HR Analytics untuk UMKM: 6 Metrik, Rumus, dan Cara Membaca Angkanya
HR analytics adalah cara memakai data karyawan yang sudah Anda punya untuk mengambil keputusan. Panduan ini memuat 6 metrik untuk UMKM, rumus tiap metrik, contoh hitung, dan batas etisnya.

HR analytics adalah praktik mengolah data karyawan yang sudah Anda kumpulkan setiap hari, seperti catatan kehadiran, keterlambatan, lembur, upah, dan pengunduran diri, menjadi angka yang bisa dibandingkan lalu dipakai untuk mengambil keputusan. Intinya sederhana: berhenti menebak, mulai menghitung. Kabar baiknya untuk pemilik usaha kecil, Anda hampir pasti sudah punya seluruh bahan mentahnya. Yang belum terjadi adalah pengolahannya. Data itu menumpuk di aplikasi absensi, di buku kas, dan di kepala Anda sendiri, tanpa pernah diubah menjadi angka yang bisa dibaca. Panduan ini membedah enam metrik yang realistis untuk usaha kecil, rumus tiap metrik lengkap dengan contoh hitung, cara membaca angkanya menjadi tindakan, jebakan menyimpulkan dari data yang terlalu sedikit, dan batas etis serta hukum yang tidak boleh Anda lewati.
Apa itu HR analytics dan kenapa UMKM sudah punya bahannya
Istilah HR analytics sering terdengar seperti milik perusahaan besar dengan tim data sendiri. Kenyataannya, yang dimaksud hanyalah tiga langkah: kumpulkan data karyawan secara konsisten, ubah menjadi rasio yang bisa dibandingkan, lalu pakai rasio itu untuk memutuskan sesuatu. Langkah ketiga inilah yang paling sering hilang. Banyak usaha sudah punya rekap kehadiran rapi, tetapi rekap itu berhenti di folder dan tidak pernah mengubah satu keputusan pun.
Perbedaan antara laporan dan analitik terletak pada pertanyaannya. Laporan menjawab apa yang terjadi, misalnya ada 62 kejadian keterlambatan bulan lalu. Analitik menjawab pertanyaan berikutnya, misalnya apakah 62 itu lebih banyak atau lebih sedikit dari tiga bulan sebelumnya, terkonsentrasi di siapa, terjadi di hari apa, dan berapa jam kerja yang hilang karenanya. Pertanyaan kedua itulah yang menghasilkan tindakan.
Untuk usaha dengan 10 sampai 100 karyawan, ambisinya harus dijaga tetap rendah. Anda tidak sedang membangun model prediksi. Anda sedang membuat enam angka yang dihitung sekali sebulan, dicatat berurutan di satu lembar kerja, lalu dibaca bersama dalam rapat singkat. Kalau praktik sesederhana itu berjalan dua belas bulan berturut-turut, hasilnya sudah jauh melampaui mayoritas usaha sejenis yang mengandalkan ingatan.
Pendapat kami di Absenia, hambatan terbesar HR analytics di UMKM bukan matematika, melainkan kualitas data mentah. Kalau kehadiran masih dicatat manual di buku dan bisa diisi belakangan, rasio secantik apa pun yang Anda hitung dari data itu hanya akan memberi rasa percaya diri yang keliru. Benahi dulu cara datanya masuk, baru olah. Kalau Anda belum yakin fondasinya cukup, kami uraikan susunan sistem data karyawan di panduan apa itu HRIS dan cakupan kerjanya di manajemen SDM.
HR analytics adalah mengubah data karyawan yang sudah ada menjadi rasio yang dibandingkan antarperiode, lalu memakainya untuk memutuskan sesuatu. Untuk UMKM, enam angka yang dihitung rutin jauh lebih berharga daripada dasbor mahal yang tidak pernah dibuka.
Empat sumber data yang sudah ada di usaha Anda
Sebelum bicara rumus, ada baiknya Anda tahu persis dari mana angkanya datang. Hampir semua metrik di panduan ini bersumber dari empat tempat yang sudah Anda miliki, bahkan kalau usaha Anda belum pernah memakai sistem HR apa pun.
Pertama, catatan kehadiran. Ini sumber paling kaya sekaligus paling sering disia-siakan. Isinya tanggal, jam masuk, jam pulang, dan pada sistem modern juga lokasi. Dari satu tabel itu saja Anda bisa menurunkan tingkat kehadiran, tingkat keterlambatan, sebaran keterlambatan per hari dalam seminggu, dan jam kerja aktual. Cara merapikannya kami bahas terpisah di panduan rekap absensi.
