MétaCan
Menu
Retour à la cohorte
Enregistrement W4220927748 · doi:10.51178/jsr.v3i1.476

Pengaruh Stres Kerja Dan Motivasi Kerja Terhadap Kinerja Pegawai Pada Badan Perencanaan Pembangunan Daerah Provinsi Sumatera Utara (BAPPEDA PROVSU)

2022· article· id· W4220927748 sur OpenAlexaff
Muhammad Ikhsan Harahap Putri Ramadhani

Notice bibliographique

RevueEducation Achievement Journal of Science and Research · 2022
Typearticle
Langueid
DomaineSocial Sciences
ThématiqueEmployee Performance and Management
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésMathematicsHumanitiesPhysicsArt

Résumé

récupéré en direct d'OpenAlex

Tujuan penelitian ini adalah untuk mengetahui pengaruh stress kerja dan motivasi terhadap kinerja pegawai pada Badan Perencanaan Pembangunan Daerah Provinsi Sumatera Utara Pendekatan penelitan yang dilakukan dalam penelitian ini adalah pendekatan asosiatif dan kuantitatif. Populasi dalam penelitian ini adalah seluruh pegawai yang ada pada Badan Perencanaan Pembangunan Daerah Provinsi Sumatera Utara berjumlah 145 Orang. Berdasarkan Hasil dari perhitungan rumus Slovin dalam penentuan sampel didapatkan jumlah 59,81 Setelah hasil pembulatan maka didapatkan jumlah sampel sebanyak 60 orang pegawai. Dari hasil penelitian terbukti bahwa Stres Kerja berpengaruh terhadap kinerja karyawan (Y). hal ini dibuktikan dari hasi uji t dengan hasil thitung 2,001. Sehingga didalam Bappeda Provsu Medan tersebut Stres Kerja bepengaruh terhadap kinerja karyawan. Hasil penelitian menunjukkan ada pengaruh Motivasi Kerja (X2) terhadap kinerja karyawan (Y). hal ini dibuktikan dari hasil uji t dengan hasil thitung > ttabel yaitu 4.420>2,001. Nilai Fhitung 15,545 > 2,77 Ftabel. Sehingga HO ditolak Ha diterima, jadi kesimpulannya bahwa terdapat pengaruh signifikan secara simultan variabel Stres Kerja dan Motivasi Kerja terhadap kinerja karyawan pada Bappeda Provsu Medan. Nilai R Sguare menunjukan 0,353 atau 35,3% menunjukkan 35,3 variabel kinerja karyawan (Y) dipengaruhi Stres Kerja (X1) dan Motivasi Kerja (X2). Sisanya 64,7% dipengaruhi oleh variabel yang tidak diteliti dalam penelitian ini.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,036
Score d'incertitude au seuil0,119

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0030,001
Communication savante0,0030,001
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0360,005

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 Opus0,053
Tête enseignante GPT0,376
Écart entre enseignants0,323 · 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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEducation Achievement Journal of Science and ResearchMême sujetEmployee Performance and ManagementTravaux en français237 207