[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"doc-detail-119297-id":3,"doc-seo-119297-113":31,"detail-sidebar-cat-0-id-113":92},{"code":4,"msg":5,"data":6},0,"success",{"doc_id":7,"user_id":8,"nickname":9,"user_avatar":10,"doc_module":4,"category_id":11,"category_name":12,"doc_title":13,"doc_description":14,"doc_content":15,"file_id":16,"file_url":17,"file_type":18,"file_size":19,"view_count":20,"is_deleted":4,"is_public":21,"is_downloadable":21,"audit_status":21,"page_count":22,"language":23,"language_code":24,"site_id":25,"html_lang":24,"table_of_contents":26,"faqs":27,"seo_title":28,"seo_description":14,"update_tm":29,"read_time":30},119297,5909887254083,"Miles","https://ap-avatar.wpscdn.com/davatar_276721f389ce27ea32af1340a28f341c",54,"Penelitian & Laporan","Analisa Prediksi Turnover Karyawan menggunakan Machine Learning","Penelitian ini membahas penerapan machine learning untuk memprediksi turnover karyawan, sebagai tantangan utama dalam manajemen Sumber Daya Manusia. Turnover karyawan dipengaruhi faktor seperti ketidakseimbangan kehidupan kerja, ketidakpuasan kerja, serta minimnya peluang pengembangan karier. Dataset IBM HR Analytics digunakan untuk menganalisis faktor penyebab, dengan algoritma SVM dan Random Forest. Data imbalance ditangani melalui SMOTE, lalu evaluasi memakai confusion matrix (akurasi, presisi, recall, dan f1-score). Hasil menunjukkan Random Forest unggul dan mendukung perumusan strategi retensi berbasis data.","Analisa Prediksi Turnover Karyawan menggunakan Machine Learning  \nArief Maehendrayuga 1)*, Arief Setyanto2), Kusnawi3)  \n1)2)3)Magister Teknik Informatika, Universitas Amikom Yogyakarta, Indonesia 1)[ariefmaehendrayuga@student.amikom.ac.id](ariefmaehendrayuga@student.amikom.ac.id)  \n2)[arief_s@amikom.ac.id](arief_s@amikom.ac.id)  \n3)[khusnawi@amikom.ac.id](khusnawi@amikom.ac.id)  \nArticle history:  \nReceived 26 Des 2024;  \nRevised 26 Des 2024;  \nAccepted 26 Des 2024;  \nAvailable online 27 Des 2024  \nKeywords:  \nData Imbalance Employee Attrition Machine Learning Random Forest SVM  \nAbstrak  \nPenelitian ini membahaspenerapan machine learning untuk memprediksi turnover karyawan, yang merupakan tantangan utama dalam manajemen Sumber Daya Manusia (SDM). Turnover karyawan sering kali disebabkan oleh berbagai faktor, termasuk ketidakseimbangan kehidupan kerja, ketidakpuasan kerja, dan minimnya peluang pengembangan karier. Dalam penelitian ini, digunakan dataset IBM HR Analytics untuk menganalisis faktor-faktor yang memengaruhi turnover karyawan. Algoritma yang diterapkan meliputi Support Vector Machine (SVM ) dan Random Forest. Proses penelitian dimulai dengan pengumpulan data, eksplorasi awal, praproses data, seleksi fitur, dan penyeimbangan data menggunakan teknik Synthetic Minority Over-sampling Technique (SMOTE) . Evaluasi kinerja model dilakukan menggunakan confusion matrix untuk mengukurakura si, presisi, recall, dan f1-score. Hasil analisis menunjukkan bahwaalgoritma Random Forest memberikan kinerja yang lebih baik dibandingkan SVM. Random Forest mencapai akurasi 97,72%, sedangkan SVM memperolehakurasi 92,51% . Setelah menerapkan SMOTE, akurasi meningkat menjadi 97% untuk Random Forest dan 93% untuk SVM. Selain akurasi, Random Forest jugaunggul dalam metrik presisi, recall, dan f1-score, membuktikan keandalannyadalam memprediksi turnover karyawan. Temuan ini menegaskan bahwapendekatan machine learning dapat digunakan untuk memahami pola turnover secara lebih mendalam. Dengan prediksi yang lebih akurat, perusahaan dapat merancang strategi retensi karyawan yang lebih efektif dan berbasis data, menciptakan lingkungan kerja yang mendukung produktivitas serta meningkatkan stabilitas tenaga kerja secara keseluruhan.  \nI. PENDAHULUAN  \nSumber daya manusia (SDM) merupakan aset berharga yang dimiliki o leh setiap perusahaan. SDM harusdikelola untuk memenuhi tujuan organisasi perusahaan. Mulai dari sistem seleksi dan penempatan karyawan hendaknya perlu mendapatkan perhatian lebih dari perusahaan agar satu kesatuan dalam organisasi tersebut dapat bersinergi, berkolaborasi, dan berkontribusi satu sama lain [1]  \nPersaingan bisnis yang dihadapi oleh perusahaan untuk tumbuh dan berkembang sangatlah kompleks. Perusahaan harus sadar dengan tantangan, peluang, dan kekuatan yang dimilikinya. Dengan semua daya yang dimiliki, perusahaan dapat memanfaatkannya agar tetap berjalan dan berkembang. Berbagai fokus permasalahan menjadi tantangan yang dihadapiperusahaan [2]  \nBerbagai upaya dilakukan untuk mempertahankan keberlangsungan perusahaan, salah satunya adalah merekrut tenaga kerja yang kompeten. Namun, penelitian menunjukkan bahwa penarikan karyawan baru bukanlah satu-satunya upaya efektif untuk mengoptimalkan produktivitas perusahaan. Karyawan baru harusmampu menyesuaikan diri dengan budaya dan beban kerja yang dihadapi nantinya, sehingga hal ini menjadi tantangan sekaligus ancaman bagi perusahaan. Langkah yang lebih efisien adalah mengelola sumber dayamanusia yang tersedia agar mereka dapat berkontribusi secara maksimal [3].  \nKaryawan direkrut berdasarkan kompetensi dan keahlian yang dimilikinya. Langkah yang dilakukan oleh perusahaan dalam mengoptimalkan kinerja sering kalimelibatkan pemindahan karyawan. Beban kerja yang tinggi  \n*Corresponding author  \ndan perpindahan karyawan ke unit kerja tertentu dengan beban kerja berbeda dapat mengakibatkan hilangnya kompetensi dan keahlian. Hal ini menjadi permasalahan baru bagi perusahaan [4]  \nOn-j","cbCaimNSbTpC2DxU","https://ap.wps.com/l/cbCaimNSbTpC2DxU","pdf",409751,3,1,12,"Indonesian","id",113,"# Abstrak\n# I. PENDAHULUAN\n## Latar belakang peran SDM dalam organisasi\n## Tantangan bisnis dan kebutuhan strategi SDM\n## Rekrutmen vs pengelolaan SDM yang ada\n## Dampak pemindahan dan rotasi karyawan\n## Faktor pemicu turnover karyawan","[{\"question\":\"Apa tujuan utama penelitian ini?\",\"answer\":\"Penelitian ini bertujuan memprediksi turnover karyawan menggunakan machine learning untuk membantu manajemen SDM menyusun strategi retensi berbasis data.\"},{\"question\":\"Dataset apa yang digunakan dalam penelitian?\",\"answer\":\"Penelitian menggunakan dataset IBM HR Analytics untuk menganalisis faktor-faktor yang memengaruhi turnover karyawan.\"},{\"question\":\"Bagaimana data imbalance ditangani dan apa pengaruhnya terhadap performa model?\",\"answer\":\"Data imbalance ditangani menggunakan teknik SMOTE. Setelah SMOTE, akurasi meningkat menjadi sekitar 97% untuk Random Forest dan 93% untuk SVM.