Analisis Prediksi Rasio Solvabilitas Pada Bank Mega Syariah Menggunakan Metode ARIMA BOX-JENKINS
Notice bibliographique
Résumé
In 2023 it is estimated that there will be a world economic recession which will affect all countries, including Indonesia. Islamic banking companies must anticipate and minimize the risks that will occur as a result of the global recession. What can be done by Islamic banking is to make a plan. This type of research used is quantitative research. The method used in this study is the Box-Jenkins ARIMA method using secondary data obtained from quarterly financial reports of Bank Mega Syariah quarter I 2008 to quarter IV 2022 with a total of 60 data and forecasting for quarter I 2023 to quarter IV 2024. The solvency ratio forecasting model at Bank Mega Syariah for the Debt to Asset Ratio obtains the ARIMA forecasting model (0.1.4) with a significance value of 0.0003 <0.05 and forecasting results for the next 8 quarters will experience fluctuating movements with an average value of 38.82% and can be said to be good because the value of the Debt to Asset Ratio is still relatively low. Meanwhile, for the Debt to Equity Ratio, get the ARIMA forecasting model (4,1,0) with a significance value of 0.0484 <0.05 and the forecasting results for the next 8 quarters will continue to decline with an average value of 50.52% and it can be said good because the Debt to Equity Ratio is still relatively low.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».