SYABANA, Muhammad Fajar (2024) Bootstrap Aggregating Classification And Regression Trees (Bagging CART) Untuk Klasifikasi Potensi Karyawan Resign Berdasarkan Kenyamanan Bekerja. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Text 1. COVER.pdf Download (284kB)
	Text 3. HALAMAN PENGESAHAN I SCAN.pdf Download (165kB)
	Text 4. HALAMAN PENGESAHAN II SCAN.pdf Download (124kB)
	Text 5. KATA PENGANTAR.pdf Download (348kB)
	Text 6. ABSTRAK.pdf Download (231kB)
	Text 7.ABSTRACK.pdf Download (230kB)
	Text 8.DAFTAR ISI.pdf Download (252kB)
	Text 12. BAB 1 PENDAHULUAN.pdf Download (578kB)
	Text 17. DAFTAR PUSTAKA.pdf Download (360kB)

Abstract

Fenomena karyawan resign menjadi tantangan tersendiri bagi perusahaan karena dapat memengaruhi produktivitas dan stabilitas operasional perusahaan. Setiap perusahaan dituntut untuk menganalisis potensi karyawan resign. Penelitian
ini bertujuan untuk mengklasifikasikan potensi karyawan resign berdasarkan kenyamanan bekerja dan menerapkan metode pemodelan klasifikasi dari Decision Tree: Classification And Regression Trees (CART) dan metode ensemble Bootstrap Aggregating (Bagging). CART merupakan metode non-parametrik yang efektif dalam membangun model klasifikasi dan prediksi berdasarkan pohon keputusan, sedangkan Bagging merupakan metode ensemble yang menggabungkan beberapa model CART untuk meningkatkan akurasi dan stabilitas prediksi. Model
CART memberikan akurasi sebesar 73% dan f1-score sebesar 62%, sedangkan model CART Bagging memberikan akurasi sebesar 87% dan f1-score sebesar 88%. Penelitian ini menunjukkan peningkatan akurasi saat menggunakan model Bagging CART sebesar 14%. Variabel terpenting untuk membangun model dan membuat prediksi adalah usia. Usia juga digunakan sebagai simpul akar dalam membangun model CART.
Kata Kunci: Karyawan, Resign, Kenyamanan Bekerja, CART, Bagging

Actions (login required)

View Item