Pemilihan karyawan terbaik merupakan penghargaan yang diberikan oleh perusahaan kepada karyawan yang dapat mendorong semua karyawan agar dapat meningkatkan kinerjanya. Namun untuk penilaian biasanya masih dilakukan secara subyektif dan manual, dan sedikitnya sistem pendukung dalam mengambil keputusan menjadi masalah ini dapat menjadi masalah. Penelitian ini bertujuan untuk membangun sistem pendukung keputusan dalam pemilihan karyawan terbaik sesuai dengan persyaratan yang sudah ditentukan oleh perusahaan dengan menggunakan model Prototype. Sementara itu, metode yang digunakan untuk menguji konsistensi dan akurasi sistem ini menggunakan Analytical Hierarchy Process (AHP) dan Weighted Product (WP). Dalam memilih karyawan terbaik terdapat beberapa kriteria yang menjadi penilaian, yaitu: Pengetahuan, Kemampuan, Sikap, Absensi, dan Kerjasama, serta jumlah subjek penelitian ini terdiri dari 5 orang. Hasil temuan kami menunjukkan bahwa tingkat kesalahan akurasi sistem ini adalah di bawah 10% dan nilai index konsistensinya benar, sehingga dapat digunakan dengan jumlah relative bobot awal = 1. Setelah dilakukan ujicoba atau testing, hasil yang diperoleh adalah semua komponen atau modul pada sistem ini sudah berhasil dan layak digunakan sebagaimana mestinya.
Industri yang mengalami perkembangan yang signifikan adalah industri musik. Contoh perkembangannya adalah banyaknya platform aplikasi penyedia layanan musik online. Banyaknya data yang disimpan menyebabkan sulitnya menganalisa data yang ada, kehadiran Machine Learning dirasa mampu untuk menjawab tantangan tersebut. Meningkatkan user experience menjadi penting untuk memikat user agar menggunakan aplikasi yang dimiliki. Sistem rekomendasi menjadi salah satu cara untuk meningkatkannya. Penelitian ini bertujuan untuk membuat sistem yang dapat menyajikan rekomendasi musik sesuai dengan preferensi user sehingga tingkat kenyamanan user akan meningkat. Pengembangan sistem pada penelitian ini menggunakan metode Extreme Programming dengan beberapa tahapan, yaitu planning, design, coding, dan testing. Penelitian ini memanfaatkan Machine Learning dalam pencarian pola data serta metode Content-Based Filtering (CBF) dalam pencarian rekomendasinya. Sistem rekomendasi dengan metode CBF mampu menghasilkan tingkat kemiripan lagu rata-rata hingga 0,6684, serta nilai precision mencapai 0,125 dan 0,200 pada recall. Hasil Performance Testing dan System Testing yang diperoleh menyatakan bahwa sistem rekomendasi dapat berjalan baik dengan rata-rata response time mencapai 3,5 detik. Kesimpulan dari penelitian ini adalah sistem rekomendasi dengan metode CBF mampu menghasilkan rekomendasi yang sesuai dengan preferensi user, tetapi dengan data yang belum cukup banyak, diperlukan algoritma yang lebih efektif untuk data yang lebih besar.
[Bahasa]: Tujuan Pengabdian Kepada Masyarakat (PKM) ini adalah untuk meningkatkan pengetahuan dan keterampilan kepada para remaja tentang membuat digital academics writing yang berbasis COST (comprehensive, objective, systematic, trusted) sehingga dapat Meningkatkan wawasan pengetahuan tentang menulis makalah atau karya tulis yang baik dan benar. Disamping itu juga meningkatkan hubungan dan kerjasama antara Universitas Budi Luhur dengan Warga Puri Cinere Hijau Depok sebagai mitra. Metode yang digunakan adalah survey, wawancara, penyampaian materi dan praktikum serta memberikan kuesioner sebagai feedback dari mitra dan evaluasi dari kegiatan PKM. Kesimpulan dari kegiatan ini menunjukkan bahwa pelatihan penggunaan aplikasi Microsoft Word dalam pembuatan digital academics writing yang berbasis COST berjalan dengan baik dan terbukti berdasarkan Analisis angket menunjukkan bahwa respon remaja terhadap Evaluasi pelatihan untuk meningkatkan keterampilan dalam Digital Academics Writing berbasis COST dengan rata-rata persentase sebesar 71%. Serta berdasarkan hasil evaluasi proses pelatihan menunjukkan 90% peserta setuju isi materi pelatihan jelas dan mudah dipahami, 80% Tutor memberi kesempatan untuk bertanya, 90% peserta sangat setuju bahwa tutor mampu menjawab pertanyaan peserta dengan jelas, 70% Peserta setuju bahwa tutor membantu dalam memahami materi yang disampaikan contoh latihan jelas dan mudah dipahami. Pelatihan ini meningkatkan kompetensi remaja dalam bidang menulis makalah atau bentuk digital academic writing lainnya serta memiliki dampak sangat positif bagi remaja khususnya pelajar dan mahasiswa dalam menyelesaikan tugas harian sekolah atau kampus dan juga sebagai modal dalam penyusunan makalah dan skripsi nantinya. Kata Kunci: digital academics writing, COST [English]: This community service aims to increase teenagers’ knowledge and skills on how to make Digital Academics Writing based by COST (comprehensive, objective, systematic, trusted) to increase their writing quality. It also improves relations and cooperation between Budi Luhur University and the partner (Puri Cinere Hijau Depok residents). The methods used were surveys, interviews, expository, and practicum. Questionnaires were also given to the participants as an evaluation of the program. The training on using Microsoft Word application to create Digital academic Writing based on COST was running well. The questionnaire results showed that the program improved participants’ Digital Academics Writing skills based on COST with 71% average. The evaluation of the training reveals that 90% of the participants agreed that the training content is clear and understandable, 80% agreed that the tutor facilitated a discussion, 90% strongly agreed that the tutor could answer the participants’ questions clearly, and 70% agreed that tutor had helped the participants to understand the delivered lesson, and appropriately given the exercises. The program has improved the participants’ competence in writing papers or another digital academic writing form. Also, it gives a strong positive impact on school students and university students to complete their daily school or college tasks and as a preparation for writing the thesis. Keywords: digital academics writing, COST
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.