Analisis Budaya Keselamatan Terhadap Tingkat Pelayanan Jasa Transportasi Penyeberangan Ferry Pelabuhan Bakauheni
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
Indonesia memiliki 17.504 pulau dengan garis pantai 81.000 Km. Maka dari itu Indonesia disebut sebagai negara maritim. Pada transportasi penyeberangan feri di Indonesia memiliki 294 rute yang antara lain 229 rute perintis dan 65 rute niaga. Namun, Indonesia menduduki peringkat ke 2 dari 43 negara terhadap peristiwa kecelakaan yang terjadi pada kapal feri di dunia. Penelitian ini memiliki kerangka penelitian yang menguraikan mengenai budaya keselamatan, terdapat lima variabel yang memengaruhi kinerja keselamatan yaitu praktik keselamatan, manajemen keselamatan, pengetahuan keselamatan, kesadaran pribadi terhadap praktik keselamatan, dan perilaku keselamatan. Dengan tujuan penelitian yaitu untuk mengetahui pengaruh dan kepentingan dari budaya keselamatan di penyeberangan feri akan tingkat kecelakaan dan keselamatan penyeberangan. Studi kasus dipilih adalah Pelabuhan Bakauheni. Pelabuhan ini merupakan pelabuhan dengan jumlah penumpang terbanyak di Pulau Sumatra dan merupakan pelabuhan yang menghubungkan antara dua pulau utama di Indonesia yaitu Pulau Jawa dan Pulau Sumatra. Analisis penelitian ini menggunakan metode Structural Equation Modelling (SEM) dan didapatkan hasil dari ke lima variabel tersebut bahwa pengaruh budaya keselamatan terhadap perilaku keselamatan yaitu kurangnya penyelenggaraan simulasi praktik keselamatan dan kesehatan kerja atau K3 dan zero accident yang ada pada angkutan penyeberangan feri di pelabuhan belum maksimal dikarenakan kurangnya manajemen keselamatan yang ada pada perusahaan terkait.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 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 découle