Melola Discovery

← Melola Discovery

Journal

Analisis Produktivitas Kinerja Dosen dan Tenaga Kependidikan dalam Mewujudkan Tahun Reputasi Universitas Negeri Semarang (UNNES) Menggunakan Jaringan Saraf Tiruan

PRISMA, Prosiding Seminar Nasional Matematika · Vol. 1 (2018) · pp. 919–927

ISSN
2613-9189
Published
2018-02-01
Publisher
Jurusan Matematika FMIPA UNNES
Language
eng

Abstract

Produktivitas sebagai suatu ukuran pada kualitas dan kuantitas dari pekerjaan yang telah dikerjakan dengan mempertimbangkan biaya dan sumber daya yang digunakan untuk mengerjakan pekerjaan tersebut. Hal ini menunjukan bahwa produktivitas kinerja dosen dan karyawan adalah suatu konsep yang menunjukan adanya kaitan antara hasil kerja dengan satuan waktu yang dibutuhkan untuk menghasilkan produk dari semua unit satuan yang ada di kampus. Produktivitas di lingkungan Universitas Negeri Semarang (UNNES) merupakan suatu interkasi terpadu secara serasi dari tiga faktor esensial, yaitu optimalisasi kemampuan, manajemen dan sumber daya yang dimiliki oleh UNNES. Pemberian motivasi kepada seluruh civitas akademikia UNNES sangatlah berpengaruh terhadap jalannya kemajuan UNNES dalam mewujudkan tahun reputasi yang dicanangkan pada tahun 2017 ini. Jaringan saraf tiruan sebagai salah satu sistem pemrosesan informasi yang didesain dengan menirukan cara kerja otak manusia dalam menyelesaikan suatu maslah dengan melakukan proses belajar melalui perubahan bobot sinapsisnya dapat digunakan untuk melakukan analisis terhadap produktivitas keinerja dosen dan karyawan UNNES dalam memujudkan tahun reputasi yang dicanangkan pada tahun 2017. Penelitian berkaitan dengan pengembangan jaringan saraf tiruan telah cukup banyak dilakukan oleh ahli dibidang ini,antara lain hasil penelitian yang dilakukan oleh Walid dkk (2015) tentang peramalan menggunakan model jaringan saraf tiruan pada data berpola long memory dengan konsentrasi ada penggunaan beban konsumsi listrik PLN di Jawa dan Bali. Dalam penelitian ini akan dikembangkan model analisis produktivitas kinerja dosen dan tenaga kependidikan dalam mewujudkan tahun reputasi UNNES menggunakan jaringan saraf tiruan. Adapun faktor-faktor yang digunakan untuk mengukur tingkat produktivitas antara lain: 1. Pengetahuan (knowledge), 2. keahlian (skill), 3. Kemampuan (capability), 4. Sikap (attitude) dan 5. Perilaku (behavior). Kelima aspek tersebut yang akan dijadikan alat ukur untuk menganalisis produktivitas civitas akademika UNNES. Berdasarkan analisis akan diperoleh sebesar besar pengaruh yang diberikan oleh masing-masing aspek dalam kontribusinya memwujudkan tahun reputasi sekaligus dapat diketahui aspek-aspek mana saja yang masih harus ditingkatkan. Penelitian ini akan dilaksanakan dengan studi literatur, simulasi dan metode kuesioner dengan responden dosen dan tenaga kependidikan UNNES, dengan mengambil sampel representatif di fakultas MIPA. Hasil penelitian ini menunjukan bahwa data-data yang dikumpulkan melalui kuesioner kemudian diberikan pelatihan dan diuji menunjukan bahwa faktor pengetahuan, keahlian, kemampuan sikap dan perilaku yang baik tidak selalu menunjukan produktivitas yang baik. Namun demikian ada dua faktor yang cukup dominan dalam mempengaruhi ketercapaian tahun reputasi di FMIPA UNNES tahun 2017 yaitu faktor pengetahuan dan perilaku.

