Hasil Pencarian  ::  Simpan CSV :: Kembali

"Sampai saat ini, permintaan tenaga perawat untuk bekerja ke luar negeri masih terbuka lebar. Namun, Indonesia belum dapat memenuhi kebutuhan perawat dari aspek kuantitas karena kualitas sumber daya manusia tenaga keperawatan di Indonesia masih dibawah standar internasional. Terdapat kesenjangan yang cukup lebar antara perawat yang mendaftar untuk bekerja di luar negeri dengan perawat yang berhasil lulus seleksi.Oleh karena itu, penelitian ini bertujuan untuk mendapatkan informasi tentang faktor-faktor yang berhubungan dengan kelulusan seleksi lulusan D-111 Keperawatan yang mendaftar untuk bekerja di luar negeri tahun 1999.Desain penelitian adalah penelitian kuantitatif dengan rancangan cross-sectional. Lokasi penelitian adalah di Jakarta, di lingkungan Departemen Kesehatan RI di tempat diadakannya ujian seleksi perawat untuk bekerja di Uni Emirat Arab. Pengumpulan data primer dilakukan dengan memberikan kuesioner pada responden sebesar 203 orang. Sedangkan dalam penelitian ini sampel yang digunakan hanya sebanyak 185 orang atau responden yang lulusan D-III Keperawatan saja. Variabel-variabel yang diteliti adalah: faktor Kelulusan Seleksi, Umur, Status Perkawinan, Asal Kota, Asal Institusi, Pelatihan, Status Pekerjaan, Nilai Bahasa Inggris, Nilai Mutu, Proporsi Waktu Belajar, Motivasi, dan Frekuensi Ikut Seleksi. Analisis data terdiri dari analisis data univarial dan analisis data bivariat.Hasil penelitian menunjukkan ada hubungan yang bermakna antara pelatihan, status pekerjaan, nilai mutu dengan kelulusan seleksi. Pada hasil uji estimasi resiko, didapat nilai Odds Ratio (OR) pelatihan = 3,455 artinya responden yang pernah mengikuti pelatihan kemungkinan untuk lulus adalah 3,455 kali lebih tinggi dari responden yang tidak pernah mengikuti pelatihan, dan nilai OR status pekerjaan = 3,886 artinya responden yang belum bekerja kemungkinan untuk lulus seleksi adalah 3,886 kali lebih tinggi dari responden yang sudah bekerja.Saran yang diusulkan: Memberi kesempatan kepada perawat yang belum bekerja untuk mengikuti ujian seleksi; Pelatihan yang berbentuk bimbingan tes perlu diberikan pada semua peserta ujian seleksi; Pelatihan dengan sistem yang sesuai dengan kebutuhan perawat yang ingin bekerja di luar negeri.Selanjutnya, perlu diteliti lebih jauh tentang pengaruh jenis dan lama pelatihan, serta instrumen pengukuran bahasa Inggris menggunakan tes kemampuan bahasa Inggris. Dalam hal persyaratan, sebaiknya Departemen Kesehatan membuat simplifikasi persyaratan yang akan dipakai dalam persyaratan perawat yang ingin bekerja di luar negeri.

---

Up to present, the high demand for local nurses to work overseas is still exist. However, it is difficult for Indonesia to fulfill the required quantity since the existing quality of the local nurse is still under the international standard quality. The total number of nurse who register to work abroad far below the total number of nurses who finally passed the exam.

Due to the above facts, this research is aimed to study further details on the factors related to the selection graduates of nurses graduated with Diploma III from Nurses Academy to work overseas in 1999.

The design of the research is cross sectional survey. The research is taken place in Jakarta, at Department of Health, Republic of Indonesia, the same place where the test for nurses to work in United Emirates Arab is located. The collection of primary data is conducted by distributing questionnaires to 203 respondents. On this research, samples being used is only 185 samples or total number of nurses who graduates with D-11I from Nurse Academy only. Variables being researched are: Selection Graduates, Age, Marital Status, Birth Origin, Institution, Training, Work Status, English Score, Quality Score, Proportion of Study, Motivation, and Number of Test Taken. Data analysis categorized into Univariate data analysis, and Bivariate data analysis.

The result of the analysis showed that there is positive correlation betweentraining, work status, quality score with selection graduates. The risk estimate test showed Odds Ratio (OR) for training = 3,455, which means that the probability of respondent with prior training to pass the test is 3,455 times greater than respondent with no prior training. The OR for Work Status = 3,886 which means that the probability of respondent (who has work experience less than 1 year or has no prior job experience) to pass the test is 1886 times greater than respondent who has work experience.

