Pengaruh Penggunaan Informasi Akuntansi Terhadap Keberhasilan Umkm Pada Kampung Yaba Maru
Notice bibliographique
Résumé
Penelitian ini bertujuan untuk mengetahui pengaruh penggunaan informasi akuntansi terhadap keberhasilan UMKM pada Kampung Yaba Maru. Penelitian ini merupakan penelitian kuantitatif. Metode pengambilan sampel menggunakan teknik sampling Jenuh dengan sampel sebanyak 62. Teknik pengumpulan data dilakukan dengan kuesioner. Data penelitian menggunakan skala likert dengan bantuan program SPSS versi 26 dan metode analisis yang digunakan yaitu Analisis Regresi Linear Sederhana.Hasil penelitian ini menunjukkan bahwa Penggunaan informasi akuntansi secara efektif meningkatkan keberhasilan UMKM. Informasi ini membantu pengambilan keputusan, perencanaan, pengendalian, dan evaluasi keuangan, yang berkontribusi pada pengelolaan sumber daya yang lebih baik dan peningkatan profitabilitas. Studi menunjukkan bahwa 62,1% keberhasilan UMKM dipengaruhi oleh penggunaan informasi akuntansi. Oleh karena itu, sangat penting bagi UMKM untuk mengembangkan dan memanfaatkan informasi akuntansi secara optimal demi pertumbuhan dan kestabilan finansial
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 | 0,008 | 0,018 |
| 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 | 0,002 | 0,002 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,031 | 0,006 |
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 ».