Employee at Risk pada Talenta Insights menampilkan Predictive Attrition Risk, yaitu prediksi laju resiko Employee Attrition. Employee attrition (Pengurangan jumlah karyawan) adalah kondisi dimana jumlah karyawan meninggalkan perusahaan secara bertahap. Kondisi ini terjadi disebabkan karena pengunduran diri, usia, kesehatan, dan lain sebagainya. Prediksi ini berlaku untuk 1 bulan ke depan saja.
Contoh: Jika Anda membuka dashboard di bulan Desember 2023, maka sistem akan mengkalkulasikan data dari 1-31 November 2023 untuk prediksi Januari 2024.

Penting
Faktor-faktor yang digunakan sebagai dasar analisa, akan berbeda antara satu perusahaan dengan perusahaan lainnya, dan akan berubah dari waktu ke waktu. Beberapa faktor umum utama yang digunakan adalah masa jabatan, jadwal rata-rata, status pekerjaan, kenaikan gaji 1 tahunan/6 bulanan, cuti, lembur, rata-rata jam kerja nyata dan divisi.

Berikut langkah-langkah untuk mengakses informasi untuk Employee at Risk.

1. Pergi ke halaman insights.talenta.co lalu Sign in ke akun Anda.
2. Setelah masuk pada halaman Talenta Insights, klik menu "Employee At Risk".
3. Maka Anda akan dibawa ke halaman Employee at Risk.
4. Apabila Anda ingin tampilan dasbor Employee at risk Anda menampilkan rentang waktu tertentu dan/atau cabang/organisasi tertentu, atur kolom-kolom filter, kemudian klik “Apply filter”.
   
5. Pada bagian kanan atas halaman, Anda dapat melihat tampilan berikut.
   
   

   No.	Nama Kolom/Tombol	Deskripsi
   1	Accuracy score	Indikator akurasi nilai (dalam bentuk persentase) dari seberapa akurat dari modelling yang digunakan Talenta. Sistem menghitung total prediksi yang resign dan yang benar telah resign dan berapa total prediksi yang tidak resign dan benar tidak resign. Nilai yang ditampilkan tiap perusahaan berbeda-beda tergantung dari jumlah karyawan dan karyawan yang menggunakan ESS (Employee Self Service) Talenta. Semakin banyak karyawan dan karyawan yang menggunakan ESS Talenta, maka nilai semakin akurat. Penjelasan selanjutnya dapat Anda baca pada kotak Penting di bawah tabel.
   2	View factors	Klik untuk membuka tampilan penjelasan tentang key factors. Faktor-faktor di bawah ditentukan dengan InterpretML. Dengan InterpretML, faktor-faktor yang paling mempengaruhi prediksi karyawan resign dapat dilihat. Selain itu, fitur ini menggunakan LightGBM untuk mendapatkan prediksi karyawan resign. Berikut penjelasannya: Working period Menilai total durasi kerja aktif, diukur dari tanggal mulai. Karyawan yang bertahan lebih lama mempunyai kemungkinan kecil untuk mengundurkan diri. Average schedule Menghitung rata-rata jumlah jam kerja yang dijadwalkan seorang karyawan dalam 1 bulan terakhir. Lebih sedikit jam kerja berarti karyawan tinggal lebih lama. Employment status Analisis status pekerjaan (magang, kontrak, tetap) dengan skor risiko pengunduran diri. Mereka yang tetap mempunyai kemungkinan kecil untuk mengundurkan diri. 1 year's salary increment Mengukur kenaikan gaji dalam setahun. Kenaikan yang lebih tinggi berkorelasi dengan risiko pengunduran diri yang lebih rendah. Time off Melacak total cuti yang diambil seorang karyawan dalam sebulan. Karyawan yang mengambil cuti lebih banyak kemungkinan besar akan mengundurkan diri. Overtime Melacak seberapa sering karyawan bekerja lembur dalam sebulan. Lebih sedikit waktu lembur berarti karyawan akan bekerja lebih lama. 6 months' salary increment Mengukur kenaikan gaji dalam 6 bulan terakhir. Kenaikan yang lebih tinggi berkorelasi dengan risiko pengunduran diri yang lebih rendah. Average actual work Rata-rata jam kerja aktual pegawai dalam sebulan. Semakin rendah jam kerja sebenarnya, semakin rendah pula peluang seorang karyawan untuk mengundurkan diri. Organization Analisis berdasarkan tingkat turnover menurut departemen untuk mengidentifikasi area dengan kecenderungan turnover yang tinggi. Perputaran yang lebih rendah seringkali menunjukkan praktik manajemen yang efektif. 2 years' salary increment Mengukur kenaikan gaji dalam 2 tahun terakhir. Kenaikan yang lebih tinggi berkorelasi dengan risiko pengunduran diri yang lebih rendah. Job level Meninjau berbagai tingkat pekerjaan dari rendah ke tinggi. Karyawan dengan tingkat pekerjaan yang lebih tinggi cenderung tidak akan mengundurkan diri. Age Menganalisis tren pengunduran diri di berbagai kelompok umur. Karyawan yang lebih tua umumnya memiliki tingkat pengunduran diri yang lebih rendah. Late in Melacak total hari keterlambatan karyawan per bulan. Keterlambatan yang sering terjadi dapat mengindikasikan risiko pengunduran diri yang lebih tinggi. Tax status Menganalisis tanggungan pegawai untuk keperluan perpajakan PTKP (Penghasilan Tidak Kena Pajak). Karyawan dengan lebih banyak tanggungan sering kali bertahan bekerja lebih lama. Average early out Melacak waktu rata-rata karyawan pulang lebih awal setiap bulan dan jumlah hari terjadinya. Sering keluar lebih awal dapat mengindikasikan risiko pengunduran diri yang lebih tinggi. Reprimand Menghitung jumlah teguran (surat peringatan) yang diterima seorang pegawai dalam sebulan. Karyawan yang menerima lebih sedikit teguran cenderung tidak akan mengundurkan diri. Klik ikon “silang” untuk menutup pop-up.
   3	Help	Klik untuk membuka dropdown berikut. - Guidebook: Klik untuk membuka artikel panduan Employee at risk ini. - Quick tour: Klik untuk mendapatkan tour panduan ringkas langsung di Talenta. - Share feedback: Klik untuk membuka pop-up yang dapat Anda isi dengan kritik dan saran fitur ini.

