MétaCan
Menu
Retour à la cohorte
Enregistrement W4402065483 · doi:10.52103/jaf.v4i2.1848

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

2023· article· id· W4402065483 sur OpenAlexaff
Rosmalawaty Sattuang, Masdar Masud, Annas Plyriadi

Notice bibliographique

RevueJournal of Accounting and Finance (JAF) · 2023
Typearticle
Langueid
DomaineBusiness, Management and Accounting
ThématiqueFinancial Analysis and Corporate Governance
Établissements canadiensWiLAN (Canada)
Organismes subventionnairesnon disponible
Mots-clésMathematics

Résumé

récupéré en direct d'OpenAlex

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 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)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante
Catégories consensuellesMéta-épidémiologie (sens strict)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,091
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0020,001
Communication savante0,0020,005
Science ouverte0,0020,001
Intégrité de la recherche0,0010,002
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 Opus0,012
Tête enseignante GPT0,205
Écart entre enseignants0,194 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Accounting and Finance (JAF)Même sujetFinancial Analysis and Corporate GovernanceTravaux en français237 207