Kedua, catatan cuti dan izin. Yang penting di sini bukan jumlahnya, melainkan pemisahannya. Ketidakhadiran karena cuti tahunan yang sudah disetujui bukan masalah kedisiplinan, itu hak yang dijamin undang-undang. Pasal 79 ayat 3 dalam teks yang berlaku setelah perubahan lewat UU Nomor 6 Tahun 2023 menyebut cuti tahunan paling sedikit 12 hari kerja setelah karyawan bekerja 12 bulan secara terus-menerus. Kalau cuti sah dan mangkir tanpa keterangan Anda campur dalam satu angka, kesimpulannya pasti keliru.
Ketiga, catatan lembur. Sumber ini paling langsung berhubungan dengan uang, karena setiap jam lembur punya nilai rupiah yang diatur. Anda butuh jam lembur per orang per hari, bukan sekadar totalnya, karena pengali upahnya berbeda antara jam pertama dan jam berikutnya.
Keempat, catatan keluar masuk karyawan. Cukup empat kolom: nama, tanggal masuk, tanggal keluar, dan alasan keluar. Banyak usaha kecil tidak punya tabel ini sama sekali, padahal membuatnya hanya butuh setengah jam dan langsung membuka metrik turnover beserta lama mengisi lowongan.

Menurut pengalaman kami di lapangan, tiga dari empat sumber ini biasanya sudah tersedia, dan yang hilang hampir selalu yang keempat. Kalau Anda hanya sempat menambah satu kebiasaan baru bulan ini, tambahkan tabel keluar masuk karyawan. Biayanya nol dan nilainya paling besar, karena tanpa tabel itu Anda tidak akan pernah tahu apakah usaha Anda sedang kehilangan orang lebih cepat dari sebelumnya.
Enam metrik yang benar-benar berguna untuk usaha kecil
Daftar metrik HR yang beredar di internet bisa memuat puluhan item, dari employee net promoter score sampai revenue per employee. Sebagian besar tidak relevan untuk usaha dengan 20 orang karena datanya tidak ada atau jumlah sampelnya terlalu kecil untuk berarti. Enam metrik berikut kami pilih dengan dua syarat: datanya sudah Anda punya, dan angkanya bisa langsung diterjemahkan menjadi tindakan.
Semua contoh angka di tabel dan di seluruh panduan ini adalah contoh ilustrasi dari satu usaha rekaan bernama Toko Roti Melati, dengan 20 karyawan dan 22 hari kerja dalam bulan yang diamati. Angkanya kami buat konsisten dari awal sampai akhir supaya Anda bisa menelusuri setiap hitungan sendiri, bukan angka nyata dari perusahaan mana pun.
| Metrik | Rumus | Contoh ilustrasi | Cara membacanya |
|---|---|---|---|
| Tingkat kehadiran | Hari hadir dibagi hari kerja terjadwal, dikali 100 persen | 409 dibagi 440 sama dengan 92,95 persen | Angka kasar. Pisahkan dulu cuti sah dari mangkir sebelum menilai siapa pun |
| Tingkat mangkir tanpa keterangan | Hari tanpa keterangan dibagi hari kerja terjadwal, dikali 100 persen | 8 dibagi 440 sama dengan 1,82 persen | Inilah angka kedisiplinan yang sebenarnya. Naik tajam berarti ada yang berubah |
| Tingkat keterlambatan | Kejadian terlambat dibagi hari hadir, dikali 100 persen | 62 dibagi 409 sama dengan 15,16 persen | Cek sebarannya. Merata berarti masalah jadwal, menumpuk berarti masalah orang |
| Turnover karyawan setahun | Karyawan keluar dibagi rata-rata jumlah karyawan, dikali 100 persen | 5 dibagi 19 sama dengan 26,32 persen | Bandingkan dengan tahun lalu, bukan dengan patokan industri tanpa sumber |
| Jam lembur per orang | Total jam lembur dibagi jumlah karyawan | 240 dibagi 20 sama dengan 12 jam sebulan | Rata-rata menipu. Selalu lihat siapa penyumbang terbesarnya |
| Biaya lembur terhadap upah | Total biaya lembur dibagi total upah sebulan, dikali 100 persen | Rp 8.400.000 dibagi Rp 62.760.000 sama dengan 13,38 persen | Kalau menetap tinggi, itu tanda kekurangan orang, bukan tanda tim rajin |
| Lama mengisi lowongan | Total hari mengisi seluruh lowongan dibagi jumlah lowongan | 84 dibagi 3 sama dengan 28 hari | Kalikan dengan jumlah resign setahun untuk melihat total hari posisi kosong |
Anda mungkin memperhatikan tabel ini berisi tujuh baris untuk enam metrik. Itu disengaja. Tingkat kehadiran dan tingkat mangkir tanpa keterangan berasal dari satu keluarga data yang sama, tetapi memisahkannya adalah keputusan paling menentukan dalam seluruh panduan ini. Pendapat kami di Absenia, menggabungkan cuti sah dengan mangkir dalam satu angka kehadiran adalah kesalahan paling umum dan paling merugikan, karena membuat karyawan yang memakai haknya secara benar terlihat sama buruknya dengan yang menghilang tanpa kabar.
