ANALISIS TINGKAT PENGEMBALIAN INVESTASI PT. CIPUTRA DEVELOPMENT TBK SEBELUM DAN SESUDAH PENGUMUMAN PANDEMI COVID-19
Notice bibliographique
Résumé
This study aims to determine the rate of return on investment at PT. CiputraDevelopment Tbk before and after the announcement of the covid-19 pandemic bycomparing the Return On Investment Ratio with The Industry Average Ratio. Theanalytical tool used in this study is the profitability ratio, namely the Return OnInvestment (ROI) Ratio and using The Industry Average Ratio. Data collectiontechniques are carried out by means of literature research, by collecting secondarydata in the form of financial reports of PT. Ciputra Development Tbk andcompanies in the property industry sector which are used as the calculation of theindustry average ratio. The analytical tool used in this study is the profitabilityratio, namely the Return On Investment (ROI) Ratio and using The IndustryAverage Ratio. The results of this study is the rate of return on investment at PT.Ciputra Development Tbk in 2019 the first quarter of the company was in goodcondition, in 2019 the second quarter of the company was in poor condition, whilein 2019 the third quarter to 2020 the third quarter of the company was back in goodcondition. The conclusion of this study is that the condition of the company is notgood in 2019 the second quarter, because the return on investment ratio is belowthe industry average ratio.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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.
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».