MétaCan
Menu
Retour à la cohorte
Enregistrement W4399464293 · doi:10.55927/jambak.v3i1.7857

Internal and External Factors that Influence Non-Performing Financing in Sharia Commercial Banks

2024· article· en· W4399464293 sur OpenAlexaboutno aff
Kurniasih Setya Anindita, Naelati Tubastuvi, Wida Purwidianti, Alfato Yusnar Kharismasyah

Notice bibliographique

RevueJurnal Manajemen Bisnis Akuntansi dan Keuangan · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueIslamic Finance and Communication
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCapital adequacy ratioBusinessShariaInflation (cosmology)Sample (material)Quarter (Canadian coin)Islamic bankingFinanceOperating expenseCommercial bankFinancial systemIslamEconomicsProfit (economics)

Résumé

récupéré en direct d'OpenAlex

Problematic financing is reflected in Non-Performing Financing (NPF) because NPF is a parameter that can determine whether there is risky financing in Islamic banking. This research aims to determine the impact of Capital Adequacy Ratio (CAR), Operating Expenses and Operating Income (BOPO), inflation, and Bank Indonesia (BI) rates on Non-Performing Financing (NPF) in Sharia Commercial Banks in Indonesia. The data in this research uses secondary data. The population used is Sharia Commercial Banks registered with the Financial Services Authority (FSA) in 2018-2022. The sample used is the published report for the 2018-2022 quarter I-IV period. The research results show that BOPO has a positive and significant impact on NPF. Meanwhile, CAR, inflation, and BI rates have no significant impact on NPF.

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 enseignants0,186
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 GPT0,297
Écart entre enseignants0,277 · 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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJurnal Manajemen Bisnis Akuntansi dan KeuanganMême sujetIslamic Finance and CommunicationTravaux en français237 207