Pemanfaatan Sistem Informasi Akuntansi Keuangan Daerah Terhadap Kualitas Laporan Keuangan Pemerintah Daerah Dengan Variabel Interening Sistem Pengendalianintern Pemerintah (Studi Pada Pemerintah Provinsi Papua)
Notice bibliographique
Résumé
Penelitian ini bertujuan untuk menjembatani research gap hubungan antara variabel pemanfaatan Sistem Informasi Akuntansi Keuangan Daerah (SIAKD) dan kualitas Laporan Keuangan Pemerintah Daerah (LKPD). Dalam penelitian ini dikemukakan sebuah variabel intervening Sistem Pengendalian Intern Pemerintah (SPIP) untuk mengatasi gap tersebut. Penelitian ini adalah penelitian kuantitatif dengan jenis data yang digunakan dalam penelitian ini adalah data primer. Pengumpulan data dilakukan melalui penyebaran kuesioner kepada pengelola keuangan pada Organisasi Perangkat Daerah (OPD) di Pemerintah Provinsi Papua. Jumlah OPD sebanyak 48 dengan masing-masing 3 responden pada setiap OPD sehingga jumlah kuesioner yang disebarkan 144 kuesioner dan responden yang mengembalikan sebanyak 93 kuesioner. Untuk menganalisa data hasil penelitian digunakan SEM PLS. Hasil penelitian menunjukkan bahwa pemanfaatan SIAKD berpengaruh positif dan signifikan terhadap variabel SPIP dengan nilai t-statistik 12,758 > 1,960. Pemanfaatan SIAKD berpengaruh positif dan tidak signifikan terhadap kualitas LKPD dengan nilai t-statistik 1,812 1,960. Pemanfaatan SIAKD berpengaruh positif dan signifikan secara tidak langsung terhadap kualitas LKPD melalui penerapan SPIP memberi hasil yang positif dan signifikan dengan nilai t-statistik 4,404 > 1,960. Hasil ini mengandung arti bahwa variabel SPIP berperan secara signifikan sebagai variabel intervening antara pemanfaatan SIAKD dan kualitas LKPD. Kata Kunci : Pemanfaatan SIAKD, SPIP, dan kualitas LKPD
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».