Layanan penulisan ilmiah yang disediakan oleh Perpustakaan Universitas Gunadarma
Analisis Perbandingan Metode K-Nearest Neighbor, Support Vector Machine dan Decision Tree pada Model Prediksi Turnover Intention
ABSTRAKSI :
Syarif Sagaf Adibaji, 92219104 Analisis Perbandingan Metode K-Nearest Neighbor, Support Vector Machine dan Decision Tree pada Model Prediksi Turnover Intention Tesis. Sistem Informasi Bisnis. Program Studi Magister Manajemen Sistem Informasi. Universitas Gunadarma. 2022. Kata Kunci: Model Prediksi, Turnover Intention, K-Nearest Neighbor, Support Vector Machine, Decision Tree. (xii + 33 + Lampiran) Penelitian ini bertujuan untuk menganalisa perbandingan metode pada teknik machine learning untuk memprediksi turnover intention, turnover intention mengacu pada keinginan atau kemungkinan seorang karyawan untuk meninggalkan suatu perusahaan atau pekerjaan yang sedang dikerjakannya. Analisis dilakukan dengan membandingkan metode K-Nearest Neighbor, Support Vector Machine dan Decision Tree, dalam upaya untuk memprediksi turnover intention dan mengurangi risiko-risiko terjadinya turnover intention pada karyawan. Dataset yang digunakan diambil dari Kaggle dataset, file dataset berupa record data sumber daya manusia (SDM) dengan 311 record data dimana fitur yang digunakan dari dataset sebanyak 24 fitur dari 36 fitur. Selanjutnya dataset dioleh dengan metode K-Nearest Neighbor, Support Vector Machine dan Decision Tree untuk dihitung tingkat akurasi, presisi dan sensitivitasnya dengan confusion matrix, hasil akurasi, presisi dan sensitivitas dari ketiga metode dibandingkan dan akan dipilih metode dengan rata-rata persentase akurasi, presisi dan sensitivitas tertinggi untuk dijadikan model prediksi. Daftar Pustaka (2008-2021)