The proposed recommendations are as follows: To give the opportunity and priority to those nurses who currently do not work to take the test. Training in a form of preparation test is deemed necessary to be given to the test participants; such training is designed to meet the required needs for the nurses to work overseas.

Furthermore, additional research is required to further understand the affect of type and length of the training, and the measurement being used to test the English skills. Lastly, in regards to the rules and requirements, it is highly recommended that the Department of Health to simplify the requirements for nurse to work overseas."

"Memanen hujan adalah suatu metode konservasi air tanah yang dilakukan dengan cara mengumpulkan air hujan yang jatuh di atap bangunan dan menyimpannya di dalam akuifer. Untuk melaksanakan metode ini dibuat penelitian dengan mengambil lokasi di halaman Pusat Lingkungan Geologi Bandung. Di lokasi tersebut potensi air hujan yang dapat di panen sebesar 8340.00 m3/tahun, tetapi yang dapat dipanen dengan metode menuai hujan hanya 3614.00 m3/tahun dan yang dimasukkan ke dalam akuifer baru 1260.00 m3/tahun. Sumur percobaan yang dibuat di halaman kantor tersebut terletak pada akuifer dari satuan batuan tuf berbatu apung berumur kuarter dengan kedalaman 43.00 m berdiameter 15.00 cm menembus akuifer tidak tertekan berupa pasir sedang sampai kasar mengandung kerikil dari kedalaman 10.00 sampai 37.00 dengan kelulusan 1,80x10 cm/detik dan permukaan air tanah terletak pada kedalaman 5.66 m. Sumur tersebut mempunyai kemampuan imbuhan sebesar 1800.00 m3/jam. Untuk mengoptimalkan pemanenan hujan diperlukan beberapa sumur imbuhan dan penyimpanan lagi dengan diameter bervariasi dari 20.00 sampai 60.00."

"Kualitas pendidikan tinggi di Indonesia merupakan salah satu upaya penting dalam menghasilkan sumber daya manusia unggul yang dapat memberikan manfaat besar bagi negara. Salah satu aspek penilaian yang dapat dijadikan acuan adalah ketepatan waktu lulus mahasiswa serta perkembangan indeks prestasi yang sejalan. Mahasiswa dikatakan lulus tepat waktu jika menyelesaikan studi dalam kurun waktu empat tahun. Saat ini, penelitian terkait prediksi ketepatan waktu lulus mahasiswa di Indonesia masih terbatas, dengan penelitian terakhir hanya mencakup lingkup Universitas Indonesia. Penelitian ini bertujuan untuk membandingkan setidaknya lima model prediksi dan memanfaatkan ensemble learning untuk membangun model yang diinginkan. Metrik yang digunakan sebagai acuan adalah F1-Score, dengan hasil akhir model ensemble learning yang memanfaatkan stacking classifier mencapai nilai 83%. Produk akhir dari penelitian ini adalah sebuah website yang memiliki fitur prediksi dan fitur statistik. Fitur prediksi digunakan untuk memprediksi ketepatan waktu lulus berdasarkan model machine learning yang telah dikembangkan. Fitur statistik menyediakan berbagai visualisasi yang memberikan informasi terkait ketepatan waktu lulus pada tingkat nasional, universitas, dan program studi. Visualisasi yang digunakan mencakup line chart, pie chart, geo chart, dan bar chart, serta menyediakan data mentah untuk informasi yang lebih sederhana.

---

The quality of higher education in Indonesia is a crucial effort in producing superior human resources that can significantly benefit the country. One of the assessment aspects that can be used as a reference is the timeliness of student graduation and the development of a corresponding performance index. Students are considered to graduate on time if they complete their studies within four years. Currently, research related to predicting the timeliness of student graduation in Indonesia is still limited, with the last study covering only the University of Indonesia. This study aims to compare at least five predictive models and utilize ensemble learning to build the desired model. The metric used as a reference is the F1-Score, with the final result of the ensemble learning model utilizing a stacking classifier reaching a score of 83%. The final product of this research is a website featuring both prediction and statistical tools. The prediction feature is used to predict the timeliness of graduation based on the previously developed machine learning model. The statistical feature provides various visualizations that offer information related to graduation timeliness at the national, university, and study program levels. The visualizations used include line charts, pie charts, geo charts, and bar charts, and also provide raw data for simpler information."