Collaboration network of the authors

40 authors · 109 co-authorship links · 6 across different organisations · showing the 40 most connected

Hover or tap a name to highlight its co-authors. Double-click to open the author's page.

  • State University of Semarang
  • Universitas Airlangga
  • Universitas Teknologi Digital Indonesia
  • Taipei Medical University
  • Affiliation unknown
  • Different organisations
  • Same organisation
  • Affiliation unknown
  • Thicker line = more joint articles · bigger circle = more articles
Show as table
Co-authorOrganisationJoint articles
Sugiman SugimanAffiliation unknown5
Zaenuri ZaenuriState University of Semarang4
Dwijanto DwijantoAffiliation unknown4
Kartono KartonoUniversitas Airlangga4
Masrukan MasrukanState University of Semarang2
Heriyanto HeriyantoAffiliation unknown2
Nur Karomah DwidayatiAffiliation unknown2
Aisyah Fany AchmaliaAffiliation unknown2
Mulyono MulyonoAffiliation unknown2
Ignasia Santi Kumala SwariAffiliation unknown2
Nikmah NurvicalestiAffiliation unknown2
BERNIKA RAHMANIA NALURITAAffiliation unknown2
Wardono WardonoAffiliation unknown2
Nuriana Rachmani DewiAffiliation unknown2
Widyastuti AndriyaniUniversitas Teknologi Digital Indonesia1
Daniel Chriswinanto Adityo NugrohoTaipei Medical University1
Ainurohmah AinurrohmahState University of Semarang1
Scolastika MarianiState University of Semarang1
Wardono WardonoState University of Semarang1
Ayu AristikaState University of Semarang1
Vena AgustinaState University of Semarang1
Bayu Rizky PratamaAffiliation unknown1
Nurul HidayatiAffiliation unknown1
Zaenuri MasturAffiliation unknown1
Arief AgoestantoAffiliation unknown1
Elok Tri Kusuma DewiAffiliation unknown1
Saroful AnamAffiliation unknown1
Dyah NovaliaAffiliation unknown1
Itsnaini Munjiyatul FadlilahAffiliation unknown1
Niken Yulia AstutiAffiliation unknown1
Anita AnggraeniAffiliation unknown1
Putriaji HendikawatiAffiliation unknown1
Maula Qorri 'AinaAffiliation unknown1
Nabila Widya HapsariAffiliation unknown1
Ajeng Alisa NarulitaAffiliation unknown1
Mulyono MultonoAffiliation unknown1
Cintya Putri PermataAffiliation unknown1

Affiliations come from OpenAlex; journal OAI-PMH metadata carries none. Authors without an OpenAlex ID are matched by name, which can merge or split people.

