Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Judul tesis ini adalah Analisis Hubungan Motivasi dan Budaya Organisasi dengan Kinerja Dosen pada Unit Pendidikan Akademi Pimpinan Perusahaan (APP) Jakarta. Motivasi menjadi masalah yang penting bagi manajer sumber daya manusia dilihat dari segi bagaimana caranya untuk mencari dan menentukan metode yang tepat atau paling tidak yang mendekati, di dalam melakukan tindakan terhadap karyawan agar dapat meningkatkan semangat kerja serta terwujudnya produktivitas kerja. Adapun pengaruh faktor budaya organisasi terhadap kinerja organisasi seperti studi yang komprehensif oleh Kotler (1997) menunjukkan terdapat korelasi positif antara budaya perusahaan dan kinerja perusahaan, meskipun hubungan tersebut tidak terlalu erat. Kenyataan juga menunjukkan budaya dapat sangat stabil sepanjang waktu, namun budaya tak pernah statis. Krisis kadang-kadang medorong kelompok untuk mengevaluasi kembali beberapa nilai atau perangkat praktis (Kotler, 1997), sehingga mampu mewujudkan pencapaian tujuan organisasi/perusahaan. Namun dalam pelaksanaannya tidaklah mudah, karena banyaknya masalah yang timbul dalam usaha meningkatkan produktivitas kerja karyawan. Berdasarkan uraian kerangka pemikiran di atas maka penulis melakukan penelitian untuk mengetahui beberapa hal antara lain; 1). apakah ada hubungan antara motivasi dengan kinerja dosen, (2) apakah ada hubungan antara budaya organisasi dengan kinerja dosen, Hasil penelitian dengan menggunakan analisis deskriptif dan analisis verifikatif menunjukkan bahwa ada hubungan dan pengaruh antara motivasi dan budaya organisasi terhadap kinerja dosen baik secara parsial maupun simultan, hubungan dan pengaruh tersebut sangat kuat dan positif. Berdasarkan kesimpulan yang didapat dart penelitian ini penulis mengajukan saran diantaranya ; (1). Penilaian kinerja dosen dengan upward appraisal perlu didampingi dengan penilaian oleh sesama dosen dan atasan langsung, yaitu dosen koordinator dan ketua jurusan, (2). Manajemen APP perlu mengkondisikan hal-hal yang dapat memotivasi para dosen dan membuat perencanaan perubahan budaya dengan model yang lebih sesuai dengan organisasi APP agar dapat mencapai kinerja pengajaran yang optimal.

Abstrak :
Dengan sifat dan karakteristiknya, teknologi diyakini banyak pihak sebagai media alternatif pembelajaran. Sebagai hasil inovasi, pemanfaatan internet untuk pembelajaran memerlukan kajian dan penyempurnaan. Selain itu proses difusi juga perlu terus dilakukan sehingga bisa diadopsi oleh sasaran khususnya dosen yang sering disebut sebagai agen pembaharuan dalam pendidikan. Oleh karena itu kegiatan penelitian, pengkajian, dan penyebarluasan perlu terus dilakukan. Pendekatan difusi inovasi menempatkan sikap sebagai salah sate tahapan panting dalam proses keputusan inovasi. Oleh karena itu permasalahan penelitian ini adalah faktor-faktor apa saja yang mempengaruhi sikap terhadap internet sebagai salah satu kesiapan dalam mengadosi inovasi e-learning. Asumsinya bahwa sikap terhadap internet yang rnerupakan basil inovasi dipengaruhi oleh exposure informasi, kedekatan dengan teknologi komunikasi dan informasi, serta kebutuhan sebagai profesi dosen. Untuk menguji kemurnian hubungan antar variabel tersebut dikontrol dengan aspek domografi dan personality yang merupakan variabel penjelas. Studi ini merupakan multi level analysis yaitu tidak hanya meneliti pada level individu tetapi juga level organisasi, dengan cara membandingkan dua organisasi yang memiliki kondusivitas berbeda yang diduga dapat membedakan model hubungan antar variabel tersebut. Metode yang digunakan adalah survei (cross sectional survey) terhadap dosen Universitas Pendidikan Indonasia dan Universitas Pasundan Bandung dengan total sampel 140 orang. Hasil uji multiple regression, diketahui