THE EFFECT OF COVID 19 ON COMPANY PERFORMANCE IN MANUFACTURING COMPANIES IN INDONESIA
Notice bibliographique
Résumé
Purpose: This study was conducted to determine and explore the effect of the COVID-19 pandemic on company performance using control variables for sales growth, leverage, and company size in companies listed on the Indonesia Stock Exchange Design/methodology/approach: The study used a population of manufacturing companies listed on the Indonesia Stock Exchange for the quarter/quarter period during 2020. The sample was taken using purposive sampling 148 observation companies matched the research criteria. This study uses secondary data, namely the quarterly/quarterly financial statements of each sample company Findings: The results showed that in testing the partial correlation of the independent variables, namely covid 19 with the control variables of sales growth, leverage and company size has a significant effect on company performance, but the effect was still weak. Partially covid 19 has a significant positive effect on company performance. Partially, sales growth has no significant effect on the company's performance. Partially, leverage has no significant effect on company performance. Partially, company size has a significant positive effect on company performance. Simultaneously, the independent variables of covid 19, sales growth, leverage, and company size significantly affect the performance of manufacturing companies listed on the Indonesia Stock Exchange in 2020. Research limitations/implications: Implikasi teoritis dalam penelitian ini berfokus pada tingkat kinerja perusahaan, Penelitian kami membahas secara konprehensif pengaruh pandemi Covid 19 terhadap kinerja perusahaan. Practical implications: Untuk pelaku bisnis di ASIA diharapkan dapat menemukan solusi terkait adanya ketidakpastian global ini Originality/value: Covid 19 ke kinerja perusahaan dengan pertumbuhan penjualan, leverage, size sebagai variabel kontrol. Paper type: Research paper Keyword: Covid 19, sales growth, leverage, company size, and firm performance.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,002 | 0,000 |
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.
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 ».