IMPLEMENTASI PENILAIAN KINERJA KARYAWAN DENGAN MENGGUNAKAN METODE BARS BERBASIS WEB
Keywords:
rating scale, berbasis web, website, penilaian kinerja, BARS, rekap absensi guruAbstract
Didalam dunia kerja penilaian kinerja karyawan merupakan aspek penting dalam meningkatkan sumber daya manusia disuatu lembaga maupun organisasi. Penelitian ini mengimplementasikan sistem penilaian kinerja karyawan di MTsN 4 Jombang dengan menggunakan metode BARS berbasis Web. Metode Behaviorally Anchored Rating Scale (BARS) ialah metode penilaian kinerja yang digunakan untuk mengukur kinerja karyawan berdasarkan perilaku yang terkait dengan tugas dan tanggung jawab setiap karyawan.
Sistem ini dirancang untuk memudahkan MTsN 4 Jombang dalam penilaian kinerja karyawan. Hasil penelitian ini menunjukkan bahwa metode BARS dapat meningkatkan efisiensi dan efektivitas proses penilaian, serta dapat memberikan informasi yang akurat tentang kinerja karyawan. Oleh karena itu, sistem ini dapat menjadi alat yang efektif bagi MTsN 4 Jombang dalam meningkatkan kualitas kinerja karyawan.
Pada perancangannya peneliti menggunakan metode rating scale, dengan tujuan data–data kehadiran karyawan bisa ditampilkan dalam bentuk skala–skala tertentu. Sistem dibangun dengan menggunakan mysql sebagai database sistem dan PHP. Laporan data rekap bulanan kehadiran karyawan bisa dimembantu Kepala Sekolah untuk melihat kinerja masing-masing karyawan.
Kata Kunci: Penilaian Kinerja, Rekap Absensi, Rating Scale, MySql.
Downloads
References
Alex, H., M., Mendarissan, A., & Mufria, J., P. (2021). Sistem Informasi Bimbingan Belajar Number One Medan Berbasis
Web, 16. https://ejurnal.methodist.ac.id/index.php/tamika/article/view/403
Bakhrudin All Habsy. (2024). Jurnal Managemet Pengumpulan Data, 40. https//jgi.internasionaljournallabs.com/index/
Dardiri, N.R., & I Gusti, L.E.P. (2021). Rancang Bangun Aplikasi Capaian Kinerja Pegawai Berbasis Web Pada Badan
Pusat Statistik Kota Surabaya, 4-5.
Darnita, Y., & Muntahanah. (2021). Rancang Bangun Aplikasi Mobile Penjadwal Perkuliahan Dengan Firebase Dengan
Realtime Notification. Jurnal Pseudocode, 58-65.
Dedy, R.P., & Ginanjar, S.P. (2020). Implementasi Metode Analytic Network Process (ANP) untuk Penilaian Kinerja
Karyawan dengan Rating Scale, 38-39.
Dicky, W., Angga, J. P., & Irmayanti. (2021). Penerapan Framework Codeigniter Pada Sistem Absensi Qr Code
Diskominfo Kabupaten Labuhanbatu Selatan. Jurnal Teknologi dan Sistem Informasi, 303 - 310.
https://scholar.google.com/scholarDicky/Angga/Irmayanti/Penerapan/Framework/Codeigniter
Febrianto, A., Fauziah, F., & Fitri, I. (2021). Aplikasi Absensi Online Berbasis Web Menggunakan Algoritma Sequential
Searching Jurnal Rekayasa Informasi, 1-8. https://ejournal.istn.ac.id/index.php/rekayasainformasi/article/ /790
Ikhsan, F., & Nurmiati, S. (2020). Perancangan Penilaian Kinerja Pegawai Berbasis Web Dengan Metode Rating Scale.
jurnal Rekayasa Informasi, 1-5. https://ejournal.istn.ac.id/index.php/rekayasainformasi/article/view/501
Indri, S., & Divia, D., A. (2024). Penerapan Metode Monte Carlo Pada Simulasi Prediksi Permintaan Mobil, 5821.
https://www.ejournal.itn.ac.id/index.php/jati/article/view/10050
Inggit Larasati. (2020). Evaluasi Penggunakan Website Universitas Islam Negeri Syarif Hidayatullah Jakarta Dengan
Menggunakan Metode Usability Testing, 73.
Prastyo, E. H. A., Prismana, I. P. E., & Wiratsongko, R. (2020). Implementasi Web Scraping Pada Situs Berita
Menggunakan Metode Supervised learning. Inovate: Jurnal Ilmiah Inovasi Teknologi Informasi, 5(1), 58-66.
Prehanto, D. R., Indriyanti, A. D., Prismana, I., Permadi, G. S., & Prastyo, E. H. A. (2021). Implementation of Web
Scraping on News Sites Using the Supervised Learning Method. Ilkogretim Online, 20(3).
Mashuri, C., Prastyo, E. H. A., & Hariri, F. R. Improving Fake News Detection Accuracy with Lexicon-based
Approach and LSTM through Text Preprocessing. Jurnal Sistem Informasi Bisnis, 15(2).
Prastyo, E. (2024). Deteksi berita hoax dengan pendekatan Lexicon Based dan LSTM (Doctoral dissertation,
Universitas Islam Negeri Maulana Malik Ibrahim).
Prastyo, E. H. A., Yaqin, M. A., Faisal, M., & Firdaus, R. A. J. (2024). Naive Bayes Classification for Software Defect
Prediction. Transactions on Informatics and Data Science, 1(1), 11-20.
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Umi Ngafifah H. Radun (Author)
This work is licensed under a Creative Commons Attribution 4.0 International License.
