Claim Missing Document
Check
Articles

Found 2 Documents
Search

PENGARUH KONFLIK KELUARGA-PEKERJAAN, KETERLIBATAN PEKERJAAN, DAN TEKANAN PEKERJAAN TERHADAP KEPUASAN KERJA KARYAWAN WANITA STUDI PADA NUSANTARA TOUR & TRAVEL KANTOR CABANG DAN KANTOR PUSAT SEMARANG Ratna Dhamayanti
JURNAL STUDI MANAJEMEN ORGANISASI Vol 3, No 2 (2006)
Publisher : Faculty of Economics and Business Diponegoro University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (463.421 KB) | DOI: 10.14710/jsmo.v3i2.4192

Abstract

ABSTRAKSI Peningkatan jumlah tenaga kerja wanita yang terjadi saat ini haruslah disikapi oleh setiap perusahaan dengan memperhatikan dan menciptakan kepuasan kerja bagi karyawannya. Kepuasan kerja bagi karyawan, khususnya karyawan wanita dapat dipengaruhi oleh beberapa faktor. Faktor-faktor tersebut diduga adalah faktor konflik keluarga-pekerjaan, keterlibatan pekerjaan, serta tekanan pekerjaan. Konflik kepentingan antara karir dan keluarga yang pada umumnya dialami oleh wanita yang bekerja haruslah dikelola dengan baik agar kepuasan kerja karyawan wanita tersebut dapat tercipta. Dilibatkannya karyawan dalam pekerjaannya akan meningkatkan tanggung jawab dan rasa memiliki terhadap perusahaan, sehingga karyawan merasa puas terhadap pekerjaannya. Selain itu bila tekanan pekerjaan yang dirasakan karyawan juga dapat dikelola dengan baik, maka kepuasan kerja akan tercipta. Pada akhirnya, perusahaan bukan hanya akan unggul dalam persaingan, namun juga mampu memperhatikan Sumber Daya Manusia yang dimilikinya, yang merupakan faktor penting dalam pencapaian tujuan perusahaan. Penelitian ini dilakukan di NUSANTARA Tour & Travel Kantor Cabang dan Kantor Pusat Semarang. Metode pengumpulan data menggunakan kuesioner, dengan jumlah responden sebesar 118 orang dan menggunakan teknik pengambilan sampel purposive sampling. Penelitian ini bertujuan untuk menganalisi pengaruh konflik keluarga-pekerjaan, keterlibatan pekerjaan, dan tekanan pekerjaan terhadap kepuasan kerja karyawan wanita. Alat analisis yang digunakan adalah uji validitas, uji reliabilitas, dan uji hipotesis dengan analisis regresi berganda. Dengan menggunakan metode regresi berganda dapat disimpulkan bahwa konflik keluarga - pekerjaan berpengaruh negatif dan signifikan terhadap kepuasan kerja karyawan wanita dengan nilai P value 0,000 < 0,05 dan t-hitung sebesar –4,143. Keterlibatan pekerjaan berpengaruh positif dan signifikan terhadap kepuasan kerja karyawan wanita dengan nilai P value 0,000 < 0,05 dan t-hitung sebesar 3,743. Sedangkan tekanan pekerjaan berpengaruh negatif dan signifikan terhadap kepuasan kerja karyawan wanita dengan nilai P value 0,002 < 0,05 dan t-hitung sebesar –3,246. Kata Kunci : Konflik Keluarga-Pekerjaan; Keterlibatan Pekerjaan;Tekanan Pekerjaan; Kepuasan Kerja Karyawan Wanita
Penggunaan Deep Learning dengan Metode Convolutional Neural Network Untuk Klasifikasi Kualitas Sayur Kol Berdasarkan Citra Fisik Dhamayanti, Ratna; Rohmah, Mimin Fatchiyatur; Zahara, Soffa
SUBMIT: Jurnal Ilmiah Teknologi Infomasi dan Sains Vol. 1 No. 1 (2021): Juni 2021
Publisher : Program Studi Teknik Informatika, Universitas Islam Majapahit Mojokerto, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Sayur kol merupakan salah satu jenis sayuran yang umum dijumpai masyarakat Indonesia. Banyaknya sayur kol yang dipanen, membuat petani terkadang sedikit kerepotan dalam proses menyortir sayur kol mana yang layak ekspor dan tidak. Dan dengan seiring berkembangnya teknologi, maka hal ini menjadi sangat mungkin untuk membuat komputer mampu melakukan pekerjaan yang dianggap biasa oleh manusia termasuk proses sortir kualitas sayur kol. Hal semacam ini dapat dilakukan dengan menggunakan Deep Learning yang mengusung Convolutional Neural Network (CNN) sebagai metode klasifikasi. Dengan memanfaatkan citra fisik sayur kol, CNN mampu melakukan klasifikasi dengan model yang telah disusun sebelumnya. Dalam penelitian ini, peneliti membangun sebuah model yang terdiri dari 4 convolution layer, 2 pooling layer yang berukuran 2×2, 3 dropout layer, 2 dense layer serta 1 flatten layer. Sedang untuk aktivasinya, digunakan ReLu, dengan filter sebanyak 32 dan 64 yang ukuran kernelnya 3×3. Model ini diuji dengan menggunakan 270 data yang dimana 210 digunakan sebagai data train dan 60 data digunakan sebagai data test. Dengan learning rate sebesar 0.004, 30 epoch dan tiga algoritma performasi berbeda yaitu; Stochastic Gradient Descent (SGD), Adaptive Moment (Adam), dan Root Mean Square Propagation (RMSProp) dengan hasil tertinggi berada pada algoritma Adam yang tingkat akurasinya sebesar 80% untuk data test dan 73% untuk data train berdasarkan komposisi warna yang terdapat dalam citra.