Pengaruh Kinerja Dan Tingkat Penddidikan Terhadap Pengembangan Sumber Daya Manusia Sekretariat Daerah Kabupaten Toba Samosir
Bibliographic record
Abstract
Penelitian ini dilakukan untuk mengetahui Kinerja dan Tingkat Pendidikan Terhadap sumber daya manusia di Sekretariat Daerah Kabupaten Toba Samosir baik secara parsial maupun secara serempak. Sumber data yang diperoleh merupakan data primer yaitu dari melalui penyebaran angket pertanyaan terhadap 98 pegawai Sekretariat Daerah Kabupaten Toba Samosir. Setelah data diperoleh, maka selanjutnya data ditabulasi dan dianalisis dengan menggunakan metoda analisis kualitatif dan kuantitatif. Untuk pengolahan data yang dimaksud dilakukan dengan cara perhitungan manual dan dengan menggunakan bantuan software komputer, yaitu SPSS Versi 20. Dari hasil analisis secara kualitatif diperoleh gambaran bahwa kinerja, tingkat pendidikan dan sumber daya manusia berada dalam kategori cukup. Sedangkan analisis secara kuantitatif diperoleh kesimpulan bahwa secara serempak ada pengaruh nyata kinerja dan tingkat pendidikan dalam meningkatkan sumber daya manusia di Sekretariat Daerah Kabupaten Toba Samosir, yaitu sebesar 0,21%. Untuk uji secara parsial dapat diketahui bahwa kedua variabel kinerja dan tingkat pendidikan berpengaruh nyata terhadap sumber daya manusia. Untuk variabel kinerja, setiap peningkatan kinerja sebesar 1% maka akan diikuti pada peningkatan sumber daya manusia sebesar 21,0% dan untuk variabel tingkat pendidikan, setiap peningkatan tingkat pendidikan sebesar 1% maka akan diikuti pada peningkatan sumber daya manusia sebesar 16,3%. Dari uji secara parsial diperoleh bahwa variabel kinerja lebih berpengaruh nyata daripada variabel tingkat pendidikan didalam meningkatkan sumber daya manusia pegawai secretariat Daerah Kabupaten Toba Samosir. Implikasi dari penelitian ini kepada jajaran pimpinan dan pegawai di lingkungan secretariat Daerah Kabupaten Toba Samosir untuk lebih meningkatkan kinerja dan tingkat pendidikan sehingga akan dicapai sumber daya manusia yang lebih baik
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 | 0.003 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.029 | 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".