Perhatikan juga bahwa tidak satu pun metrik di atas mengukur produktivitas secara langsung. Itu bukan kelalaian. Produktivitas sangat bergantung pada jenis pekerjaan dan hampir selalu butuh indikator yang disusun khusus, yang kami bahas terpisah di contoh KPI karyawan. Enam metrik ini mengukur kesehatan operasional tenaga kerja Anda, dan itu masalah yang berbeda.
Rumus dan contoh hitung tiap metrik
Bagian ini menelusuri setiap hitungan sampai ke angka terakhir, memakai contoh ilustrasi Toko Roti Melati yang sama. Data mentahnya begini: 20 karyawan, 22 hari kerja dalam bulan yang diamati, sehingga hari kerja terjadwal berjumlah 20 dikali 22 sama dengan 440 hari orang. Dari 440 itu, 409 tercatat hadir dan 31 tidak hadir. Angka 31 itu terdiri dari cuti tahunan 12 hari, sakit dengan surat dokter 11 hari, dan tanpa keterangan 8 hari.
Tingkat kehadiran. Bagi hari hadir dengan hari kerja terjadwal. Hasilnya 409 dibagi 440 sama dengan 0,9295, atau 92,95 persen. Angka ini terlihat rendah padahal sebagian besar penyebabnya adalah hak yang sah. Karena itu hitung juga versi yang lebih tajam: tingkat mangkir tanpa keterangan, yaitu 8 dibagi 440 sama dengan 0,0182, atau 1,82 persen. Angka kedua inilah yang layak Anda pantau tiap bulan.
Tingkat keterlambatan. Bagi jumlah kejadian terlambat dengan jumlah hari hadir, karena orang hanya bisa terlambat pada hari dia masuk. Di contoh ini tercatat 62 kejadian terlambat dari 409 hari hadir, sehingga 62 dibagi 409 sama dengan 0,1516, atau 15,16 persen. Lanjutkan ke satuan menit supaya terasa nyata. Total keterlambatan 930 menit, sehingga rata-rata per kejadian adalah 930 dibagi 62 sama dengan 15 menit, dan rata-rata per karyawan adalah 930 dibagi 20 sama dengan 46,5 menit sebulan. Dalam satuan jam kerja, 930 dibagi 60 sama dengan 15,5 jam yang hilang dalam satu bulan.
Turnover karyawan. Hitung untuk periode satu tahun, bukan satu bulan. Toko Roti Melati memulai tahun dengan 18 karyawan dan menutupnya dengan 20, sehingga rata-rata jumlah karyawan adalah 18 ditambah 20 lalu dibagi 2 sama dengan 19. Sepanjang tahun itu 5 orang keluar. Maka turnover setahun adalah 5 dibagi 19 sama dengan 0,2632, atau 26,32 persen. Sebagai pemeriksa silang, jumlah karyawan yang direkrut pasti 20 dikurangi 18 ditambah 5 sama dengan 7 orang. Pembahasan sebab dan penanganannya kami pisahkan di panduan turnover karyawan.
Jam lembur per orang. Bulan itu tercatat 240 jam lembur untuk seluruh tim, sehingga rata-ratanya adalah 240 dibagi 20 sama dengan 12 jam per karyawan. Sekarang bongkar rata-rata itu. Ternyata 240 jam tersebut hanya berasal dari 6 orang, sehingga rata-rata bagi mereka adalah 240 dibagi 6 sama dengan 40 jam sebulan, sementara 14 orang sisanya sama sekali tidak lembur. Periksa juga batas hukumnya. PP Nomor 35 Tahun 2021 Pasal 26 ayat 1 membatasi waktu kerja lembur paling lama 4 jam dalam satu hari dan 18 jam dalam satu minggu. Kalau di minggu tertentu ada satu orang yang mencapai 19 jam lembur, batas itu sudah terlewati dan soalnya berubah dari efisiensi menjadi kepatuhan.
