Repositori

Penelitian ini bertujuan untuk meningkatkan kinerja algoritma Random Forest dalam melakukan prediksi gaji karyawan melalui peningkatan metode penyetelan hiperparameter menggunakan GridSearchCV. Metode ini dimaksudkan untuk mengoptimalkan parameter- parameter kritis dalam algoritma Random Forest guna meningkatkan akurasi prediksi gaji karyawan. Penelitian ini menggunakan dataset yang mencakup berbagai fitur terkait karyawan, seperti pendidikan, pengalaman kerja, dan lainnya. Melalui eksperimen yang dilakukan, hasil menunjukkan bahwa dengan menggunakan GridSearchCV untuk penyetelan hiperparameter, kinerja algoritma Random Forest dalam memprediksi gaji karyawan dapat ditingkatkan secara signifikan dibandingkan dengan pendekatan penyetelanmanual. Hasil dari penelitian ini Dengan melakukan percobaan iterasi 125 maka didapat jumlah MSE terkecil pada iterasi 125 dengan kombinasi pencarian model menggunakan learning rate 0,01, batch size 100, epoch hidden state 512 dan windows size 30 dan Terdapathasil dari perhitungan tingkat error MSE mendapatkan hasil 0.8730706456934657. Penemuan ini memberikan kontribusi penting dalam meningkatkan efektivitas model prediksi gaji karyawan dan memiliki implikasi praktis dalam konteks manajemen sumber daya manusia. Kata kunci : Random forest, gaji, prediksi, karyawan, hyperparameter

URI :
https://repositori.unhar.ac.id/handle/1587/peningkatan-hyperparameter-tuning-menggunakan-grid-search-cv-pada-algoritma-random-forest-dalam-melakukan-prediksi-gaji-karyawan

Collections :
Skripsi [1593]