Classification and Interpretability of Employee Burnout Using Linear Discriminant Analysis

Read full text
Authors: Dwi Robiul Rochmawati, Muhammad Al Adib, Diyo Mollana F, Bill Raj, Romi Antoni, Rahmad Santoso, Wahyu Saptha Negoro
Cited by: 0

Abstract

Employee burnout merupakan permasalahan serius dalam organisasi modern karena berdampak langsung pada kesejahteraan psikologis karyawan, produktivitas kerja, serta keberlanjutan kinerja organisasi. Proses identifikasi burnout di banyak organisasi masih bersifat subjektif dan kurang terintegrasi dengan pendekatan analitik yang transparan. Penelitian ini bertujuan untuk mengembangkan model klasifikasi risiko burnout karyawan yang tidak hanya memiliki tingkat akurasi tinggi, tetapi juga mudah diinterpretasikan oleh praktisi non-teknis. Metode Linear Discriminant Analysis (LDA) dipilih karena kemampuannya dalam memisahkan kelas secara optimal sekaligus menyediakan koefisien diskriminan yang dapat digunakan untuk analisis faktor dominan. Dataset yang digunakan merupakan data sekunder Mental Health in Workplace Survey dengan 3.000 data karyawan dan 15 variabel terkait kondisi kerja, faktor psikososial, serta karakteristik individu. Model dilatih menggunakan 80% data dan diuji pada 20% data sisanya. Hasil pengujian menunjukkan bahwa model LDA mencapai akurasi sebesar 96,17%, dengan nilai recall 100%, precision 89,50%, F1-score 94,46%, serta AUC sebesar 0,9988. Analisis interpretabilitas menunjukkan bahwa tingkat burnout individu, peran jabatan, serta faktor keseimbangan kerja–hidup dan pengembangan karier merupakan variabel yang paling berpengaruh terhadap klasifikasi risiko burnout. Temuan ini menegaskan bahwa LDA merupakan pendekatan yang efektif dan interpretabel untuk mendukung deteksi dini burnout serta perancangan intervensi berbasis data di lingkungan kerja.

Fields of Study & Subjects

Stress and Burnout Research AI and HR Technologies Workplace Health and Well-being

Publication details

Journal / source
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI)
Volume
4
Issue
3
Pages
2198–2206
Publication date
4 February 2026