Analisis Rasio Keuangan Untuk Menilai Kecukupan Pembiayaan Kerja Pada PT. PERTANI (Persero) UP Lamongan
Bibliographic record
Abstract
Tujuan penelitian ini adalah untuk menganalisis tingkat efisiensi penggunaan modal dengan melihat tingkat rentabilitas dan solvabilitas pada perusahaan PT. PERTANI (Persero) UP Lamongan Tahun 2016, 2017, dan 2018.Metode yang digunakan dalam penelitian ini adalah kualitatif induktif. analisa kualitatif model Miles and Huberman. Teknik analisis data yang digunakan adalah teknik analisa kualitatif model Miles and Huberman. Berdasarkan hasil penelitian dapat disimpulkan bahwa (1) Perkembangan tingkat rentabilitasperusahaan mengalami fluktuasi, hal ini dapat dilihat pada hasil pengembalian atas aset pada tahun 2016 sebesar 9,4%, tahun 2017 turun menjadi 8,6%, kemudian naik pada tahun 2018 menjadi 9,3%. (2) Perkembangan tingkat solvabilitas perusahaan mengalami peningkatan, hal ini dapat dilihat pada rasio utang terhadap aset pada tahun 2016 sebesar 35,9%, tahun 2017 naik menjadi 42,1%, kemudian naik lagi pada tahun 2018 menjadi 42,9%. (6) Nilai perusahaan PT. PERTANI (Persero) UP Lamongan tahun 2016- 2017 tidak mengalami perubahan. Sedangkan tahun 2017 - 2018 nilai perusahaan mengalami peningkatan yang tidak dipengaruhi oleh total biaya modal mengalami penurunan Kata Kunci : efisiensi modal kerja, rentabilitas, solvabilitas
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 | 0.001 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.017 | 0.002 |
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".