MétaCan
Menu
Retour à la cohorte
Enregistrement W2998231445

Pengaruh Capital Adequacy Ratio (CAR), Non Performing Loan (NPL) Dan Loan Deposit Ratio (LDR) Terhadap Return On Asset (ROA) (Studi Kasus Pada Bank Umum Yang Terdaftar Di Bursa Efek Indonesia Periode 2012-2015)

2018· article· en· W2998231445 sur OpenAlexvenueno aff
Syarifuddin Syarifuddin, Muhammad Yamin Noch

Notice bibliographique

RevueBusiness and Management Research · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueIslamic Finance and Communication
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésReturn on assetsBusiness administrationMathematicsNon-performing loanCapital adequacy ratioBusinessLoanEconomicsFinanceProfitability index
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Penelitian ini meneliti secara empiris pengaruh beberapa faktor terhadap Return on Asset (ROA) pada Bank Umum yang terdaftar pada Bursa Efek Indonesia periode 2012-2015. Tujuan penelitian adalah mengukur : 1) pengaruh CAR terhadap ROA, 2) pengaruh NPL terhadap ROA, 3) pengaruh LDR terhadap ROA. Penelitian ini bersifat kuantitatif dengan mengambil pendekatan asosiatif kausal. Sampel 20 Bank diperoleh dengan metode purposive sampling. Data diuji dengan metode uji asumsi klasik, dan hipotesis diuji dengan analisa regresi berganda. Hasil perhitungan, pengujian, dan pembahasan membuktikan bahwa Capital Adequacy Ratio (CAR) berpengaruh positif terhadap Return on Asset (ROA), sedangkan Non-Performing Loan (NPL) dan Loan to Deposit Ratio (LDR) berpengaruh negatif terhadap Return on Asset (ROA). Kata Kunci: Return on Asset, Capital Adequacy Ratio, Non-Performing Loan, Loan to Deposit Ratio, uji asumsi klasik, analisa regresi berganda.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,676
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0030,001
Communication savante0,0010,001
Science ouverte0,0010,001
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 Opus0,038
Tête enseignante GPT0,335
Écart entre enseignants0,298 · 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.

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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBusiness and Management ResearchMême sujetIslamic Finance and CommunicationTravaux en français237 207