@article{article_1580901, title={İşten Ayrılma Durumunun Tahminlenmesinde Makine Öğrenmesi Algoritmaları Kullanımı – Demir Çelik Sektöründe Bir Uygulama}, journal={Osmaniye Korkut Ata Üniversitesi Fen Bilimleri Enstitüsü Dergisi}, volume={8}, pages={1525–1543}, year={2025}, DOI={10.47495/okufbed.1580901}, author={Süllü, Nurselin and Kurt, Atıl}, keywords={Makine Öğrenmesi, Rassal Orman Algoritması, Devir Oranı, İşten Ayrılma Tahminlenmesi}, abstract={Zorlu çalışma koşullarına sahip demir-çelik sektöründeki birçok firma, mevcut personeli elde tutmanın maliyetinin yeni bir çalışan işe almaktan daha düşük olması nedeniyle çalışan devir oranını düşürmeye odaklanmaktadır. Bu çalışmanın amacı, makine öğrenmesi algoritmaları kullanarak işten ayrılma riski olan çalışanları tahmin etmektir. Çalışma kapsamında, Knime ve Python programları kullanılarak bir demir-çelik firmasının 16 yıllık sürede toplam 2318 çalışan için 14 farklı niteliği içeren veriler analiz edilmiştir. Çalışmada beş farklı makine öğrenmesi algoritması uygulanmış ve en yüksek doğruluk oranına (%78,02) Rassal Orman Algoritması ile ulaşılmıştır. Rassal Orman Algoritması yardımıyla, işten ayrılmalara yol açabilecek en önemli faktörler belirlenmiştir. Bu çalışmanın sonuçları; mevcut personelin işten ayrılma olasılığını değerlendirme, işe alımlarda hangi kriterlere öncelik verilmesi gerektiğini belirleme ve çalışan bağlılığını artırmaya yönelik stratejik kararlar geliştirme süreçlerinde işletmelere rehberlik edecektir.}, number={4}, publisher={Osmaniye Korkut Ata Üniversitesi}