Employee turnover merupakan salah satu permasalahan penting dalam manajemen sumber daya manusia karena dapat meningkatkan biaya operasional, menurunkan stabilitas organisasi, serta mengganggu produktivitas kerja. Penelitian ini bertujuan untuk menganalisis peran Human Resource (HR) Analytics dalam memprediksi employee turnover dalam konteks manajemen sumber daya manusia strategis. Metode yang digunakan adalah Systematic Literature Review (SLR) mengacu pada pedoman PRISMA, dengan HR Analytics sebagai variabel X dan employee turnover prediction sebagai variabel Y. Data sekunder diambil dari referensi Google Scholar, Scopus, dan ScienceDirect dengan periode publikasi lima tahun terakhir. Berdasarkan tinjauan literatur terhadap 8 artikel yang memenuhi kriteria, hasil penelitian menunjukkan bahwa penerapan HR analytics yang dikombinasikan dengan teknik machine learning seperti Random Forest, XGBoost, Artificial Neural Networks, dan ensemble learning mampu meningkatkan akurasi prediksi employee turnover serta mengidentifikasi faktor-faktor utama yang mempengaruhi keputusan karyawan untuk keluar dari organisasi, seperti kepuasan kerja, kompensasi, masa kerja, dan lingkungan kerja.