INCOME SMOOTHING DAN FAKTOR-FAKTOR YANG MEMPENGARUHINYA PADA PERUSAHAAN PARIWISATA YANG TERDAFTAR DI BURSA EFEK INDONESIA
Notice bibliographique
Résumé
Penelitian ini dilakukan dengan tujuan untuk mengetahui pengaruh Profitabilitas, likuiditas, financial leverage dan struktur kepemilikan terhadap income smoothing pada Perusahaan Pariwisata yang Terdaftar di Bursa Efek Indonesia. Pendekatan yang digunakan dalam penelitian ini adalah pendekatan asosiatif. Teknik pengumpulan data dalam penelitian ini menggunakan teknik dokumentasi. Jumlah populasi sebanyak 23 perusahaan tetapi hanya terdapat 11 perusahaan dengan 6 tahun Pengamatan sehingga jumlah sample 66 sampel. Analisis data menggunakan Analisis regresi linier berganda.Pengolahan data dalam penelitian ini menggunakan program software SPSS (Statistic Package for the Social Sciens) versi 22.00 Hasil penelitian menunjukkan bahwa secara parsial Profitabilitas berpengaruh positif dan signifikan terhadap income smoothing, sedangkan likuiditas, financial leverage dan struktur kepemilikan berpengaruh negatif dan tidak signifikan terhadap income smoothing. Secara simultan Profitabilitas, likuiditas, financial leverage dan struktur kepemilikan berpengaruh dan signifikan terhadap income smoothing pada Perususahaan Pariwisata yang terdaftar di Bursa Efek Indonesia periode 2012-2017.
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) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,003 |
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 ».