Burnout Karyawan di Tengah Pandemi COVID-19: Prediksi Tingkat Burnout Menggunakan Neural Network = Employee Burnout during COVID-19: Burnout Rate Prediction using Neural Network
Imam Rafif Hanif;
Athor Subroto, supervisor; Rezzy Eko Caraka, examiner; Nurmala, examiner
(Fakultas Ekonomi dan Bisnis Universitas Indonesia, 2022)
|
|
Burnout mengacu pada reaksi psikologis terhadap stres kerja kronis. Fenomena burnout merupakan fenomena yang harus diatasi oleh perusahaan karena membawa pengaruh negatif terhadap produktivitas dan keinginan karyawan untuk resign. Penelitian ini bertujuan untuk memprediksi karyawan dengan tingkat burnout yang tinggi dan menganalisis faktor yang mempengaruhi burnout karyawan di tengah pandemi COVID-19. Beberapa faktor yang dianalisis diantaranya tipe perusahaan, jabatan, skema work from home (WFH), tingkat kelelahan mental, dan jam kerja per hari. Berdasarkan penerapan metode neural network, sebanyak 92.2% varians burnout dapat dijelaskan oleh variabel input dengan tingkat kelelahan mental dan jam kerja per hari merupakan variabel yang memberi pengaruh yang signifikan terhadap tingkat burnout. Neural network kembali diterapkan dengan dua variabel tersebut dan masih dapat menjelaskan 91.9% varians burnout. Penelitian ini dapat digunakan employer dalam memprediksi tingkat burnout rate yang dihadapi karyawan sekaligus memperkaya penelitian-penelitian sebelumnya mengenai prediksi burnout. Burnout refers to a psychological reaction to chronic work stress. The phenomenon of burnout is undoubtedly a phenomenon that companies must overcome because it may adversely affect productivity and employees' desire to resign from their job. This study aims to predict employees with high burn rates and analyze all the possible factors influencing employee burnout amid the COVID-19 pandemic. Several factors were analyzed, including the type of company, job positions, work-from-home (WFH) schemes, mental fatigue score, and working hours per day. Based on the application of the neural network method, 92.2% of the burnout variance can be explained by the input variable, with the level of mental fatigue and working hours per day variables significantly influencing burnout. The neural network is re-applied with these two variables and can still explain 91.9% of the burnout variance. Employers can use this research to predict the burnout rate faced by employees and enrich previous studies regarding burnout prediction. |
 T-Imam Rafif Hanif.pdf :: Unduh
|
| No. Panggil : | T-pdf |
| Entri utama-Nama orang : | |
| Entri tambahan-Nama orang : | |
| Entri tambahan-Nama badan : | |
| Subjek : | |
| Penerbitan : | Depok: Fakultas Ekonomi dan Bisnis Universitas Indonesia, 2022 |
| Program Studi : |
| Bahasa : | ind |
| Sumber Pengatalogan : | LibUI ind rda |
| Tipe Konten : | text |
| Tipe Media : | computer |
| Tipe Carrier : | online resource |
| Deskripsi Fisik : | xiv, 60 pages : illustration + appendix |
| Naskah Ringkas : | |
| Lembaga Pemilik : | Universitas Indonesia |
| Lokasi : | Perpustakaan UI |
| No. Panggil | No. Barkod | Ketersediaan |
|---|---|---|
| T-pdf | 15-22-45193162 | TERSEDIA |
| Ulasan: |
| Tidak ada ulasan pada koleksi ini: 20520047 |
