Tag: SDM

Bayangkan seorang vendor presentasi di depan tim SDM. “Model prediksi turnover kami memiliki akurasi 85%.” Ruangan mengangguk. Kedengarannya mengesankan, bukan? Delapan puluh lima dari seratus prediksi benar. Kontrak hampir ditandatangani.

Sebelum itu terjadi, ajukan satu pertanyaan sederhana: “Berapa persen karyawan di perusahaan kami yang sebenarnya resign tiap tahun?”

Kalau jawabannya 15%, ada kabar yang kurang enak. Model yang selalu menebak “tidak ada yang akan resign” akan benar untuk 85% karyawan, tanpa mempelajari apa pun. Akurasinya 85%. Dan model itu sama sekali tidak berguna, karena ia tidak pernah menemukan satu pun karyawan yang akan resign.

Inilah salah satu jebakan paling umum dalam proyek machine learning untuk SDM, dan bidang lain yang kejadiannya langka: akurasi bisa tinggi justru ketika model tidak bekerja. Mari kita bedah supaya kamu bisa menilai klaim seperti itu dengan kritis.

Matriks kebingungan: empat kemungkinan

Setiap prediksi biner (akan resign atau bertahan) punya empat kemungkinan hasil:

• Benar positif (TP): model memprediksi resign, dan memang resign.
• Salah positif (FP): model memprediksi resign, tapi ternyata bertahan.
• Benar negatif (TN): model memprediksi bertahan, dan memang bertahan.
• Salah negatif (FN): model memprediksi bertahan, tapi ternyata resign.

Dari empat angka itu kita menghitung beberapa ukuran:

• Akurasi = (TP + TN) / seluruh prediksi. Seberapa sering model benar secara keseluruhan.
• Presisi = TP / (TP + FP). Dari semua yang diprediksi resign, berapa yang benar-benar resign.
• Recall (sensitivitas) = TP / (TP + FN). Dari semua yang benar-benar resign, berapa yang berhasil ditemukan model.

Contoh dengan angka

Misalkan perusahaan punya 1.000 karyawan, dan 150 di antaranya resign tahun ini (15%).

Model A: “tidak ada yang resign”. Prediksinya benar untuk 850 orang yang bertahan, dan salah untuk 150 yang resign.

• Akurasi: 850/1.000 = 85%
• Recall: 0/150 = 0%
• Presisi: tidak terdefinisi (tidak pernah memprediksi resign)

Model B: model yang benar-benar belajar. Ia menandai 140 karyawan berisiko tinggi. Dari 140 itu, 90 memang resign (TP = 90), dan 50 ternyata bertahan (FP = 50). Dari 150 yang resign, ia gagal menemukan 60 orang (FN = 60). Maka TN = 850 − 50 = 800.

• Akurasi: (90 + 800)/1.000 = 89%
• Presisi: 90/140 = 64%
• Recall: 90/150 = 60%

Perhatikan: akurasi kedua model tidak terpaut jauh (85% dan 89%), padahal yang satu tidak berguna sama sekali dan yang lain menemukan 60% dari karyawan yang akan resign. Akurasi menyembunyikan perbedaan terpenting. Itulah kenapa kalau ada yang menyodorkan akurasi tunggal, minta ukuran lain.

Ukuran apa yang sebaiknya diminta?

Tergantung biaya kesalahan:

• Kalau kehilangan karyawan kunci itu mahal dan kamu ingin menemukan sebanyak mungkin yang berisiko, recall penting. Konsekuensinya presisi bisa turun (lebih banyak alarm palsu).
• Kalau intervensi mahal (misalnya program retensi individual yang berbiaya tinggi), presisi penting agar sumber daya tidak terbuang ke orang yang sebenarnya tidak berencana pergi.
• Untuk gambaran keseimbangan: F1-score (rata-rata harmonik presisi dan recall) dan AUC-ROC (kemampuan model membedakan yang resign dari yang bertahan di berbagai ambang batas) sering dilaporkan.

Dan satu pertanyaan penting yang sering dilupakan: dibandingkan dengan apa? Apakah model lebih baik daripada aturan sederhana, misalnya “karyawan dengan masa kerja di bawah dua tahun dan tanpa promosi dalam 18 bulan berisiko tinggi”? Model yang rumit harus membuktikan nilai tambahnya dibanding patokan sederhana.

Lima jebakan lain dalam proyek prediksi SDM

1. Kebocoran data (data leakage). Model yang secara tidak sengaja memakai informasi yang baru tersedia setelah kejadian, misalnya “sudah mengajukan surat pengunduran diri” atau “status akhir kontrak”. Hasil di data uji tampak luar biasa, tapi di dunia nyata model tidak berguna karena informasi itu belum ada saat prediksi dibutuhkan.

