Penerapan Data Mining untuk Prediksi Employee Attrition Menggunakan Naive Bayes dan Decision Tree

Abstract

Penelitian ini membahas penerapan teknik data mining untuk memprediksi employee attrition menggunakan dataset IBM HR Employee Attrition. Tingginya tingkat attrition karyawan dapat memberikan dampak negatif bagi perusahaan, seperti meningkatnya biaya rekrutmen dan menurunnya produktivitas kerja. Oleh karena itu, diperlukan sistem prediksi yang mampu membantu perusahaan dalam mengidentifikasi kemungkinan karyawan melakukan resign. Penelitian ini menggunakan dua algoritma klasifikasi, yaitu Decision Tree dan Naive Bayes, untuk membandingkan performa model dalam memprediksi attrition karyawan. Tahapan penelitian meliputi preprocessing data, pengecekan duplicate data, deteksi outlier, visualisasi data menggunakan heatmap dan boxplot, serta proses pelatihan dan pengujian model. Evaluasi model dilakukan menggunakan accuracy score dan confusion matrix. Hasil penelitian menunjukkan bahwa algoritma Naive Bayes memiliki performa yang lebih baik dibandingkan Decision Tree dengan tingkat akurasi sebesar 79%, sedangkan Decision Tree menghasilkan akurasi sebesar 73%. Model terbaik kemudian diimplementasikan ke dalam aplikasi berbasis Streamlit untuk mempermudah proses prediksi attrition karyawan. Penelitian ini diharapkan dapat membantu perusahaan dalam pengambilan keputusan terkait pengelolaan sumber daya manusia secara lebih efektif.