Sistem Pendukung Keputusan Karyawan Teladan Menggunakan Algoritma SAW Pada PT Semesta Citra Media
Karyawan berperan penting untuk mewujudkan visi dan misi perusahaan sehingga dianggap asset penting dan berpengaruh besar untuk kemajuan perusahaan, tanpa adanya karyawan perusahaan tidak bisa berjalan. Karyawan yang merupakan elemen vital untuk tumbuh kembangnya suatu perusahaan perlu selalu dijaga...
Enregistré dans:
| Auteurs principaux: | , |
|---|---|
| Format: | article |
| Langue: | ID |
| Publié: |
Universitas Bina Sarana Informatika, LPPM
2021
|
| Sujets: | |
| Accès en ligne: | https://doaj.org/article/498125a15c8045bbb8017712041eb14e |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
| Résumé: | Karyawan berperan penting untuk mewujudkan visi dan misi perusahaan sehingga dianggap asset penting dan berpengaruh besar untuk kemajuan perusahaan, tanpa adanya karyawan perusahaan tidak bisa berjalan. Karyawan yang merupakan elemen vital untuk tumbuh kembangnya suatu perusahaan perlu selalu dijaga dan ditingkatkan kualifikasinya. Penilaian kinerja karyawan menjadi strategis untuk mengetahui kualitas kinerja yang dimiliki oleh karyawan tersebut. Namun karena banyaknya karyawan yang akan di pilih di PT SCMedia menjadi kendala dalam pemilihan karyawan teladan dan pada penilaian karyawan ini masih menggunakan secara manual dan belum adanya metode yang tepat untuk melakukan pencarian karyawan teladan. Untuk mengatasi permasalahan tersebut perlu dibuat sistem pendukung keputusan mencari karyawan teladan menggunakan metode SAW agar pemilihan penilaian karyawan teladan tepat dan akurat dikarenakan metode saw dapat menghasilkan nilai terbesar hingga terendah yang nantinya akan dijadikan alternatif. Penelitian ini bertujuan merancang sebuah sistem pendukung keputusan untuk memilih karyawan teladan di PT SCMedia. Di sini diperlukan sebuah sistem informasi berbasis komputer termasuk sistem berbasis pengetahuan yang digunakan untuk mendukung pendukung keputusan. Penelitian ini menggunakan metode Simple Additive Weighting (SAW) untuk menghitung penjumlahan terbobot yang didapat dari rating kinerja pada setiap alternatif di semua atribut kinerja. Hasil dari penelitian menggunakan metode saw ini menunjukkan peringkat dari peringkat 1 sampai 40 yang dimana pada peringkat 1 sampai 3 akan ditetapkan sebagai karyawan teladan yang mendapatkan penambahan gaji dan reward berupa liburan dan cuti. |
|---|