Biaya lembur terhadap upah. Ini metrik yang paling banyak langkahnya, jadi kami rinci di tabel di bawah. Asumsinya, enam karyawan yang lembur masing-masing menerima upah sebulan Rp 3.460.000 dan lembur 2 jam per hari selama 20 hari kerja, sehingga 6 dikali 20 dikali 2 sama dengan 240 jam, cocok dengan angka sebelumnya. Dasar hukumnya PP Nomor 35 Tahun 2021 Pasal 32 ayat 2 untuk upah sejam sebesar 1/173 upah sebulan, dan Pasal 31 ayat 1 untuk pengali 1,5 kali pada jam lembur pertama serta 2 kali pada jam berikutnya di hari kerja biasa. Uraian lengkap rumus lemburnya ada di cara menghitung uang lembur, dan dasar jam kerjanya di aturan jam kerja karyawan.
| Langkah | Perhitungan | Hasil |
|---|---|---|
| Upah sejam | Rp 3.460.000 dibagi 173 | Rp 20.000 |
| Jam lembur pertama tiap hari | 1,5 dikali Rp 20.000 | Rp 30.000 |
| Jam lembur kedua tiap hari | 2 dikali Rp 20.000 | Rp 40.000 |
| Upah lembur per orang per hari | Rp 30.000 ditambah Rp 40.000 | Rp 70.000 |
| Upah lembur per orang sebulan | Rp 70.000 dikali 20 hari | Rp 1.400.000 |
| Total biaya lembur enam orang | Rp 1.400.000 dikali 6 | Rp 8.400.000 |
| Total upah sebulan seluruh tim | 6 dikali Rp 3.460.000 ditambah 14 dikali Rp 3.000.000 | Rp 62.760.000 |
| Rasio biaya lembur terhadap upah | Rp 8.400.000 dibagi Rp 62.760.000 | 13,38 persen |

Satu catatan penting soal penyebut. Kalau Anda memilih membandingkan biaya lembur dengan total biaya tenaga kerja termasuk lemburnya sendiri, hasilnya berbeda: Rp 8.400.000 dibagi Rp 71.160.000 sama dengan 11,80 persen. Kedua cara sama-sama sah, tetapi Anda harus memilih satu dan memakainya terus. Mengganti penyebut di tengah jalan adalah cara tercepat membuat tren Anda sendiri tidak bisa dibaca.
Lama mengisi lowongan. Hitung jarak hari dari lowongan dibuka sampai kandidat menerima tawaran, lalu rata-ratakan. Tahun itu Toko Roti Melati membuka tiga lowongan dengan lama pengisian 18 hari, 27 hari, dan 39 hari. Totalnya 18 ditambah 27 ditambah 39 sama dengan 84 hari, sehingga rata-ratanya adalah 84 dibagi 3 sama dengan 28 hari. Gabungkan dengan angka turnover tadi: 5 orang keluar dikali 28 hari sama dengan 140 hari posisi kosong sepanjang tahun.
Cara membaca angka menjadi keputusan
Angka tidak pernah menyuruh Anda melakukan apa pun. Yang dilakukan angka adalah mempersempit daftar kemungkinan sehingga percakapan Anda menjadi lebih tepat sasaran. Berikut cara kami menerjemahkan angka contoh di atas menjadi tindakan.
Mulai dari yang paling mahal. Biaya lembur Rp 8.400.000 sebulan setara dengan 2,4 kali upah bulanan seorang karyawan pada tingkat Rp 3.460.000, karena Rp 8.400.000 dibagi Rp 3.460.000 menghasilkan sekitar 2,4. Sementara itu, beban kerjanya sendiri hanya setara 1,4 orang penuh waktu, karena satu karyawan bekerja 8 jam dikali 22 hari sama dengan 176 jam sebulan, dan 240 dibagi 176 menghasilkan sekitar 1,4. Dua angka itu berdampingan memberi arah yang jelas: menambah satu orang kemungkinan lebih murah daripada terus membayar lembur, dan Anda kini punya dasar berhitung untuk membicarakannya, bukan sekadar firasat bahwa lembur terasa mahal.
