Upah Minimum Kota/Kabupaten di Pulau Jawa
Sebagai seorang orang yang berkecimpung di dunia recruitment dan HR, nyonya malam ini mengajak diskusi terkait dengan data hasil survey mengenai Indonesia Salary Benchmark yang dilakukan oleh lembaga bernama Michael Page.
Seharusnya gaji kamu itu segini lho… Katanya sambil menunjuk ke hasil surveynya.
Oh begitu yah? Jawab saya sambil tersenyum.
Pembahasan mengenai gaji memang tiada habisnya.
Berbicara soal gaji, ada satu topik yang biasanya selalu menjadi buah bibir di akhir tahun. Yaitu mengenai upah minimum kota / kabupaten / provinsi (saya singkat menjadi UMK yah). Di Pulau Jawa, masing-masing provinsi dan kota memiliki cara perhitungan masing-masing sehingga besarannya juga berbeda.
Ada yang masih menjadi polemik, ada yang tenang-tenang saja dan minim pemberitaan.
Penasaran dengan besaran UMK tersebut, saya coba Googling sana-sini untuk mendapatkan datanya.
Kalau nemu dalam bentuk tabel, enak banget nih scrap-nya Pikir saya.
Tapi setelah mencari-cari kok tidak ketemu yah.
Akhirnya saya putuskan untuk mengambil datanya dari teks di halaman berita ini.
Di website tersebut, hanya disebutkan UMK dari provinsi DKI
Jakarta, Jawa Barat, Jawa Tengah, dan Jawa Timur. Seagai informasi, DKI
Jakarta hanya memiliki satu nilai umk yakni sebesar: Rp 4.267.349,
maka saya hanya akan membahas data di provinsi lainnya yah.
Scrap data
Saya mulai dengan scrap data menggunakan library(rvest) di R. Tapi
sayang sekali, formatnya masih unstructured sebagai berikut:
## [1] "Kabupaten Karawang Rp 4.594.324"
## [2] "Kota Bekasi Rp 4.589.708"
## [3] "Kabupaten Bekasi Rp. 4.498.961"
## [4] "Kota Depok Rp 4.202.105"
## [5] "Kota Bogor Rp 4.169.806"
## [6] "Kabupaten Bogor Rp 4.083.670"
## [7] "Kabupaten Purwakarta Rp 4.039.067"
## [8] "Kota Bandung Rp 3.623.778"
## [9] "Kabupaten Bandung Barat Rp 3.145.427"
## [10] "Kabupaten Sumedang Rp 3.139.275"
## [11] "Kabupaten Bandung Rp 3.139.275"
## [12] "Kota Cimahi Rp 3.139.274"
## [13] "Kabupaten Sukabumi Rp 3.028.531"
## [14] "Kabupaten Subang Rp 2.965.468"
## [15] "Kabupaten Cianjur Rp 2.534.798"
Data carpentry
Bentuk data itu harus saya ubah dulu agar bisa dianalisa lebih lanjut.
Sebenarnya caranya simpel yah, jika diperhatikan baik - baik, saya bisa
melakukan separate dengan memanfaatkan pola adanya tanda Rp di
setiap baris data.
Setelah itu, saya akan tambahkan informasi mengenai nama provinsi sebagai variabel. Sehingga didapatkan data sebagai berikut:
## provinsi tipe kota_kab umk
## 1 Jawa Barat Kabupaten Kabupaten Karawang 4594324
## 2 Jawa Barat Kota Kota Bekasi 4589708
## 3 Jawa Barat Kabupaten Kabupaten Bekasi 4498961
## 4 Jawa Barat Kota Kota Depok 4202105
## 5 Jawa Barat Kota Kota Bogor 4169806
## 6 Jawa Barat Kabupaten Kabupaten Bogor 4083670
## 7 Jawa Barat Kabupaten Kabupaten Purwakarta 4039067
## 8 Jawa Barat Kota Kota Bandung 3623778
## 9 Jawa Barat Kabupaten Kabupaten Bandung Barat 3145427
## 10 Jawa Barat Kabupaten Kabupaten Sumedang 3139275
## 11 Jawa Barat Kabupaten Kabupaten Bandung 3139275
## 12 Jawa Barat Kota Kota Cimahi 3139274
## 13 Jawa Barat Kabupaten Kabupaten Sukabumi 3028531
## 14 Jawa Barat Kabupaten Kabupaten Subang 2965468
## 15 Jawa Barat Kabupaten Kabupaten Cianjur 2534798
Mulai oprek-oprek
Nah, berhubung datanya sudah rapih, mari kita lihat satu-persatu yah.
Kota vs Kabupaten
Banyak orang (termasuk saya) tidak bisa membedakan apa itu kota dan kabupaten. Apakah kota selalu lebih maju dibanding kabupaten? Untuk urusan upah minimum ini, mari kita lihat perbandingan kota dan kabupaten di Jawa Barat, Jawa Tengah, dan Jawa Timur.
