<![CDATA[Analisis sumber daya manusia dapat dilakukan melalui pendekatan berbasis data untuk mendukung pengambilan keputusan yang lebih efektif. Clustering, yaitu metode pengelompokan data berdasarkan kesamaan fitur tanpa label sebelumnya, merupakan salah satu teknik yang banyak digunakan. Penelitian ini bertujuan untuk menemukan pola dan mengklasifikasikan kelompok karyawan yang berpotensi mengalami atrisi berdasarkan karakteristik seperti performa kerja, masa kerja, dan data demografis. Dua algoritma clustering, yaitu K-Means dan DBSCAN, dibandingkan untuk mendapatkan hasil terbaik. Hasil penelitian menunjukkan adanya empat kelompok utama: pekerja senior dengan performa tinggi, karyawan dengan pengalaman baru, tenaga teknis berpengalaman, dan kelompok produktif dengan latar belakang pengalaman yang beragam. Proses prapemrosesan, analisis data, dan penerapan algoritma clustering dilakukan untuk menghasilkan segmentasi yang akurat. Hasil segmentasi ini diharapkan dapat menjadi dasar bagi manajemen dalam merancang strategi pengembangan SDM yang lebih tepat sasaran, serta meningkatkan efisiensi dan perencanaan SDM secara keseluruhan. ]]>
Copyrights © 2025