Lanjut ke keterlambatan. Angka 15,16 persen sendirian tidak berguna. Yang berguna adalah sebarannya. Kalau 62 kejadian itu tersebar hampir merata di 20 orang, penyebabnya kemungkinan besar sistemik, misalnya jam masuk yang tidak realistis dengan kondisi lalu lintas atau shift yang bertabrakan. Kalau 40 dari 62 kejadian berasal dari 3 orang, penyebabnya individual dan penanganannya adalah percakapan, bukan perubahan kebijakan untuk semua orang. Salah membaca di titik ini membuat Anda menghukum 17 orang karena perbuatan 3 orang.

Untuk turnover, pisahkan yang Anda sesali dari yang melegakan. Dari 5 orang yang keluar, mungkin 2 di antaranya memang tidak cocok dan kepergiannya membantu. Turnover yang perlu Anda kejar adalah angka untuk 3 orang sisanya. Pemisahan ini jauh lebih menentukan daripada membandingkan persentase total dengan usaha lain. Untuk mengaitkannya dengan performa, kami bahas kerangkanya di penilaian kinerja karyawan.
Kalau Anda ingin memulai, urutan 30 hari berikut yang kami sarankan. Minggu pertama, kunci cara data kehadiran masuk supaya tidak bisa diisi belakangan. Minggu kedua, buat tabel keluar masuk karyawan dan isi mundur sejauh yang Anda ingat. Minggu ketiga, hitung enam metrik untuk bulan berjalan dan simpan di satu lembar kerja dengan satu baris per bulan. Minggu keempat, bahas hasilnya 30 menit bersama satu orang lain, dan pilih satu tindakan saja. Satu tindakan yang dijalankan mengalahkan sepuluh temuan yang hanya dicatat.
Setiap kali sebuah metrik bergerak tajam, tahan dulu kesimpulannya dan tanyakan satu hal: apakah cara menghitungnya berubah bulan ini. Penambahan karyawan baru, perubahan jumlah hari kerja, atau pergantian aturan shift bisa menggerakkan angka tanpa ada perubahan perilaku sama sekali. Periksa penyebutnya sebelum menyalahkan orang.
Soal patokan industri yang beredar tanpa sumber
Begitu Anda mencari benchmark HR di internet, angka bulat akan langsung berdatangan. Turnover sehat katanya di bawah sepuluh persen. Tingkat kehadiran yang baik katanya di atas 95 persen. Lama mengisi lowongan yang wajar katanya 30 sampai 45 hari. Angka-angka itu terlihat meyakinkan karena diulang di banyak tempat sekaligus.
Kami memilih tidak mengutip satu pun dari angka itu, dengan alasan yang ingin kami sampaikan terus terang. Saat kami telusuri, patokan semacam itu hampir selalu dirujuk tanpa tautan ke dokumen aslinya, atau merujuk ke artikel lain yang juga tidak menyertakan sumber. Kalaupun sumber aslinya bisa ditemukan, biasanya berasal dari survei perusahaan besar di negara lain dengan sektor, ukuran, dan struktur pasar tenaga kerja yang jauh berbeda dari toko roti atau bengkel di Yogyakarta. Menempelkan angka itu ke usaha Anda bukan pembanding, itu tebakan yang dibungkus dengan tampilan ilmiah.
Ada juga masalah aritmetika yang lebih mendasar. Persentase menjadi liar ketika jumlah orangnya sedikit. Pada tim 19 orang, satu pengunduran diri saja sudah menggeser turnover sebesar 1 dibagi 19, yaitu 5,26 poin persen. Artinya usaha Anda bisa melompat dari sisi aman ke sisi mengkhawatirkan menurut patokan mana pun hanya karena satu orang pindah kota mengikuti pasangannya. Patokan yang dirancang untuk perusahaan seribu karyawan tidak punya makna di angka sekecil itu.
Jadi apa penggantinya. Bandingkan angka Anda dengan angka Anda sendiri. Simpan enam metrik itu per bulan, dan setelah setahun Anda akan punya pembanding yang jauh lebih relevan daripada benchmark mana pun: usaha Anda sendiri di periode sebelumnya, dengan sektor, lokasi, dan skala yang persis sama. Pendapat kami di Absenia, tren dua belas bulan milik sendiri lebih berharga daripada satu angka patokan yang tidak bisa Anda buka sumbernya.
