cover
Contact Name
Yosef Abdul Ghani
Contact Email
jsm@ars.ac.id
Phone
+6287739022302
Journal Mail Official
jsm@ars.ac.id
Editorial Address
Jl. Sekolah Internasional 1-2
Location
Kota bandung,
Jawa barat
INDONESIA
Jurnal Sains Manajemen
ISSN : -     EISSN : 26856972     DOI : https://doi.org/10.51977/jsm
Core Subject : Science, Social,
Jurnal Sain Manajemen merupakan Jurnal yang bertujuan untuk mewadahi semua informasi hasil penelitian, telaah pustaka, makalah teknis, dan kajian buku, dari berbagai cabang Ekonomi dan Manajemen. Diharapkan dengan adanya wadah penerbitan ini dapat berkontribusi dalam penyampaian informasi ilmiah yang merupakan mata rantai proses kegiatan ilmiah. Artikel Jurnal Sain Manajemen ini belum pernah diterbitkan sebelumnya. Artikel Terbit secara berkala di Bulan Agustus dan Bulan Februari setiap Tahunnya.
Articles 142 Documents
PENGARUH STORYTELLING, KUALITAS KONTEN, FREKUENSI UNGGAHAN TERHADAP KEPUASAN PENONTON YOUTUBE HIROTADA RADIFAN Salman Al Farisi; Yufenti Oktafiah; Nurul Akramiah
Jurnal Sains Manajemen Vol. 8 No. 2 (2026): Jurnal Sains Manajemen
Publisher : LPPM Universitas Adhirajasa Reswara Sanjaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51977/h840sr31

Abstract

The increasing competition for content on YouTube requires creators to present content that can satisfy viewers. This study aims to analyze the effects of storytelling, content quality, and upload frequency on viewer satisfaction on the Hirotada Radifan YouTube channel. The study employed an explanatory quantitative approach using primary data from 100 respondents selected through purposive sampling. The respondents were viewers aged at least 17 years who watched Hirotada Radifan’s content at least three times a month. Data were analyzed using multiple linear regression with SPSS. The results show that storytelling, content quality, and upload frequency simultaneously and partially have a significant effect on viewer satisfaction. Storytelling was the most dominant factor, with a contribution of 24.08%. The Adjusted R Square value of 0.548 indicates that 54.8% of viewer satisfaction can be explained by the three variables. The average scores for storytelling, content quality, upload frequency, and viewer satisfaction were 4.14, 3.89, 3.84, and 3.99, respectively, all categorized as good. The instrument test results showed that all items were valid and the variables were reliable, while the classical assumption tests indicated that the model met the requirements for analysis.   Meningkatnya persaingan konten YouTube menuntut kreator menyajikan konten yang mampu memberikan kepuasan kepada penonton. Penelitian ini bertujuan menganalisis pengaruh storytelling, kualitas konten, dan frekuensi unggahan terhadap kepuasan penonton pada kanal YouTube Hirotada Radifan. Penelitian menggunakan pendekatan kuantitatif eksplanatori dengan data primer dari 100 responden yang dipilih melalui purposive sampling. Responden merupakan penonton berusia minimal 17 tahun yang menonton konten Hirotada Radifan minimal tiga kali dalam satu bulan. Analisis data menggunakan regresi linear berganda dengan program SPSS. Hasil penelitian menunjukkan storytelling, kualitas konten, dan frekuensi unggahan secara simultan maupun parsial berpengaruh signifikan terhadap kepuasan penonton. Storytelling menjadi faktor paling dominan dengan kontribusi 24,08%. Nilai Adjusted R Square sebesar 0,548 menunjukkan bahwa 54,8% kepuasan penonton dapat dijelaskan oleh ketiga variabel tersebut. Rata-rata storytelling sebesar 4,14, kualitas konten 3,89, frekuensi unggahan 3,84, dan kepuasan penonton 3,99, seluruhnya berada pada kategori baik. Hasil uji instrumen menunjukkan seluruh item valid dan variabel reliabel, sedangkan uji asumsi klasik menunjukkan model memenuhi persyaratan analisis.
MODEL AI PREDIKSI BURNOUT BERBASIS WORKLOAD STAF KLINIS Dola Ramalinda; Yudi Darsono; Agung Rachmat Raharja
Jurnal Sains Manajemen Vol. 8 No. 2 (2026): Jurnal Sains Manajemen
Publisher : LPPM Universitas Adhirajasa Reswara Sanjaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51977/af7yfj23

Abstract

Burnout pada tenaga kesehatan merupakan tantangan sistemik yang berdampak pada kualitas layanan dan keselamatan pasien. Beban kerja klinis, pola shift yang intens, serta tuntutan administratif dari penggunaan Electronic Health Record (EHR) menjadi faktor yang berpotensi meningkatkan stres kerja. Meskipun data operasional tersedia dalam Sistem Informasi Rumah Sakit (SIRS), pemanfaatannya untuk deteksi dini risiko burnout staf masih terbatas. Penelitian ini bertujuan mengembangkan dan mengevaluasi model supervised machine learning untuk memprediksi risiko burnout staf klinis berdasarkan data perilaku dan beban kerja dari SIRS dan EHR. Penelitian kuantitatif dengan desain prediktif melibatkan 120 staf klinis yang terdiri atas dokter dan perawat. Data primer tingkat burnout diperoleh melalui instrumen terstandar, sedangkan data sekunder mencakup aktivitas EHR, jumlah pasien, jam kerja, dan pola shift. Tiga algoritma dibandingkan, yaitu Logistic Regression, Random Forest, dan Gradient Boosting, menggunakan metrik akurasi dan Area Under the Curve (AUC). Hasil menunjukkan bahwa perawat dan staf dengan pola kerja shift memiliki proporsi risiko burnout sedang hingga tinggi yang lebih besar. Beban kerja, terutama volume pasien dan jam kerja, serta intensitas aktivitas EHR menjadi faktor penting yang berkaitan dengan risiko burnout. Gradient Boosting menghasilkan kinerja terbaik dengan akurasi 0,87 dan AUC 0,91. Model tersebut berpotensi digunakan sebagai instrumen deteksi dini untuk mendukung redistribusi beban kerja, optimalisasi jadwal shift, dan intervensi preventif berbasis data dalam manajemen SDM rumah sakit.