Strategi Meningkatkan Kinerja Pegawai Melalui Komitmen Organisasi
Bibliographic record
Abstract
Kinerja pegawai memiliki peranan yang fundamental bagi instansi dimana dengan adanya kinerja yang terukur akan mampu memberikan ilustrasi strategi yang dapat mendorong pencapaian visi, misi, dan tujuan instansi, sehingga peneliti tertarik untuk menelaah dan memberikan sumbangsih terhadap kebijakan manajerial. Pengkajian dilaksanakan untuk mengetahui strategi meningkatkan kinerja pegawai melalui komitmen organisasi.Pengkajian menggunakan dua variabel bebas yaitu pendidikan pelatihan dan kompetensi, dan komitmen organisasi sebagai variabel intervening.Populasi pada pengkajian dilakukan secara acak menggunakan teknik random sampling yang menghasilkan sebanyak 65 responden yang telah mengisi kuesioner. Menggunakan regresi linear berganda dalam menghitung hubungan antara variabel bebas dengan variabel intervening dengan Product Moment Pearson untuk menghitung validitas data yang sudah didapat dan Cronbach’s Alpha untuk menghitung reliabilitas data. Hasil dari pengkajian ini ialah : adanya hubungan positif dan bermakna antara pendidikan pelatihan dan komitmen organisasi, adanya hubungan negatif dan tidak signifikan antara kompetensi dan komitmen organisasi, adanya hubungan positif dan tidak signifikan antara pendidikan pelatihan dan kinerja karyawan, hubungan positif dan signifikan antara kompetensi dan kinerja karyawan, hubungan positif dan bermakna antara komitmen organisasi dan kinerja pegawai. Kesimpulan yang didapat melalui analisis jalur bahwa baik pengaruh langsung ataupun tidak langsung, variabel kompetensi merupakan jalur yang dominan dibandingkan variabel yang lain
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.008 | 0.014 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.004 | 0.003 |
| Scholarly communication | 0.010 | 0.006 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.029 | 0.010 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".