MétaCan
Menu
Retour à la cohorte
Enregistrement W4244862845 · doi:10.36406/jemi.v27i1.117

Analysis of Cost of Goods Sold Before and After The Issuance of Regulation of the Minister of Finance (PMK) No. 97 / PMK.010 / 2015 In The Metal Industry of Iron and Steel Listed on BEI

2018· article· en· W4244862845 sur OpenAlexaboutno aff
Nelli Novyarni

Notice bibliographique

RevueJurnal STEI Ekonomi · 2018
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueManagement and Optimization Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésStock exchangeAccountingBusinessDutyPopulationDocumentationQuarter (Canadian coin)FinanceLawMedicinePolitical scienceComputer scienceEnvironmental health

Résumé

récupéré en direct d'OpenAlex

The external factor affecting the basic iron and steel industry in Indonesia is the Regulation of the Minister of Finance of Indonesia concerning the imposition of import duty tariff on imported goods. The purpose of this study is: to determine the difference in cost of goods sold before and after the Minister of Finance Regulation no. 97 / PMK.010 / 2015. This research uses descriptive research type with quantitative, which measured by using comparative method / comparison with SPSS 23,00. The population of this research is sub metal company and the like listed on Indonesia Stock Exchange (IDX) from 3rd Quarter 2014 to 1st Quarter 2016. Samples are determined purpuse sampling method, with the sample number is 11 companies. The data used in this research is secondary data. Technique of collecting data using documentation method through IDX official website: www.idx.co.id. hypothesis testing using Wilcoxon Signed Ranks Test. It is known that the result of the significance level of 0.768> 0.05.So the conclusion is: there is no significant difference in cost of goods sold before and after the Regulation of the Minister of Finance No. 97 / PMK.010 / 2015.

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 enseignants0,016
Score d'incertitude au seuil0,031

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
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,013
Tête enseignante GPT0,242
Écart entre enseignants0,229 · 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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJurnal STEI EkonomiMême sujetManagement and Optimization TechniquesTravaux en français237 207