VERİ MADENCİLİĞİ YÖNTEMLERİ İLE İŞ YAŞAM DENGESİNDE YIPRANMA DURUMU TAHMİNİ

İş yaşam dengesinde çalışanların yıpranma durumunun tahmini, şirketlerde insan kaynakları departmanı için çalışan performansını anlamaya yönelik önemli bir göstergedir. Bu tür göstergeler için klasik istatistik analizleri yerine veri madenciliği ile tahminleme yapmak daha efektif sonuçlar verecektir. Bu çalışmada iş hayatında yıpranma ve dolayısıyla işi bırakma durumunun tahmini veri madenciliği yöntemlerinden karar ağacı ve destek vektör makinesi yöntemleri ile gerçekleştirilerek performans sonuçları karşılaştırılmıştır. Analiz için örnek veri seti IBM şirketi Watson Analytics programı kapsamında sunulan bir veritabanından alınmıştır. Veri seti 1470 adet çalışanın 35 farklı özniteliği içermektedir. Çalışmada yıpranmayı etkileyen faktörler belirlenmiş ve karar ağacı ile destek vektör makinesi yöntemlerinin tahmin performansında sırasıyla %84.09 ve %91.36 doğruluk oranları elde edilmiştir.

ESTIMATION OF EMPLOYEE ATTRITION IN BUSINESS LIFE BALANCE WITH DATA MINING METHODS

The estimation of employee attrition in business life balance is an important indicator to understand the employee performans for human resoırces department in companies. For such indicators, rather than classical statistical analysis, estimating with data mining will provide more effective results. In this study, the prediction of attrition and hence the turnover situations were estimated with decision tree and support vector machine methods from data mining and performace result were compared. The sample dataset for analysis was taken from a database provided by the IBM company in scope of Watson Analytics programme. The data set contains 35 different attributes of 1470 employees. Factors affecting attrition were determined in the study and the estimation performance of the decision tree and support vector machine methods were obtained for accuracy rates of 84.09% and 91.36% respectively.

___

  • Akpınar, P. D. H. (2014). DATA Veri Madenciliği Veri Analizi. Papatya Bilim Yayınevi.
  • Altıntaş, F. Ç. (2006). Bireysel Değerlerin Örgütsel Adalet Ve Sonuçları İlişkisinde Yönlendirici Etkisi: Akademik Personel Üzerinde Bir Analiz. Dokuz Eylül Üniversitesi İşletme Fakültesi Dergisi, 7(2), 19–40.
  • Black, J. S., & Porter, L. W. (2000). Management: Meeting New Challenges. Prentice Hall.
  • Chi, C. G., & Gursoy, D. (2009). Employee satisfaction, customer satisfaction, and financial performance: An empirical examination. International Journal of Hospitality Management, 28(2), 245–253. https://doi.org/10.1016/J.IJHM.2008.08.003
  • Cortes, C., & Vapnik, V. (1995). Support-vector networks. Machine Learning, 20(3), 273–297. https://doi.org/10.1007/BF00994018
  • Cover, T. M., & Thomas, J. A. (2006). Elements of Information Theory, 2nd Edition. Willey.
  • Gribskov, M., & Robinson, N. L. (1996). Use of receiver operating characteristic (ROC) analysis to evaluate sequence matching. Computers and Chemistry, 20(1), 25–33. https://doi.org/10.1016/S0097-8485(96)80004-0
  • Ihaka, R., & Gentleman, R. (1996). R: a language for data analysis and graphics. Journal of Computational and Graphical Statistics, 5(3), 299–314.
  • Jed Wing, M. K. C., Weston, S., Williams, A., Keefer, C., Engelhardt, A., Cooper, T., … Hunt., T. (2018). caret: Classification and Regression Training.
  • Korkmaz, O., & Erdoğan, E. (2014). İş Yaşam Dengesinin Örgütsel Bağlılık ve Çalışan Memnuniyetine Etkisi. Ege Academic Review, 14(4).
  • Meyer, D., Dimitriadou, E., Hornik, K., Weingessel, A., & Leisch, F. (2018). e1071: Misc Functions of the Department of Statistics, Probability Theory Group (Formerly: E1071), TU Wien.
  • Mobley, W. H. (1977). Intermediate linkages in the relationship between job satisfaction and employee turnover. Journal of Applied Psychology, 62(2), 237–240. https://doi.org/10.1037/0021-9010.62.2.237
  • Mobley, W. H. (1982). Employee Turnover, Causes, Consequences, and Control. Addison-Wesley.
  • Nagadevara, V., Srinivasan, V., & Valk, R. (2008). Establishing a Link Between Employee Turnover and Withdrawal Beaviours: Application of Data Mining Techniques. Research & Practice in Human Resource Management, 16(2), 81–99.
  • Osuna, E., Freund, R., & Girosi, F. (1997). Support Vector Machines: Training and Applications. Cambridge, MA, USA: Massachusetts Institute of Technology.
  • Özdemir, A. F., Yildiztepe, E., Binar Dokuz, M., Üniversitesi, E., Fakültesi, F.-E., & Bölümü, İ. (2018). İstatistiksel Yazılım Geliştirme Ortamı: R.,
  • Quinlan, J. R. (1999). Simplifying decision trees. International Journal of Human-Computer Studies, 51(2), 497–510. https://doi.org/10.1006/IJHC.1987.0321
  • Ranjan, J., Goyal, D. P., & Ahson, S. I. (2008). Data mining techniques for better decisions in human resource management systems. International Journal of Business Information Systems, 3(5), 464–481. https://doi.org/10.1504/IJBIS.2008.018597
  • Sing, T., Sander, O., Beerenwinkel, N., & Lengauer, T. (2005). ROCR: visualizing classifier performance in R. Bioinformatics, 21(20), 7881.
  • Stacker, M. (2015). SAMPLE DATA: HR Employee Attrition and Performance. Tarihinde 01 Kasım 2018, adresinden erişildi https://www.ibm.com/communities/analytics/watson-analytics-blog/hr-employee-attrition/
  • The Comprehensive R Archive Network. (y.y.). Tarihinde 01 Kasım 2018, adresinden erişildi https://cran.r-project.org/
  • The R Project for Statistical Computing. (y.y.). Tarihinde 01 Kasım 2018, adresinden erişildi https://www.r-project.org
  • Therneau, T., & Atkinson, B. (2018). rpart: Recursive Partitioning and Regression Trees.
  • Ülgen, E. K. (2017). Makine Öğrenimi Bölüm-4 (Destek Vektör Makineleri). Tarihinde 01 Kasım 2018, adresinden erişildi https://medium.com/@k.ulgen90/makine-öğrenimi-bölüm-4-destek-vektör-makineleri-2f8010824054
Yönetim ve Ekonomi Araştırmaları Dergisi-Cover
  • ISSN: 2148-029X
  • Başlangıç: 2013
  • Yayıncı: Bandırma Onyedi Eylül Üniversitesi İ.İ.B.F.
Sayıdaki Diğer Makaleler

