SISTEM PENDUKUNG KEPUTUSAN PENERIMA REWARD UNTUK KARYAWAN TERBAIK PADA UNIT IT PT. DAN LIRIS DENGAN METODE SIMPLE ADDITIVE WEIGHTING DAN
ALGORITMA NAIVE BAYES BERBASIS WEB
Total View This Week0
Total View This Week0
Institusion
Universitas Duta Bangsa
Author
SETYAWAN, YOGA
Subject
Datestamp
2024-01-06 04:23:51
Abstract :
ABSTRAK SISTEM PENDUKUNG KEPUTUSAN PENERIMA REWARD UNTUK KARYAWAN TERBAIK DENGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) DAN ALGORITMA NAIVE BAYES BERBASIS WEB Oleh : Yoga Setyawan 190101030 Unit Tekstil PT Warna Asli Jaya mengalami suatu permasalahan yang mana pada saat ini sistem yang berjalan untuk memberikan reward terhadap karyawan terbaik masih manual yaitu belum tersistem dengan tepat dan Proses penyeleksian ini membutuhkan ketelitian dan waktu yang lama sehingga memberikan efek masalah terhadap keterlambatan waktu penyeleksian dan keterlambatan dalam pemberian reward, sehingga nanti akan dibangun Sistem Pendukung Keputusan berbasis Web untuk Penerima Reward Karyawan Terbaik Pada Unit Tekstil PT Warna Asli Jaya Dengan Metode Simple Additive Weighting (SAW) dan Algoritma Naïve Bayes. Metode pengembangan sistem yang digunakan yaitu waterfall dilakukan untuk mempermudah dalam membangun Sistem Pendukung Keputusan Penerima Reward Karyawan Terbaik Pada Unit Tekstil PT Warna Asli Jaya. Untuk Metode Perhitungan yang digunakan yaitu Metode Simple Additive Weighting (SAW) dan Algoritma Naïve Bayes. Hasil akhir dari penelitian ini yaitu berupa Sistem pendukung keputusan penerima reward untuk karyawan terbaik dengan metode Simple Additive Weighting (SAW) dan algoritma Naive Bayes berbasis web. Hasil penelitian ini diharapkan dapat bermanfaat bagi PT. Warna Asli Jaya. Pengujian sistem menggunakan metode blackbox memperoleh hasil bahwa sistem berjalan dengan fungsional dan belum ditemukan kesalahan. Kemudian dengan pengujian user testing yaitu dengan kuesioner mendapatkan total hasil perhitungan rata-rata 95,6% yang menunjukan bahwa sistem ini layak untuk digunakan dalam mencari karyawan terbaik pada Unit Tekstil PT.Warna Asli Jaya. Pengujian validasi data perhitungan sistem dengan perhitungan manual didapatkan hasil yang sangat baik.
ABSTRAK SISTEM PENDUKUNG KEPUTUSAN PENERIMA REWARD UNTUK KARYAWAN TERBAIK DENGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) DAN ALGORITMA NAIVE BAYES BERBASIS WEB Oleh : Yoga Setyawan 190101030 Unit Tekstil PT Warna Asli Jaya mengalami suatu permasalahan yang mana pada saat ini sistem yang berjalan untuk memberikan reward terhadap karyawan terbaik masih manual yaitu belum tersistem dengan tepat dan Proses penyeleksian ini membutuhkan ketelitian dan waktu yang lama sehingga memberikan efek masalah terhadap keterlambatan waktu penyeleksian dan keterlambatan dalam pemberian reward, sehingga nanti akan dibangun Sistem Pendukung Keputusan berbasis Web untuk Penerima Reward Karyawan Terbaik Pada Unit Tekstil PT Warna Asli Jaya Dengan Metode Simple Additive Weighting (SAW) dan Algoritma Naïve Bayes. Metode pengembangan sistem yang digunakan yaitu waterfall dilakukan untuk mempermudah dalam membangun Sistem Pendukung Keputusan Penerima Reward Karyawan Terbaik Pada Unit Tekstil PT Warna Asli Jaya. Untuk Metode Perhitungan yang digunakan yaitu Metode Simple Additive Weighting (SAW) dan Algoritma Naïve Bayes. Hasil akhir dari penelitian ini yaitu berupa Sistem pendukung keputusan penerima reward untuk karyawan terbaik dengan metode Simple Additive Weighting (SAW) dan algoritma Naive Bayes berbasis web. Hasil penelitian ini diharapkan dapat bermanfaat bagi PT. Warna Asli Jaya. Pengujian sistem menggunakan metode blackbox memperoleh hasil bahwa sistem berjalan dengan fungsional dan belum ditemukan kesalahan. Kemudian dengan pengujian user testing yaitu dengan kuesioner mendapatkan total hasil perhitungan rata-rata 95,6% yang menunjukan bahwa sistem ini layak untuk digunakan dalam mencari karyawan terbaik pada Unit Tekstil PT.Warna Asli Jaya. Pengujian validasi data perhitungan sistem dengan perhitungan manual didapatkan hasil yang sangat baik.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
