Sistem prediksi awal pada atrisi karyawan perusahaan “XYZ” menggunakan algoritma support vector machine

Faisal, Muhammad ORCID: https://orcid.org/0000-0003-4884-7254 and Medyanti, Wikke Alvina (2023) Sistem prediksi awal pada atrisi karyawan perusahaan “XYZ” menggunakan algoritma support vector machine. CESS (Journal of Computer Engineering, System and Science), 8 (2). pp. 429-437. ISSN 2502-7131

Text 15685.pdf - Published Version Available under License Creative Commons Attribution. Download (394kB)

Abstract

Pergantian karyawan merupakan masalah yang signifikan bagi organisasi karena dapat berdampak negatif pada produktivitas dan kinerja. Dalam penelitian ini, dikembangkan sebuah model Support Vector Machine (SVM) untuk memprediksi pergantian karyawan berdasarkan dataset yang berisi berbagai atribut karyawan. Dataset tersebut telah melalui tahap pra-pemrosesan dengan melakukan pemetaan nilai-nilai kategorikal dan pengkodean one-hot. Fitur-fitur kemudian dibagi menjadi data latih dan data uji, serta dilakukan penskalaan menggunakan StandardScaler. Hasil penelitian menunjukkan bahwa model mencapai akurasi sebesar 88,4%. Presisi untuk karyawan yang tidak mengalami pergantian (non-attrition) tinggi, yaitu sebesar 89,3%, menunjukkan kemampuan model dalam mengidentifikasi dengan benar karyawan yang kemungkinan akan bertahan. Namun, presisi untuk karyawan yang mengalami pergantian (attrition) lebih rendah, sebesar 69,2%, mengindikasikan adanya ruang untuk perbaikan dalam mengidentifikasi karyawan yang berisiko mengalami pergantian. Recall untuk karyawan non-attrition mencapai 98,4%, menunjukkan kemampuan yang tinggi dalam mengklasifikasikan dengan benar, sedangkan recall untuk karyawan attrition sebesar 23,1%. Nilai F1-score juga mencerminkan kinerja yang lebih baik untuk karyawan non-attrition dibandingkan karyawan attrition. Secara keseluruhan, model SVM menunjukkan potensi dalam memprediksi pergantian karyawan, namun perlu dilakukan pengembangan lebih lanjut untuk meningkatkan identifikasi karyawan yang berisiko, sehingga memberikan wawasan berharga dalam pengambilan keputusan SDM dan strategi retensi.

Item Type:	Journal Article
Keywords:	atrisi karyawan, prediksi, Support Vector Machine (SVM), pemrosesan data, akurasi
Subjects:	08 INFORMATION AND COMPUTING SCIENCES > 0806 Information Systems > 080608 Information Systems Development Methodologies 08 INFORMATION AND COMPUTING SCIENCES > 0806 Information Systems > 080610 Information Systems Organisation
Divisions:	Faculty of Technology > Department of Informatics Engineering
Depositing User:	Muhammad Faisal
Date Deposited:	02 Oct 2023 10:29

Downloads

Origin of downloads

Actions (login required)

View Item