Pada era Industri 4.0 mengacu pada tren yang berkembang menuju otomatisasi yang
lebih besar dan pertukaran data dalam teknologi, seperti Big Data dan Artificial Intelligence.
Permasalahan yang dihadapi oleh Human Capital Management PT. XYZ terhadap proses
rekrutmennya yang memakan waktu yang cukup lama dan biaya yang banyak. Hal ini
diakibatkan oleh tidak ada penyaringan sistem saat setelah registrasi kandidat. Sehingga
proses manual dianggap tidak efektif lagi pada era ini. Pada sistem HR analytics dapat
digunakan untuk berbagai tujuan, termasuk analisis prediktif. Analitik prediktif adalah proses
meramalkan peristiwa masa depan menggunakan metodologi canggih seperti pembelajaran
mesin. Analisis prediktif dalam perekrutan dapat membantu dalam menentukan efektivitas
sistem perekrutan dan upaya perekrutan. Untuk membangun model analitik prediktif yang
cocok, penulis melakukan empat tahapan yaitu pengumpulan data, data pre-processing,
model building dan melakukan evaluasi terhadap hasil model. Algoritma yang digunakan
dalam metode ini adalah pengklasifikasi Random Forest dan Naïve Bayes. Kedua algoritma
tersebut berhasil lebih banyak memprediksi set data secara benar, akurasi dan presisi 70%,
dan recall diata 80%. Jika dibandingkan kedua algoritma tersebut, Random Forest yang
terbaik untuk model prediktif ini hasil evaluasinya yang lebih tinggi dibandingkan Naïve
Bayes. Pada permasalahan yang dihadapi oleh PT. XYZ, analitik prediktif bisa menjadi
alternatif solusi untuk digunakan sebagai sistem penyaringan karena bisa memprediksi
kriteria yang mana yang bisa lolos ke rekrutmen PT. XYZ. Model random forest classifier
yang akan lebih cocok digunakan untuk kumpulan data yang dimiliki PT. XYZ karena
memiliki akurasi yang paling baik, dan memiliki recall yang bagus sehingga model ini dapat
digunakan untuk kumpulan data yang belum pernah dilakukan pelatihan sebelumnya.