Analysis of the Determining Factors of Financial Distress (A Case Study at PT. Bank Rakyat Indonesia (Persero)
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Economic misery is a circumstance in which the debtor can not satisfy his/her duties to creditors after they fall due. economic distress is the country of the company experiencing economic problems and is threatened with financial ruin. The motive of this study become to decide the impact of Capital Adequacy Ratio (vehicle), Operational costs on working profits (BOPO), Non appearing Loans (NPL), loan to Deposite Ratio (LDR), and go back On belongings (ROA) on monetary distress. This studies changed into conducted at PT (restrained enterprise) bank Rakyat Indonesia (Persero) Tbk. The number of samples is 32 with purposive sampling method. information became gathered using a documentation method, specifically through quarterly monetary document data from 2013-2020 posted at the monetary offerings Authority internet site, www.o.k.go.identity. The effects of speculation testing suggest that the Capital Adequacy Ratio (vehicle) variable has a positive impact on economic misery. Operational fees on running profits (BOPO) have a nice impact on economic distress. Non-appearing loan (NPL) has a terrible effect on financial misery. mortgage to deposit ratio (LDR) has a terrible impact on monetary distress. return on belongings (ROA) has a high quality impact on economic distress. therefore, Capital Adequacy Ratio (automobile), Operational price to operating profits (BOPO), Non acting mortgage (NPL), loan to Deposit Ratio (LDR), and return On assets (ROA) simultaneously affect economic distress.
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.
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 | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle