Perbankan Umum Syariah Jangka Panjang Dan Pendek Terhadap Pertumbuhan Ekonomi Di Indonesia (Error Correction Model)
Notice bibliographique
Résumé
Abstract: Purpose: This study aims to analyze the influence of Islamic banking which is reflected in: assets, financing, and third party funds of Islamic banking on economic growth in Indonesia. The data used in this study is time series data in the form of quarter period 2011:Q1-2020:Q4. Research methodology: This study uses regression analysis methods OLS (Ordinary Least Square) and ECM (Error Correction Model). The data used is time series data in the form of quarterly period 2011:Q1-2020:Q4. Results: The results of this study indicate that the asset variable in Islamic banking has a positive and significant effect on economic growth in Indonesia in the short and long term. The financing variable in Islamic banking has a positive and significant effect on economic growth in Indonesia in the short and long term. Likewise, the DPK (Third Party Funds) variable for Islamic banking has a positive and significant impact on economic growth in Indonesia, both in the short term and in the long term.Limitations: The limitation of this research is that there are many variables outside the model that are not included in the study. Contribution: The positive performance of the financial sector will have a positive correlation with the economic performance of a country. The financial sector can be the main source of growth in the real sector of the economy. Keywords: 1. Sharia Banking 2. Economic Growth 3. ECM (Error Correction Model)
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 | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,004 |
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 ».