Klasifikasi Kondisi Kesehatan Karyawan Menggunakan Algoritma Naïve Bayes Classifier Dan K-Nearest Neighbor

Abstract

Penelitian ini memfokuskan pada pentingnya kesejahteraan karyawan sebagai pilar fundamental dalam keberhasilan perusahaan serta bagaimana PT. Serba Dinamik Indonesia telah mengenali dan berkomitmen untuk meningkatkan kualitas hidup para karyawannya dengan menjaga kesehatan mereka. Menyadari era digital yang memudahkan pengumpulan data kesehatan, perusahaan mengerti bahwa evaluasi manual terhadap informasi tersebut tidaklah efisien. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan sistem yang dapat secara otomatis mengklasifikasikan kondisi kesehatan karyawan PT. Serba Dinamik Indonesia. Dengan menerapkan algoritma Naïve Bayes Classifier dan K-Nearest Neighbor, menggunakan Google Colaboratory, penelitian ini berhasil mengolah data absensi sebanyak 9910 karyawan untuk pelatihan data dan 10 data uji. Hasil klasifikasi menunjukkan bahwa metode K-Nearest Neighbor berhasil dengan tingkat akurasi 80%, sementara metode Naïve Bayes Classifier mencapai 70%. Implementasi ini mengindikasikan bahwa pendekatan K-Nearest Neighbor mungkin lebih efektif dalam mengklasifikasikan kondisi kesehatan karyawan secara otomatis bagi PT. Serba Dinamik Indonesia, yang dapat menjadi langkah penting dalam menjaga kesejahteraan mereka dan pada gilirannya, meningkatkan produktivitas serta suasana kerja yang harmonis di perusahaan tersebut.