MétaCan
Menu
Retour à la cohorte
Enregistrement W2603960782

Pengaruh Pelatihan , Kompensasi dan Kepemimpinan terhadap Prestasi Kerja Karyawan pada PT. Bredero Shaw Indonesia

2011· dissertation· id· W2603960782 sur OpenAlexaboutno aff

Notice bibliographique

RevueUniversitas Terbuka Repository (Universitas Terbuka) · 2011
Typedissertation
Langueid
DomaineSocial Sciences
ThématiqueEmployee Performance and Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMathematicsBusiness administrationHumanitiesBusinessArt
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Penelitian ini bertujuan untuk mengidentifikasi pengaruh pelatihan, kompensasi dan kepemimpinan terhadap prestasi kerja karryawan di PT. Bredero Shaw Indonesia (BSI) yang berlokasi di Pulau Batam, sebuah perusahaan PMA dari Canada yang bergerak di bidang pipe coating. Dilaksanakan melalui pendekatan kuantitatif dengan mengunakan metode survey dengan kuesioner. Responden adalah 74 karyawan yang ditarik secara acak dari 90 karyawan yang bekerja di Unit 3L Plant PT. BSI Batam. Analisis regresi linier digunakan untuk mengidentifikasi pengaruh antar variabel menggunakan perangkat lunak Minitab 15. Hasil analisis data menunjukkan pelatihan, kompensasi dan kepemimpinan memberikan pengaruh yang nyata terhadap prestasi kerja karyawan PT. BSI Batam (Rsq = 64.3%). Secara parsial hasil analisis data menunjukkan bahwa pelatihan dan kepemimpinan memberikan pengaruh positif dan signifikan terhadap prestasi kerja karyawan (masing-masing Rsq = 52.1%, dan 56.5%). Sedangkan kompensasi tidak memberikan pengaruh yang nyata terhadap restasi kerja (Rsq = 6.4%). Hasil analisis data juga menunjukkan bahwa kepemimpinan memberikan pengaruh yang paling besar di antara ke 3 variabel independen yang digunakan. Walaupun kompensasi tidak berpengaruh terhadap prestasi kerja, tetapi disarankan kepada manager PT.BSI Batam untuk terus menerapkan gaya kepemimpinan yang mampu memotivasi karyawannya meningkatkan keterampilan untuk meningkatkan kinerja organisasi secara optimal.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,050

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0150,003

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,016
Tête enseignante GPT0,232
Écart entre enseignants0,216 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUniversitas Terbuka Repository (Universitas Terbuka)Même sujetEmployee Performance and ManagementTravaux en français237 207