FİNANSMAN SAĞLAMADA MUDARABE SUKUK VE MÜŞAREKE SUKUKUN ORTAKLIĞA DAYALI KİRA SERTİFİKALARI BOYUTUYLA DEĞERLENDİRİLMESİ VE MUHASEBELEŞTİRİLMESİ

Hakan ÇELENK, Asım ÇEBİ

TÜRKİYE ULUSAL VARLIK FONUNA İLİŞKİN BİR DEĞERLENDİRME

Hikmet Gülçin BEKEN, Nuri BALTACI

CARRY TRADE YATIRIMLARININ MAKROEKONOMİK BELİRLEYİCİLERİ: TÜRKİYE İÇİN ARDL SINIR TESTİ UYGULAMASI

Aslı GÜLER

ULUSAL VARLIK FONLARINA İLİŞKİN BİR DEĞERLENDİRME

Hikmet Gülçin BEKEN, Nuri BALTACI

EKONOMİK GÜVEN ENDEKSİ VE FİNANSAL YATIRIM ARAÇLARI GETİRİLERİ ARASINDAKİ NEDENSELLİK İLİŞKİSİ: 2007-2017 DÖNEMİNDE ABD DOLARI VE ALTIN GETİRİLERİ ÖRNEĞİ

Sezen GÜNGÖR

DAVRANIŞ BİLİMLERİ AÇISINDAN HALKIN TURİZMİN GELİŞİMİNİ DESTEKLEMEYE YÖNELİK ALGISINI ETKİLEYEN FAKTÖRLER: AKÇAKOCA ÖRNEĞİ

Halime GÖKTAŞ KULUALP, Doğan KARADAĞ

TÜRKİYE’DE TÜKETİCİ VE REEL KESİM GÜVEN ENDEKSİ İLE SEÇİLMİŞ MAKRO DEĞİŞKENLER ARASINDAKİ İLİŞKİLER: 2010-2018

Ayşe DURGUN

ÖRGÜTSEL SİNİZM: SATIŞ PERSONELİ ÜZERİNE NİTEL BİR ARAŞTIRMA

Aslı ERCAN, İpek KAZANÇOĞLU

TÜRKİYE’DE TÜKETİCİ VE REEL KESİM GÜVEN ENDEKSİ İLE SEÇİLMİŞ MAKRO DEĞİŞKENLER ARASINDAKİ İLİŞKİ: 2010-2018

Ayşe DURGUN KAYGISIZ

HAVAYOLU YOLCU TAŞIMACILIĞI SEKTÖRÜNDEKİ ŞİRKETLERİN LOJİSTİK PERFORMANS AÇISINDAN ENTROPİ VE TOPSİS YÖNTEMLERİ KULLANILARAK KARŞILAŞTIRILMASI

Mustafa DESTE, Ahmed İhsan ŞİMŞEK