MétaCan
Menu
Retour à la cohorte
Enregistrement W2891188057 · doi:10.24843/ejmunud.2018.v07.i05.p12

PENGARUH PENDAPATAN DAERAH TERHADAP PERTUMBUHAN EKONOMI DI WILAYAH SARBAGITA PROVINSI BALI

2018· article· en· W2891188057 sur OpenAlexaff
Lily Kusumawati, I Gusti Bagus Wiksuana

Notice bibliographique

RevueE-Jurnal Manajemen Universitas Udayana · 2018
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Growth and Fiscal Policies
Établissements canadiensWiLAN (Canada)
Organismes subventionnairesnon disponible
Mots-clésData collectionGeographyPopulationAgricultural scienceBusinessAgricultural economicsSocioeconomicsEconomicsMathematicsStatisticsEnvironmental scienceEnvironmental healthMedicine

Résumé

récupéré en direct d'OpenAlex

The purpose of this research is to know the effect of Pendapatan Asli Daerah (PAD), Dana Alokasi Umum (DAU), Special Allocation Fund (DAK) and Profit Sharing Fund (DBH) to economic growth in Sarbagita area of ??Bali Province. This research was conducted in Sarbagita area of ??Bali Province using saturated sampling method in determining samples with population and sample are Denpasar City, Badung, Gianyar and Tabanan regencies in 2012 - 2016. Data collection was done through nonparticipant observation technique. Data analysis was done using descriptive analysis and multiple linear regression. Based on the results of research requires that Pendapatan Asli Daerah (PAD) and Special Allocation Fund (DAK) have a positive effect on economic growth in Sarbagita area of ??Bali Province. While the General Allocation Fund (DAU) and DBH (Fund DBH) negatively affect the economic growth in the Sarbagita area of ??Bali Province

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), 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 enseignants0,638
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,022
Tête enseignante GPT0,195
Écart entre enseignants0,173 · 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

Citations36
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueE-Jurnal Manajemen Universitas UdayanaMême sujetEconomic Growth and Fiscal PoliciesTravaux en français237 207