Analisis Asosiasi Pola Perilaku Kerja Karyawan Work From Home Untuk Identifikasi Burnout Berdasarkan FP-Growth

Abstract

Perkembangan kerja jarak jauh melalui Work From Home (WFH) memberikan fleksibilitas bagi karyawan, namun juga berpotensi menimbulkan pola kerja yang tidak seimbang dan meningkatkan risiko burnout. Permasalahan tersebut mendorong perlunya analisis yang mampu mengidentifikasi kombinasi perilaku kerja yang berkaitan dengan tingkat burnout secara lebih komprehensif. Penelitian ini bertujuan untuk menganalisis pola asosiasi perilaku kerja karyawan selama WFH dalam mengidentifikasi risiko burnout menggunakan algoritma FP-Growth. Dataset publik dari Kaggle diolah melalui tahapan Knowledge Discovery in Database (KDD), meliputi seleksi data, praproses, transformasi data, penerapan FP-Growth, pembentukan association rule, dan evaluasi menggunakan support, confidence, serta lift. Hasil penelitian menunjukkan bahwa pola dengan screen_time_hours rendah, breaks_taken tinggi, work_hours rendah, dan meetings_count rendah cenderung berasosiasi dengan burnout_risk rendah. Seluruh aturan yang dihasilkan memiliki nilai confidence tinggi, yaitu 0,872–0,907, serta nilai lift di atas 1, yang menunjukkan hubungan positif antarvariabel. Dengan demikian, FP-Growth efektif digunakan untuk mengidentifikasi pola perilaku kerja yang berkaitan dengan risiko burnout pada karyawan WFH.