Analisa Efektivitas Penerapan Work From Home di Indonesia

Valiance, startup yang bergerak di bidang machine learning, mengungkap analisis seputar bekerja dari rumah atau Work From Home (WFH) di Indonesia. WFH makin populer diterapkan seiring merebaknya pandemi COVID-19 dalam dua tahun terakhir ini.

WFH menawarkan keuntungan, seperti pengurangan waktu perjalanan, peningkatan fleksibilitas, dan keseimbangan kehidupan kerja yang baik. Isu itu dianalisa oleh Valiance, yang merupakan bagian dari Pacmann tersebut.

Analisa ini berdasarkan pengumpulan data tweet dari percakapan pengguna media sosial Twitter berbahasa Indonesia yang memuat kata kunci "working from home" dan "wfh".

Pengumpulan dilakukan sejak Maret 2020 --ketika kasus COVID-19 pertama di Indonesia diumumkan-- sampai Desember 2022. Sebanyak 1.078.599 kicauan berhasil dikumpulkan oleh Valiance.

"Untuk keperluan analisis ini, kami telah mengumpulkan sejutaan tweets. Kami memakai Natural Language Processing (NLP) untuk melakukan klasifikasi sentimen atas tweets mengenai WFH di Indonesia tersebut," ujar Adityo Sanjaya, Chief Data Scientist di Valiance dan CEO di Pacmann dalam keterangan resmi, Sabtu (25/2/2023).

Menurut Adit, isu WFH ini menarik untuk dianalisis karena telah mengubah kultur kerja secara global, tak terkecuali Indonesia. Ia pun mengatakan bahwa sebagai perusahaan teknologi, Pacmann menerapkan WFH bagi mereka yang bekerja di luar Jakarta dan sekitarnya, serta hybrid untuk mereka yang ada di wilayah Jakarta dan sekitarnya.

Hasil Temuan

Setelah melalui proses pembersihan data, tweets yang telah terkumpul itu diklasifikasikan menggunakan NLP model, apakah tweets itu memiliki sentimen positif, negatif, atau netral terhadap penerapan WFH.

Contoh Tweets bersentimen positif

• wfh ini bikin irit biaya bensin
• ya tapi enak sih jadi irit biaya wfh terus
• kelebihan work from home: - hemat ongkos - hemat uang
• wfh hari ini sungguh menghemat biaya makan
• aku suka wfh. bisa hemat transport, hemat makan
• wfh dan alhamdulillah bisa menikmati olah raga pagi.

Contoh Tweets bersentimen negatif

• kenapa tiap wfh maag kambuh
• work from home bisa membuat tagihan listrik naik
• lagi work from home, eh tbtb mati lampu
• kelamaan wfh, bb bertambah, stres kerja malah naik
• baru wfh sehari, mati listriknya udah 2x
• wfh bner2 ya bikin gue jadi tmbh doyan makan. bb naik.

Contoh Tweets bersentimen netral

• denger2 mau ada wfh seminggu kedepan nih?
• senin mulai psbb dan kembali wfh lagi
• kantor wfh ga yaaa, hemmm. Wqwa
• ga berasa bgt w dah setaun full wfh
• selamat pagi mari kita wfh lgi

Terungkap, sekitar 45,68 persen (492.652 tweets) bersentimen negatif, 39,69 persen (428.077) tweets bersentimen positif, dan 14,64 persen (157.870 tweets) sisanya bersentimen netral.

Valiance, startup yang bergerak di bidang machine learning, mengungkap analisis seputar bekerja dari rumah atau Work From Home (WFH) di Indonesia. Foto: Pacmann

Volume

Kemudian dari sisi volume, tweets terbanyak ditemukan pada bulan Maret 2020, kala itu diskursus mengenai WFH mengemuka.

Valiance, startup yang bergerak di bidang machine learning, mengungkap analisis seputar bekerja dari rumah atau Work From Home (WFH) di Indonesia. Foto: Pacmann

Sepuluh hari teratas dengan volume tweets mengenai WFH terbanyak ditemukan pada Maret 2020. Jika kita rujuk ke belakang, itu wajar mengingat banyak instansi pemerintahan dan perusahaan swasta mulai menerapkan kebijakan WFH kala itu.

Selepas Maret 2020, tren percakapan menurun tajam hingga pertengahan 2020 dengan beberapa kali fluktuasi di mana terjadi peningkatan September 2020, Oktober 2020, Januari 2021, Juli 2021, Februari 2022, Mei 2022, dan Desember 2020.

Isi Percakapan

Guna menguliti isi percakapan, Pacmann mengekstraksi kolokasi dari data tekstual yang telah terkumpul. Di dalam ilmu linguistik, kolokasi dapat didefinisikan sebagai sekelompok kata yang sering muncul bersama dan dapat memberikan informasi penting tentang makna dan penggunaan kata-kata tersebut.

Misalnya, "zona merah" berkolokasi satu sama lain karena mereka sering digunakan bersama-sama. Dalam konteks pandemi COVID-19, "zona merah" merujuk pada wilayah geografis dengan jumlah kasus tinggi atau tingkat penularan tinggi.

"Untuk mengekstrak kolokasi dari data tekstual (korpus), kami menganalisis frekuensi dan kemunculan bersama kata-kata tersebut secara statistik," ujar Cahya Amalinadhi Putra, Pengajar dan Data Scientist di Pacmann.

Setelah kolokasi terekstraksi dari korpus, mereka dikategorikan ke dalam beberapa kelompok berbeda berdasarkan kedekatan makna atau aspek lainnya dengan skor statistik masing-masing kolokasi tersebut.

"Secara umum, ada empat kategori Pokok percakapan mengenai isu WFH, yakni Aktivitas, Kesehatan, Utilitas, dan Lainnya," tutur Cahya.

Terpantau, kategori Utilitas memuat kolokasi paling banyak seperti "hemat transport", "irit jajan", "mati listrik", "menguras kuota", "putus koneksi", dan "tagihan naik". Sementara itu, kolokasi di kategori Kesehatan termasuk "berat badan naik", "maag kambuh", "nafsu makan bertambah", dan "timbangan turun".

Tentang isu WFH ini, perusahaan perlu memiliki pemahaman matang mengenai kebutuhan karyawan mereka akan fleksibilitas dan keseimbangan antara kehidupan kerja dan pribadi, serta mengintegrasikan hal itu dalam tujuan bisnis perusahaan.

Dalam mengadopsi WFH, perusahaan perlu mempertimbangkan manfaat dan risiko terkait di dalamnya; itu mungkin mencakup produktivitas, kesejahteraan karyawan, kolaborasi, bahkan dampak sosial dan ekonomi. Selain itu, perusahaan perlu mengatur kebijakan mereka sesuai dengan situasi yang dihadapi, sehingga dapat memaksimalkan manfaat WFH dan meminimalkan risikonya.

Tidak ada satu pendekatan yang cocok untuk semua perusahaan atau industri, sehingga perusahaan perlu merancang kebijakan yang selaras dengan kebutuhan dan tujuan bisnis mereka, serta memastikan bahwa karyawan dapat bekerja dari mana pun secara efektif dan efisien.