MétaCan
Menu
Retour à la cohorte
Enregistrement W2793217294 · doi:10.26905/jkdp.v22i1.1333

Total Factor Productivity and Efficiency Analysis on Islamic Banks in Indonesia

2018· article· en· W2793217294 sur OpenAlexaboutno aff
Siti Aisyah, Muhamad Nadratuzzaman Hosen

Notice bibliographique

RevueJurnal Keuangan dan Perbankan · 2018
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueIslamic Finance and Banking Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésProductivityQuarter (Canadian coin)Quadrant (abdomen)IslamTotal factor productivityBusinessEconomicsEconomic growthGeography

Résumé

récupéré en direct d'OpenAlex

The aims of this study are to measure productivity and efficiency, to analyze factors which affect the level of efficiency and to analyze the correlation between productivity and efficiency of Islamic Banking in Indonesia. The objects of this study are 11 (eleven) Islamic Banks (BUS) in Indonesia which are analyzed from the second quarter of 2010 to the third quarter of 2015. The result shows only six of the eleven banks that have a good productivity level, otherwise, for efficiency, there are only three banks that efficient enough. Furthermore, the relationship between productivity and efficiency levels that are categorized into 4 (four) quadrants. In quadrant I, three banks have high productivity and efficiency namely Syariah Mandiri, Panin Syariah and Victoria Syariah; quadrant IV two banks in a low level of productivity and efficiency namely Mega Syariah and Bukopin Syariah. While the quadrant II namely BCA Syariah, BRI Syariah, and Muamalat and quadrant III namely BJB Syariah, BNI Syariah, and Maybank Syariah required further research to determine the factors that affect the productivity and efficiency relationships that occur. JEL Classification : D24; D57; D61 DOI : https://doi.org/10.26905/jkdp.v22i1.1333

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,041
Score d'incertitude au seuil0,871

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,010
Tête enseignante GPT0,225
Écart entre enseignants0,214 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations8
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJurnal Keuangan dan PerbankanMême sujetIslamic Finance and Banking StudiesTravaux en français237 207