Pengaruh Risiko Usaha terhadap Permodalan pada Bank Umum Swasta Nasional Devisa
Notice bibliographique
Résumé
CAR is one of indicators that used to measure bank capital adequacy. Capital for banks is used to absorb losses originating from banking activities, and as a basis for several policies issued by Bank Indonesia. The purpose of this study is to determine effect the independent variables LDR, IPR, NPL, APB, IRR, PDN, FBIR, dan BOPO both simultaneously and partially have a significant effect on CAR and which variable is the most dominant effect on CAR. This study uses secondary data taken from financial statements from the first quarter of 2014 to the second quarter of 2019 at the Foreign National Private Commercial Banks. The sample consisted of Bukopin Bank, Woori Saudara 1906 Bank and Sinarmas Bank. Data is processed using SPSS Statistics 2.1 for windows and F test to see the effect simultaneously and t test to see the effect partially. The results show that LDR, IPR, NPL, APB, IRR, PDN, FBIR, dan BOPO simultaneously have a significant effect on CAR. IPR and PDN partially has a unsignificant negative effect on CAR. NPL partially has a negative significant effect on CAR. IRR and partially has a posittive significant effect on CAR. LDR, APB, BOPO, and, FBIR partially has a unsignificant posittive effect on CAR. The most dominant is the IRR of 18,6624 percent.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».