UIGMUIGM

Jurnal Ilmiah Informatika GlobalJurnal Ilmiah Informatika Global

Pemilihan karyawan terbaik di PT. Adyawinsa Telecommunications & Electrical selama ini dilakukan secara subjektif oleh manajer tanpa transparansi, sehingga berpotensi menimbulkan kecemburuan dan penurunan motivasi kerja. Penelitian ini bertujuan merancang sistem pendukung keputusan (SPK) untuk pemilihan karyawan terbaik menggunakan metode Multi-Attributive Border Approximation Area Comparison (MABAC) yang dikombinasikan dengan pengembangan perangkat lunak berbasis Agile. Sistem dirancang dengan lima kriteria: kemampuan bekerja, produktivitas, absensi, kedisiplinan, dan lama bekerja, dengan bobot ditentukan melalui wawancara dengan manajemen. Implementasi teknis dilakukan menggunakan framework Laravel, PHP, dan MySQL, serta antarmuka pengguna yang responsif. Pengujian sistem menggunakan metode black box testing menunjukkan bahwa seluruh fungsi sistem berjalan sesuai spesifikasi, dan hasil perhitungan MABAC menghasilkan rekomendasi karyawan terbaik yang objektif dan transparan. Sistem ini juga menyediakan fitur historis berbasis bulan dan tahun untuk pelacakan tren kinerja karyawan. Dengan demikian, penelitian ini tidak hanya menjawab kebutuhan praktis perusahaan dalam meningkatkan akuntabilitas proses seleksi, tetapi juga memperkaya penerapan metode MABAC dalam konteks manajemen sumber daya manusia di Indonesia.

Penelitian ini berhasil merancang dan mengimplementasikan sistem pendukung keputusan untuk pemilihan karyawan terbaik di PT.Adyawinsa Telecommunications & Electrical menggunakan metode MABAC dan pengembangan perangkat lunak berbasis Agile.Sistem ini mengatasi keterbatasan proses penilaian manual yang subjektif dengan menghasilkan peringkat karyawan yang objektif, konsisten, dan dapat dipertanggungjawabkan.Implementasi teknologi web modern dan fitur historis memberikan pengelolaan data terstruktur serta pelacakan tren kinerja secara longitudinal.

Penelitian selanjutnya dapat difokuskan pada integrasi sistem ini dengan data kinerja karyawan dari berbagai sumber, seperti data penjualan, data kepuasan pelanggan, dan data pelatihan, untuk memberikan gambaran kinerja yang lebih komprehensif dan akurat. Selain itu, eksplorasi penggunaan metode machine learning untuk memprediksi potensi kinerja karyawan berdasarkan data historis dan karakteristik individu dapat meningkatkan efektivitas sistem dalam mengidentifikasi kandidat terbaik. Terakhir, pengembangan antarmuka pengguna yang lebih interaktif dan personalisasi, misalnya dengan menyediakan dashboard khusus untuk setiap manajer atau karyawan, dapat meningkatkan adopsi dan kepuasan pengguna terhadap sistem ini, sehingga mendorong pemanfaatan yang lebih optimal dalam proses pengambilan keputusan di perusahaan.

  1. Penerapan Metode MABAC dalam Sistem Pendukung Keputusan Rekomendasi Aplikasi Pemesanan Hotel Terbaik... doi.org/10.47065/josh.v4i1.2415Penerapan Metode MABAC dalam Sistem Pendukung Keputusan Rekomendasi Aplikasi Pemesanan Hotel Terbaik doi 10 47065 josh v4i1 2415
Read online
File size1.55 MB
Pages8
DMCAReport

Related /

ads-block-test