Analisis Pengaruh Faktor Internal dan Faktor Eksternal Terhadap Non Performing Financing (NPF) Pada Bank Umum Syariah di Indonesia
Notice bibliographique
Résumé
This study aims to analyze the influence of internal factors such as FDR, CAR, and BOPO and external factors such as inflation, BI rate, and exchange rates against Non-Performing Financing (NPF) at Islamic Commercial Bank in Indonesia. This study uses a quantitative approach carried out at Islamic Commercial Banks registered at OJK from the first quarter of 2019 to the third quarter of 2021. The sample in this study was determined using a purposive sampling method so that 9 Islamic Commercial Banks were obtained according to the criteria. The data analysis method used is multiple linear regression and a goodness of fit test of a model that is processed using IBM SPSS 25. Based on the results of data testing shows that: (1) The Financing to Deposit Ratio has no significant effect on Non Performing Financing; (2) Capital Adequacy Ratio has no significant effect on Non-Performing Financing; (3) Operating Expense on Operating Income has a positive and significant effect on Non-Performing Financing, (4) Inflation does not have a significant effect on Non-Performing Financing, (5) the BI rate does not significantly affect Non-Performing Financing, and (6) The Exchange rate has a positive and significant effect on Non-Performing Financing
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| 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 ».