MétaCan
Menu
← Retour à la cohorte
Enregistrement W7118182752 · doi:10.55927/mudima.v5i11.729

Impact of Environmental, Social, and Governance (ESG) and Enterprise Risk Management (ERM) on Business Performance in IDX Energy Listed Company Period ( 2020 -2024)

2025· article· W7118182752 sur OpenAlexaff
Yopie Alfiani

Notice bibliographique

RevueJurnal Multidisiplin Madani · 2025
Typearticle
Langue
DomaineBusiness, Management and Accounting
ThématiqueCorporate Social Responsibility Reporting
Établissements canadiensInstitut national de psychiatrie légale Philippe-Pinel
Organismes subventionnairesnon disponible
Mots-clésReturn on equityReturn on assetsCorporate governanceStock exchangeProfitability indexRisk managementSustainabilityEnterprise risk managementRisk–return spectrum

Résumé

récupéré en direct d'OpenAlex

This study investigates the impact of Environmental, Social, and Governance (ESG) practices and Enterprise Risk Management (ERM) implementation on the financial and non-financial performance of energy companies listed on the Indonesia Stock Exchange (IDX) during the 2020–2024 period. Using a quantitative explanatory design and multiple regression analysis, the research explores the relationships between ESG, ERM, and key performance indicators including Return on Assets (ROA), Return on Equity (ROE), Debt-to-Equity Ratio (DER), and Price-to-Book Value (PBV). The results indicate that ESG has no significant influence on either financial or non-financial performance, suggesting that sustainability initiatives in the energy sector are still developing. Conversely, ERM demonstrates a significant effect on ROE and DER, highlighting its role in enhancing profitability and investor confidence. However, ERM does not significantly affect ROA or PBV, and no significant relationship is found between ESG and ERM. These findings emphasize the importance of integrating sustainability and risk management strategies to improve financial resilience and long-term firm value. The study provides insights for policymakers, investors, and practitioners in strengthening ESG–ERM alignment within Indonesia’s energy industry

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,010
Tête enseignante GPT0,251
Écart entre enseignants0,241 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJurnal Multidisiplin Madani→Même sujetCorporate Social Responsibility Reporting→Travaux en français237 207→