukan masih banyak terdapat kekurangan. Diantaranya data yang digunakan dapat dikatakan kurang baik, karena jumlah data yang sedikit dan aspek ataupun kriteria yang dipilih pun kurang beragam. Sehingga hasil analisis memiliki validitas yang kurang.

    Related posts

    Leave a Reply

    %d bloggers like this: