Implementasi Machine Learning Untuk Prediksi Risiko Attrition Karyawan Pada Sistem Human Resource

Penelitian ini bertujuan untuk memprediksi risiko attrition karyawan pada PT Inti Ganda Perdana menggunakan pendekatan machine learning guna mengatasi tingginya tingkat attrition yang berdampak pada produktivitas dan stabilitas organisasi. Metode yang digunakan adalah CRISP-DM yang meliputi tahapan business understanding, data understanding, data preparation, modeling, evaluation, dan deployment. Dataset yang digunakan merupakan data karyawan dengan variabel seperti usia, gaji, lembur, kepuasan kerja, dan masa kerja. Algoritma yang diterapkan adalah Logistic Regression dan Random Forest untuk melakukan klasifikasi risiko attrition. Hasil penelitian menunjukkan bahwa Random Forest memiliki performa yang lebih unggul dibandingkan Logistic Regression berdasarkan metrik accuracy, precision, recall, dan F1-score, dengan kemampuan yang lebih baik dalam mendeteksi karyawan berisiko keluar. Selain itu, variabel overtime, job satisfaction, work life balance, dan years at company terbukti berpengaruh signifikan terhadap attrition. Dengan demikian, model yang dihasilkan dapat digunakan sebagai sistem pendukung keputusan bagi pihak Human Resource dalam melakukan deteksi dini dan strategi retensi karyawan secara lebih efektif.

Kata Kunci: attrition, human resource, machine learning, prediksi, random forest