COMPARISON OF MAUT METHOD WITH MABAC IN GIVING EMPLOYEES SALARY BONUS AT PT. ARTA JAYA ELECTRIC

I. A. T. Putra, Ketut Sepdyana Kartini, N. Putri
{"title":"COMPARISON OF MAUT METHOD WITH MABAC IN GIVING EMPLOYEES SALARY BONUS AT PT. ARTA JAYA ELECTRIC","authors":"I. A. T. Putra, Ketut Sepdyana Kartini, N. Putri","doi":"10.31315/telematika.v19i1.7174","DOIUrl":null,"url":null,"abstract":"Tujuan: PT. Arta Jaya Elektrik memiliki karyawan yang setiap bulan diberikan gaji dan setiap 6 bulan diberikan bonus gaji. Dalam proses penentuan bonus karyawan masih menggunakan Microsoft Excel sehingga terkadang terjadi kesalahan dalam proses penginputan data yang akan digunakan untuk penilaian karyawan. Selain itu, dikarenakan harus membuat rekapan data penunjang pemberian bonus karyawan.Perancangan/metode/pendekatan: Perancangan sistem dibuat untuk dapat mengelola data karyawan, data kriteria, data sub-kriteria, data penilaian, data perhitungan, dan data hasil akhir. Pendekatan Metode MAUT dan MABAC digunakan karena ingin melakukan perbandingan untuk memilih metode yang paling tepat dan mudah dalam menentukan bonus gaji karyawan. Hasil: Pengujian perhitungan menggunakan MAUT dan MABAC menghasilkan urutan hasil peringkat yang sama. Namun hasil total perhitungan menunjukan jumlah yang berbeda. Keaslian/ state of the art: Berdasarkan penelitian terdahulu, dalam penelitian ini menggunakan kriteria absensi, keterlambatan, lembur, dan kinerja karyawan dalam melakukan perhitungan metode MAUT dan MABAC untuk mencari hasil akhir perangkingan alternatif.","PeriodicalId":31716,"journal":{"name":"Telematika","volume":null,"pages":null},"PeriodicalIF":0.0000,"publicationDate":"2022-02-28","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"1","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Telematika","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.31315/telematika.v19i1.7174","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 1

Abstract

Tujuan: PT. Arta Jaya Elektrik memiliki karyawan yang setiap bulan diberikan gaji dan setiap 6 bulan diberikan bonus gaji. Dalam proses penentuan bonus karyawan masih menggunakan Microsoft Excel sehingga terkadang terjadi kesalahan dalam proses penginputan data yang akan digunakan untuk penilaian karyawan. Selain itu, dikarenakan harus membuat rekapan data penunjang pemberian bonus karyawan.Perancangan/metode/pendekatan: Perancangan sistem dibuat untuk dapat mengelola data karyawan, data kriteria, data sub-kriteria, data penilaian, data perhitungan, dan data hasil akhir. Pendekatan Metode MAUT dan MABAC digunakan karena ingin melakukan perbandingan untuk memilih metode yang paling tepat dan mudah dalam menentukan bonus gaji karyawan. Hasil: Pengujian perhitungan menggunakan MAUT dan MABAC menghasilkan urutan hasil peringkat yang sama. Namun hasil total perhitungan menunjukan jumlah yang berbeda. Keaslian/ state of the art: Berdasarkan penelitian terdahulu, dalam penelitian ini menggunakan kriteria absensi, keterlambatan, lembur, dan kinerja karyawan dalam melakukan perhitungan metode MAUT dan MABAC untuk mencari hasil akhir perangkingan alternatif.
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
摩法与摩法在阿尔塔嘉亚电力公司发放员工工资奖金的比较
目标:PT. Arta Jaya公司有一名员工,每个月发工资,每个月发奖金。在决策过程中,员工仍然使用微软Excel,因此有时在日志过程中会出现用于员工评估的错误。此外,还必须对员工奖金发放的数据进行重组。设计/方法/方法:设计系统是为了管理员工数据、标准数据、子标准数据、评估数据、计算数据和最终结果结果。采用致命的方法和MABAC的方法,因为他们希望进行比较,选择最简单、最精确的方法来决定雇佣奖金。结果:使用死亡和MABAC进行的计算测试产生了相同序列的评级结果。但是计算结果显示了一个不同的数。艺术真实性/状态:根据以前的研究,本研究采用缺席标准、拖延、加班和员工执行致命方法计算和MABAC的表现来确定替代战争的最终结果。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 去求助
来源期刊
自引率
0.00%
发文量
7
审稿时长
24 weeks
期刊最新文献
Identification of Social Media Posts Containing Self-reported COVID-19 Symptoms using Triple Word Embeddings and Long Short-Term Memory Deep Learning for Histopathological Image Analysis: A Convolutional Neural Network Approach to Colon Cancer Classification Comparative Analysis of Classification Methods in Sentiment Analysis: The Impact of Feature Selection and Ensemble Techniques Optimization Optimizing Clustering of Indonesian Text Data Using Particle Swarm Optimization Algorithm: A Case Study of the Quran Translation Monitoring Development Board based on InfluxDB and Grafana
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1