MétaCan
Menu
Retour à la cohorte
Enregistrement W2946235030 · doi:10.51289/peta.v1i1.209

PENGARUH SISA LEBIH PERHITUNGAN ANGGARAN (SiLPA) TERHADAP PENETAPAN JUMLAH ANGGARAN PADA TAHUN ANGGARAN BERIKUTNYA

2017· article· id· W2946235030 sur OpenAlexaff
Mochamad Fitroh, Iwan Setya Putra

Notice bibliographique

RevueJurnal Penelitian Teori & Terapan Akuntansi (PETA) · 2017
Typearticle
Langueid
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Growth and Fiscal Policies
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPhilosophy

Résumé

récupéré en direct d'OpenAlex

Abstrak. Pengaruh Sisa Lebih Perhitungan Anggaran (SiLPA) terhadap Penetapan Jumlah Anggaran Tahun Berikutnya. Penelitian ini berusaha menguji fakta empiris terkait hubungan Silpa dengan penetapan anggaran tahun berikutnya. Analisis data lapangan menggunakan bantuan statistik inferensif dengan uji korelasional. Selain menggunakan alat bantu statistik untuk melakukan pengujian, penelitian ini juga menggunakan model wawancara kepada responden yang relevan untuk memperkuat data kuantitatif. Hasil dari penelitian ini menunjukkan adanya hubungan yang signifikan antara Silpa dengan penetapan anggaran tahun berikutnya. Saran yang bisa diberikan pada penelitian ini agar dikembangkan penelitian serupa pada sampel yang lebih luas dan kajian yang lebih mendalam. Diperlukan analisa lebih lanjut apakah silpa ini muncul akibat kesengajaan atau tidak. Ini merupakan salah satu potensi penelitian lanjutan. Ketika Silpa dikarenakan kesengajaan, bisa jadi anggaran cenderung manipulatif. Kata Kunci: SiLPA, Penetapan Anggaran, Uji Korelasional, Anggaran Manipulatif. Abstract. The Effect of Time Over Budget Calculation (SiLPA) on Stipulating the Amount of the Next Year's Budget. This research tries to test empirical facts related to silpa relationship with next year's budget setting. Field data analysis using inferential statistical help with correlational tests. In addition to using statistical tools to conduct testing, this study also uses an interview model to the relevant respondents to strengthen quantitative data. The results of this study indicate a significant relationship between silpa with the determination of next year's budget. Suggestions can be given in this study to develop similar research on a wider sample and a more in-depth study. Further analysis is needed if these cilia arise from intent or not. This is one of the potential for continued research. When Silpa is deliberate, it can be manipulative. Keywords: SiLPA, Budgeting, Correlation Test, Manipulative Budget

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)0,002
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, Communication savante, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,261
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0030,003
Méta-épidémiologie (sens large)0,0040,003
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,002
Communication savante0,0050,004
Science ouverte0,0050,001
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0020,003

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 Opus0,032
Tête enseignante GPT0,239
Écart entre enseignants0,207 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJurnal Penelitian Teori & Terapan Akuntansi (PETA)Même sujetEconomic Growth and Fiscal PoliciesTravaux en français237 207