Law Enforcement against Criminal Acts in Politics in Indonesia Connected with Positive Law
Notice bibliographique
Résumé
Political crimes are deemed to be problem, especially regarding their enforcement. Positive law has been set but the political crimes continue to occur. It is presumably caused by unpreparedness of the supporting factors to compensate for sophisticated and varied political crimes, criminal sanctions and a weak political will. As a result, there is a gap because of the breach of the law principles itself. Accordingly, it is necessary to study whether the positive law enforcement can reach all kinds of political crimes, how the criminal policies are formulated and the constraints and solutions to be pursued. In exposing the above issues, this research is descriptive analysis using normative juridical method. Their validity are checked through triangulation examination technique and then analyzed by qualitative analysis. The results revealed that political crimes are crimes against public interest and the occurrence process relates with the power and political activity as their means. If the power and political activity are synergized and strong, the political crimes will find their perfection. Positive law is essentially the result of a series of political processes. Consequently, any enforcement effort of positive law on political crime cannot be completed because political crime always coincides with high-tech, high management and high politic beyond the boundaries of reality (law, morality, culture and common sense). It then develops into a discourse that is planned, organized and controlled to be untouched and unreached crime. Meanwhile, positive law works in a linear-mechanistic way based on doctrine of Legal Positivism or Rechtsdogmatiek by promoting criminal policy in the form of penal policy that in reality had lost much of its authority.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».