adanya hubungan yang positif dan signifikan antara ketiga variabel independen dengan variabel dependen. Melalui uji elaborasi dan signifikansi perbedaan diketahui bahwa hubungan tersebut tidak dipengaruhi oleh faktor: jenis kelamin, usia, tingkat pendidikan, klas ekonomi, dan tipe kepribadian. Berdasarkan nilai standarized regression coefficients dan signifikansi diketahui terdapat perbedaan model. Organisasi yang mendukung (kondusif) menunjukan model hubungan yang signifikan, sebaliknya organisasi yang kurang mendukung terbukti tidak signifikan. Implikasi akademisnya adalah bahwa dalam penelitian difusi inovasi pada level individu perlu pula dipertimbangkan faktor lingkungan, seperti: institusi, budaya, atau faktor-faktor Iain di luar level individu. Diketahui pula masih ada variabel-variabel lain yang mempengaruhi sikap terhadap internet yang belum dimasukan dalam model tersebut. Untuk itu perlu dilakukan penelitian lebih lanjut dan mendalam. Sebagai rekomendasi praktis, untuk membentuk sikap positifloptimis terhadap internet dalam organisasi yang relatif homogen ini, diperlukan kebijakan dan komitmen pimpinan organisasi dan anggotanya untuk menciptakan organisasi yang kondusif dalam mengadopsi inovasi e-learning.

Abstrak :
Sehubungan dengan berubahnya IKIP Jakarta menjadi universitas maka konsekuensinya latar belakang pendidikan para dosen harus ditingkatkan atau dibenahi dari berlatar belakang ilmu pendidikan dan keguruan menjadi ilmu-ilmu universal lainnya. Keadaan ini tidak dapat berjalan dengan lancar sebab minimnya bea siswa dan dana bantuan pendidikan yang tersedia. Dampaknya terlihat dari kinerja dosen yang masih statis, dan terlontarnya keluhan-keluhan mahasiswa terhadap kualitas materi yang diajarkan oleh dosen. Ada tendensi dosen pasrah terhadap segala konsekuensi dari tidak dapatnya mereka memenuhi tuntutan kebijakan lembaga, keadaan ini diperkirakan ada kaitannya dengan gender. Penelitian ini bertujuan untuk mengetahui persepsi terhadap sistem reward, kepuasan kerja dan motivasi kerja dosen Universitas Negeri Jakarta menurut gender. Untuk mencapai tujuan tersebut maka metode penelitian yang digunakan di dalam penelitian ini ialah metode penelitian survey dengan pendekatan statistik multivariat. Populasi dalam penelitian ini adalah seluruh dosen di Universitas Negeri Jakarta berjumlah 844 orang, sedangkan sampel diambil sebanyak 118 orang. Pengumpulan data dilakukan dengan menggunakan instrumen jenis kuesioner. Validitas instrumen variabel persepsi terhadap sistem reward sebesar 0,9641, validitas instrumen motivasi kerja sebesar 0,9625. Reliabilitas variabel persepsi terhadap sistem reward sebesar 0,7427 dan reliabilitas variabel motivasi kerja sebesar 0,9367. Teknik analisis data yang dipergunakan antara lain teknik deskriptif untuk melihat distribusi dan frekwensi data skor, dan statistik hotelling untuk menguji hipotesa penelitian. Hasil analisa data dengan taraf signifikansi a = 0,05 diperoleh F tabel sebesar 2,70 dan F hitung sebesar 14,12789. Dari hasil analisa tersebut membuktikan bahwa ada hubungan antara persepsi terhadap sistem reward, kepuasan kerja dan motivasi kerja, serta ada perbedaan tingkat persepsi pada sistem reward, kepuasan kerja dan motivasi kerja menurut gender. Kesimpulan dari penelitian ini adalah; persepsi terhadap sistem reward, kepuasan kerja dan motivasi kerja dosen Universitas Negeri Jakarta menurut gender tinggi. Saran yang diberikan untuk pimpinan Universitas Negeri Jakarta adalah : 1) agar memperhatikan aspek persepsi terhadap sistem reward, kepuasan kerja dan motivasi kerja dalam membuat kebijakan-kebijakannya, 2) memperbaiki sistem reward yang diberikan kepada dosen-dosen, 3)menyelenggarakan seminar,lokakarya dan membiayai pendidikan dosen untuk meningkatkan mutu sumber daya manusia dosen.

