The Hierarchy Level of Strategy: A Bankruptcy Prediction of the Company using the Altman Z-Score Method in the Coronavirus Disease Period (An Empirical Study on Manufacturing Companies of Various Industry Sub-Sectors Listed in Indonesia Stock Exchange in
Notice bibliographique
Résumé
Coronavirus disease (COVID-19) weakens many business sectors, including the corporate sector.This research uses quantitative method with explanation theory. Thus, researchers are interested in finding outwhether there are differences and influence of financial conditions in the 1st and 2nd Quarter of 2020 onmanufacturing companies of various industry sub-sectors listed in Indonesia Stock Exchange. This researchutilized the Altman Z-Score method. In addition, method of analysis used multicollinearity and binary logisticregression, which data sources were from financial reports in the 1st quarter and the 2nd quarter of 2020 with asample of 36 x 2 = 72 observations; utilizing purposive sampling technique. The results showed that there wasno difference in financial conditions in the 1st quarter and the 2nd quarter. However, there was a significanteffect on the variables studied. Therefore, the Altman Z-Scores method is proven to be able to predict financialbankruptcy of manufacturing companies of various industry sub-sectors. Additionally, this research provides acontribution for companies carrying out hierarchical strategies to gain a competitive advantage.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».