Evaluasi Jumlah Tenaga Kerja pada Perumda Air Minum Tirta Sago Berdasarkan Beban Kerja
Notice bibliographique
Résumé
Sumber daya manusia (SDM) adalah individu produktif yang bekerja sebagai \npenggerak suatu organisasi, baik itu di dalam institusi maupun perusahaan yang \nmemiliki fungsi sebagai aset sehingga harus dilatih dan dikembangkan \nkemampuannya. Selama menjalankan aktivitas kerja, manusia mengalami dua jenis \nbeban kerja, yaitu beban kerja fisik dan beban kerja mental. Perumda Air Minum \nTirta Sago merupakan salah satu perusahaan daerah yang memiliki jumlah \nkaryawan sebanyak 97 orang. Masalah yang terdapat pada Perumda Air Minum \nTirta Sago yaitu tenaga kerja yang sudah ada belum diketahui apakah beban kerja \nyang dilakukan oleh pegawai sudah optimal atau belum serta jumlah pegawai tiap \ndepartemen masih ada yang belum sesuai dengan pekerjaan yang dilakukan oleh \npegawai Perumda Air Minum Tirta Sago. Penelitian ini akan dilakukan untuk \nevaluasi jumlah tenaga kerja yang dibutuhkan Perumda Air Minum Tirta Sago \nberdasarkan beban kerja yang optimal menggunakan metode Work Sampling dan \nanalisis beban kerja. Berdasarkan beban kerja yang dilaksanakan bagian kas dan \npenagihan membutuhkan 12 karyawan sedangkan kondisi aktual saat ini hanya 10 \norang. Bagian pembukuan dan rekening membutuhkan 6 karyawan sedangkan \nkondisi aktual saat ini hanya 4 orang. Bagian umum dan kepegawaian membutuhkan \n6 karyawan yang sesuai dengan kondisi aktual saat ini 6 orang. Bagian kas dan \npenagihan membutuhkan 1 karyawan sedangkan kondisi aktual saat ini 3 orang. \nOleh karena itu, dapat direkomendasikan untuk melakukan penambahan karyawan \natau melakukan pemerataan karyawan pada bagian yang berlebih.
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 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) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,008 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,005 |
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.
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».