Jebakan menyimpulkan dari data yang terlalu sedikit
Inilah bahaya terbesar HR analytics di usaha kecil, dan jarang dibahas karena tidak enak didengar. Semakin sedikit orang dan semakin pendek periodenya, semakin mudah sebuah angka menipu Anda. Ada tiga bentuk jebakan yang paling sering kami lihat.
Menyetahunkan periode pendek. Misalkan bulan ini 1 orang keluar dari rata-rata 20 karyawan. Turnover bulanan berarti 1 dibagi 20 sama dengan 5 persen. Kalau angka itu dikalikan 12 untuk memperkirakan setahun, hasilnya 60 persen, dan Anda akan panik. Padahal pada contoh Toko Roti Melati tadi, turnover setahun penuh yang sebenarnya adalah 26,32 persen. Selisihnya bukan karena salah hitung, melainkan karena satu bulan tidak pernah mewakili dua belas bulan. Untuk metrik yang kejadiannya jarang seperti turnover dan lama mengisi lowongan, gunakan periode satu tahun.
Memecah tim sampai terlalu kecil. Godaan berikutnya adalah membandingkan antardivisi. Divisi produksi berisi 12 orang dan 2 keluar, jadi 2 dibagi 12 sama dengan 16,67 persen. Divisi admin berisi 3 orang dan 1 keluar, jadi 1 dibagi 3 sama dengan 33,33 persen. Terlihat seperti admin bermasalah dua kali lipat, padahal satu orang saja sudah cukup menciptakan selisih sebesar itu. Pada kelompok di bawah lima orang, sebaiknya sebut jumlah orangnya saja dan jangan diubah menjadi persentase.
Mencari sebab pada satu titik data. Keterlambatan naik bulan ini, dan kebetulan bulan ini juga ada aturan shift baru, jadi aturan shift dianggap penyebabnya. Mungkin benar, mungkin juga bulan ini hujan hampir setiap pagi. Satu bulan tidak bisa membedakan keduanya. Aturan praktis kami sederhana: jangan mengubah kebijakan karena satu titik data. Tunggu tiga periode, atau kalau memang mendesak, tanyakan langsung kepada orang yang terlibat sebelum mengubah apa pun.
Perlu jujur kami sampaikan, di usaha berskala 10 sampai 30 orang sebagian besar metrik HR memang tidak akan pernah cukup kuat secara statistik. Nilai utamanya bukan pada ketepatan angka, melainkan pada disiplin mencatat dan pada percakapan yang dipicunya. Perlakukan angka sebagai alat bertanya, bukan sebagai bukti.
Batas etis dan hukum memakai data karyawan
Bagian ini tidak boleh dilewati, karena semua yang dibahas di atas bekerja dengan data pribadi orang lain. UU Nomor 27 Tahun 2022 tentang Pelindungan Data Pribadi menyebut secara eksplisit di Pasal 16 ayat 1 bahwa pemrosesan Data Pribadi mencakup pemerolehan dan pengumpulan, pengolahan dan penganalisisan, penyimpanan, perbaikan dan pembaruan, sampai penghapusan atau pemusnahan. Frasa pengolahan dan penganalisisan itu persis menggambarkan apa yang Anda lakukan saat menghitung metrik HR. Jadi HR analytics bukan kegiatan di luar jangkauan undang-undang, ia berada tepat di dalamnya.
Pasal 20 ayat 1 mewajibkan pengendali data pribadi memiliki dasar pemrosesan, dan ayat 2 menyebut beberapa dasar yang sah, antara lain persetujuan eksplisit dari subjek data, pemenuhan kewajiban perjanjian ketika subjek data adalah salah satu pihak, pemenuhan kewajiban hukum, sampai pemenuhan kepentingan sah lainnya dengan memperhatikan tujuan, kebutuhan, dan keseimbangan kepentingan. Untuk usaha kecil, kabar praktisnya adalah pengelolaan kehadiran dan upah umumnya melekat pada hubungan kerja itu sendiri. Yang tetap wajib Anda lakukan adalah menetapkan dasar itu secara sadar dan menyampaikannya, bukan menganggapnya otomatis ada.
Prinsip di Pasal 16 ayat 2 memberi rambu yang mudah diterjemahkan ke praktik sehari-hari: pemrosesan dilakukan secara terbatas dan spesifik, sah, dan transparan; sesuai dengan tujuannya; menjamin hak subjek data; dilakukan secara akurat, lengkap, tidak menyesatkan, dan mutakhir; dijaga keamanannya dari akses dan pengungkapan yang tidak sah; tujuan serta aktivitas pemrosesannya diberitahukan; dan datanya dimusnahkan atau dihapus setelah masa retensi berakhir. Pasal 35 menambahkan kewajiban melindungi dan memastikan keamanan data yang diproses.
