Pengaruh Perputaran Kas, Perputaran Piutang, Perputaran Persediaan, dan Pertumbuhan Hutang terhadap Profitabilitas pada Perusahaan Sub Sektor Makanan dan Minuman yang terdaftar Di Bursa Efek Indonesia
Notice bibliographique
Résumé
Penelitian ini dilakukan bertujuan untuk : (1) menganalisis pengaruh perputaran kas terhadap profitabilitas; (2) menganalisis pengaruh perputaran piutang terhadap profitabilitas; (3) menganalisis pengaruh perputaran persediaan terhadap profitabilitas; (4) menganalisis pengaruh pertumbuhan hutang terhadap profitabilitas; (5) menganalisis pengaruh perputaran kas, perputaran piutang, perputaran persediaan dan pertumbuhan hutang terhadap profitabilitas secara simultan. Penelitian ini menggunakan data sekunder. Teknik analisis data yang digunakan adalah uji asumsi klasik dan uji regresi linear berganda dengan menggunakan bantuan Statistical Product and Service Solution (SPSS). Hasil penelitian menunjukkan bahwa : (1) perputaran kas memiliki pengaruh negatif dan tidak signifikan terhadap profitabilitas; (2) perputaran piutang memiliki pengaruh negatif dan signifikan terhadap profitabilitas; (3) perputaran persediaan memiliki pengaruh positif dan signifikan terhadap profitabilitas; (4) pertumbuhan hutang memiliki pengaruh negatif dan tidak signifikan terhadap profitabilitas; (5) perputaran kas, perputaran piutang, perputaran persediaan, dan pertumbuhan hutang secara simultan memiliki pengaruh yang signifikan terhadap profitabilitas.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,008 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,030 | 0,008 |
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 source (Gemma direct ou Codex distillé), 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 ».