Implementasi Autogluon dalam Efisiensi Model Prediktif Machine Learning pada Dataset International Business Machines (IBM) Human Resource (HR) Analytics Employee Attrition
Abstract
Perusahaan menginvestasikan banyak waktu dan sumber daya dalam perekrutan dan pelatihan
karyawan, sesuai dengan kebutuhan strategis mereka. Karyawan merupakan representasi dari
investasi yang nyata bagi organisasi di perusahaan. Ketika seorang karyawan meninggalkan
perusahaan, organisasi tidak hanya kehilangan seorang karyawan yang berharga, tetapi juga
sumber daya lain termasuk uang dan upaya serta waktu yang dihabiskan oleh bagian SDM
perusahaan dalam merekrut, memilih serta melatih karyawan tersebut untuk melakukan
pekerjaan yang spesifik. Dalam banyak kasus, keputusan terhadap pengurangan karyawan tidak
hanya dari manajemen perusahaan, tetapi juga dari keputusan karyawan itu sendiri yang
diakibatkan oleh banyak faktor salah satunya adalah tingkat kepuasan karyawan. Oleh karena
itu, perusahaan harus dapat melakukan prediksi terhadap pengurangan karyawan (employee
attrition) dengan mempertimbangkan banyak faktor. Salah satu pendekatan yang dapat
dilakukan untuk mencapai tujuan ini adalah dengan menggunakan machine learning sebagai
alat bantu analisis, khususnya AutoGluon yang merupakan salah satu teknologi automated
machine learning yang dapat menghasilkan banyak model machine learning dalam satu waktu.
Hasil yang diperoleh dari implementasi AutoGluon pada dataset IBM HR Data Employee
Attrition bahwa model WeightedEnsemble_L2 atau algoritma ensemble yang dipadukan dengan
regularization L2 merupakan model terbaik dengan tingkat akurasi prediksi terhadap karyawan
yang akan atrisi dengan skor 86%. Implementasi AutoGluon dalam melakukan train dan test
data membutuhkan waktu yang lebih singkat sekitar 1 detik lebih cepat dibandingkan dengan
pada model machine learning tradisional. Model yang dihasilkan dapat dijadikan sebagai
merupakan usulan yang dapat dijadikan sebagai alternatif penyelesaian masalah oleh pihak
manajemen dalam mengatasi permasalahan terkait employee attrition
Collections
- Industrial Engineering [2225]