Pemodelan Turnover Karyawan PT. Garuda Abdi Satyatama Menggunakan Feature Importance Melalui Logistic Regression pada Sektor Jasa Keamanan dan Operasional

Abstrak

Turnover karyawan menjadi tantangan bagi banyak perusahaan, termasuk di Indonesia yang mencatat rata-rata 41% pada tahun 2023 dan berdampak pada efektivitas operasional. Penelitian ini bertujuan memprediksi turnover karyawan menggunakan Logistic Regression berdasarkan 345 data karyawan dengan 24 variabel melalui tahapan pra – pemrosesan data, pembagian data, pemodelan, evaluasi, dan analisis feature importance. Performa terbaik diperoleh pada pembagian data training 85% dan testing 15%, dengan akurasi 90,38%, precision 91,67%, recall 73,33%, dan F1-score 81,48%. Confusion matrix menunjukkan 36 prediksi benar untuk kelas bertahan dan 11 untuk kelas keluar, dengan total 5 kesalahan klasifikasi. Analisis koefisien regresi menunjukkan bahwa tahun bergabung (–3,48), lama bekerja (–2,84), jabatan (–0,99), dan usia (–0,54) menurunkan kemungkinan turnover, sedangkan variabel pengganti (0,94), tunjangan (0,92), dan status teguran (0,75) meningkatkan peluang keluarnya karyawan. Visualisasi terlihat bahwa karyawan masa kerja yang lebih singkat lebih rentan keluar. Logistic Regression terbukti efektif untuk prediksi dan informasi feature importance yang mendukung strategi retensi di sektor jasa keamanan dan operasional.