Tsulusia, Nuzulianti (2013) Implementasi Metode Topsis - Multiple Attribute Decision Making Untuk Pemilihan Karyawan Berprestasi Berdasarkan Kinerja (Studi Kasus Pada PT Sierad Produce, tbk). Sarjana thesis, Universitas Brawijaya.
Abstract
Sumber daya manusia merupakan elemen yang penting dalam suatu perusahaan baik swasta maupun pemerintah. Hal tersebut akan mendorong perusahaan untuk melakukan evaluasi kinerja sebagai ukuran hasil kerja karyawannya. Pemilihan karyawan berprestasi dilakukan berdasarkan aspek-aspek tertentu sesuai dengan kebijakan perusahaan. Setiap karyawan umumnya memiliki nilai yang berbeda untuk setiap aspeknya. Hal ini akan menjadi suatu permasalahan jika dikaitkan dengan keputusan dalam pengembangan sumber daya manusia selanjutnya. Penelitian ini mengimplementasikan metode TOPSIS dengan pembobotan Entropy untuk pemilihan karyawan berprestasi. TOPSIS dilakukan dengan menghitung jarak kedekatan relatif untuk setiap alternatifnya. Nilai kedekatan relatif tersebut dirangking dan selanjutnya akan digunakan sebagai dasar dalam pengambilan keputusan. Pengujian sensitivitas dilakukan dengan menambah dan mengurangi nilai bobot pada setiap kriteria untuk mengetahui kriteria yang paling berpengaruh pada pengambilan keputusan. Hasil pengujian menunjukkan bahwa kriteria paling sensitif adalah judgment. Kriteria judgment dianggap paling sensitif karena mempunyai bobot yang paling besar dari perhitungan bobot Entropy sehingga mempunyai pengaruh paling besar terhadap keputusan.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2013/42/051300972 |
| Subjects: | 000 Computer science, information and general works > 005 Computer programming, programs, data |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Hasbi |
| Date Deposited: | 02 Apr 2013 09:20 |
| Last Modified: | 23 Oct 2021 09:48 |
| URI: | http://repository.ub.ac.id/id/eprint/145828 |
Preview |
Text
JURNAL-NUZULIANTI.pdf Download (2MB) | Preview |
Preview |
Text
NUZULIANTI-_0810960059.pdf Download (6MB) | Preview |
Actions (login required)
 |
View Item |