Metadata source: OAI-PMH (metadata jurnal) https://journal.unnes.ac.id/sju/index.php/prisma/oai, first harvested 6 Nov 2026, last seen 6 Nov 2026.
Original metadata (oai_dc)
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="en-US">Analisis Produktivitas Kinerja Dosen dan Tenaga Kependidikan dalam Mewujudkan Tahun Reputasi Universitas Negeri Semarang (UNNES) Menggunakan Jaringan Saraf Tiruan</dc:title>
	<dc:creator>Walid, Walid</dc:creator>
	<dc:creator>Sunarmi, Sunarmi</dc:creator>
	<dc:creator>Wiyanti, Dian Tri</dc:creator>
	<dc:description xml:lang="en-US">Produktivitas sebagai suatu ukuran pada kualitas dan kuantitas dari pekerjaan yang telah dikerjakan dengan mempertimbangkan biaya dan sumber daya yang digunakan untuk mengerjakan pekerjaan tersebut. Hal ini menunjukan bahwa produktivitas kinerja dosen dan karyawan&amp;nbsp; adalah suatu konsep yang menunjukan adanya kaitan antara hasil kerja dengan satuan waktu yang dibutuhkan untuk menghasilkan produk dari semua unit satuan yang ada di kampus. Produktivitas di lingkungan Universitas Negeri Semarang (UNNES) merupakan suatu interkasi terpadu secara serasi dari tiga faktor esensial, yaitu optimalisasi kemampuan, manajemen dan sumber daya yang dimiliki oleh UNNES. Pemberian motivasi kepada seluruh civitas akademikia UNNES sangatlah berpengaruh terhadap jalannya kemajuan UNNES dalam mewujudkan tahun reputasi yang dicanangkan pada tahun 2017 ini. Jaringan saraf tiruan sebagai salah satu sistem pemrosesan informasi yang didesain dengan menirukan cara kerja otak manusia dalam menyelesaikan suatu maslah dengan melakukan proses belajar melalui perubahan bobot sinapsisnya dapat digunakan untuk melakukan analisis terhadap produktivitas keinerja dosen dan karyawan UNNES dalam memujudkan tahun reputasi yang dicanangkan pada tahun 2017. Penelitian berkaitan dengan pengembangan jaringan saraf tiruan telah cukup banyak dilakukan oleh ahli dibidang ini,antara lain hasil penelitian yang dilakukan oleh Walid dkk (2015) tentang peramalan menggunakan model jaringan saraf tiruan pada data berpola long memory dengan konsentrasi ada penggunaan beban konsumsi listrik PLN di Jawa dan Bali. Dalam penelitian ini akan dikembangkan model analisis produktivitas kinerja dosen dan tenaga kependidikan dalam mewujudkan tahun reputasi UNNES menggunakan jaringan saraf tiruan. Adapun faktor-faktor yang digunakan untuk mengukur tingkat produktivitas antara lain: 1. Pengetahuan (knowledge), 2. keahlian (skill), 3. Kemampuan (capability), 4. Sikap (attitude) dan 5. Perilaku (behavior). Kelima aspek tersebut yang akan dijadikan alat ukur untuk menganalisis produktivitas civitas akademika UNNES. Berdasarkan analisis akan diperoleh sebesar besar pengaruh yang diberikan oleh masing-masing aspek dalam kontribusinya memwujudkan tahun reputasi sekaligus dapat diketahui aspek-aspek mana saja yang masih harus ditingkatkan. Penelitian ini akan dilaksanakan dengan studi literatur, simulasi dan metode kuesioner dengan responden dosen dan tenaga kependidikan UNNES, dengan mengambil sampel representatif di fakultas MIPA. Hasil penelitian ini menunjukan bahwa data-data yang dikumpulkan melalui kuesioner kemudian diberikan pelatihan dan diuji menunjukan bahwa faktor pengetahuan, keahlian, kemampuan sikap dan perilaku yang baik tidak selalu menunjukan produktivitas yang baik. Namun demikian ada dua faktor yang cukup dominan dalam mempengaruhi ketercapaian tahun reputasi di FMIPA UNNES tahun 2017 yaitu faktor pengetahuan dan perilaku.</dc:description>
	<dc:publisher xml:lang="en-US">Jurusan Matematika FMIPA UNNES</dc:publisher>
	<dc:date>2018-02-01</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:type xml:lang="en-US">Peer-reviewed Article</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://journal.unnes.ac.id/sju/prisma/article/view/20619</dc:identifier>
	<dc:source xml:lang="en-US">PRISMA, Prosiding Seminar Nasional Matematika; Vol 1 (2018): PRISMA, Prosiding Seminar Nasional Matematika; 919-927</dc:source>
	<dc:source>2613-9189</dc:source>
	<dc:language>eng</dc:language>
	<dc:relation>https://journal.unnes.ac.id/sju/prisma/article/view/20619/9784</dc:relation>
	<dc:rights xml:lang="en-US">Copyright (c) 2018 PRISMA, Prosiding Seminar Nasional Matematika</dc:rights>
</oai_dc:dc>