Satu hal lagi yang khusus relevan untuk absensi modern. Pasal 4 ayat 2 menggolongkan data biometrik sebagai Data Pribadi yang bersifat spesifik, sekelompok dengan data kesehatan dan data keuangan pribadi. Wajah dan sidik jari yang dipakai untuk verifikasi kehadiran masuk kategori itu. Artinya data semacam ini menuntut kehati-hatian lebih tinggi, bukan sekadar diperlakukan seperti kolom biasa di spreadsheet.
Diterjemahkan ke aturan kerja harian, kami sarankan lima hal. Sebutkan tujuannya sebelum mengumpulkan, dan jangan menyimpan data hanya karena siapa tahu berguna nanti. Analisis pada tingkat kelompok lebih dulu, dan turun ke individu hanya kalau ada alasan yang bisa Anda jelaskan di depan orangnya. Jangan pernah menjadikan angka sebagai vonis, karena angka tidak tahu ibu siapa sedang sakit. Batasi siapa yang bisa melihat data mentah, idealnya tidak lebih dari dua orang. Terakhir, hapus data yang sudah lewat masa simpannya, karena data yang tidak Anda simpan tidak bisa bocor.
Pendapat kami di Absenia, uji paling sederhana untuk menilai apakah sebuah analisis pantas dilakukan adalah membayangkan Anda menjelaskan hasilnya langsung kepada karyawan yang datanya dipakai. Kalau Anda merasa perlu menyembunyikannya, hentikan. Data karyawan dikumpulkan untuk membuat pengelolaan lebih adil dan bisa dibuktikan, bukan untuk membangun arsip yang bisa dipakai menyudutkan orang di kemudian hari. Kalau Anda ingin melihat cara kami menyusun data kehadiran dan cuti, silakan telusuri halaman fitur atau bandingkan paketnya di harga, termasuk paket gratis selamanya untuk tim di bawah 10 karyawan.
Pertanyaan yang sering ditanyakan
Apa itu HR analytics dan apa bedanya dengan laporan HR biasa?
HR analytics adalah praktik mengolah data karyawan menjadi angka yang bisa dibandingkan, lalu memakai angka itu untuk mengambil keputusan. Laporan HR biasa berhenti pada daftar kejadian, misalnya siapa saja yang terlambat bulan ini. HR analytics melangkah satu tahap lagi dengan mengubah daftar itu menjadi rasio, membandingkannya dengan periode sebelumnya, lalu menyimpulkan apakah ada yang perlu diubah. Bedanya bukan pada alat, melainkan pada pertanyaan yang diajukan ke data.
Apakah UMKM dengan 20 karyawan sudah perlu HR analytics?
Perlu, tetapi dalam bentuk paling sederhana. Pada skala 20 orang Anda tidak butuh dasbor mahal, cukup enam angka yang dihitung sekali sebulan di spreadsheet dan dicatat berurutan supaya trennya terlihat. Yang membuat praktik ini berguna di usaha kecil bukan kecanggihan alatnya, melainkan konsistensi mencatat. Data satu bulan hampir tidak berarti apa-apa, sedangkan data dua belas bulan berturut-turut sudah cukup untuk menunjukkan pola.
Metrik HR apa yang paling dulu harus dihitung UMKM?
Mulai dari tingkat kehadiran dan tingkat keterlambatan, karena datanya sudah otomatis terkumpul setiap hari dan tidak butuh usaha tambahan. Setelah dua angka itu stabil dicatat selama tiga bulan, tambahkan jam lembur per orang dan biaya lembur terhadap upah, karena keduanya langsung berhubungan dengan uang. Turnover dan lama mengisi lowongan baru masuk akal dihitung setelah Anda punya data satu tahun penuh.
Berapa angka turnover yang wajar untuk UMKM di Indonesia?
Tidak ada angka patokan yang bisa kami sebut dengan jujur. Patokan seperti turnover sehat di bawah sepuluh persen banyak beredar di internet tanpa sumber yang bisa dibuka, dan hampir tidak pernah berasal dari data usaha kecil Indonesia. Yang lebih berguna adalah membandingkan angka Anda dengan angka Anda sendiri di periode sebelumnya, lalu memisahkan resign yang Anda sesali dari resign yang justru melegakan.
