Factors affecting e-procurement division employee performance
Notice bibliographique
Résumé
In facing business competition in the cement industry, PT Semen Baturaja (Persero) Tbk is making creative and innovative breakthroughs. Poor procurement planning, competence in the procurement of goods and services, hard skills and soft skills, ineffective coordination between divisions, low culture and work discipline, as well as ineffective education and training are the main causes of the ineffective implementation of the e-Procurement system in the company. Employee performance in the e-procurement division is a concern in this study. This study aims to determine the influence of competence, education, training, and employee placement partially and simultaneously on employee performance at PT. Semen Baturaja (Persero) Tbk. This study uses a quantitative approach with a confirmative survey method that is descriptive and uses verification. The population and sample of this study is all employees in e-procurement division, as it uses a census sampling technique, amounting to 105 respondents. The data is gathered using questionnaire, documentation, and observation method. Furthermore, the data is then processed using SPSS 24 application. The results of this study show that employee competence, education, training, and employee placement had positive effects on employee performance. The strategy to improve employee performance will be effective by first providing technical training to improve competence in the e-Procurement division, then rearranging the placement by paying more attention to the suitability of individual competencies, expertise, and abilities in carrying out the e-Procurement Standard Operating Procedure.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».