MétaCan
Menu
Retour à la cohorte
Enregistrement W4410915810 · doi:10.47353/ijema.v2i5.206

Analysis of the Influence of Work Motivation and Work Environment on Employee Performance: Case Study at PT. Panja Multi Mineralindo

2024· article· en· W4410915810 sur OpenAlexfundno aff
Nugroho Prastyo Wibowo, M Khairul Amal, Muh. Abdul Aziz

Notice bibliographique

RevueInternational Journal of Economics Management and Accounting (IJEMA) · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEmployee Performance and Management
Établissements canadiensnon disponible
Organismes subventionnairesInstitute of Musculoskeletal Health and ArthritisUniversitas Negeri Yogyakarta
Mots-clésWork (physics)Work environmentWork motivationPsychologyBusinessEngineeringMechanical engineering

Résumé

récupéré en direct d'OpenAlex

This study aims to analyze the influence of work motivation and work environment on employee performance at PT. Panja Multi Mineralindo, a company engaged in mining and natural stone crushing. This study uses a quantitative approach with a census method or saturated sample, involving the entire population of 77 employees. Data were analyzed using multiple linear regression with the help of SPSS software version 25. The results of the study indicate that there is a positive and significant influence between work motivation and employee performance, as well as a positive and significant influence between work environment and employee performance. In addition, work motivation and work environment simultaneously affect employee performance. The Adjusted R² value of 0.431 indicates that 43.1% of employee performance variation can be explained by work motivation and work environment, while the rest is influenced by other variables not studied. This study provides important implications for company management to increase motivation and create a conducive work environment in order to improve employee performance.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,045
Score d'incertitude au seuil0,323

Scores Codex et Gemma par catégorie

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

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 Opus0,027
Tête enseignante GPT0,275
Écart entre enseignants0,249 · 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 tête enseignante, 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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Economics Management and Accounting (IJEMA)Même sujetEmployee Performance and ManagementTravaux en français237 207