Aria Pratama
STMIK IKMI Cirebon

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : KOPERTIP: Jurnal Ilmiah Manajemen Informatika dan Komputer

Penentuan Bonus Karyawan Dengan Menggunakan Algoritma K-Nearest Neighbor Abdul Koda; Puji Rahayu; Aria Pratama; Anana Rafly; Kaslani
KOPERTIP : Jurnal Ilmiah Manajemen Informatika dan Komputer Vol. 4 No. 1 (2020): KOPERTIP: Jurnal Ilmiah Manajemen Informatika dan Komputer
Publisher : Puslitbang Kopertip Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32485/kopertip.v4i1.115

Abstract

Sumber daya manusia/karyawan merupakan salah satu faktor penting dari jalannya suatu organisasi/perusahaan. Pengelolaan yang baik dari karyawan ini akan sangat mempengaruhi aspek keberhasilan kerja, jika karyawan dapat diorganisir dengan baik, diharapkan organisasi/perusahaan dapat menjalankan semua proses usaha dengan baik pula. Masalah subyektifitas dalam penilaian kinerja karyawan merupakan hal yang hampir tidak bisa dihindari. Penilaian masih bersifat subjektif atau berdasarkan pada pendapat pribadi penilai yang biasanya sering dianggap. Di lain pihak manajemen dan karyawan membutuhkan proses penilaian kinerja yang rutin dan cepat sehingga dapat memberikan umpan balik dan perbaikan yang cepat di lingkungan kerja. Transparansi proses penilaian biasanya dapat memberikan efek positif bagi peningkatan motivasi kerja pegawai Fokus masalah adalah proses evaluasi (penilaian) yang rumit, artinya yang sering terjadi sekarang adalah umumnya karyawan yang mendapatkan bonus hanya dilihat pada kriteria pertama saja, tetapi karyawan tersebut belum tentu unggul pada beberapa kriteria-kriteria yang lain tapi tetap mendapat bonus. Dalam penelitian ini difokuskan pada kriteri kehadiran.Hasil Penelitian ini Kriteria pada penelitian dalam menentukan Bonus Karyawan yaitu Masa Kerja, Hadir, Loyalitas dan Hasil Pekerjaan Hasil akurasi menunjukan 86.81 % dengan rincian yaitu Hasil Prediksi Layak dan True Layak memiliki data sebanyak 54 Data. Hasil Prediksi Layak dan True Tidak Layak memiliki data sebanyak 9 Data. Hasil Prediksi Tidak Layak dan True Tidak Layak memiliki data sebanyak 9 Data. Hasil Prediksi Tidak Layak dan True Layak memiliki data sebanyak 64 Data