Milestone 3

Repository Outline

1. description.md - Penjelasan gambaran umum project.
2. P2M3_iriel_aureleo_conceptual.txt - Text file yang menjawab Conceptual Problem.
3. P2M3_Iriel_Aureleo_DAG_graph.jpg - File gambar yang memberikan gambaran alur pemrosesan data.
4. P2M3_Iriel_Aureleo_ddl.txt - File text yang berisi command Query yang digunakan pada saat memasukan data kedalam PostgreSQL.
5. P2M3_iriel_aureleo_GX.ipynb - Notebook yang melakukan validasi atas data yang akan digunakan menggunakan Great Expectations.
6. .env - File yang mengatur setting airflow.
7. airflow_ES.yaml - File yang digunakan untuk compose docker container.
8. images - Folder yang berisi 6 gambar visualisasi dan insightnya berserta gambar perkenalan dan kesimpulan.
9. dags
   1. P2M3_iriel_aureleo_DAG.py - Script python yang digunakan airflow dalam pemrosesan data.

Problem Background

Tingginya tingkat turnover atau attrition karyawan menjadi salah satu tantangan besar yang dihadapi oleh banyak perusahaan global, termasuk di sektor teknologi dan manufaktur. Menurut laporan dari Work Institute (2022), rata-rata perusahaan kehilangan sekitar 1 dari 4 karyawannya setiap tahun, dan biaya penggantian satu karyawan bisa mencapai 30% dari gaji tahunan mereka.

Attrition yang tidak terkelola tidak hanya menurunkan produktivitas, tetapi juga menambah beban biaya untuk perekrutan, pelatihan, dan adaptasi budaya organisasi. Dalam konteks ini, penting bagi perusahaan untuk memahami faktor-faktor yang mendorong karyawan keluar dan bagaimana mencegahnya melalui pendekatan berbasis data.

Sebagai seorang Data Analyst yang bekerja di divisi Human Capital IBM. Project ini bertujuan untuk mengidentifikasi faktor-faktor penting yang berkaitan dengan attrition karyawan. Dengan menggunakan dataset internal IBM, project ini akan menganalisis variabel apa saja yang menyebabkan keputusan karyawan untuk tetap atau keluar dari perusahaan.

Project Output

Project ini menghasilkan enam visualisasi utama lengkap dengan insight yang diperoleh dari analisis data attrition karyawan di IBM Indonesia. Setiap visualisasi dirancang untuk mengungkap pola-pola penting terkait faktor-faktor apa saja yang menyebabkan karyawan untuk tetap atau keluar dari perusahaan. Output ini bertujuan menjadi dasar pengambilan keputusan strategis bagi Divisi Human Capital dalam menyusun kebijakan retensi dan pengembangan SDM yang lebih efektif guna mendukung pertumbuhan perusahaan.

Data

Sumber Data : https://www.kaggle.com/datasets/pavansubhasht/ibm-hr-analytics-attrition-dataset

Jumlah Kolom : 35

Jumlah Baris : 1470

Deskripsi Kolom

No	Kolom	Tipe Data	Deskripsi Singkat
1	Age	Numerik	Usia karyawan
2	Attrition	Kategorik	Status keluar atau bertahan di perusahaan
3	BusinessTravel	Kategorik	Frekuensi perjalanan dinas
4	DailyRate	Numerik	Tarif kerja harian
5	Department	Kategorik	Departemen tempat bekerja
6	DistanceFromHome	Numerik	Jarak rumah ke kantor (km)
7	Education	Kategorik	Tingkat pendidikan (1=Di bawah kuliah, 5=Doktor)
8	EducationField	Kategorik	Bidang studi pendidikan
9	EmployeeCount	Numerik	Selalu bernilai 1 (tidak berguna untuk analisis)
10	EmployeeNumber	Numerik	ID unik karyawan
11	EnvironmentSatisfaction	Kategorik	Kepuasan terhadap lingkungan kerja (1–4)
12	Gender	Kategorik	Jenis kelamin
13	HourlyRate	Numerik	Tarif kerja per jam
14	JobInvolvement	Kategorik	Tingkat keterlibatan kerja (1–4)
15	JobLevel	Kategorik	Level jabatan (1–5)
16	JobRole	Kategorik	Peran/jabatan dalam organisasi
17	JobSatisfaction	Kategorik	Kepuasan terhadap pekerjaan (1–4)
18	MaritalStatus	Kategorik	Status pernikahan
19	MonthlyIncome	Numerik	Pendapatan bulanan
20	MonthlyRate	Numerik	Tarif kerja per bulan
21	NumCompaniesWorked	Numerik	Jumlah perusahaan sebelumnya
22	Over18	Kategorik	Apakah usia > 18 tahun (semua “Yes”)
23	OverTime	Kategorik	Apakah bekerja lembur
24	PercentSalaryHike	Numerik	Persentase kenaikan gaji terakhir
25	PerformanceRating	Kategorik	Penilaian kinerja (1–4)
26	RelationshipSatisfaction	Kategorik	Kepuasan hubungan antar rekan kerja (1–4)
27	StandardHours	Numerik	Jam kerja standar (semua sama)
28	StockOptionLevel	Kategorik	Level opsi saham (0=Basic, 3=Elite)
29	TotalWorkingYears	Numerik	Total tahun pengalaman kerja
30	TrainingTimesLastYear	Numerik	Frekuensi pelatihan tahun lalu
31	WorkLifeBalance	Kategorik	Work-life balance (1=Buruk, 4=Terbaik)
32	YearsAtCompany	Numerik	Lama bekerja di perusahaan saat ini (tahun)
33	YearsInCurrentRole	Numerik	Lama bekerja di jabatan saat ini
34	YearsSinceLastPromotion	Numerik	Tahun sejak promosi terakhir
35	YearsWithCurrManager	Numerik	Lama bekerja dengan manajer saat ini

Method

Project ini diselesaikan menggunakan Docker untuk menjalankan Elasticsearch, Kibana, airflow, dan postgreSQL.

Stacks

Bahasa Pemrograman: Python

Library:

1. pandas
2. great_expectations

Tools/Source Lain:

1. Docker

Reference

Dataset : IBM HR Analytics Employee Attrition & Performance

Justifikasi :

• Hasil Riset: 91% Karyawan Startup Ingin Resign
• 5 Ways to Manage High Turnover : In industries where employees come and go frequently, HR professionals take a comprehensive approach to stem the tide.
• Mengelola Employee Life Cycle: Manfaat serta Tahapannya
• Work-Life Balance: Janji atau Budaya Nyata di Perusahaan Anda?

---

Referensi tambahan:

• Basic Writing and Syntax on Markdown
• Contoh readme
• Another example (Must read)
• Additional referencev