Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Indonesian Journal of Innovation Multidisipliner Research
Shynde Limar Kinanti
Universitas Bina Sarana Informatika
Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Industrial & Manufacturing Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Analisis Faktor yang Memengaruhi Burnout Karyawan Menggunakan Regresi Logistik Biner pada Data Employee Mental Health Shynde Limar Kinanti; Ardania Meilaningrum
Indonesian Journal of Innovation Multidisipliner Research Vol. 4 No. 3 (2026): Juli - September
Publisher : Institute of Advanced Knowledge and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69693/ijim.v4i3.2092

Abstract

Kelelahan kerja atau burnout telah menjadi salah satu permasalahan utama di kalangan karyawan karena beban kerja yang tinggi serta stres yang berkepanjangan. Kondisi ini berdampak pada penurunan kesejahteraan psikologis, kesehatan kerja sekaligus kualitas pekerjaan. Penelitian ini bertujuan untuk mengembangkan model prediksi burnout, mengidentifikasi faktor-faktor yang berpengaruh signifikan terhadap burnout, serta mengevaluasi kemampuan model dalam mengklasifikasikan karyawan yang berisiko mengalami risiko burnout. Data sekunder digunakan sebagai data awal untuk analisis menggunakan metode terpilih yaitu Regresi Logistik Biner. Hasilnya menunjukkan bahwa dari 13 variabel yang dianalisis, terdapat lima variabel yang berpengaruh signifikan terhadap burnout seperti jam kerja per minggu, jam lembur dan durasi penggunaan layar yang berpengaruh positif, sedangkan durasi tidur serta aktivitas fisik berpengaruh negatif terhadap peluang terjadinya burnout. Evaluasi model menunjukkan diskriminasi yang baik (AUC = 0,7909) sehingga model mampu membedakan karyawan yang berisiko mengalami burnout dan yang tidak setelah penggunaan threshold optimum baru senilai 0,1307. Temuan ini menunjukkan bahwa identifikasi faktor penyebab burnout karyawan dapat membantu organisasi untuk menyusun strategi intervensi guna meningkatkan kesehatan kerja pada karyawan
Co-Authors Ardania Meilaningrum