%0 Generic
%A RISMA NURUL, HIDAYATI
%C UNIVERSITAS LAMPUNG
%D 2023
%F eprints:73927
%I FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM 
%T EKSPLORASI DAN KLASIFIKASI ATRISI KARYAWAN  MENGGUNAKAN METODE DECISION TREE DENGAN PENERAPAN  ALGORITMA C4.5
%U http://digilib.unila.ac.id/73927/
%X Employee attrition is a significant problem for companies because it can have a  negative impact on productivity and company sustainability. To find the  information contained in the employee attrition data statistically and visualize one  of them using the Exploratory Data Analysis (EDA) method. EDA provides an  initial description of the data used, and can assist in the classification stages of  data mining. The decision tree method is a data mining technique with the aim of  analyzing and modeling the relationship between variables that influence a  decision, in this case the problem of employee attrition. One of the algorithms that  is often used in the decision tree method is the C4.5 algorithm. One of the  advantages of the C4.5 algorithm is that it can handle categorical and numeric  data types and uses the gain ratio as the root determination of the model. In this  study, the main factor influencing employee attrition decisions is performance  ratings. The application of the C4.5 algorithm to the available employee attrition  data obtains an accuracy of 88%, a recall of 99% and a precision of 88%, which  means that the decision tree method is quite good at classifying data.  Keywords: Employee Attrition, Exploratory Data Analysis, Decision Tree,  Algorithm C4.5.  Atrisi karyawan menjadi masalah yang signifikan bagi perusahaan karena dapat  berdampak negatif pada produktivitas dan keberlanjutan perusahaan. Untuk  menemukan informasi yang terkandung pada data atrisi karyawan secara statistik  dan visualisasi salah satunya menggunakan metode Exploratory Data Analysis  (EDA). EDA memberikan gambaran awal tentang data yang digunakan, serta  dapat membantu dalam tahapan klasifikasi data mining. Metode decision tree  merupakan salah satu teknik data mining dengan tujuan menganalisis dan  memodelkan hubungan antara variabel yang mempengaruhi sebuah keputusan  dalam hal ini masalah atrisi karyawan. Salah satu algoritma yang sering  digunakan pada metode decision tree adalah algoritma C4.5. Kelebihan  algoritma C4.5 salah satunya dapat menangani data bertipe kategorik dan  numerik serta menggunakan gain ratio sebagai penentuan akar pada model. Pada  penelitian ini, faktor utama yang mempengaruhi keputusan atrisi karyawan  adalah peringkat kinerja. Penerapan algoritma C4.5 pada data atrisi karyawan  yang tersedia mendapatkan akurasi sebesar 88%, recall sebesar 99% dan  precission sebesar 88% yang artinya metode decision tree cukup baik dalam  mengklasifikasi data.  Kata Kunci: Atrisi Karyawan, Exploratory Data Analysi, Decision Tree,  Algoritma C4.5.