Makine Öğrenmesi Teknikleri ile İşten Ayrılacak Personelin Tahminlenmesi ve Tekniklerin Performanslarının Karşılaştırılması

Authors : Batuhan Bilenler, Sait Gül, Tamer Uçar

Pages : 807-816

Doi:10.24012/dumf.1517176

View : 269 | Download : 319

Publication Date : 2024-12-23

Article Type : Research Paper

Abstract :Şirketlerin sürdürülebilir başarısı için yetenekli insan kaynağını şirkette tutundurmak oldukça önemlidir. Bu çalışmada, araştırma yapmak amacıyla açık kaynak olarak paylaşılmış bir şirketin personel verileri kullanılarak işten ayrılacak olan personelin tahminlenebilmesi amaçlanmıştır. Gradient Boosting Tree, Random Forest Trees, XGBoosting Regresyon teknikleri ile tahminleme yapılmıştır. Değerlendirme metrikleri olan ortalama mutlak hata (mean absolute error), R² Skoru, ortalama kare hatası (mean squared error) ve düzeltilmiş R² (Adjusted R²) değerleri karşılaştırılmış olup 3 modelde de anlamlı ölçüde tahminleme yapılabilindiği sonucuna ulaşılmıştır. Ortalama hata skorları birbirine oldukça yakın olduğu için R² değeri 1’e en yakın olan Random Forest tekniği üzerinden özellik önemi çıkarılmıştır. İncelenen öznitelikler arasında, işten ayrılmayı etkileyen en önemli özniteliğin personel tatmini olduğu görülmüştür. Makine öğrenmesi tekniklerinin insan kaynakları alanında kullanımının, şirket içerisindeki yetenekli personeli şirkete tutundurma stratejilerini belirleme anlamında insan kaynakları yöneticilerine oldukça faydalı çıktılar üretebileceği düşünülmektedir.
Keywords : personel kayıp tahmini, makine öğrenmesi, insan kaynakları analitiği, veri analizi

ORIGINAL ARTICLE URL