<> "The repository administrator has not yet configured an RDF license."^^ . <> . . . "PERANCANGAN MACHINE LEARNING UNTUK PERPUTARAN KARYAWAN MENGGUNAKAN LOGISTIC REGRESSION DAN RANDOM FOREST"^^ . "This study focuses on implementation a predictive model to identify employee\r\nturnover rates by utilizing Logistic Regression and Random Forest algorithms.\r\nAdditionally, the Synthetic Minority Oversampling Technique (SMOTE) is\r\nemployed to address data imbalance issues. The model aims to uncover key factors\r\ninfluencing employees' decisions to leave a company, such as education, age,\r\ngender, payment tier, work experience, and location. The research dataset,\r\nobtained from Kaggle, contains historical employee information. By comparing the\r\nperformance of Logistic Regression and Random Forest, both with and without\r\nSMOTE, the study found that Random Forest combined with SMOTE delivers\r\nhigher accuracy and effectively manages uneven data distribution. These findings\r\nprovide significant contributions to companies, particularly in reducing turnover\r\nrates, designing better retention policies, and optimizing employee recruitment\r\nstrategies.\r\nKeywords : Logistic Regression, Random Forest, SMOTE, Employee Turnover, Machine Learning\r\n\r\nPenelitian ini berfokus pada penerapan model prediksi untuk mengidentifikasi\r\ntingkat perputaran karyawan dengan memanfaatkan algoritma Logistic Regression\r\ndan Random Forest. Selain itu, teknik oversampling sintetis SMOTE digunakan\r\nuntuk mengatasi ketidakseimbangan data. Model ini bertujuan mengungkap faktorfaktor utama yang memengaruhi keputusan karyawan untuk keluar dari perusahaan,\r\nseperti pendidikan, usia, jenis kelamin, tingkat pembayaran, pengalaman kerja, dan\r\nlokasi. Dataset penelitian berasal dari Kaggle, yang mencakup informasi karyawan\r\ndalam format historis. Dengan membandingkan performa Logistic Regression dan\r\nRandom Forest, baik dengan maupun tanpa SMOTE, penelitian ini menemukan\r\nbahwa Random Forest yang dikombinasikan dengan SMOTE menghasilkan akurasi\r\nyang lebih tinggi dan mampu menangani distribusi data yang tidak merata secara\r\nlebih efektif. Temuan ini memberikan kontribusi signifikan bagi perusahaan,\r\nkhususnya dalam mengurangi tingkat turnover, merancang kebijakan retensi yang\r\nlebih baik, dan mengoptimalkan strategi rekrutmen karyawan.\r\nKata Kunci : Logistic Regression, Random Forest, SMOTE, Perputaran Karyawan, Machine Learning."^^ . "2025-07-28" . . . . . . . . . . "Universitas Mercu Buana Jakarta"^^ . . . "Biro Perpustakaan, Universitas Mercu Buana Jakarta"^^ . . . . . . . . . . "ABANG IZZAN RIFKI"^^ . "CHAIRULLAH"^^ . "ABANG IZZAN RIFKI CHAIRULLAH"^^ . . "Abdi"^^ . "Wahab"^^ . "Abdi Wahab"^^ . . . . . . "PERANCANGAN MACHINE LEARNING UNTUK PERPUTARAN KARYAWAN MENGGUNAKAN LOGISTIC REGRESSION DAN RANDOM FOREST (Text)"^^ . . . "01 COVER.pdf"^^ . . . "PERANCANGAN MACHINE LEARNING UNTUK PERPUTARAN KARYAWAN MENGGUNAKAN LOGISTIC REGRESSION DAN RANDOM FOREST (Text)"^^ . . . "PERANCANGAN MACHINE LEARNING UNTUK PERPUTARAN KARYAWAN MENGGUNAKAN LOGISTIC REGRESSION DAN RANDOM FOREST (Text)"^^ . . . "PERANCANGAN MACHINE LEARNING UNTUK PERPUTARAN KARYAWAN MENGGUNAKAN LOGISTIC REGRESSION DAN RANDOM FOREST (Text)"^^ . . . "PERANCANGAN MACHINE LEARNING UNTUK PERPUTARAN KARYAWAN MENGGUNAKAN LOGISTIC REGRESSION DAN RANDOM FOREST (Text)"^^ . . . "PERANCANGAN MACHINE LEARNING UNTUK PERPUTARAN KARYAWAN MENGGUNAKAN LOGISTIC REGRESSION DAN RANDOM FOREST (Text)"^^ . . . "PERANCANGAN MACHINE LEARNING UNTUK PERPUTARAN KARYAWAN MENGGUNAKAN LOGISTIC REGRESSION DAN RANDOM FOREST (Text)"^^ . . . "PERANCANGAN MACHINE LEARNING UNTUK PERPUTARAN KARYAWAN MENGGUNAKAN LOGISTIC REGRESSION DAN RANDOM FOREST (Text)"^^ . . "HTML Summary of #96777 \n\nPERANCANGAN MACHINE LEARNING UNTUK PERPUTARAN KARYAWAN MENGGUNAKAN LOGISTIC REGRESSION DAN RANDOM FOREST\n\n" . "text/html" . . . "006.31 Machine Learning/Pembelajaran Mesin"@en . . . "518.1 Algorithms/Algoritma"@en . . . "658.3 Personnel Management/Manajemen Personalia, Manajemen Sumber Daya Manusia, Manajemen SDM"@en . .