基于经验的工资预测使用线性回归方法

Irsyad Zulfikar, M. A. Saputra, Nike Prasetyo, Teguh Rijanandi, Faisal Dharma Adhinata
{"title":"基于经验的工资预测使用线性回归方法","authors":"Irsyad Zulfikar, M. A. Saputra, Nike Prasetyo, Teguh Rijanandi, Faisal Dharma Adhinata","doi":"10.20895/dinda.v2i2.548","DOIUrl":null,"url":null,"abstract":"Industri tidak bisa dipisahkan dari adanya sumber daya manusia (SDM). Walaupun industri memiliki teknologi yang maju dan juga modern, namun berhasilnya suatu perusahaan tak lepas dari jasa para sumber daya manusia yang unggul. Dengan begitu perlu bagi perusahaan untuk memperhatikan para pekerjanya. Salah satu usaha untuk meningkatkan mutu SDM yaitu dengan pemberian gaji berdasarkan pengalaman kerja. Ketika seseorang yang sudah lama  bekerja di suatu perusahaan maka gajinya akan semakin naik. Penelitian ini ditujukan guna menganalisis prediksi gaji karyawan berdasarkan lama tahun bekerja. Dalam penelitian ini faktor pengujianya menggunakan variable (X) sebagai faktor pemicu terhadap variable (Y) konsekuensi. Metode yang digunakan dalam riset ini yaitu menggunakan metode Regresi linier. Kemudian kami menggunakan survey kuesioner kepada 30 responden sebagai metode pengambilan data.","PeriodicalId":419119,"journal":{"name":"Journal of Dinda : Data Science, Information Technology, and Data Analytics","volume":"46 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2022-07-28","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"Prediksi Gaji Berdasarkan Pengalaman Bekerja Menggunakan Metode Regresi Linear\",\"authors\":\"Irsyad Zulfikar, M. A. Saputra, Nike Prasetyo, Teguh Rijanandi, Faisal Dharma Adhinata\",\"doi\":\"10.20895/dinda.v2i2.548\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Industri tidak bisa dipisahkan dari adanya sumber daya manusia (SDM). Walaupun industri memiliki teknologi yang maju dan juga modern, namun berhasilnya suatu perusahaan tak lepas dari jasa para sumber daya manusia yang unggul. Dengan begitu perlu bagi perusahaan untuk memperhatikan para pekerjanya. Salah satu usaha untuk meningkatkan mutu SDM yaitu dengan pemberian gaji berdasarkan pengalaman kerja. Ketika seseorang yang sudah lama  bekerja di suatu perusahaan maka gajinya akan semakin naik. Penelitian ini ditujukan guna menganalisis prediksi gaji karyawan berdasarkan lama tahun bekerja. Dalam penelitian ini faktor pengujianya menggunakan variable (X) sebagai faktor pemicu terhadap variable (Y) konsekuensi. Metode yang digunakan dalam riset ini yaitu menggunakan metode Regresi linier. Kemudian kami menggunakan survey kuesioner kepada 30 responden sebagai metode pengambilan data.\",\"PeriodicalId\":419119,\"journal\":{\"name\":\"Journal of Dinda : Data Science, Information Technology, and Data Analytics\",\"volume\":\"46 1\",\"pages\":\"0\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2022-07-28\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Journal of Dinda : Data Science, Information Technology, and Data Analytics\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.20895/dinda.v2i2.548\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Journal of Dinda : Data Science, Information Technology, and Data Analytics","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.20895/dinda.v2i2.548","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

摘要

工业不能与人力资源隔绝。尽管工业拥有先进的技术,也有现代的技术,但它确实在很大程度上依赖于现有的人力资源。这样公司就有必要密切注意工人。提高人力资源质量的一个努力是基于工作经验提供工资。当一个人在一家公司工作很长时间时,他的薪水就会增加。本研究旨在分析员工对工作时间的预测。在本研究中,测试因素将变量作为导致可变结果的诱因。本研究采用的方法是线性回归方法。然后我们将对30名受访者进行问卷调查作为一种数据检索方法。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
Prediksi Gaji Berdasarkan Pengalaman Bekerja Menggunakan Metode Regresi Linear
Industri tidak bisa dipisahkan dari adanya sumber daya manusia (SDM). Walaupun industri memiliki teknologi yang maju dan juga modern, namun berhasilnya suatu perusahaan tak lepas dari jasa para sumber daya manusia yang unggul. Dengan begitu perlu bagi perusahaan untuk memperhatikan para pekerjanya. Salah satu usaha untuk meningkatkan mutu SDM yaitu dengan pemberian gaji berdasarkan pengalaman kerja. Ketika seseorang yang sudah lama  bekerja di suatu perusahaan maka gajinya akan semakin naik. Penelitian ini ditujukan guna menganalisis prediksi gaji karyawan berdasarkan lama tahun bekerja. Dalam penelitian ini faktor pengujianya menggunakan variable (X) sebagai faktor pemicu terhadap variable (Y) konsekuensi. Metode yang digunakan dalam riset ini yaitu menggunakan metode Regresi linier. Kemudian kami menggunakan survey kuesioner kepada 30 responden sebagai metode pengambilan data.
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
自引率
0.00%
发文量
0
期刊最新文献
Classification of Sleep Disorders Using Random Forest on Sleep Health and Lifestyle Dataset Classification of Drug Types using Decision Tree Algorithm Dominant Requirements for Student Graduation in the Faculty of Informatics using the C4.5 Algorithm Minimalist DCT-based Depthwise Separable Convolutional Neural Network Approach for Tangut Script The Descriptive Analysis of Perceptions of ITTP Data Science Students regarding Face-to-Face Learning Plans
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1