DAMPAK IMBALAN KERJA DAN HARGA POKOK PRODUKSI TERHADAP LABA BRUTO PT. UNILEVER INDONESIA, TBK.
Notice bibliographique
Résumé
ABSTRACT The growth of large-scale and medium-scale manufacturing industries in Indonesia today is not yet encouraging and tends to slow down year on year in the first quarter of 2019 and in the 2018 quarter, become down 0.80 percent, due to political temperatures heating up ahead of the presidential election. The rejection of the Omnibus Law made the Company to recalculate the determination of employee benefits which would affect company profits. This study aims to analyze the magnitude of the impact between employee benefits and the cost of good manufacture to the gross profit of PT. Unilever Indonesia, Tbk.. Hypothesis test of this study becomes a reference in establishing the research method. By measuring the dependency between the influencing variables on the affected variable described the mind frame of the model. The analysis technique uses linear regression with the SPSS statistical program. The results of the study are: There is a significant impact between employee benefits on gross profit of 84.90 percent. There is a significant impact between cost of good manufacture on gross profit of 98.70 percent. And simultaneously there is a very significant impact of 99.10 percent between employee benefits and the cost of good manufacture to the gross profit of PT. Unilever Indonesia, Tbk. Keywords: Employee Benefits, Cost of Good Manufacture, and Gross Profit
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,133 | 0,076 |
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 ».