MétaCan
Menu
Retour à la cohorte
Enregistrement W4409829390 · doi:10.35724/maj.v7i1.6961

Pengaruh Penggunaan Informasi Akuntansi Terhadap Keberhasilan Umkm Pada Kampung Yaba Maru

2024· article· id· W4409829390 sur OpenAlexaff
Indah Yulianti

Notice bibliographique

RevueMusamus Accounting Journal · 2024
Typearticle
Langueid
DomaineSocial Sciences
ThématiqueSMEs Development and Digital Marketing
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésChemistry

Résumé

récupéré en direct d'OpenAlex

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 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)0,007
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,808
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,000
Communication savante0,0120,005
Science ouverte0,0010,001
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,019
Tête enseignante GPT0,270
Écart entre enseignants0,251 · 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.

Devis d'étudeSans objet
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 revueMusamus Accounting JournalMême sujetSMEs Development and Digital MarketingTravaux en français237 207