Optimalisasi Peningkatan Kinerja Melalui Strategi MSDM

Read full text
Authors: Dewi Nur Septyarini, Riska Andrilla
Cited by: 0

Abstract

Penelitian ini bertujuan untuk menganalisis strategi Manajemen Sumber Daya Manusia yang meliputi Motivasi (X1), Disiplin Kerja (X2), dan Komunikasi (X3), terhadap Kinerja (Y) untuk mengoptimalkan kinerja perusahaan berdasarkan persepsi karyawan PT. XY. Penelitian ini menggunakan pendekatan kuantitatif dengan teknik analisis regresi linier berganda menggunakan software SPSS 25.0. Populasi dalam penelitian ini adalah 184 karyawan, dengan menggunakan sampel karyawan tetap perusahaan sebanyak 42 orang yang dipilih melalui teknik non-probability sampling jenis purposive sampling. Hasil penelitian menunjukkan bahwa secara parsial, Motivasi dan Disiplin Kerja berpengaruh positif dan signifikan terhadap Kinerja. Sementara variabel bebas lainnya dalam penelitian ini yakni Komunikasi secara parsial berpengaruh positif tetapi tidak signifikan terhadap Kinerja perusahaan PT.XY. Sementara itu secara simultan, ketiga variabel memiliki pengaruh positif dan signifikan terhadap Kinerja menunjukkan bahwa variasi kinerja dapat dijelaskan oleh motivasi, disiplin kerja dan komunikasi. Meskipun secara individual faktor komunikasi tidak berpengaruh terhadap kinerja, namun kombinasi ketiganya secara simultan memberikan dampak positif yang kuat terhadap kinerja. Oleh karena itu, manajemen perusahaan disarankan untuk merancang program pengembangan yang mengintegrasikan ketiga aspek tersebut. Hal ini dapat mencakup pelatihan komunikasi yang efektif, kegiatan team building, serta peningkatan fasilitas dan suasana kerja. Dengan pendekatan yang terintegrasi tersebut, diharapkan dapat menciptakan sinergi yang lebih baik antar karyawan, yang pada akhirnya akan meningkatkan produktivitas dan kinerja perusahaanl secara keseluruhan.

Fields of Study & Subjects

Employee Performance and Management Employee Performance and Motivation Employee Performance and Leadership

Publication details

Journal / source
RIGGS Journal of Artificial Intelligence and Digital Business
Volume
4
Issue
4
Pages
7959–7965
Publication date
1 January 2026