PENGARUH KESTABILAN EMOSI DAN LITERASI KEUANGAN TERHADAP PERILAKU KONSUMTIF MASYARAKAT RW 03 KELURAHAN TANJUNG BARAT
Notice bibliographique
Résumé
ABSTRAK Tujuan Penelitian ini untuk mengetahahui Pengaruh Kestabilan emosi dan Literasi Keuangan Terhadap Perilaku Konsumtif Masyarakat RW 03 Kelurahan Tanjung Barat, Jakarta Selatan. Pada Metodologi Penelitian ini menggunakan jenis metode Field research yaitu metode study lapangan dengan mengadakan kunjungan langsung dan menyebar angket , juga menggunakan metode library research yaitu metode study pustaka melalui membaca jurnal ,skripsi dan buku-buku perpustakaan, sifat data penelitian b e r up a kualitatif. Jumlah Populasi sebanyak 1320 warga RW 03 Kelurahan Tanjung Barat, Jakarta, sedankan sampelnya menggunakan rumus slovin sebanyak 93 orang. Teknik pengumpulan data dalam penelitian ini menggunakan kuesioner yang diolah dengan menggunakan bantuan program SPSS versi 26. Analisis data menggunakan uji klasik berupa uji Normalitas, uji Multikolineritas, uji Heteroskedasitas, dan uji Ko Integrasi, Sedangkan uji statistiknya berupa analisis regresi linier berganda, uji korelasi , uji koefisien determinasi, Uji Hipotesis dan uji F. Hasil Penelitian menunjukkansecara parsial adalah adanya Pengaruh Kesetabilan emosi terhadap Prilaku Konsumtip,dan juga adanya pengaruh Literasi Keuangan terhadap Perilaku Konsumtif.Dan secara simultan adanya pengaruh Kesetabilan emosi dan Literasi Keuangan terhadap Prilaku Konsumtip.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,032 | 0,007 |
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 ».