## # A tibble: 2 x 4
## tipe mean_umk std_umk n
## <chr> <dbl> <dbl> <int>
## 1 Kabupaten 2339478. 746316. 76
## 2 Kota 2689935. 859071. 24
Dari informasi dan grafik di atas, kita bisa menyimpulkan sementara bahwa upah minimum di kota lebih tinggi dibandingkan kabupaten. Apakah perbedaan ini signifikan? Untuk mengeceknya, kita akan lakukan uji t (t test).
Tapi ingat ya, bahwa t test itu digunakan pada statistika parametrik!
Untuk data UMK ini, berhubung saya malas untuk mengecek normalitasnya, maka saya akan gunakan uji non parametrik pengganti t test yakni Wilcoxon test (rank sum test).
Sebagai informasi, statistika non parametrik adalah analisa statistika yang tidak memperdulikan distribusi dari suatu data yang akan diuji.
Untuk menyelesaikannya, saya akan membuat hipotesis berikut:
- H0:
umkdi kota dan kabupaten tidak berbeda signifikan. - H1:
umkdi kota dan kabupaten berbeda signifikan.
Mari kita uji hipotesis tersebùt dengan Wilcoxon test.
##
## Wilcoxon rank sum test with continuity correction
##
## data: umk by tipe
## W = 588, p-value = 0.008993
## alternative hypothesis: true location shift is not equal to 0
Dari hasil uji di atas, kita akan melihat berapa nilai p-value yang didapatkan, yakni:
## [1] 0.008993401
Kita akan bandingkan nilai p-value tersebut dengan alpha=0.05.
Karena p-value lebih kecil dari alpha, maka H0 ditolak.
Kita bisa menyimpulkan bahwa ada perbedaan nilai rata-rata umk di kota
dan kabupaten pada data ini.
Provinsi vs Provinsi
Mari kita coba cek, apakah ada perbedaan nilai umk di ketiga provinsi
ini? Kita hitung nilai rata-rata dan standar deviasinya yah:
## # A tibble: 3 x 4
## provinsi mean_umk std_umk n
## <chr> <dbl> <dbl> <int>
## 1 Jawa Barat 2963496. 949951. 27
## 2 Jawa Tengah 1980785. 199966. 35
## 3 Jawa Timur 2447814. 760704. 38
Kalau kita lihat sekilas, sepertinya ketiga provinsi tersebut tidak
memiliki rata-rata umk yang sama.
Mari kita konfirmasi dugaan tersebut dengan pengujian statistik.
Berhubung saya tidak ingin menggunakan Annova (statistika parametrik), saya akan menggunakan metode statistika non parametrik pengganti Annova, yakni: Kruskal Wallis test.
Seperti biasa, kita akan bangun hipotesis berikut ini:
- H0:
umkdi semua provinsi tidak berbeda signifikan. - H1: terdapat perbedaan
umkyang signifikan di antara ketiganya (minimal satu provinsi berbeda).
Kita dapatkan hasil sebagai berikut:
##
## Kruskal-Wallis rank sum test
##
## data: umk by provinsi
## Kruskal-Wallis chi-squared = 25.968, df = 2, p-value = 2.296e-06
Dari hasil uji di atas, kita akan melihat berapa nilai p-value yang didapatkan, yakni:
## [1] 2.296457e-06
Kita akan bandingkan nilai p-value tersebut dengan alpha=0.05.
Karena p-value lebih kecil dari alpha, maka H0 ditolak.
Kita bisa menyimpulkan bahwa ada perbedaan nilai rata-rata umk di tiga
provinsi ini.
Provinsi mana yang memiliki umk lebih besar?
Lalu, apa bisa kita tentukan siapa yang memiliki rata-rata umk
terbesar? Secara visual kita bisa melihatnya sendiri dari grafik di
atas. Tapi jika ingin lebih pasti. Kita bisa gunakan uji statistik
bernama multiple pairwise comparison using wilcox test.
##
## Pairwise comparisons using Wilcoxon rank sum test
##
## data: my_data$umk and my_data$provinsi
##
## Jawa Barat Jawa Tengah
## Jawa Tengah 7.8e-06 -
## Jawa Timur 0.04195 0.00048
##
## P value adjustment method: BH
Jika kita perhatikan tabel di atas. Nilai p-value yang didapatkan semuanya lebih kecil daripada nilai alpha=0.05.
Kita bisa simpulkan bahwa rata-rata
umkdi Jawa Barat > Jawa Timur > Jawa Tengah.
Kota vs Kabupaten per Provinsi
Nah, di bagian terakhir ini. Saya ingin membuat visualisasi jika analisa pertama (kota vs kabupaten) dilakukan untuk setiap provinsi.
Bagaimana hasilnya?
