Klasifikasi Turnover Karyawan Menggunakan Algoritma XGBoost (Studi kasus: Divisi Engineering, Perusahaan Jasa Pertambangan)
Abstract
Efisiensi sumber daya manusia dan manajemennya, sangat berkaitan dengan perusahaan
yang bergantung pada karyawan untuk mendapatkan keuntungan di pasar yang
kompetitif. Industri pertambangan merupakan salah satu bidang industri yang
keberhasilan dalam organisasinya ditentukan oleh karyawan. PT. PNR merupakan
kontraktor spesialis, yang menyediakan jasa pertambangan komprehensif kepada pemilik
tambang. Pada salah satu jalur tenaga ahli yang dimiliki PT. PNR, terdapat peningkatan
turnover yang signifikan. Hal ini tentu akan memberikan kerugian, mengingat besarnya
dampak negatif yang terjadi apabila fenomena turnover tidak dikelola secara tepat seperti
yang disebutkan penelitian terdahulu. Serta pengamatan terdahulu telah menunjukan
bahwa karyawan yang pergi adalah yang paling berbakat, karena bagi karyawan berbakat
tersebut lebih mudah mendapatkan pekerjaan alternatif. Penelitian ini membandingkan
model klasifikasi XGBoost tanpa dan dengan SMOTE untuk pembangunan model
klasifikasi turnover karyawan. Pada penelitian ini, label kelas memiliki proporsi yang
tidak seimbang yaitu 91,08% kelas negatif dan 8,92% kelas positif. Hasil analisis
menunjukan bahwa model XGBoost dengan SMOTE memiliki performa klasifikasi yang
lebih unggul, terutama dalam menyeimbangkan prediksi kelas data minoritas dan
mayoritas. Hasil tersebut menunjukkan pentingnya penanganan ketidakseimbangan kelas
dalam pembuatan model klasifikasi. Model klasifikasi terbaik yang dihasilkan dari
penelitian ini dapat digunakan oleh perusahaan sebagai bahan untuk manajemen retensi
karyawan. Sehingga perusahaan dapat melakukan intervensi lebih awal untuk mencegah
karyawan berhenti secara sukarela.
Collections
- Industrial Engineering [2282]