Perbandingan Algoritma Naïve Bayes Dan C4.5 Dalam Prediksi Keputusan Karyawan Untuk Meninggalkan Perusahaan

Authors

  • Ferdinan Daewana Universitas Mercu Buana, Indonesia

DOI:

https://doi.org/10.31004/innovative.v5i1.17664

Keywords:

Naïve Bayes, C4.5, Klasifikasi, Keputusan Karyawan, Precision

Abstract

Penelitian ini bertujuan untuk membandingkan kinerja algoritma Naïve Bayes dan C4.5 dalam memprediksi keputusan karyawan terkait kemungkinan mereka meninggalkan perusahaan. Data yang digunakan terdiri dari data primer yang diperoleh melalui wawancara dengan HRD di CV. Dunia Pustaka dan data sekunder yang diunduh dari Kaggle. Penelitian ini mengimplementasikan kedua algoritma menggunakan bahasa pemrograman Python untuk melakukan analisis klasifikasi dan mengukur kinerja model berdasarkan metrik akurasi, precision, recall, dan F1-score. Hasil evaluasi menunjukkan bahwa algoritma C4.5 memiliki kinerja yang lebih baik dibandingkan Naïve Bayes. C4.5 mencapai akurasi 92%, precision 100%, recall 90.24%, dan F1-score 95.84%, sementara Naïve Bayes hanya memperoleh akurasi 84%, precision 94.59%, recall 85.37%, dan F1-score 89.6%. Perbandingan ini menunjukkan bahwa C4.5 lebih efektif dalam mengklasifikasikan data dan memberikan prediksi yang lebih akurat terkait keputusan karyawan untuk meninggalkan perusahaan. Penelitian ini memberikan wawasan penting bagi perusahaan dalam memahami faktor-faktor yang mempengaruhi keputusan karyawan serta cara-cara untuk mempertahankan karyawan. Untuk penelitian selanjutnya, disarankan menggunakan dataset yang lebih besar dan metode analisis lainnya untuk meningkatkan akurasi prediksi dan memahami lebih dalam faktor-faktor yang mempengaruhi turnover karyawan.

References

Amir, S. (2018) ‘Data Mining Prediksi Kebutuhan Nasabah Dengan Teknik Data Mining Dalam Mendukung Strategi Pemasaran Bank’, Jurnal Bangkit Indonesia, 7(2), P. 40.

Andini, R. And Hardiyanti, D.Y. (2024) ‘Klasifikasi Karakteristik Turnover Karyawan Menggunakan Algoritma C4. 5’, Jurnal Komtika (Komputasi Dan Informatika), 8(2), Pp. 148–161.

Fadel, M. Et Al. (2024) ‘Application Of Ensemble Method For Employee Turnover Predictions In Financial Services Company’, Jurnal Teknik Informatika (Jutif), 5(3), Pp. 767–775.

Handayani, S. (2017) ‘Komparasi Metode Klasifikasi Data Mining Untuk Prediksi Penyakit Ginjal’, Jurnal Sistem Informasi, 6(1), Pp. 34–40.

Humairosi, L. (2022) ‘Implementasi Metode Random Forest Pada Klasifikasi Churn Customer’.

Maahiroh, L.W. (2024) ‘Klasifikasi Turnover Karyawan Menggunakan Algoritma Xgboost (Studi Kasus: Divisi Engineering, Perusahaan Jasa Pertambangan)’. Universitas Islam Indonesia.

Putri, J.A. (2024) ‘Person-Job Fit Menggunakan Decision Trees Algorithm (Studi Kasus Pt Pnr Perusahaan Jasa Pertambangan Pada Divisi Pl)’. Universitas Islam Indonesia.

Ramadhani, N.H. (2023) ‘Perbandingan Algoritma Naïve Bayes Dan Algroritma C4. 5 Dalam Prediksi Kelulusan Mahasiswa Pendidikan Teknik Informatika Dan Komputer Universitas Negeri Jakarta’. Universitas Negeri Jakarta.

Rianti, R. And Andarsyah, R. (2024) ‘Memprediksi Tingkat Atrisi Karyawan Menggunakan Machine Learning’, Jurnal Tekno Insentif, 18(1), Pp. 39–52.

Stephen, S. (2022) ‘Implementasi Metode Algoritma Naive Bayes Untuk Memprediksi Customer Churn Pada Bisnis Usaha Mikro Kecil Dan Menengah’. Kodeuniversitas041060# Universitasbuddhidharma.

Tulus, T.H.L., Hadiana, A.I. And Santikarama, I. (2022) ‘Sistem Prediksi Awal Terhadap Atrisi Karyawan Menggunakan Algoritma C4. 5’, Informatics And Digital Expert (Index), 4(1), Pp. 18–24.

Utami, S.P. (No Date) ‘Klasifikasi Kesehatan Mental Usia Remaja Menggunakan Algoritma Decision Tree Dan Naïve Bayes’. Fakultas Sains Dan Teknologi Uin Syarif Hidayatullah Jakarta.

Zees, M.E.M. (2023) ‘Implementasi Autogluon Dalam Efisiensi Model Prediktif Machine Learning Pada Dataset International Business Machines (Ibm) Human Resource (Hr) Analytics Employee Attrition’. Universitas Islam Indonesia.

Downloads

Published

2025-01-19

How to Cite

Daewana, F. (2025). Perbandingan Algoritma Naïve Bayes Dan C4.5 Dalam Prediksi Keputusan Karyawan Untuk Meninggalkan Perusahaan. Innovative: Journal Of Social Science Research, 5(1), 1712–1726. https://doi.org/10.31004/innovative.v5i1.17664

Similar Articles

1 2 3 4 5 6 7 8 9 10 > >> 

You may also start an advanced similarity search for this article.