Penerapan Algoritma Decision Tree untuk Klarifikasi Departemen Karyawan Menggunakan Data HR Analytics

Abstract

Perkembangan teknologi informasi mendorong organisasi untuk memanfaatkan data sebagai dasar pengambilan keputusan, termasuk dalam pengelolaan sumber daya manusia. Salah satu permasalahan yang sering dihadapi adalah pengelompokan atau klasifikasi departemen karyawan secara akurat berdasarkan karakteristik data yang dimiliki. Penelitian ini bertujuan untuk menerapkan algoritma Decision Tree dalam melakukan klasifikasi departemen karyawan menggunakan data HR Analytics serta mengevaluasi kinerja model yang dihasilkan. Data yang digunakan terdiri dari beberapa atribut, antara lain usia, tingkat pendidikan, jarak tempat tinggal ke kantor, kepuasan kerja, pendapatan bulanan, keterlibatan kerja, dan pengalaman kerja. Proses pengolahan data dilakukan menggunakan perangkat lunak RapidMiner dengan metode validasi Split Validation, yaitu 70% data sebagai data latih dan 30% sebagai data uji. Hasil pengujian menunjukkan bahwa algoritma Decision Tree mampu menghasilkan tingkat akurasi sebesar 97,05%. Meskipun demikian, analisis lebih lanjut menggunakan Confusion Matrix menunjukkan adanya perbedaan performa antar kelas, di mana kelas Human Resources memiliki nilai recall yang lebih rendah dibandingkan kelas Research & Development dan Sales akibat ketidakseimbangan data. Oleh karena itu, penelitian ini menegaskan bahwa evaluasi model klasifikasi tidak cukup hanya berdasarkan nilai akurasi, tetapi juga perlu mempertimbangkan metrik recall per kelas agar sistem klasifikasi yang dihasilkan lebih adil dan andal.