Abstrak :
Pandemi COVID-19 mengubah pola kehidupan manusia, termasuk sistem perkuliahan yang berubah ke metode daring. Video perkuliahan dengan salindia menjadi salah satu pilihan sarana penyampaian materi kuliah secara daring. Penelitian ini bermaksud menguji keabsahan rancangan sistem yang mampu melakukan segmentasi temporal sesuai topik secara otomatis pada video perkuliahan. Sistem yang diajukan dibagi menjadi tiga sub-sistem yang memanfaatkan teknologi keyframe extraction, optical character recognition (OCR), dan topic modelling. Pertama, video perkuliahan akan diubah menjadi kumpulan keyframe dengan memanfaatkan metode Slide Detector yang dimodifikasi. Selanjutnya, akan dilakukan ekstraksi teks dari frame-frame tersebut menggunakan Tesseract OCR dengan preprocessing tambahan. Akhirnya, BERTopic dengan beragam algoritma clustering dan LDA diuji kemampuannya dalam topic modelling yang berguna untuk mengambil topik yang koheren dari teks tersebut. Penelitian pada tahap keyframe extraction menunjukkan bahwa terdapat peningkatan recall sebesar 0,235-025 dari 0 dan precision sebesar 0,619-0,75 dari 0 pada beberapa video pada Slide Detector termodifikasi. Sebaliknya, penelitian pada tahap OCR menunjukkan bahwa tambahan preprocessing belum bisa membantu meningkatkan performa Tesseract OCR. Pada tahap terakhir, ditemukan bahwa BERTopic lebih unggul daripada LDA dalam menarik topik yang koheren untuk use case penelitian ini. Agglomerative dan KMeans clustering ditemukan lebih optimal untuk kasus video perkuliahan jika dibandingkan dengan metode density-based. Augmentasi data dengan takaran yang sesuai diperlukan untuk mendapatkan hasil sedemikian rupa pada tahap ini. Secara umum, sistem dengan tiga bagian yang diusulkan pada penelitian ini sudah mampu melakukan segmentasi video perkuliahan sesuai tujuan, namun, video perkuliahan bersalindia merupakan dataset yang sangat heterogen dan merancang sebuah sistem yang mampu memanfaatkan dataset tersebut adalah tantangan tersendiri. ......The COVID-19 pandemic changed the lifestyle of many people, including university lectures that moved to online delivery. Lecture videos with slides became an option to deliver lecture materials online. This work attempts to show a proof of concept for a system design that is able to automatically segment a lecture video temporally based on the topic. The proposed system is divided into three subsystems that make use of keyframe extraction, optical character recognition (OCR), and topic modelling techniques. First, a lecture video will be converted to a collection of keyframes using a modified Slide Detector technique. Next, those frames will be processed using Tesseract OCR with some additional preprocessing steps to extract text. Lastly, BERTopic with various clustering techniques and LDA will be used for topic modelling to obtain a coherent topic from the text extracted earlier. The research in the keyframe extraction step shows that there is an increase of 0.235-0,5 points from 0 for recall and 0,619-0,75 points from 0 for precision for certain videos using the modified Slide Detector. On the other hand, the research in the OCR step shows that the additional preprocessing is not yet able to help increase the performance of Tesseract OCR. At the last step, BERTopic proves to be better than LDA to obtain the coherent topic for this system's use case. Agglomerative and KMeans clustering is better for lecture videos compared to density-based methods. Appropriate amounts of data augmentation is needed to obtain the best results at this step. Overall, the three-part system in this research is able to segment lecture videos as intended, however, lecture videos with slides is a dataset that is very heterogeneous and designing a system to handle all types of videos is a large challenge.

