Pengembangan Sistem Prediksi Employee Attrition Menggunakan Algoritma Random Forest Berbasis Web di UD. Mas Achiad

Development of Employee Attrition Prediction System Using Random Forest Algorithm Web-Based at UD. Mas Achiad

Employee attrition menjadi isu penting dalam manajemen sumber daya manusia untuk mengurangi biaya dan dampak negatif yang timbul akibat kehilangan karyawan. Penelitian ini berjudul Pengembangan Sistem Prediksi Employee Attrition Menggunakan Algoritma Random Forest Berbasis Web di UD. Mas Achiad bertujuan untuk mengembangkan sistem prediksi berbasis web sehingga dapat memprediksi terjadinya atrisi karyawan menggunakan algoritma Random Forest. Penelitian ini difokuskan pada UD. Mas Achiad, sebuah perusahaan ritel yang berlokasi di Gresik, Indonesia. Dataset yang digunakan dalam penelitian ini adalah dataset IBM HR Employee Attrition Prediction yang diperoleh dari platform Kaggle. Pengembangan sistem melibatkan beberapa tahap, termasuk analisis masalah, pengembangan model, dan implementasi berbasis web menggunakan kerangka kerja Flask. Algoritma Random Forest dipilih karena kemampuannya dalam menangani dataset kompleks dan memberikan prediksi yang akurat. Evaluasi dari model yang dikembangkan menunjukkan hasil yang menjanjikan, dengan akurasi mencapai 83% dalam memprediksi atrisi karyawan. Hal ini menunjukkan bahwa sistem memiliki potensi untuk mengidentifikasi karyawan yang berisiko meninggalkan Perusahaan dengan lebih efektif dan efisien.

Kata Kunci: Employee Attrition, Algoritma Random Forest, Prediksi, Manajemen Sumber Daya Manusia, Web.

Employee attrition is an important issue in human resource management to reduce costs and negative impacts arising from employee loss. This research is entitled Development of an Employee Attrition Prediction System Using Web-Based Random Forest Algorithm at UD. Mas Achiad aims to develop a web-based prediction system so that it can predict the occurrence of employee attrition using the Random Forest algorithm. This research focused on UD. Mas Achiad, a retail company located in Gresik, Indonesia. The dataset used in this study is the IBM HR Employee Attrition Prediction dataset obtained from Kaggle platform. System development involves several stages, including problem analysis, model development, and web-based implementation using the Flask framework. The Random Forest algorithm was chosen for its ability to handle complex datasets and provide accurate predictions. Evaluation of the developed system showed promising results, with an accuracy of 83% in predicting employee attrition. This shows that the system has the potential to identify employees at risk of leaving the Company more effectively and efficiently.

Keywords: Employee Attrition, Random Forest Algorithm, Prediction, Human Resource Management, Web.