MétaCan
Menu
Retour à la cohorte
Enregistrement W2888303918 · doi:10.32400/gc.13.02.19629.2018

ANALISIS ANGGARAN KAS SEBAGAI ALAT PERENCANAN DAN PENGENDALIAN KAS PADA PT PELABUHAN INDONESIA IV CABANG BITUNG

2018· article· en· W2888303918 sur OpenAlexaff
Raquel Amelia Saipi, Jantje J. Tinangon, ⁠I Gede Suwetja

Notice bibliographique

RevueGOING CONCERN JURNAL RISET AKUNTANSI · 2018
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueManagement and Optimization Techniques
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésCashBusinessControl (management)Cash flow statementFinanceCash managementOperations managementAccountingEconomicsManagement

Résumé

récupéré en direct d'OpenAlex

PT Pelabuhan Indonesia IV Branch Bitung uses the cash budget as their management tool, for the planning and control of the company's cash in achieving the success of the objectives to be achieved by the company. The purpose of this research is to know how cash budget as a planning and control tools cash in PT Pelabuhan Indonesia IV Branch Bitung with observation period of cash budget in 2015, 2016, and 2017. In this research, using descriptive method by collecting information from research result then analyze and draw conclusion from research, method of collecting information in this research by direct interview with finance section about process of preparing cash budget. The results show that the cash budgeting process in PT Pelabuhan Indonesia IV Branch Bitung uses a buttom up budgeting approach where the budget is prepared and prepared by the parties who will implement the budget. The causes of the difference (variance) between the budget and the realization of the cash budget are internal and external factors of the firm. Planning the cash budget by estimating the cost and analysis of the company's activities and for controlling its cash budget in the form of control over good deviations is favorable or unfavorable as well as revisions to deviations that occur.Keywords: Cash Budget, Planning, Controlling

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0110,001

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 Opus0,024
Tête enseignante GPT0,251
Écart entre enseignants0,227 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGOING CONCERN JURNAL RISET AKUNTANSIMême sujetManagement and Optimization TechniquesTravaux en français237 207