MétaCan
Menu
Retour à la cohorte
Enregistrement W4207051405 · doi:10.47491/landjournal.v3i1.1744

PENGARUH SISTEM AKUNTANSI PENGGAJIAN DAN SISTEM PENGENDALIAN INTERNAL PENGGAJIAN TERHADAP KINERJA KARYAWAN PADA PUSAT PENGELOLAAN PENDAPATAN DAERAH WILAYAH KOTA CIMAHI

2022· article· id· W4207051405 sur OpenAlexaff
Dewi Selviani Yulientinah, Arsuci Cahyaningrum

Notice bibliographique

RevueLand Journal · 2022
Typearticle
Langueid
DomaineBusiness, Management and Accounting
ThématiqueConsumer Behavior and Marketing Influence
Établissements canadiensWiLAN (Canada)
Organismes subventionnairesnon disponible
Mots-clésPhysics

Résumé

récupéré en direct d'OpenAlex

Pusat Pengelolaan Pendapatan Daerah Wilayah Kota Cimahi merupakan salah satu perangkat daerah pemerintahan Kota Cimahi yang bertugas melaksanakan sebagian tugas Wali Kota dalam hal keuangan daerah pada bidang peningkatan Pendapatan Asli Daerah (PAD). Tujuan penelitian ini adalah untuk mengetahui pengaruh dari Sistem Akuntansi Penggajian dan Sistem Pengendalian Internal Penggajian terhadap Kinerja Karyawan pada Pusat Pengelolaan Pendapatan Daerah Wilayah Kota Cimahi. Penelitian ini terdiri dari tiga variabel yaitu Sistem Akuntansi Penggajian (X1), Sistem Pengendalian Internal Penggajian (X2) dan Kinerja Karyawan (Y). Metode penelitian yang digunakan adalah metode penelitian kuantitatif dengan rumusan masalah asosiatif dan data yang digunakan yaitu data primer dengan teknik pengumpulan data menggunakan kuesioner. Teknik analisis data yang digunakan yaitu uji validitas, uji reliabilitas, korelasi spearman rank, regresi linier berganda, koefesien determinasi, uji t dan uji f. Hasil dari penelitian ini menunjukkan bahwa terdapat pengaruh secara parsial antara Sistem Akuntansi Penggajian terhadap Kinerja Karyawan dan Sistem Pengendalian Internal Penggajian terhadap Kinerja Karyawan. Terdapat pengaruh secara simultan antara Sistem Akuntansi Penggajian dan Sistem Pengendalian Internal Penggajian terhadap Kinerja Karyawan.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,072

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,001
Communication savante0,0070,004
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0210,009

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,229
Écart entre enseignants0,211 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLand JournalMême sujetConsumer Behavior and Marketing InfluenceTravaux en français237 207