Sistem Pendukung Keputusan Pemberian Reward dan Punishment pada Perusahaan Makanan Menggunakan Metode MABAC
Abstract
Peningkatan performa sebuah perusahaan tidak lepas dari kinerja masing-masing karyawan. Evaluasi kinerja karyawan secara berkala menjadi tugas rutin dari tim manajemen Human Resources General Affair (HRGA) yang membutuhkan waktu dan tenaga yang lama karena masih dilakukan secara manual. Hasil kinerja karyawan yang telah dinilai dijadikan acuan sebagai penentuan pemberian reward dan punishment. Sistem pendukung keputusan dibuat dengan tujuan untuk memudahkan manajemen HRGA dalam menetapkan reward dan punishment karyawan berdasarkan faktor penilai yang telah ditentukan oleh perusahaan. Kriteria yang dipilih yaitu absensi, loyalitas dan tanggung jawab, kompetensi (penguasaan pekerjaan) dan hasil kerja (kualitas dan kuantitas hasil kerja). Salah satu dari sekian banyak metode yang bisa diterapkan untuk proses ini yaitu Metode Multi-Attributive Border Approximation area Comparison (MABAC). Metode ini digunakan karena, metode ini konsisten dalam solusi dan ahli untuk digunakan dalam pengambilan keputusan yang logis. Data penelitian diambil dari 11 sampling data kinerja karyawan divisi bakery selama 1 tahun. Data tersebut diperoleh dari absensi dan penilaian dari supervisor masing-masing divisi. Hasil penelitian ini yaitu berupa sistem pendukung keputusan berbasis web guna menentukan reward dan punishment menggunakan metode MABAC.
Downloads
References
[2] N. Ndruru, Mesran, F. T. Waruru, and D. P. Utomo, “Penerapan Metode MABAC Untuk Mendukung Pengambilan Keputusan Pemilihan Kepala Cabang Pada PT. Cefa Indonesia Sejahtera Lestari,” Resolusi Rekayasa Tek. Inform. dan Inf., vol. 1, no. 1, pp. 36–49, 2020, [Online]. Available: http://djournals.com/resolusi/article/view/11.
[3] R. Kristianto, “MABAC: Pemilihan Penerima Bantuan Rastra Menggunakan Metode MultiAttributive Border Approximation Area Comparison,” J. Mahajana Inf., vol. 3, no. 1, pp. 41–52, 2018.
[4] A. P. U. Siahaan, R. Rahim, and M. Mesran, “Student Admission Assesment using Multi-Objective Optimization on the Basis of Ratio Analysis,” no. October, 2017, doi: 10.31219/osf.io/cwfpu.
[5] R. Nasriyah, Z. Arham, and Q. Aini, “Profile matching and competency based human resources management approaches for employee placement decision support system (case study),” Asian J. Appl. Sci., vol. 9, no. 2, pp. 75–86, 2016, doi: 10.3923/ajaps.2016.75.86.
[6] Y. X. Xue, J. X. You, X. D. Lai, and H. C. Liu, “An interval-valued intuitionistic fuzzy MABAC approach for material selection with incomplete weight information,” Appl. Soft Comput. J., vol. 38, pp. 703–713, 2016, doi: 10.1016/j.asoc.2015.10.010.
[7] J. Wang, G. Wei, C. Wei, and Y. Wei, “MABAC method for multiple attribute group decision making under q-rung orthopair fuzzy environment,” Def. Technol., vol. 16, pp. 208–216, 2020, doi: 10.1016/j.dt.2019.06.019.
[8] D. Bozanic, D. Pamucar, and S. Karovic, “Use of the fuzzy AHP-MABAC hybrid model in ranking potential locations for preparing laying-up positions,” Vojnoteh. Glas., vol. 64, no. 3, pp. 705–729, 2016, doi: 10.5937/vojtehg64-9261.
[9] D. I. Božanić, D. S. Pamučar, and S. M. Karović, “Application the MABAC method in support of decision-making on the use of force in a defensive operation,” Tehnika, vol. 71, no. 1, pp. 129–136, 2016, doi: 10.5937/tehnika1601129b.
[10] L. Gigović, D. Pamučar, D. Božanić, and S. Ljubojević, “Application of the GIS-DANP-MABAC multi-criteria model for selecting the location of wind farms: A case study of Vojvodina, Serbia,” Renew. Energy, vol. 103, pp. 501–521, 2017, doi: 10.1016/j.renene.2016.11.057
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
