Sistem Prediksi Awal Terhadap Atrisi Karyawan Menggunakan Algoritma C4.5

Authors

  • Tulus Harry Lamramot Tulus UNJANI
  • Asep Id Hadiana Universitas Jenderal Achmad Yani
  • Irma Santikarama Universitas Jenderal Achmad Yani

DOI:

https://doi.org/10.36423/index.v4i1.882

Keywords:

Atrisi Karyawan, Prediksi, Algoritma C4.5, decission tree, classification, data mining

Abstract

Karyawan yang berbakat menjadi bagian penting bagi sebuah perusahaan. Menjadi masalah yang krusial bagi perusahaan ketika terdapat karyawan berbakat yang meninggalkan perusahaan untuk pindah ke perusahaan yang menawarkan peluang yang lebih baik. Kesiapan perusahaan dalam menghadapi masalah tenaga kerja dapat terlaksana dengan diberlakukannya sistem yang dapat memprediksi kasus atrisi karyawan. Penelitian ini bertujuan untuk merancang sistem prediksi awal terhadap atrisi karyawan. Dalam sudut pandang informatika untuk mencegah terjadinya atrisi karyawan, digunakan sistem Data Mining yang mampu memprediksi terjadinya atrisi karyawan tersebut dengan metode prediksi yaitu metode decision tree menggunakan algoritma C4.5. Data yang digunakan adalah data primer. Populasi yang digunakan adalah data yang diambil dari perusahaan PT.Indorama Petrochemicals yang berjumlah 1010 sampel data karyawan. Penelitian ini mendapatkan akurasi data sebesar 92,9% dengan algoritma C4.5 sehingga mendapatkan hasil yang baik pada prediksi atrisi karyawan tersebut.

References

[1] G. E. Franco Peña et al., “ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI,” Αγαη, vol. 8, no. 2, hal. 2019, 2010, [Daring]. Tersedia pada: https://barnard.edu/sites/default/files/inline/student_user_guide_for_spss.pdf%0Ahttp://www.ibm.com/support%0Ahttp://www.spss.com/sites/dm-book/legacy/ProgDataMgmt_SPSS17.pdf%0Ahttps://www.neps-data.de/Portals/0/Working Papers/WP_XLV.pdf%0Ahttp://www2.psy.
[2] J. Ho, S.-P. Loke, dan A. Downe, “Employee attrition in the Malaysian service industry: Push and pull factors,” IUP J. Organ. Behav., vol. 9, no. 1&2, hal. 16–31, 2010.
[3] K. Sehgal, H. Bindra, A. Batra, dan R. Jain, Prediction of Employee Attrition Using GWO and PSO Optimised Models of C5.0 Used with Association Rules and Analysis of Optimisers, vol. 74. Springer Singapore, 2019.
[4] R. Punnoose dan P. Ajit, “Prediction of Employee Turnover in Organizations using Machine Learning Algorithms,” Int. J. Adv. Res. Artif. Intell., vol. 5, no. 9, hal. 22–26, 2016, doi: 10.14569/ijarai.2016.050904.
[5] A. Wibowo, D. Manongga, dan H. D. Purnomo, “The Utilization of Naive Bayes and C.45 in Predicting The Timeliness of Students’ Graduation,” Sci. J. Informatics, vol. 7, no. 1, hal. 99–112, 2020, doi: 10.15294/sji.v7i1.24241.
[6] H. KAWANO, “Knowledge Discovery and Data Mining,” J. Japan Soc. Fuzzy Theory Syst., vol. 9, no. 6, hal. 851–860, 1997, doi: 10.3156/jfuzzy.9.6_851.
[7] S. D. GHEWARE, A. S. KEJKAR, dan S. M. TONDARE, “Data Mining Task Tools Techniques and Applications,” Ijarcce, vol. 3, no. 10, hal. 8095–8098, 2014, doi: 10.17148/ijarcce.2014.31003.
[8] F. F. Harryanto dan S. Hansun, “Penerapan Algoritma C4.5 untuk Memprediksi Penerimaan Calon Pegawai Baru di PT WISE,” J. Tek. Inform. Dan Sist. Inf., vol. 3, no. 2, hal. 95–103, 2017, [Daring]. Tersedia pada: http://jurnal.mdp.ac.id/index.php/jatisi/article/view/71.
[9] R. S. Shankar, J. Rajanikanth, V. V. Sivaramaraju, dan K. Vssr Murthy, “PREDICTION of EMPLOYEE ATTRITION USING DATAMINING,” 2018 IEEE Int. Conf. Syst. Comput. Autom. Networking, ICSCA 2018, hal. 1–8, 2018, doi: 10.1109/ICSCAN.2018.8541242.
[10] A. S. Sunge, “Prediksi Kompetensi Karyawan Menggunakan Algoritma C4 . 5 ( Studi Kasus : PT Hankook Tire Indonesia ),” Semin. Nas. Teknol. Inf. dan Komun. 2018 (SENTIKA 2018), vol. 2018, no. Sentika, hal. 23–24, 2018.
[11] SUSI MASHLAHAH, Prediksi Kelulusan Mahasiswa Menggunakan Metode Decision Tree Dengan Penerapan Algoritma C4.5. 2013.
[12] P. . Usha dan N. . Balaji, “Analysing employee attrition using machine learning,” hal. 277–282, 2011.
[13] Y. Kustiyahningsih dan E. Rahmanita, “Aplikasi Sistem Pendukung Keputusan Menggunakan Algoritma C4.5. untuk Penjurusan SMA,” J. Semantec, vol. 5, no. 2, hal. 101–108, 2016.
[14] X. Deng, Q. Liu, Y. Deng, dan S. Mahadevan, “An improved method to construct basic probability assignment based on the confusion matrix for classification problem,” Inf. Sci. (Ny)., vol. 340–341, hal. 250–261, 2016, doi: 10.1016/j.ins.2016.01.033.

Downloads

Published

2022-07-02