MétaCan
Menu
Retour à la cohorte
Enregistrement W4382895421 · doi:10.55681/jige.v4i2.795

INVESTMENT FEASIBILITY STUDY OF PT HARDAYA MINING ENERGY SEBAKIS ON SITE COAL LABORATORY IN 2022

2023· article· en· W4382895421 sur OpenAlexaboutno aff
Ken Ken, Febrianto Febrianto, Ali Ridho

Notice bibliographique

RevueJURNAL ILMIAH GLOBAL EDUCATION · 2023
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueManagement and Optimization Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésInternal rate of returnCoalProcurementNet present valueInvestment (military)Payback periodValue (mathematics)Return on investmentTonneOperations managementQuarter (Canadian coin)EngineeringBusinessFinanceAgricultural scienceEnvironmental scienceEconomicsWaste managementMathematicsStatisticsGeographyManagementMicroeconomicsProduction (economics)

Résumé

récupéré en direct d'OpenAlex

PT Hardaya Mining Energy (PT HME) as a coal supplier in Indonesia with a quantity of 3 million Metric Tons (MT) per year is still testing coal samples by sending a large number of samples per day to PT Sucofindo Tarakan Branch and also other PT Sucofindo Branches in the Kalimantan region which costs a lot of additional shipping costs and makes the certificate issuance time long, so PT HME plans to work with PT Sucofindo Tarakan Branch to procure PT HME On Site coal laboratory. The purpose of this study is to assess the financial feasibility of PT HME's On Site laboratory procurement investment. Quantitative descriptive research method is used in this research to find the amount of investment feasibility value based on the Net Present Value (NPV), Internal Rate of Return (IRR), Payback Ratio (PP), and Break Event Point (BEP) formulas. The results of this study show an NPV value greater than zero, the IRR value is at a percentage of 55%, PP produces a value of 0.81 years or 9.76 months, and has a BEP value that increases every year. Thus, PT HME's on-site coal laboratory investment is feasible.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,094
Score d'incertitude au seuil0,674

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,289
Écart entre enseignants0,269 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJURNAL ILMIAH GLOBAL EDUCATIONMême sujetManagement and Optimization TechniquesTravaux en français237 207