<![CDATA[Burnout merupakan kondisi kelelahan fisik dan emosional yang disebabkan oleh stres kerja berkepanjangan dan berulang, terutama dialami oleh pekerja dengan sistem kerja remote. Penelitian ini bertujuan untuk membandingkan performa dua algoritma machine learning, yaitu Naive Bayes dan Neural Network, dalam memprediksi tingkat burnout berdasarkan data kesehatan pekerja remote. Data yang digunakan bersumber dari situs Kaggle dan terdiri dari 1.114 entri dengan 10 atribut yang mencakup usia, jenis kelamin, pengaturan kerja, jam kerja per minggu, status kesehatan mental, hingga tingkat burnout. Data diuji menggunakan proses klasifikasi setelah melalui tahapan preprocessing, seperti pembersihan data, penanganan nilai hilang, transformasi kategori ke numerik, dan pembagian data menjadi training dan testing dengan rasio 70:30. Hasil evaluasi menunjukkan bahwa algoritma Neural Network unggul secara signifikan dengan akurasi mencapai 98,34%, precision dan recall di atas 98% untuk semua kelas, serta F1-score yang sangat tinggi dan seimbang. Sementara itu, Naive Bayes hanya menghasilkan akurasi sebesar 45,84% dan menunjukkan kinerja yang tidak stabil antar kelas. Temuan ini menunjukkan bahwa Neural Network lebih tepat digunakan dalam pemodelan prediksi burnout yang melibatkan data dengan hubungan non-linear dan kompleks. Penelitian ini diharapkan dapat menjadi dasar dalam pengembangan sistem deteksi dini burnout berbasis kecerdasan buatan untuk mendukung kesehatan mental pekerja remote.]]>
Copyrights © 2025