\"}]","Analisa Prediksi Turnover Karyawan menggunakan Machine Learning | PDF",1785723576,18,{"code":4,"msg":32,"data":33},"ok",{"site_id":25,"language":24,"slug":34,"title":13,"keywords":35,"description":14,"schema_data":36,"social_meta":87,"head_meta":89,"extra_data":91,"updated_unix":29},"analysis-of-employee-turnover-prediction-using-machine-learning","",{"@graph":37,"@context":86},[38,54,69],{"@type":39,"itemListElement":40},"BreadcrumbList",[41,45,49,51],{"item":42,"name":43,"@type":44,"position":21},"https://docshare.wps.com","Home","ListItem",{"item":46,"name":47,"@type":44,"position":48},"https://docshare.wps.com/id/document/","Document",2,{"item":50,"name":12,"@type":44,"position":20},"https://docshare.wps.com/id/document/penelitian-laporan/",{"item":52,"name":13,"@type":44,"position":53},"https://docshare.wps.com/id/document/analysis-of-employee-turnover-prediction-using-machine-learning/119297/",4,{"url":52,"name":13,"@type":55,"author":56,"headline":13,"publisher":58,"fileFormat":61,"inLanguage":24,"description":14,"dateModified":62,"datePublished":63,"encodingFormat":61,"isAccessibleForFree":64,"interactionStatistic":65},"DigitalDocument",{"name":9,"@type":57},"Person",{"url":42,"name":59,"@type":60},"DocShare","Organization","application/pdf","2026-08-18","2026-08-03",true,{"@type":66,"interactionType":67,"userInteractionCount":20},"InteractionCounter",{"@type":68},"ViewAction",{"@type":70,"mainEntity":71},"FAQPage",[72,78,82],{"name":73,"@type":74,"acceptedAnswer":75},"Apa tujuan utama penelitian ini?","Question",{"text":76,"@type":77},"Penelitian ini bertujuan memprediksi turnover karyawan menggunakan machine learning untuk membantu manajemen SDM menyusun strategi retensi berbasis data.","Answer",{"name":79,"@type":74,"acceptedAnswer":80},"Dataset apa yang digunakan dalam penelitian?",{"text":81,"@type":77},"Penelitian menggunakan dataset IBM HR Analytics untuk menganalisis faktor-faktor yang memengaruhi turnover karyawan.",{"name":83,"@type":74,"acceptedAnswer":84},"Bagaimana data imbalance ditangani dan apa pengaruhnya terhadap performa model?",{"text":85,"@type":77},"Data imbalance ditangani menggunakan teknik SMOTE. Setelah SMOTE, akurasi meningkat menjadi sekitar 97% untuk Random Forest dan 93% untuk SVM.","https://schema.org",{"og:url":52,"og:type":88,"og:title":13,"og:site_name":59,"og:description":14},"article",{"robots":90,"canonical":52},"index,follow",{"doc_id":7,"site_id":25},{"code":4,"msg":5,"data":93},[94,99,103,107,111,115,117,121,125,129,133],{"id":95,"doc_module":4,"doc_module_name":47,"category_name":96,"show_sort_weight":97,"slug":98},55,"Agama & Spiritualitas",60,"religion-spirituality",{"id":100,"doc_module":4,"doc_module_name":47,"category_name":101,"show_sort_weight":97,"slug":102},48,"Cerita & Novel","story-novel",{"id":104,"doc_module":4,"doc_module_name":47,"category_name":105,"show_sort_weight":97,"slug":106},56,"Gaya Hidup","lifestyle",{"id":108,"doc_module":4,"doc_module_name":47,"category_name":109,"show_sort_weight":97,"slug":110},51,"Komik","comic",{"id":112,"doc_module":4,"doc_module_name":47,"category_name":113,"show_sort_weight":97,"slug":114},53,"Layanan Kesehatan","healthcare",{"id":11,"doc_module":4,"doc_module_name":47,"category_name":12,"show_sort_weight":97,"slug":116},"research-report",{"id":118,"doc_module":4,"doc_module_name":47,"category_name":119,"show_sort_weight":97,"slug":120},49,"Sastra","literature",{"id":122,"doc_module":4,"doc_module_name":47,"category_name":123,"show_sort_weight":97,"slug":124},52,"Teknologi","technology",{"id":126,"doc_module":4,"doc_module_name":47,"category_name":127,"show_sort_weight":97,"slug":128},50,"Ujian","exam",{"id":130,"doc_module":4,"doc_module_name":47,"category_name":131,"show_sort_weight":97,"slug":132},57,"Umum","general",{"id":134,"doc_module":4,"doc_module_name":47,"category_name":135,"show_sort_weight":4,"slug":136},181,"Formulir","formulir"]