<![CDATA[Sektor kelapa sawit berperan krusial dalam perekonomian Indonesia. Perusahaan XYZ turut berkontribusi dalam bidang ini, maka retensi, yaitu kemampuan perusahaan mempertahankan tenaga kerja panen kelapa sawit, menjadi penting untuk menjaga stabilitas dan kinerjanya. Random Forest diusulkan sebagai algoritma untuk mengklasifikasikan retensi tenaga kerja panen kelapa sawit. Berisi data 370 pekerja selama satu bulan, dataset diperoleh dari HRD dengan memadukan fitur kategorikal serta numerik. Tahap preprocessing meliputi data cleaning, pembuatan dan seleksi fitur, transformasi data, serta mengatasi distribusi kelas yang tidak seimbang dengan SMOTE. Rasio splitting data yaitu 70% untuk data train dan 30% untuk data test. Evaluasi model dilakukan melalui dua pendekatan: parameter default menghasilkan akurasi 98%, sedangkan hyperparameter tuning dengan GridSearchCV memperoleh akurasi yang lebih tinggi, yaitu 99%. Efektivitas Random Forest dalam mengklasifikasikan retensi tenaga kerja panen kelapa sawit terbukti melalui hasil ini. Wawasan dari penelitian ini memungkinkan HRD untuk memperkuat taktik retensi, mengoptimalkan produktivitas tenaga kerja, dan mendukung pengambilan keputusan berbasis data.]]>
Copyrights © 2026
