Call Number | KA-1914 (Softcopy KA-1899) MAK KA-1545 |
Collection Type | Karya Akhir (KA) |
Title | Data Mining Dalam Prediksi Pengembangan Karier Karyawan: Studi Kasus Direktorat Human Capital Management PT XYZ |
Author | Achmad Firmansyah Sulaeman; |
Publisher | Jakarta : Program Studi Magister Teknologi Informasi Fasilkom UI, 2025 |
Subject | Data Mining |
Location | FASILKOM-UI; |
Nomor Panggil | ID Koleksi | Status |
---|---|---|
KA-1914 (Softcopy KA-1899) MAK KA-1545 | Indonesia | TERSEDIA |
Manajemen karir merupakan elemen penting dalam mendukung kemajuan individu dan keunggulan kompetitif organisasi. Direktorat Human Capital Management (HCM) adalah direktorat yang bertanggung jawab dalam pengelolaan talent management pada PT XYZ. Namun, pengelolaannya saat ini masih dilakukan secara manual, yang tidak hanya memakan waktu lama tetapi juga rentan terhadap subjektivitas. Kondisi ini berkontribusi pada ketidaksesuaian penempatan karyawan dengan kompetensi yang dimiliki, serta berdasar pada data histori HRIS menunjukan penurunan 38% karyawan yang mengalami promosi atau rotasi dalam periode 2022 sampai dengan 2024. Penelitian ini bertujuan untuk membangun model prediksi pergerakan karir karyawan berbasis algoritma klasifikasi serta mengidentifikasi atribut data yang dapat digunakan dalam prediksi data talent pool. Teknik feature selection, seperti correlation coefficient, information gain, dan gain ratio, digunakan untuk memilih atribut yang relevan dari data personal, posisi organisasi, dan profesionalisme karyawan. Pemodelan dilakukan menggunakan lima algoritma klasifikasi, yaitu decision tree, random forest, naïve bayes, neural network, dan support vector machine. Evaluasi model dilakukan menggunakan stratified 10-fold cross-validation dengan metrik akurasi, precision, recall, F1-score, dan AUC. Penelitian ini mnghasilkan neural network dengan correlation coefficient memberikan nilai akurasi tertinggi dengan nilai akurasi 94.8%, precision 93.9%, recall 80%, AUC 0.955, dan F1-Score 86.4%. Kombinasi atribut dengan correlation coefficient menghasilkan 17 atribut yang dapat digunakan kedepannya dengan analisis shap values yang mengidentifikasi atribut utama seperti OLD_BP, LOS_BAND, NILAI_PERFORMANCE, LOS_POS, dan JENIS_JABATAN sebagai kontributor signifikan terhadap prediksi kelas promosi. Selain itu, hasil menunjukkan perlunya mempertimbangkan atribut tambahan, seperti penilaian kompetensi dan perilaku karyawan, untuk penggunaan atribut data tersebut dalam prediksi data talent pool kedepannya dan mendukung proses pengelolaan talent management dan pada PT XYZ.