Efficiency Measurement of Tourism and Recreation Companies (Industry Code E51) Listed on the Indonesia Stock Exchange
Notice bibliographique
Résumé
COVID-19 pandemic which the first outbreak was found on December 2019 in Wuhan, China, has given great impact to tourism industries worldwide.Since then, most countries implemented lockdown and quarantine system, issued tight regulations about travel restriction.In order to survive the COVID-19 pandemic, which the ending has yet to be determined, every tourism industry must be able to work efficiently to maintain the usage of operating costs as low as possible since the revenue could not be optimized.This research aims to measure efficiency score of 41 companies in Tourism and Recreation Industry (code E51) listed on Indonesia Stock Exchange (IDX) from 2018 to 2021.At the first stage, data envelopment analysis (DEA) method with variable-return-to-scale (VRS) input-oriented approach is employed to estimate technical efficiency scores.At the second stage, left-truncated regression estimation with double-bootstrap is employed to test the significance of some explanatory factors.Cost of Sales and Revenue, Operating expenses, Interest expenses, and Fixed Assets are chosen as input variables, while Sales and Revenue, Profit (Loss) from Operation, and Asset Turnover Ratio as output variables of DEA.The result shows that efficiency score dropped by 20.42% in 2020 compared to the score in 2019.A slight increase of 2.39% in 2021 compared to the score in 2020.Another result also denotes that several explanatory factors such as Stock Price positively affected efficiency score of, meanwhile Liability to Asset Ratio gave negative influences.Finally, this research may contribute to the development of operation and management science in hospitality and tourism field as well as to support the business operators to adjust their strategic plans, especially in financial budgeting, to face the longimpact of COVID-19 pandemic.Efficiency measurement using advanced DEA Double Bootstrap method with selected financial parameters that are different from any previous studies in tourism provides novelty to this research.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».