MétaCan
Menu
Retour à la cohorte
Enregistrement W4225351730 · doi:10.46336/ijqrm.v3i1.259

The Impact of Covid-19 on Financial Performance and Share Price on Cigarette Companies Listed on Indonesia Stock Exchange (IDX)

2022· article· en· W4225351730 sur OpenAlexaboutno aff
Nita Rislawati, Nardi Nardi, Asmadhini Handayani Rahmah, Fitriansyah Fitriansyah

Notice bibliographique

RevueInternational Journal of Quantitative Research and Modeling · 2022
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueFinancial Analysis and Corporate Governance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésStock exchangeProfit marginBusinessCoronavirus disease 2019 (COVID-19)Return on assetsPopulationQuarter (Canadian coin)Stock (firearms)FinanceMedicineEngineering

Résumé

récupéré en direct d'OpenAlex

This study aims to determine and analyze differences in financial performance and stock prices before and after Covid-19 incigarette companies. Financial performance in this study is measured using three ratios namely Return on Asset (ROA), OperatingProfit Margin (OPM) and Net Profit Margin (NPM). The data used in this study is secondary data from the type of financialstatements of Cigarette Companies from the Indonesia Stock Exchange (IDX) website and the official website of cigarettecompanies, and the sampling method used is sampling census because the samples used in this study are the financial statements ofthe entire population of Cigarette Companies registered with the IDX in the third quarter of 2019 to the fourth quarter of 2020. Theanalysis method in this study is the wilcoxon test using SPSS 26. Based on the results of research obtained show Return on Assets(ROA), Operating Profit Margin (OPM) and stock price showed no significant differences before and after Covid-19. Net ProfitMargin (NPM) shows significant differences before and after Covid-19. To find out and analyze the state of cigarette companies inthe Covid-19 pandemic and also as a consideration for investors and business people in policy making

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)0,001
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,193
Tête enseignante GPT0,398
Écart entre enseignants0,205 · 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

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Quantitative Research and ModelingMême sujetFinancial Analysis and Corporate GovernanceTravaux en français237 207