<![CDATA[Evaluasi kinerja pegawai merupakan aspek penting dalam manajemen sumber daya manusia, namun penerapannya masih sering dilakukan secara subjektif sehingga berpotensi menimbulkan bias dan ketidakkonsistenan. Penelitian-penelitian sebelumnya umumnya berfokus pada penerapan algoritma klasifikasi tanpa menekankan kesenjangan penelitian, kontribusi ilmiah, serta analisis faktor dominan yang memengaruhi kinerja pegawai. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan model klasifikasi kinerja pegawai yang objektif serta mengidentifikasi faktor-faktor utama penentu kinerja pegawai menggunakan algoritma Random Forest. Penelitian ini menggunakan dataset INX Future Inc. Employee Performance yang diperoleh dari Kaggle dengan tiga kategori kinerja, yaitu Low, Medium, dan High. Proses penelitian dilakukan melalui tahapan data mining yang meliputi seleksi data, prapemrosesan, transformasi data, pemodelan, dan evaluasi. Performa model dievaluasi menggunakan metrik akurasi, presisi, recall, dan f1-score, serta dibandingkan berdasarkan beberapa skenario pembagian data latih dan data uji. Hasil penelitian menunjukkan bahwa pembagian data latih dan data uji sebesar 80%:20% menghasilkan performa terbaik dengan tingkat akurasi sebesar 94,58%, yang lebih unggul dibandingkan skenario lainnya. Analisis feature importance menunjukkan bahwa kepuasan lingkungan kerja, sistem reward, pengembangan karier, dan pengalaman kerja merupakan faktor yang paling berpengaruh terhadap kinerja pegawai. Simpulan penelitian ini menegaskan bahwa algoritma Random Forest efektif dalam klasifikasi kinerja pegawai sekaligus memberikan kontribusi ilmiah dalam mengidentifikasi faktor penentu kinerja, serta implikasi praktis sebagai sistem pendukung keputusan evaluasi kinerja pegawai yang lebih objektif dan berbasis data]]>
