<![CDATA[Tingkat pergantian karyawan yang tinggi menyebabkan kerugian yang besar dari segi finansial dan operasional bagi perusahaan. Penelitian ini bertujuan untuk menciptakan model prediktif yang efisien dalam mengidentifikasi pegawai yang berisiko tinggi mengalami Turnover dengan memanfaatkan algoritma klasifikasi C4.5 yang berbasis pada pohon keputusan. Data yang digunakan berasal dari dataset publik HR-Employee-Attrition yang diambil dari platform Kaggle, yang berisi 1.470 entri serta 35 atribut, mencakup faktor demografis, kinerja, dan tingkat kepuasan. Proses pemodelan dilaksanakan dengan menggunakan perangkat lunak RapidMiner, yang mencakup langkah-langkah persiapan data dan validasi silang. Hasil dari pengujian model menunjukkan rata-rata akurasi sebesar 83,67%. Analisis kinerja kelas mengindikasikan adanya masalah ketidakseimbangan kelas; model memiliki Recall yang sangat baik untuk kelas “Tidak Resign” dengan persentase 95,78%. Namun sangat rendah untuk kelas “Resign” yaitu 20,68%. Model berbasis keputusan menunjukkan bahwa variabel umur merupakan atribut penyaring utama, diikuti oleh Pendapatan Bulanan dan Lama Sejak Promosi Terakhir. Kesimpulan dari studi ini adalah meskipun C4.5 memberikan akurasi yang tinggi secara keseluruhan, masih diperlukan penanganan atas ketidakseimbangan kelas untuk meningkatkan kemampuan dalam mengidentifikasi kejadian Turnover yang sebenarnya. Kata kunci: C4.5, Prediksi Turnover, Penambangan Data, Pohon Keputusan, Manajemen SDM, RapidMiner]]>
Copyrights © 2025