Penting
Faktor yang Mempengaruhi Akurasi pada Score Accuracy:
- Akurasi bervariasi antar perusahaan, tergantung pada jumlah karyawan dan penggunaan ESS Talenta.
- Semakin banyak karyawan dan pengguna ESS Talenta, semakin akurat prediksinya.
Untuk mengevaluasi efektivitas model prediksi, fitur ini menggunakan Precision dan Recall.
- Precision: Metrik ini menilai seberapa akurat prediksi yang dibuat oleh model. Dalam konteks dashboard ini, precision menjawab pertanyaan: "Dari semua karyawan yang model prediksi katakan akan resign, berapa banyak yang benar-benar resign?"
Precision tinggi berarti bahwa ketika model memprediksi karyawan akan resign, kemungkinan besar prediksi itu benar.
Contoh: Jika model memprediksi bahwa 100 karyawan akan resign dan 80 di antaranya benar-benar resign, maka precision adalah 80%.
- Recall: Metrik ini menilai kemampuan model dalam mengidentifikasi semua kasus yang relevan. Dalam konteks dashboard ini, recall menjawab pertanyaan: "Dari semua karyawan yang benar-benar resign, berapa banyak yang berhasil diprediksi oleh model bahwa mereka akan resign?" Recall tinggi berarti model tersebut efektif dalam mengidentifikasi sebagian besar karyawan yang benar-benar resign.
Contoh: Jika ada 100 karyawan yang benar-benar resign, dan model hanya berhasil memprediksi 70 dari mereka, maka recall adalah 70%.
Kedua metrik ini penting karena memberikan gambaran yang seimbang tentang kinerja model. Precision yang tinggi dengan recall yang rendah bisa berarti model terlalu hati-hati dan hanya memprediksi resign ketika sangat yakin, tapi melewatkan banyak kasus lain. Sebaliknya, recall tinggi dengan precision rendah bisa berarti model terlalu sering memprediksi resign, sehingga banyak prediksi yang salah.

Berikut adalah penjelasan untuk masing-masing informasi yang tersaji pada halaman Employee at Risk. 

A. Summary Predictive Attrition Risk

Pada bagian pertama ini, Anda dapat melihat ringkasan singkat perkategori tentang prediksi Attrition Risk yang ditunjukkan dengan persentase dan jumlah karyawan.