Apakah menganalisis data absensi karyawan melanggar UU Perlindungan Data Pribadi?
Tidak otomatis melanggar, tetapi ada syaratnya. UU Nomor 27 Tahun 2022 memasukkan pengolahan dan penganalisisan sebagai bagian dari pemrosesan Data Pribadi, dan Pasal 20 ayat 1 mewajibkan pengendali data memiliki dasar pemrosesan yang sah. Pasal 16 ayat 2 juga menuntut pemrosesan dilakukan secara terbatas, spesifik, sesuai tujuan yang diberitahukan, aman, serta dihapus setelah masa retensi berakhir. Jadi selama tujuannya jelas, disampaikan kepada karyawan, dan datanya dijaga, analisis kehadiran adalah praktik yang wajar.
Alat apa yang dibutuhkan untuk mulai HR analytics di usaha kecil?
Spreadsheet sudah cukup untuk memulai, asalkan data mentahnya rapi. Kesulitan terbesar UMKM biasanya bukan di rumus, melainkan di data kehadiran yang masih dicatat manual sehingga tidak bisa dipercaya. Absenia menyediakan absensi selfie dengan verifikasi GPS, cuti beserta approval, dan rekap yang bisa diekspor, gratis selamanya untuk tim di bawah 10 karyawan. Ekspor itulah yang kemudian Anda olah menjadi enam metrik di panduan ini.
Kenapa rata-rata jam lembur per orang bisa menyesatkan?
Karena pembaginya memasukkan orang yang tidak pernah lembur. Pada contoh di panduan ini, 240 jam lembur dibagi 20 karyawan menghasilkan 12 jam sebulan, angka yang terdengar aman. Padahal 240 jam itu hanya berasal dari 6 orang, sehingga rata-rata bagi mereka adalah 240 dibagi 6 sama dengan 40 jam sebulan, sementara 14 orang lainnya nol. Selisih inilah yang membuat rata-rata berbahaya: ia menyembunyikan kelompok yang mungkin sudah melewati batas hukum. PP Nomor 35 Tahun 2021 Pasal 26 ayat 1 membatasi waktu kerja lembur paling lama 4 jam dalam satu hari dan 18 jam dalam satu minggu, dan batas itu berlaku per orang, bukan per rata-rata tim. Jadi selalu hitung jam lembur tertinggi per orang per minggu, bukan hanya rata-ratanya.
Apakah data wajah atau sidik jari untuk absensi termasuk data pribadi yang khusus?
Ya. Pasal 4 ayat 2 Undang-Undang Nomor 27 Tahun 2022 tentang Pelindungan Data Pribadi menggolongkan data biometrik sebagai Data Pribadi yang bersifat spesifik, sekelompok dengan data kesehatan dan data keuangan pribadi. Wajah dan sidik jari yang dipakai untuk verifikasi kehadiran masuk kategori itu, jadi tidak boleh diperlakukan seperti kolom biasa di spreadsheet. Pasal 35 menambahkan kewajiban melindungi dan memastikan keamanan data yang diproses, sementara Pasal 16 ayat 2 menuntut tujuan pemrosesannya diberitahukan lebih dulu dan datanya dimusnahkan setelah masa retensi berakhir. Secara praktis: sampaikan ke karyawan apa yang direkam dan untuk apa, batasi siapa yang bisa membuka data mentahnya, dan jangan menyimpan lebih lama daripada yang Anda butuhkan.
Sumber
- UU Nomor 27 Tahun 2022 tentang Pelindungan Data Pribadi (Pasal 4 data spesifik, Pasal 16 lingkup dan prinsip pemrosesan, Pasal 20 dasar pemrosesan, Pasal 35 kewajiban keamanan)
- PP Nomor 35 Tahun 2021 (Pasal 21 waktu kerja, Pasal 26 batas lembur 4 jam sehari dan 18 jam seminggu, Pasal 31 pengali upah lembur, Pasal 32 upah sejam 1/173)
- UU Nomor 6 Tahun 2023 tentang Cipta Kerja (Pasal 79 ayat 3, hak cuti tahunan paling sedikit 12 hari kerja, teks berlaku hasil perubahan UU 13/2003)
- UU Nomor 13 Tahun 2003 tentang Ketenagakerjaan (naskah asli yang diubah, untuk menelusuri asal ketentuan waktu kerja dan cuti)


