PENERAPAN ALGORITMA REGRESSION TREE DAN C5.0 UNTUK MENGANALISIS PRODUKTIVITAS TENAGA KERJA

Abstract

Produktivitas tenaga kerja merupakan indikator penting dalam menilai kinerja suatu organisasi. Penelitian ini bertujuan untuk menganalisis faktor-faktor yang memengaruhi produktivitas tenaga kerja dengan menerapkan algoritma Regression Tree dan C5.0. Data yang digunakan berasal dari dataset publik industri garmen yang mencakup berbagai variabel seperti waktu lembur, insentif, idle time, dan target produktivitas. Data dianalisis menggunakan bahasa pemrograman R dengan pendekatan machine learning. Regression Tree digunakan untuk memprediksi produktivitas aktual, sedangkan C5.0 digunakan untuk mengklasifikasikan produktivitas ke dalam kategori “rendah”, “sedang”, dan “tinggi”. Hasil penelitian menunjukkan bahwa kedua algoritma mampu mengidentifikasi pola penting yang memengaruhi produktivitas dan menghasilkan model yang akurat serta mudah diinterpretasikan. Pendekatan ini memberikan dasar yang kuat bagi manajemen dalam menyusun kebijakan peningkatan kinerja karyawan secara objektif dan berbasis data.