PAPER TUGAS BESAR BIO INSPIRED COMPUTATIONAL

SEMESTER GASAL 2020/2021

PREDIKSI PROBABILITAS LOYALITAS PEGAWAI TERHADAP

PERUSAHAAN

Dipersiapkan oleh:

1. Adrian Kelvianto 150708261

2. Albert Satria Dewantara 160708709
3. Hendry Roganda Hutagalung 170709176

Program Studi Informatika

Fakultas Teknologi Industri
Universitas Atma Jaya Yogyakarta
2020

Abstrak
 Kompensasi yang rendah menyebabkan berbagai permasalahan dalam perusahaan
diantaranya rendahnya loyalitas karyawan. Loyalitas karyawan yang rendah ditunjukkan
oleh tingginya tingkat absensi, tingginya tingkat perputaran karyawan, moral dan disiplin
kerja yang rendah serta rendahnya semangat dan kegairahan kerja.
Kompensasi yang tepat dapat menciptakan prestasi kerja dan kepuasan kerja
sehingga pada akhirnya akan dapat menimbulkan loyalitas pada karyawan

1. Pendahuluan
Suatu perusahaan dapat survive apabila dalam segala kegiatannya didukung
oleh loyalitas yang tinggi dari para karyawannya. Loyalitas akan menumbuhkan
kesetiaan dan tanggung jawabnya dengan sebaik- baiknya, selalu menjaga nama baik
perusahaan dimana dia bekerja selain itu juga tidak ingin pindah pekerjaan.
Tugas dan tanggung jawab karyawan setiap karyawan harus dilaksanakan
dengan sebaikbaiknya agar tujuan perusahaan dapat tercapai, Sehingga dapat
dikatakan bahwa tercapai atau tidaknya tujuan perusahaan tergantung pada orang-
orang yang ada didalamnya.
Suatu perusahaan yang tingkat perpindahan karyawannya tinggi menunjukkan
loyalitas karyawan yang rendah. Loyalitas yang rendah bisa disebabkan karena
kesalahan pada waktu penarikan karyawan baru akan tetapi dapat pula disebabkan
pada waktu proses kegiatan perusahaan itu berlangsung.
Tingkat perpindahan karyawan yang tinggi akan mengganggu jalannya
aktifitas kerja, sebab di dalam suatu perusahaan setiap karyawan menempati posisinya
dan mengerjakan pekerjaannnya masing- masing sehingga kekosongan terhadap suatu
posisi akan memperlambat jalannya pelaksanaan pekerjaan. Tingkat perpindahan
karyawan yang tinggi akan merugikan perusahaan baik dari segi waktu , tenaga
maupun biaya. Hal ini disebabkan karena perusahaan akan melakukan penarikan
karyawan baru lagi, menyeleksi, melatih, dan mengembangkan karyawan baru yang
akan menggantikan posisinya. Perusahaan perlu memasang iklan di berbagai media
untuk menjaring pelamar- pelamar baru guna mengisi posisi- posisi yang kosong.
Loyalitas karyawan yang tinggi terhadap perusahaan tidak akan tumbuh begitu
saja apabila kondisi dan perlakuan perusahaan terhadap karyawan tidak ikut
mendukungnya. Apabila suatu perusahaan mengalami keadaan dimana loyalitas
karyawannya rendah atau mengalami penurunan maka sudah sewajarnya jika
 perusahaan mengadakan introspeksi diri mengenai faktor- faktor yang mungkin
menjadi penyebabnya
Metode artificial neural network (ANN) akan diterapkan dalam memprediksi
probabilitas loyalitas pegawai terhadap perusahaan. Metode ANN digunakan untuk
memprediksi peluang pegawai dengan pendapatan gaji yang rendah untuk melakukan
resign dari perusahaan.

