Efisiensi pengelolaan sumber daya manusia (SDM) merupakan tantangan bagi banyak organisasi besar, termasuk Kementerian Keuangan. Ketidakseimbangan beban kerja, baik overload maupun underload, dapat mempengaruhi kinerja pegawai dan menurunkan produktivitas. Penelitian ini bertujuan untuk mengklasifikasikan beban kerja pegawai di Sekretariat Jenderal Kementerian Keuangan menggunakan algoritma Naïve Bayes, dengan tujuan untuk memastikan pembagian beban kerja yang lebih seimbang. Metode penelitian dimulai dengan pengumpulan data dari dataset Kementerian Keuangan, yang mencakup informasi mengenai beban kerja pegawai. Selanjutnya, data yang terkumpul dibersihkan dan dipersiapkan sebelum diterapkan algoritma Naïve Bayes untuk mengklasifikasikan beban kerja ke dalam tiga kategori utama: overload, underload, dan normal. Hasil penelitian menunjukkan bahwa algoritma Naïve Bayes mampu mengklasifikasikan beban kerja pegawai dengan tingkat akurasi yang tinggi, yang memungkinkan pemisahan beban kerja dengan lebih efisien. Temuan ini memberikan dasar yang kuat bagi pengelolaan SDM di instansi pemerintahan untuk memastikan pembagian tugas yang lebih adil dan optimal.

Efficient human resource (HR) management is a challenge for many large organizations, including the Ministry of Finance. Workload imbalance, whether in the form of overload or underload, can affect employee performance and reduce productivity. This study aims to classify employee workloads at the Secretariat General of the Ministry of Finance using the Naïve Bayes algorithm, with the goal of achieving a more balanced workload distribution. The research method begins with data collection from the Ministry of Finance’s dataset, which includes information on employee workloads. The collected data is then cleaned and prepared before applying the Naïve Bayes algorithm to classify workloads into three main categories: overload, underload, and normal.The results show that the Naïve Bayes algorithm is capable of classifying employee workloads with a high level of accuracy, enabling more efficient workload distribution. These findings provide a solid foundation for HR management in government agencies to ensure a fairer and more optimal distribution of tasks.