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

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.