ANALISIS MOTIVASI, DISIPLIN DAN BEBAN KERJA YANG MEMPENGARUHI KINERJA PEGAWAI NEGERI SIPIL PADA DINAS PERINDUSTRIAN DAN PERDAGANGAN KABUPATEN KEBUMEN
Bibliographic record
Abstract
Penelitian ini bertujuan untuk mengetahui: (1) Pengaruh motivasi kerja terhadap kinerja pegawai negeri sipil pada Kantor Dinas Perindustrian dan Perdagangan Kabupaten Kebumen, (2) Pengaruh disiplin kerja terhadap kinerja pegawai negeri sipil pada Kantor Dinas Perindustrian dan Perdagangan Kabupaten Kebumen, (3) Pengaruh beban kerja terhadap kinerja pegawai negeri sipil pada Kantor Dinas Perindustrian dan Perdagangan Kabupaten Kebumen, dan pengaruh motivasi kerja, disiplin kerja beban kerja terhadap kinerja pegawai negeri sipil pada Kantor Dinas Perindustrian dan Perdagangan Kabupaten Kebumen. Penelitian ini merupakan penelitian survei dengan pendekatan kuantitatif. Sampel penelitian ini pegawai negeri sipil pada Kantor Dinas Perindustrian dan Perdagangan Kabupaten Kebumen berjumlah 60 pegawai. Pengumpulan data menggunakan kuesioner, sedangkan analisis data dilakukan dengan menggunakan analisis regresi berganda. Pengujian validitas dalam penelitian ini menggunakan teknik korelasi product moment. Pada taraf signifikansi 5%, hasil penelitian menemukan bahwa: (1) Motivasi kerja berpengaruh positif terhadap kinerja pegawai negeri sipil pada Kantor Dinas Perindustrian dan Perdagangan Kabupaten Kebumen β = 0,518* (*p<0,005; p=0,007), (2) Disiplin kerja berpengaruh positif terhadap kinerja pegawai negeri sipil pada Kantor Dinas Perindustrian dan Perdagangan Kabupaten Kebumen β = 0,496* (*p<0,005; p=0,001), (3) Beban kerja berpengaruh positif terhadap kinerja pegawai negeri sipil pada Kantor Dinas Perindustrian dan Perdagangan Kabupaten Kebumen β=0,297*(*p<0,05; p=0,019). Nilai koefisien determinasi menunjukkan kontribusi motivasi kerja, disiplin kerja dan beban kerja untuk menjelaskan kinerja pegawai negeri sipil pada Kantor Dinas Perindustrian dan Perdagangan Kabupaten Kebumen. Hal ini berarti kemampuan variabel motivasi kerja, disiplin kerja dan beban kerja dalam menjelaskan variasi variabel kinerja adalah sebesar 45,2%, sedangkan sisanya dijelaskan oleh variabel lain di luar variabel yang diteliti.
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 | 0.001 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.064 | 0.006 |
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".