PENGARUH LEVERAGE DAN PERENCANAAN PAJAK TERHADAP MANAJEMEN LABA DENGAN PROFITABILITAS SEBAGAI VARIABEL MODERASI
Notice bibliographique
Résumé
Perusahaan menghadapi persaingan yang keras untuk dapat bertahan dalampasar global, perusahaan diharuskan untuk memiliki keunggulan kompetitifdibandingkan perusahaan lainnya. Suatu perusahaan tidak hanya diharuskanmenghasilkan produk yang berkualitas baik bagi konsumen, melainkan jugamampu mengelola perusahaannya dengan baik. Pihak manajemen perusahanbertanggung jawab untuk mengelola keuangan perusahaan sesuai denganprinsip-prinsip akuntabilitas. Tujuan dari penelitian ini adalah untuk mengetahuipengaruh Leverage dan Perencanaan Pajak terhadap Manajemen Laba denganProfitabilitas sebagai variabel moderasi. Objek penelitian yang digunakan dalampenelitian ini adalah perusahaan manufaktur yang terdaftar di Bursa EfekIndonesia (BEI) pada tahun 2013 sampai dengan 2017. Jumlah sampel yangdigunakan dalam penelitian sebanyak 116 perusahaan. Dalam penelitian inimenggunakan uji statistik deskriptif, Uji Kualitas Data, Uji Normalitas DataResidual Setelah Uji Outlier, Uji Asumsi Klasik dan Pengujian Hipotesis. Hasilpenelitian ini menunjukkan bahwa Leverage berpengaruh negatif terhadapManajemen Laba. Perencanaan Pajak tidak berpengaruh terhadap ManajemenLaba, Profitabilitas dapat memperlemah pengaruh negatif leverage terhadapManajemen Laba dan Profitabilitas tidak dapat memperkuat pengaruhperencanaan Pajak terhadap Manajemen Laba.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,060 | 0,010 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».