MétaCan
Menu
Retour à la cohorte
Enregistrement W3095810907 · doi:10.53712/rjrs.v5i1.856

Pengaruh Penerapan Keselamatan Dan Kesehatan Kerja (K3) Serta Lingkungan Kerja Terhadap Produktivitas Kerja Di Surabaya

2020· article· id· W3095810907 sur OpenAlexaff
Feri Harianto

Notice bibliographique

RevueRekayasa Jurnal Teknik Sipil · 2020
Typearticle
Langueid
DomaineHealth Professions
ThématiqueOccupational Health and Safety Management
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPhysicsMathematicsArt

Résumé

récupéré en direct d'OpenAlex

ABSTRAK: Semua pekerjaan dituntut agar dapat menghasilkan kualitas yang baik dengan waktu yang telah ditentukan. Salah satunya adalah pekerjaan proyek konstruksi yang saat ini mengalami perkembangan pesat di Indonesia dengan memperhatikan produktivitas kerja. Proyek konstruksi tidak lepas dari keselamatan dan kesehatan kerja yang bisa menunjang suatu pekerja bisa menyelesaikan pekerjaan. Serta lingkungan kerja yang mendukung suatu pekerjaan. Keselamatan dan kesehatan kerja serta lingkungan kerja bisa mempengaruhi produktivitas kerja di suatu proyek konstruksi. Teknik pengambilan penelitian menggunakan metode non probability sampling disertai teknik purposive sampling dengan cara penyebara kuesioner. Responden penelitian adalah mandor, tukang dan pekerja kasar. Penyebaran kuesioner di 3 proyek, yaitu proyek pembangunan Rumah Sakit Katolik St Vicentius Paulo (RKZ), proyek pembangunan Apartmen Puncak Merr, dan proyek pembangunan Apartmen Belleview Manyar. Berdasarkan hasil analisis penelitian menyatakan bahwa variabel keselamatan dan kesehatan kerja (X1) berpengaruh signifikan terhadap produktivitas kerja (Y) dengan nilai (T-statistic=14,487 dangt; 1,96) dan (P-values = 0,000 danlt; 0,05). Sedangkan untuk variabel lingkungan kerja (X2) berpengaruh signifikan terhadap produktivitas kerja (Y) dengan nilai (T-statistic= 3,962 dangt; 1,96) dan (P-values = 0,000 danlt; 0,05).

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)0,002
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,069

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0030,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0210,003

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 Opus0,078
Tête enseignante GPT0,363
Écart entre enseignants0,285 · 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

Citations6
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRekayasa Jurnal Teknik SipilMême sujetOccupational Health and Safety ManagementTravaux en français237 207