Penerapan Algoritma C4.5 untuk Klasifikasi Karyawan Pendukung Keputusan Pengurangan Tenaga Kerja

Abdul Rochman; Perani Rosyani

doi:10.31004/riggs.v5i2.11795

Authors

Abdul Rochman Universitas Pamulang
Perani Rosyani Universitas Pamulang

DOI:

https://doi.org/10.31004/riggs.v5i2.11795

Keywords:

Data Mining, Algoritma C4.5, Klasifikasi Karyawan, Pohon Keputusan, Sistem Pendukung Keputusan

Abstract

Perusahaan sering menghadapi tantangan dalam menentukan karyawan yang akan dipertahankan atau dikurangi ketika terjadi efisiensi tenaga kerja, sementara pengambilan keputusan yang masih dilakukan secara manual dan subjektif berisiko menimbulkan bias serta ketidakadilan. Penelitian ini bertujuan menerapkan algoritma C4.5 dalam mengklasifikasikan karyawan pada PT Aranesia Gemilang Nusantara untuk mendukung pengambilan keputusan terkait pengurangan tenaga kerja, dengan mempertimbangkan atribut masa kerja, tingkat kehadiran, kinerja, dan jumlah pelanggaran kedisiplinan. Penelitian menggunakan sampel 200 data karyawan yang diambil secara stratified proportional dari populasi 1.035 data, dengan pembagian data latih dan data uji sebesar 80:20. Oleh karena data kinerja, kehadiran, dan kedisiplinan aktual tidak tersedia dari perusahaan, atribut-atribut tersebut disimulasikan berdasarkan asumsi yang realistis semata untuk mendemonstrasikan cara kerja algoritma C4.5, sehingga hasil yang diperoleh bersifat ilustratif dan bukan merepresentasikan kondisi aktual karyawan. Hasil pengujian pada data simulasi menunjukkan model mencapai akurasi 60% dengan rata-rata precision 66,2%, recall 54,2%, dan F1-score 55,8%, dengan atribut jumlah pelanggaran kedisiplinan sebagai akar (root) pohon keputusan. Model kemudian diimplementasikan ke dalam sistem pendukung keputusan berbasis web dan diuji menggunakan metode black box, white box, serta kuisioner pengguna, dengan hasil yang menunjukkan aplikasi dapat berjalan dengan baik dan mendapat tanggapan positif dari HRD selaku pengguna.

Downloads

Download data is not yet available.

References

1. Asyhari, M. R., Alijoyo, F. A., & Vernanda, D. (2024). Penerapan algoritma C4.5 dan metode 360 derajat pada sistem informasi penilaian karyawan. Jurnal Tekno Kompak, 18(1), 15–27. https://doi.org/10.33365/jtk.v18i1.3215

2. Basu, S., Majumdar, B., Mukherjee, K., Munjal, S., & Palaksha, C. (2023). Artificial intelligence–HRM interactions and outcomes: A systematic review and causal configurational explanation. Human Resource Management Review, 33(1), Article 100893. https://doi.org/10.1016/j.hrmr.2022.100893

3. Bujold, A., Roberge-Maltais, I., Parent-Rocheleau, X., Boasen, J., Sénécal, S., & Léger, P.-M. (2024). Responsible artificial intelligence in human resources management: A review of the empirical literature. AI and Ethics, 4(4), 1185–1200. https://doi.org/10.1007/s43681-023-00325-1

4. Cai, F., Zhang, J., & Zhang, L. (2024). The impact of artificial intelligence replacing humans in making human resource management decisions on fairness: A case of resume screening. Sustainability, 16(9), Article 3840. https://doi.org/10.3390/su16093840

5. Dima, J., Gilbert, M.-H., Dextras-Gauthier, J., & Giraud, L. (2024). The effects of artificial intelligence on human resource activities and the roles of the human resource triad: Opportunities and challenges. Frontiers in Psychology, 15, Article 1360401. https://doi.org/10.3389/fpsyg.2024.1360401

6. European Parliament & Council of the European Union. (2024). Regulation (EU) 2024/1689 laying down harmonised rules on artificial intelligence (Artificial Intelligence Act). Official Journal of the European Union. https://eur-lex.europa.eu/eli/reg/2024/1689/oj

7. Géron, A. (2022). Hands-on machine learning with Scikit-Learn, Keras, and TensorFlow (3rd ed.). O’Reilly Media.

8. Hijrah. (2022). Analisis perbandingan aplikasi data mining dalam memprediksi kualitas kinerja karyawan menggunakan metode algoritma C4.5. JATISI (Jurnal Teknik Informatika dan Sistem Informasi), 9(2), 1655–1665. https://doi.org/10.35957/jatisi.v9i2.1992

9. International Labour Organization. (2022). The algorithmic management of work and its implications in different contexts. International Labour Office.

10. Jatobá, M., Ferreira, J. J. M., Fernandes, P. O., & Teixeira, J. P. (2023). Intelligent human resources for the adoption of artificial intelligence: A systematic literature review. Journal of Organizational Change Management, 36(7), 1099–1124. https://doi.org/10.1108/JOCM-03-2022-0075

11. Malik, A., Budhwar, P., & Kazmi, B. A. (2023). Artificial intelligence (AI)-assisted HRM: Towards an extended strategic framework. Human Resource Management Review, 33(1), Article 100940. https://doi.org/10.1016/j.hrmr.2022.100940

12. Mayangsari, D., & Wahyudi, T. (2024). Klasifikasi seleksi penerimaan karyawan baru menggunakan algoritma C4.5. MALCOM: Indonesian Journal of Machine Learning and Computer Science, 5(1), 26–34. https://doi.org/10.57152/malcom.v5i1.1525

13. National Institute of Standards and Technology. (2023). Artificial intelligence risk management framework (AI RMF 1.0) (NIST AI 100-1). U.S. Department of Commerce. https://doi.org/10.6028/NIST.AI.100-1

14. Organisation for Economic Co-operation and Development. (2023). OECD employment outlook 2023: Artificial intelligence and the labour market. OECD Publishing. https://doi.org/10.1787/08785bba-en

15. Pirmansyah, F., & Wahyudi, T. (2023). Implementasi data mining menggunakan algoritma C4.5 untuk prediksi evaluasi anggota satuan pengamanan studi kasus PT. YIMM Pulogadung. Jurnal Indonesia: Manajemen Informatika dan Komunikasi, 4(3), 1566–1580. https://doi.org/10.35870/jimik.v4i3.370

16. Quinlan, J. R. (1993). C4.5: Programs for machine learning. Morgan Kaufmann.

17. Rosenthal-von der Pütten, A. M., & Sach, A. (2024). Michael is better than Mehmet: Exploring the perils of algorithmic biases and selective adherence to advice from automated decision support systems in hiring. Frontiers in Psychology, 15, Article 1416504. https://doi.org/10.3389/fpsyg.2024.1416504

18. Rudianto, R., Wahyudi, T., & Handayani, P. (2022). Perbandingan akurasi C4.5 dan Naive Bayes untuk evaluasi kinerja karyawan PT Catur Sentosa Adiprana. Jurnal Sistem Informasi dan Ilmu Komputer Prima (JUSIKOM PRIMA), 5(2), 61–66. https://doi.org/10.34012/jurnalsisteminformasidanilmukomputer.v5i2.2350