2. Pengujian pada data yang sama dengan pelatihan. Model harus diuji pada data yang belum pernah dilihatnya, idealnya data dari periode waktu setelah data pelatihan, agar mencerminkan situasi nyata.

3. Data yang tidak representatif. Model yang dilatih pada data satu divisi belum tentu berlaku di divisi lain. Perubahan kondisi (misalnya pasar kerja yang berubah) juga membuat model cepat usang, sehingga perlu dipantau dan dilatih ulang.

4. Mengabaikan penjelasan. Prediksi “risiko tinggi” tanpa alasan sulit ditindaklanjuti. SDM butuh tahu faktor apa yang mendorong risiko (misalnya lama tidak dipromosikan, beban kerja, atau jarak tempuh), bukan hanya skor. Teknik interpretasi model membantu di sini.

5. Persoalan etika dan privasi. Prediksi tentang individu menyangkut data pribadi karyawan. Tanyakan: apakah karyawan tahu datanya dipakai? Apakah model memperlakukan kelompok tertentu secara tidak adil (misalnya berdasarkan usia, gender, atau status keluarga)? Apakah skor risiko akan dipakai untuk membantu, atau justru untuk menghukum? Model prediksi seharusnya menjadi alat untuk mendukung karyawan dan memperbaiki lingkungan kerja, bukan untuk mengintai atau menyingkirkan.

Dari prediksi ke tindakan

Prediksi tidak berguna kalau tidak diikuti tindakan. Alur yang sehat biasanya begini:

1. Definisikan masalah bisnis: turnover di kelompok mana yang paling merugikan?
2. Siapkan data yang bersih dan relevan, dengan perhatian pada privasi.
3. Bangun model sederhana lebih dulu sebagai patokan, baru yang lebih kompleks bila perlu.
4. Evaluasi dengan ukuran yang sesuai biaya kesalahan, bukan hanya akurasi.
5. Terjemahkan hasil ke tindakan: percakapan dengan atasan, penyesuaian beban kerja, jalur karier, atau program pengembangan.
6. Pantau dan perbarui: ukur apakah intervensi berhasil, dan perbarui model secara berkala.

Pada akhirnya, tujuan model bukan menghasilkan skor yang cantik. Tujuannya membantu perusahaan mempertahankan orang-orang yang layak dipertahankan dengan cara yang adil dan manusiawi.

Tujuh pertanyaan untuk vendor atau tim internalmu

Kalau kamu pihak yang membeli atau menugaskan proyek prediksi, ajukan tujuh pertanyaan ini: (1) Berapa proporsi kejadian yang diprediksi dalam data, dan model dibandingkan dengan patokan apa? (2) Ukuran apa yang dipakai selain akurasi? (3) Bagaimana data diuji, dan apakah ada data dari periode yang berbeda untuk pengujian? (4) Fitur apa saja yang dipakai, dan apakah ada yang berpotensi bocor atau tidak etis? (5) Bagaimana prediksi dijelaskan kepada pengguna, sehingga SDM tahu alasannya? (6) Bagaimana model dipantau dan diperbarui? (7) Apa tindakan konkret yang akan diambil berdasarkan prediksi, dan bagaimana kita mengukur apakah tindakan itu berhasil? Kalau salah satu pertanyaan tidak bisa dijawab, ada pekerjaan rumah.

Uji coba sebelum penerapan menyeluruh

Prediksi yang akurat belum tentu menghasilkan retensi yang lebih baik. Satu-satunya cara memastikan adalah uji coba terkontrol: pilih beberapa kelompok karyawan berisiko tinggi, beri intervensi pada sebagian (misalnya percakapan pengembangan karier), dan bandingkan dengan sebagian yang tidak mendapat intervensi, dengan pembagian acak jika memungkinkan. Kalau tingkat resign pada kelompok intervensi lebih rendah secara bermakna, kita punya bukti bahwa kombinasi prediksi dan tindakan itu berhasil. Tanpa uji seperti itu, kita hanya punya skor risiko yang cantik dan harapan baik.

Tanya jawab singkat

Apakah model prediksi resign melanggar privasi karyawan? Bisa, jika dilakukan tanpa kebijakan jelas. Praktik yang sehat meliputi dasar hukum dan persetujuan sesuai ketentuan pelindungan data pribadi, pembatasan akses terhadap skor individu, penggunaan data seminimal mungkin, dan transparansi kepada karyawan tentang tujuan penggunaannya.

Perlu berapa data untuk membangun model seperti ini? Tidak ada angka tunggal. Yang penting jumlah kejadian resign yang cukup untuk dipelajari model, bukan hanya jumlah karyawan. Untuk perusahaan kecil, analisis deskriptif dan wawancara keluar sering lebih bermanfaat daripada model prediktif yang rapuh.

---

Ingin model prediksi yang dievaluasi dengan metrik yang tepat? Lihat layanan jasa analisis data dan statistik kami.