KLASIFIKASI SEKUENSIAL UNTUK PENGELOMPOKAN DATA ABSENSI KARYAWAN MENGGUNAKAN ALGORITMA DECISION TREE DAN FEATURE ENGINEERING

Abstract

Pendataan absensi karyawan di PT Sum Hing Indonesia masih mengandalkan metode manual meskipun menggunakan perangkat lunak Microsoft Excel. Proses ini memerlukan pengurutan, pencarian pasangan data, dan pengecekan data absensi karyawan dari mesin absensi secara manual oleh staf payroll, dilakukan hari demi hari. Terkadang metode manual tersebut menyebabkan keterlambatan dan ketidakakuratan dalam pelaporan absensi. Penelitian ini bertujuan untuk mengotomatisasi proses pendataan absensi karyawan dengan menggunakan model decision tree yang didukung dengan feature engineering. Model ini dirancang untuk menyelesaikan masalah utama, yaitu sequential classification. Dengan mengimplementasikan decision tree dan feature engineering, model dapat mengklasifikasikan data tap masuk dan tap keluar karyawan secara otomatis sebagai pasangan data, menghasilkan rekaman absensi harian yang telah dikelompokan berdasarkan pasangan data masuk dan data keluarnya dengan tingkat ketelitian yang lebih tinggi dibandingkan metode manual dan model tanpa feature engineering. Hasil penelitian menunjukkan bahwa model dengan feature engineering lebih unggul dengan akurasi 99,98%, serta precision, recall, dan F1-score yang lebih tinggi, dengan struktur pohon yang lebih sederhana dan efisien daripada model tanpa feature engineering. Dengan demikian, model ini diharapkan dapat meningkatkan efisiensi operasional di PT Sum Hing Indonesia dan dapat diaplikasikan di perusahaan lain dengan kebutuhan serupa.