FAKTOR YANG BERPENGARUH TERHADAP KELELAHAN (Studi Pada Pekerja Proyek Kapal Perang di PT. X Tahun 2018)
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Kelelahan merupakan masalah yang harus mendapat perhatian dalam suatu industri. Ada banyak faktor yang dapat berpotensi menimbulkan kelelahan. Faktor tersebut antara lain faktor individu seperti usia, lama kerja, kebiasaan merokok, kebiasaan tidur dan faktor lingkungan seperti iklim kerja dan kebisingan. Tujuan dari penelitian ini adalah untuk menganalisis faktor-faktor yang mempengaruhi kelelahan kerja pada pekerja yang bekerja di divisi Akomodasi, Deck Tank dan Deck Whool di proyek kapal perang PT. X tahun 2018.Penelitian ini merupakan penelitian analitik observasional dengan desain Cross Sectional. Teknik pengambilan sampel adalah sampel acak sederhana pada 50 pekerja. dengan jumlah sampel (n = 44) dari populasi (N = 50). Data dikumpulkan dengan menggunakan kuesioner, observasi menggunakan checklist, pengukuran WGBT dan pengukuran intensitas kebisingan. Analisis data dilakukan dengan menggunakan univariat dan bivariat menggunakan Fisher Exact Test.Dari analisis statistik, kelelahan kerja kerja secara signifikan dipengaruhi oleh usia, perokok, kebiasaan tidur (p ≤ 0,05) dan tidak dipengaruhi oleh tiga variabel lainnya antara lain iklim kerja, kebisingan lama kerja ≤ 8 jam / hari (p> 0,05).Berdasarkan hasil penelitian ini perusahaan disarankan untuk memberikan pelatihan tentang kelelahan kepada semua pekerja dan melakukan kegiatan olahraga secara teratur. Pekerja disarankan untuk istirahat tidur yang cukup (7-8 jam/hari). Untuk mencegah kelelahan di lain waktu. Kata kunci: kelelahan, faktor individu, faktor lingkungan
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,008 |
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.
score_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