MétaCan
Menu
Retour à la cohorte
Enregistrement W2759992149 · doi:10.31603/cakrawala.v12i2.1704

Mengukur Tingkat Efisiensi Bank Pembiayaan Rakyat Syari’ah dengan Menggunakan Data Envelopment Analysis (DEA)

2017· article· en· W2759992149 sur OpenAlexaboutno aff
Arif Ramadhan, Didit Purnomo, Muhammad Muhtarom, Chuzaimah Chuzaimah

Notice bibliographique

RevueCakrawala Jurnal Studi Islam · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueIslamic Finance and Communication
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésQuarter (Canadian coin)InefficiencyActuarial scienceEconomicsBusinessGeographyMicroeconomics

Résumé

récupéré en direct d'OpenAlex

The purpose of this study is to analyze the efficiency level of Shari'ah People's Financing Bank (BPRS) in Surakarta City. The data used in this study is secondary data taken from www.ojk.co.id published by each Sharia Bank Financing (BPRS). This research uses input-output variable with Data Evelopment Analysis (DEA) method. The result of the research shows that in Quarter I - Quarter IV there is only one Sharia Bank Financing (BPRS) that experienced inefficiency. Based on the calculation using Data Evelopment Analysis (DEA), in Quarter II - Quarter IV BPRS Central Syari'ah Utama experienced inefficiency, whereas in Quarter I - IV IV BPRS Dana Amanah, BPRS Dana Mulia, BPRS Harta Insan Karimah showed efficiency. The period 2016 Quarter I - fourth quarter IV of Syari'ah People Financing Bank (BPRS) that is BPRS Dana Amanah, BPRS Dana Mulia, BPRS Harta Insan Karimah already 1,000 or experienced efficiency continue to take care during that quarter

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,527
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0090,001
Communication savante0,0010,001
Science ouverte0,0050,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,095
Tête enseignante GPT0,389
Écart entre enseignants0,294 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCakrawala Jurnal Studi IslamMême sujetIslamic Finance and CommunicationTravaux en français237 207