MétaCan
Menu
Retour à la cohorte
Enregistrement W4211256977 · doi:10.31949/jb.v2i3.736

PENDAMPINGAN PENGELOLAAN KEUANGAN DAN PENYUSUNAN LAPORAN KEUANGAN BERBASIS ANDROID PADA UMKM KELURAHAN MANGUNHARJO KECAMATAN TEMBALANG KOTA SEMARANG

2021· article· en· W4211256977 sur OpenAlexaff
Hendri Setyawan, Chrisna Suhendi

Notice bibliographique

RevueBERNAS Jurnal Pengabdian Kepada Masyarakat · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSMEs Development and Digital Marketing
Établissements canadiensWiLAN (Canada)
Organismes subventionnairesnon disponible
Mots-clésBusinessMindsetFinancial managementFinanceBusiness administrationAccountingComputer science

Résumé

récupéré en direct d'OpenAlex

Despite its large contribution to the economy, MSMEs players face various problems, including access to capital, poor financial management and the absence of an adequate medium and long term financial management strategy.
 This community service is carried out with the general objective of empowering Micro, Small and Medium Enterprises to be able to survive and develop with their own uniqueness. The specific objectives of this activity are for the target MSMEs to have adequate financial management and for the target MSMEs to be able to prepare simple financial reports.
 The existence of a pandemic has made mentoring activities carried out online with a zoom platform. Financial management assistance is provided by providing some knowledge / skills related to financial management, especially during times of crisis. The accounting system used uses a mobile application platform in collaboration with the Indonesian Institute of Accountants which is available for free at the appstore, namely Si Apik.
 Activities of assistance in financial management and preparation of android-based financial reports for MSMEs are very beneficial. Assistance activities are very useful and practical for MSME entrepreneurs. Assistance needs to be carried out continuously to instill a good accounting and financial mindset in the management of MSME business finances.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,650
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,002
Études des sciences et des technologies0,0030,001
Communication savante0,0020,002
Science ouverte0,0020,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,275
Écart entre enseignants0,253 · 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 tête enseignante, pas un consensus.

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

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBERNAS Jurnal Pengabdian Kepada MasyarakatMême sujetSMEs Development and Digital MarketingTravaux en français237 207