Pengaruh Good Corporate Governance dan Tingkat Disclosure terhadap Biaya Utang dan Biaya Ekuitas (Studi empiris pada perusahaan manufaktur yang terdaftar di BEI periode 2012-2014)
Bibliographic record
Abstract
Tujuan dari penelitian ini adalah untuk menganalisis dan memperoleh bukti empiris terkait pengaruh Pengaruh Good Corporate Governance dan Tingkat Disclosure Terhadap Baiya Utang dan Biaya Ekuitas. Proksi dari Good Corporate Governance adalah Kepemilikan Keluarga, Kepemilikan Manajerial, Kepemilikan Institusional, dan Kualitas Audit. Penelitian ini merupakan penelitian kuantatif dengan pendekatan deskriptif menggunakan metode penelitian studi empiris. Objek penelitian ini adalah seluruh perusahaan perbankan yang listed dan go public di Bursa Efek Indonesia (BEI) tahun 2012-2014. Penentuan sampel dalam penelitian ini menggunakan metode purposive sampling , sehingga diperoleh sampel sebanyak 35 perusahaan perbankan selama tiga tahun periode penelitian. Pengujian hipotesis menggunakan analisis regresi linear berganda. Hasil pengujian menunjukkan bahwa kepemilikan keluarga, kepemilikan manajerial, dan tingkat disclosure tidak berpengaruh terhadap biaya utang. Kepemilikan institusional dan kualitas audit berpengaruh terhadap biaya utang. Sedangkan kepemilikan keluarga, kepemilikan manajerial, kepemilikan institusional dan tingkat disclosure tidak berpengaruh terhadap biaya ekuitas. Sedangkan kualitas audit berpengaruh terhadap biaya ekuitas. Saran untuk penelitian selanjutnya dapat menggunakan proksi lain dalam menghitung biaya utang dan biaya ekuitas. Kata kunci: Good Corporate Governance , Kepemilikan Keluarga, Kepemilikan Manajerial, Kepemilikan Institusional, Kualitas Audit, Tingkat Disclosure, Biaya Utang, Biaya Ekuitas.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.000 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.012 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".