PREDIKSI RISIKO BURNOUT KARYAWAN MENGGUNAKAN K-MEANS

Abstract

Burnout merupakan masalah serius dalam dunia kerja yang berdampak pada kesehatan mental karyawan serta kinerja organisasi. Tingginya beban kerja, lembur, dan rendahnya kualitas hubungan kerja menjadi faktor yang berkontribusi terhadap meningkatnya risiko burnout. Penelitian ini bertujuan untuk mengelompokkan tingkat risiko burnout karyawan menggunakan algoritma K-Means Clustering berdasarkan empat variabel utama, yaitu usia, jenis kelamin, riwayat lembur, dan kepuasan hubungan dengan rekan kerja. Metode penelitian meliputi pengumpulan data karyawan sebanyak 1.480 data, pra-pemrosesan data berupa encoding variabel kategorik dan normalisasi menggunakan Min-Max Scaler, serta pemodelan clustering menggunakan algoritma K-Means. Penentuan jumlah klaster optimal dilakukan dengan Elbow Method dan Silhouette Score. Hasil evaluasi menunjukkan bahwa jumlah klaster optimal adalah empat dengan nilai Silhouette Score sebesar 0,5472. Keempat klaster tersebut merepresentasikan tingkat risiko burnout yang berbeda, yaitu Non-Burnout, Low-Burnout, Medium-Burnout, dan High-Burnout. Hasil analisis menunjukkan bahwa karyawan yang sering lembur dan memiliki tingkat kepuasan hubungan kerja yang rendah cenderung berada pada kelompok risiko burnout yang lebih tinggi. Penelitian ini diharapkan dapat membantu organisasi dalam mendeteksi risiko burnout secara dini sebagai dasar pengambilan keputusan dan perancangan strategi intervensi yang lebih tepat sasaran.