MétaCan
Menu
Retour à la cohorte
Enregistrement W4322488029 · doi:10.54408/jabter.v2i3.156

The Forecasting Analysis of Profit on Astra Companies List on Indonesia Stock Exchange (IDX)

2023· article· en· W4322488029 sur OpenAlexaboutno aff
Sinta Fatmaria Tantri, Nurafni Eltivia, Nur İndah Riwajanti

Notice bibliographique

RevueJournal of Applied Business Taxation and Economics Research · 2023
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueManagement and Optimization Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésQuarter (Canadian coin)ASTRAStock exchangeProfit (economics)Stock (firearms)Gross profitAgricultural economicsBusinessAgricultural scienceEconomicsFinanceEnvironmental scienceGeography

Résumé

récupéré en direct d'OpenAlex

This research aims to analyze the profit forecasting using the weighted moving average method then compare the pattern between Astra companies listed on IDX (Indonesia Stock Exchange). The research method use is quantitative descriptive with secondary data of profit in the 2018-2022 period that provides quarterly. The result for this research shows the highest forecasting of profit on PT Astra International Tbk occurring in the third quarter in 2023 with the amount of 20,970. While the lowest forecasting occurred in first quarter in 2023 with the amount of 9,410. While the lowest forecasting occurred in first quarter in 2023 with the amount of 13,529. The highest forecasting of profit on PT United Tractors Tbk occurs in the third quarter in 2023 with the amount of 13,738,446. While the lowest forecasting occurred in first quarter in 2024 with the amount of 5,584,042. and the highest forecasting of profit on PT United Tractors Tbk occurs in the second quarter in 2023 with the amount of 50,707. While the lowest forecasting occurred in the third quarter in 2024 with the amount of 22,496.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
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)0,0010,001

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.

Tête enseignante Opus0,115
Tête enseignante GPT0,310
Écart entre enseignants0,195 · 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'étudeSimulation ou modélisation
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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Applied Business Taxation and Economics ResearchMême sujetManagement and Optimization TechniquesTravaux en français237 207