Abstrak :
Pandemi COVID-19 mengubah pola kehidupan manusia, termasuk sistem perkuliahan yang berubah ke metode daring. Video perkuliahan dengan salindia menjadi salah satu pilihan sarana penyampaian materi kuliah secara daring. Penelitian ini bermaksud menguji keabsahan rancangan sistem yang mampu melakukan segmentasi temporal sesuai topik secara otomatis pada video perkuliahan. Sistem yang diajukan dibagi menjadi tiga sub-sistem yang memanfaatkan teknologi keyframe extraction, optical character recognition (OCR), dan topic modelling. Pertama, video perkuliahan akan diubah menjadi kumpulan keyframe dengan memanfaatkan metode Slide Detector yang dimodifikasi. Selanjutnya, akan dilakukan ekstraksi teks dari frame-frame tersebut menggunakan Tesseract OCR dengan preprocessing tambahan. Akhirnya, BERTopic dengan beragam algoritma clustering dan LDA diuji kemampuannya dalam topic modelling yang berguna untuk mengambil topik yang koheren dari teks tersebut. Penelitian pada tahap keyframe extraction menunjukkan bahwa terdapat peningkatan recall sebesar 0,235-025 dari 0 dan precision sebesar 0,619-0,75 dari 0 pada beberapa video pada Slide Detector termodifikasi. Sebaliknya, penelitian pada tahap OCR menunjukkan bahwa tambahan preprocessing belum bisa membantu meningkatkan performa Tesseract OCR. Pada tahap terakhir, ditemukan bahwa BERTopic lebih unggul daripada LDA dalam menarik topik yang koheren untuk use case penelitian ini. Agglomerative dan KMeans clustering ditemukan lebih optimal untuk kasus video perkuliahan jika dibandingkan dengan metode density-based. Augmentasi data dengan takaran yang sesuai diperlukan untuk mendapatkan hasil sedemikian rupa pada tahap ini. Secara umum, sistem dengan tiga bagian yang diusulkan pada penelitian ini sudah mampu melakukan segmentasi video perkuliahan sesuai tujuan, namun, video perkuliahan bersalindia merupakan dataset yang sangat heterogen dan merancang sebuah sistem yang mampu memanfaatkan dataset tersebut adalah tantangan tersendiri. ......The COVID-19 pandemic changed the lifestyle of many people, including university lectures that moved to online delivery. Lecture videos with slides became an option to deliver lecture materials online. This work attempts to show a proof of concept for a system design that is able to automatically segment a lecture video temporally based on the topic. The proposed system is divided into three subsystems that make use of keyframe extraction, optical character recognition (OCR), and topic modelling techniques. First, a lecture video will be converted to a collection of keyframes using a modified Slide Detector technique. Next, those frames will be processed using Tesseract OCR with some additional preprocessing steps to extract text. Lastly, BERTopic with various clustering techniques and LDA will be used for topic modelling to obtain a coherent topic from the text extracted earlier. The research in the keyframe extraction step shows that there is an increase of 0.235-0,5 points from 0 for recall and 0,619-0,75 points from 0 for precision for certain videos using the modified Slide Detector. On the other hand, the research in the OCR step shows that the additional preprocessing is not yet able to help increase the performance of Tesseract OCR. At the last step, BERTopic proves to be better than LDA to obtain the coherent topic for this system's use case. Agglomerative and KMeans clustering is better for lecture videos compared to density-based methods. Appropriate amounts of data augmentation is needed to obtain the best results at this step. Overall, the three-part system in this research is able to segment lecture videos as intended, however, lecture videos with slides is a dataset that is very heterogeneous and designing a system to handle all types of videos is a large challenge.