"Kualitas pendidikan tinggi di Indonesia merupakan salah satu upaya penting dalam menghasilkan sumber daya manusia unggul yang dapat memberikan manfaat besar bagi negara. Salah satu aspek penilaian yang dapat dijadikan acuan adalah ketepatan waktu lulus mahasiswa serta perkembangan indeks prestasi yang sejalan. Mahasiswa dikatakan lulus tepat waktu jika menyelesaikan studi dalam kurun waktu empat tahun. Saat ini, penelitian terkait prediksi ketepatan waktu lulus mahasiswa di Indonesia masih terbatas, dengan penelitian terakhir hanya mencakup lingkup Universitas Indonesia. Penelitian ini bertujuan untuk membandingkan setidaknya lima model prediksi dan memanfaatkan ensemble learning untuk membangun model yang diinginkan. Metrik yang digunakan sebagai acuan adalah F1-Score, dengan hasil akhir model ensemble learning yang memanfaatkan stacking classifier mencapai nilai 83%. Produk akhir dari penelitian ini adalah sebuah website yang memiliki fitur prediksi dan fitur statistik. Fitur prediksi digunakan untuk memprediksi ketepatan waktu lulus berdasarkan model machine learning yang telah dikembangkan. Fitur statistik menyediakan berbagai visualisasi yang memberikan informasi terkait ketepatan waktu lulus pada tingkat nasional, universitas, dan program studi. Visualisasi yang digunakan mencakup line chart, pie chart, geo chart, dan bar chart, serta menyediakan data mentah untuk informasi yang lebih sederhana.

---

The quality of higher education in Indonesia is a crucial effort in producing superior human resources that can significantly benefit the country. One of the assessment aspects that can be used as a reference is the timeliness of student graduation and the development of a corresponding performance index. Students are considered to graduate on time if they complete their studies within four years. Currently, research related to predicting the timeliness of student graduation in Indonesia is still limited, with the last study covering only the University of Indonesia. This study aims to compare at least five predictive models and utilize ensemble learning to build the desired model. The metric used as a reference is the F1-Score, with the final result of the ensemble learning model utilizing a stacking classifier reaching a score of 83%. The final product of this research is a website featuring both prediction and statistical tools. The prediction feature is used to predict the timeliness of graduation based on the previously developed machine learning model. The statistical feature provides various visualizations that offer information related to graduation timeliness at the national, university, and study program levels. The visualizations used include line charts, pie charts, geo charts, and bar charts, and also provide raw data for simpler information."

"Kualitas pendidikan tinggi di Indonesia merupakan salah satu upaya penting dalam menghasilkan sumber daya manusia unggul yang dapat memberikan manfaat besar bagi negara. Salah satu aspek penilaian yang dapat dijadikan acuan adalah ketepatan waktu lulus mahasiswa serta perkembangan indeks prestasi yang sejalan. Mahasiswa dikatakan lulus tepat waktu jika menyelesaikan studi dalam kurun waktu empat tahun. Saat ini, penelitian terkait prediksi ketepatan waktu lulus mahasiswa di Indonesia masih terbatas, dengan penelitian terakhir hanya mencakup lingkup Universitas Indonesia. Penelitian ini bertujuan untuk membandingkan setidaknya lima model prediksi dan memanfaatkan ensemble learning untuk membangun model yang diinginkan. Metrik yang digunakan sebagai acuan adalah F1-Score, dengan hasil akhir model ensemble learning yang memanfaatkan stacking classifier mencapai nilai 83%. Produk akhir dari penelitian ini adalah sebuah website yang memiliki fitur prediksi dan fitur statistik. Fitur prediksi digunakan untuk memprediksi ketepatan waktu lulus berdasarkan model machine learning yang telah dikembangkan. Fitur statistik menyediakan berbagai visualisasi yang memberikan informasi terkait ketepatan waktu lulus pada tingkat nasional, universitas, dan program studi. Visualisasi yang digunakan mencakup line chart, pie chart, geo chart, dan bar chart, serta menyediakan data mentah untuk informasi yang lebih sederhana.

---

The quality of higher education in Indonesia is a crucial effort in producing superior human resources that can significantly benefit the country. One of the assessment aspects that can be used as a reference is the timeliness of student graduation and the development of a corresponding performance index. Students are considered to graduate on time if they complete their studies within four years. Currently, research related to predicting the timeliness of student graduation in Indonesia is still limited, with the last study covering only the University of Indonesia. This study aims to compare at least five predictive models and utilize ensemble learning to build the desired model. The metric used as a reference is the F1-Score, with the final result of the ensemble learning model utilizing a stacking classifier reaching a score of 83%. The final product of this research is a website featuring both prediction and statistical tools. The prediction feature is used to predict the timeliness of graduation based on the previously developed machine learning model. The statistical feature provides various visualizations that offer information related to graduation timeliness at the national, university, and study program levels. The visualizations used include line charts, pie charts, geo charts, and bar charts, and also provide raw data for simpler information."