2. Metodologi Penelitian
2.1 Data Pre-processing
Data Pre-processing diperlukan untuk mempersiapkan data untuk melakukan
learning model dengan metode ANN. Data preprocessing diperlukan untuk
manipulasi data agar data yang diolah tidak mengandung data kosong, noise,
maupun inkonsistensi [1]. Dalam python, library yang digunakan untuk
manipulasi data adalah pandas.

2.2 Define Function

Function sebuah cara mudah untuk membagi code dalam bentuk segmen blok
yang spesifik. Penggunaan function membuatnya lebih mudah dibaca,
menggunakannya kembali, dan menghemat waktu [2].

2.3 Transforming & Building ANN

Pada tahap ini dataset yang ada akan di scaling agar proses transforming tidak
membutuhkan resource komputasi yang banyak. Dalam python library yang akan
digunakan addalah sckit-learn StandardScaler. Kemudian data yang telah
di scaling akan dikembangkan dengan metode Artificial Neural Network (ANN).
ANN merupakan model komputasi yang dibangun menggunakan inspirasi dari
cara kerja otak manusia.

3. Pembahasan
3.1 Menyiapkan library dalam jupyter

Sebelum menyiapkan data, python membutuhkan library agar data bisa dibaca
oleh compiler. Library pandas dibutuhkan sebagai compiler python untuk
melakukan persiapan agar data bisa dibaca, kemudian manipulasi data untuk
tahap pre-processing, Sedangkan numpy dibutuhkan agar data yang
memerlukan array-list pada saat proses run-time tidak membutuhkan alokasi
memori yang tinggi. Kemudian untuk read data csv menggunakan library
pandas yang didefinisikan dalam alias pd pada code
df=pd.read_csv("https://raw.githubusercontent.com/
mwitiderrick/kerasDO/master/HR_comma_sep.csv")

3.2 Data pre-processing

3.2.1 Import data

Data yang sudah diimport ditampilkan dengan menggunakan library pandas

untuk memuat dataset model ke dalam jupyter. Kemudian dataset tersebut
ditampilkan menggunakan head() untuk menampilkan 5 data teratas dari
dataset.
3.2.2 Memisahkan dataset

Library sckit-learn digunakan untuk memisahkan dataset ke dalam bentuk

training dan testing set. Pemisahan dataset ditujukan untuk mencegah hasil akhir
 dari pengujian agar tidak memberikan prediksi yang tidak akurat.
train_test_split digunakan untuk memisahkan kolom left pada dataset sebagai
kolom yang digunakan untuk memprediksi kemungkinan seorang pegawai akan
meninggalkan perusahaan.

3.2.3 Transforming Data

Pada tahap ini dataset akan di scaling agar proses transforming tidak
membutuhkan resource komputasi yang banyak.

3.3 Building ANN

Untuk membuat dataset di proses menggunakan ANN ada beberapa library yang
harus diimport terlebih dahulu.

3.4 Melakukan prediksi terhadap datas

4. Kesimpulan
Dari hasil pembahasan dapat disimpulkan bahwa pengujian model mendapatkan
akurasi model sebanyak 0.8118868463663206 yang menunjukkan pegawai dengan
pendapatan gaji yang rendah berpeluang untuk melakukan resign dari perusahaan.

5. Referensi
[1] “Data Preprocessing - Konsep Pembelajaran Data Mining — Steemit.”
https://steemit.com/education/@alfarisi/data-preprocessing-konsep-
pembelajaran-data-mining (accessed Dec. 18, 2020).
[2] “Functions - Learn Python - Free Interactive Python Tutorial.”
https://www.learnpython.org/en/Functions (accessed Dec. 18, 2020).
[3] “Jaringan Syaraf Tiruan dan Aplikasinya (Artificial Neural Network and its
Applications)”.A Hermawan. Yogyakarta : Andi, 2006.
[4] Pengujian Algoritma Artificial Neural Network (ANN) Untuk Prediksi
Kecepatan Angin. Syukri Samsuddin
http://ojs.serambimekkah.ac.id/index.php/jnkti/article/view/1056