Analisis Intensi Masyarakat Muslim di Indonesia dalam Menggunakan Bank Syariah: Integrated Model
Notice bibliographique
Résumé
Penelitian ini dilakukan untuk menganalisa intensi masyarakat muslim di Indonesia dalam menggunakan bank syariah. Penelitian disusun menggunakan pendekatan integratif, dimana Technology Acceptance Model (TAM) dan Theory of Planned Behavior (TPB) diintegrasikan dengan menambahkan variabel religiusitas untuk melihat pengaruhnya terhadap intensi masyarakat muslim dalam menggunakan Bank Syariah. Variabel yang digunakan meliputi perceived ease of use, perceived usefulness, attitude, subjective norm, perceived behavioral control, dan Religiosity. Data penelitian yang digunakan adalah data primer yang dikumpulkan dengan menggunakan kuesioner pada periode Maret – Juli 2021. Responden terdiri dari masyarakat muslim Indonesia yang merupakan nasabah bank syariah dengan jumlah 500 responden yang tersebar di 34 Provinsi di Indonesia. Analisis data menggunakan metode Partial Least Square Structural Equation Modelling (PLS-SEM). Hasil penelitian menunjukkan bahwa perceived ease of use dan perceived usefulness berpengaruh positif dan signifikan terhadap attitude. Kemudian, attitude, subjective norms, perceived behavioral control, dan religiosity berpengaruh positif dan signifikan terhadap intensi. Hal ini berarti bahwa intensi masyarakat muslim di Indonesia dapat dipengaruhi oleh variabel penelitian yang diajukan. Hasil penelitian ini diharapkan bisa memberikan masukan kepada pelaku industri dan regulator untuk meningkatkan pertumbuhan dan pangsa pasar perbankan syariah.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,003 |
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 ».