Informasi ringkasan ini yang dikelompokkan berdasarkan:

B. Overview Attrition Risk

Pada bagian kedua ini, akan disajikan informasi keseluruhan terkait prediksi atas kemungkinan karyawan akan resign atau meninggalkan perusahaan di bulan depan. Informasi yang disajikan dikelompokkan berdasarkan level: 

• Low risk, tingkat kemungkinan karyawan mengundurkan diri di bawah 25%.
• Medium risk, tingkat kemungkinan karyawan mengundurkan diri di antara 25-50%.
• High risk, tingkat kemungkinan karyawan mengundurkan diri 50%-75%.
• Critical risk, tingkat kemungkinan karyawan mengundurkan diri 75%-100%.

Anda dapat mengunduh diagram ke dalam bentuk spreadsheet dengan klik “Download” yang mana akan mengarahkan Anda ke halaman Export history.

C. Attrition Risk Trends

Pada bagian ketiga ini, Anda dapat melihat ringkasan singkat perkategori tentang prediksi Attrition Risk yang ditunjukkan dengan persentase dan jumlah karyawan.

- Show percentage number: Centang jika Anda ingin diagram menunjukkan angka persentase Attrition risk trends. Anda dapat klik sekali lagi untuk menghilangkan angka persentase tersebut.
- Download: Anda dapat mengunduh diagram ke dalam bentuk spreadsheet dengan klik tombol ini.
- Notification Alert bar:
Kuning berarti sistem memprediksi akan terjadinya kenaikan jumlah persentase karyawan yang meninggalkan perusahaan dibanding bulan lalu.

Hijau berarti sistem memprediksi akan terjadinya penurunan jumlah persentase karyawan yang meninggalkan perusahaan dibanding bulan lalu.

Putih berarti sistem memprediksi akan terjadinya ketetapan jumlah persentase karyawan yang meninggalkan perusahaan dibanding bulan lalu.

D. Attrition Risk Breakdown

Pada bagian keempat ini, prediksi akan disajikan berdasarkan filter pengelompokan karyawan, seperti Organization, Branch, Gender, dan lain sebagainya. Anda dapat melihat rincian informasi lebih detail pada bagian kanan layar.

- Search bar: Anda dapat mengetikkan kata kunci tertentu untuk mencari informasi tertentu pada bagian diagram ini.
- Download: Anda dapat mengunduh diagram ke dalam bentuk spreadsheet dengan klik tombol ini.
- Breakdown by: Sesuaikan tampilan diagram berdasarkan kebutuhan Anda. Contoh pada gambar di atas merupakan breakdown berdasarkan Organization. Jika Anda memilih Breakdown by Organization (dan beberapa kategori breakdown tertentu), maka, Anda dapat menambahkan rincian View by. 

E. Risk vs Protective Factor

Pada bagian kelima ini, Anda dapat melihat 10 (sepuluh) faktor yang paling mempengaruhi kondisi karyawan untuk resign (Risk factor) atau menetap (Protective factor). Dengan begitu, perusahaan dapat mengetahui faktor apa yang perlu diperbaiki di dalam perusahaan untuk mempertahankan karyawannya.

- Anda dapat mengunduh diagram ke dalam bentuk spreadsheet dengan klik “Download”.
- Anda dapat mengarahkan kursor di atas salah satu batang untuk melihat rinciannya. Faktor merah dengan nilai resiko (Risk score) positif (bergerak ke kanan) ini berarti semakin besar faktornya, semakin tinggi probabilitas karyawan resign. Persentase yang ditunjukkan merupakan perbandingan dengan bulan lalu. Berikut adalah rincian dari Risk factor (merah).

Sedangkan, berikut adalah rincian dari Protective factors (hijau). Faktor hijau dengan nilai resiko (Risk score) negatif (bergerak ke kiri) ini berarti semakin besar faktornya, semakin rendah probabilitas karyawan resign. Persentase yang ditunjukkan merupakan perbandingan dengan bulan lalu.

F. Employee Attrition Details

Pada bagian keenam ini, Anda dapat melihat daftar karyawan, beserta informasi data diri lengkap dengan level kemungkinan resign-nya.

Demikian adalah sekilas tentang Employee at Risk. Selanjutnya, Anda dapat mempelajari tentang Employee Performance di sini.