Pengaruh Modal, Jam Kerja, Jumlah Tenaga Kerja, Jumlah Produksi, dan Penjualan Terhadap Pendapatan Usaha Mikro Kecil dan Menengah Pada Sentra Keripik Khas Lampung di Kedaton Bandar Lampung
Notice bibliographique
Résumé
Small and Medium Enterprises (MSMEs) are one of the sectors that are expected to help develop the national economy. this allows it to contribute to efforts to reduce disparities between groups, alleviate poverty, and absorb labor. This study aims to determine the effect of capital, working hours, and number of workers. Total production, and sales to revenue. The object of this research is MSMEs in the typical chips center of Lampung. There are 38 samples in this study, namely kiosk owners who are willing to provide information regarding their financial data, which are processed using SPSS 22. From the results of multiple linear regression tests, it is stated that partially the Sales variable (X5) has a significance of 0.015 less than 0.05 which means it has a significant and significant effect on income, while the variables of capital (X1), working hours (X2), number of workers (X3), and total production (X4) have values greater than 0.05 which means they have no effect on income. The test results simultaneously state that all X variables (capital, working hours, number of workers, total production, sales) have a significance of 0.006 which is smaller than 0.05 which means that it has a significant and significant effect on income. The test results of the coefficient of determination R2 are 0.389, which means that the independent variable has an influence of 38.9% on the dependent variable, while the rest may be influenced by other variables outside the variables in this study.Keyword : MSME, Capital, working hours, number of workers, total production, sales, income
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 | 0,004 | 0,002 |
| 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 | 0,003 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; 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 ».