MétaCan
Menu
Retour à la cohorte
Enregistrement W2903718602 · doi:10.18196/jati.010208

Studi Konsistensi Perencanaan dan Penganggaran Daerah Bidang Pariwisata di Kabupaten Gunungkidul

2018· article· id· W2903718602 sur OpenAlexaff
S.G.S. Wasana, Abdul Halim

Notice bibliographique

RevueJati Jurnal Akuntansi Terapan Indonesia · 2018
Typearticle
Langueid
DomaineSocial Sciences
ThématiqueLocal Governance and Development
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésHumanitiesArt

Résumé

récupéré en direct d'OpenAlex

Penelitian ini dilakukan untuk menganalisis tingkat konsistensi dokumen perencanaan dan penganggaran, yaitu pada RPJMD, RKPD, Renstra, Renja, PPAS dan DPA SKPD. Penelitian ini bertujuan untuk mengidentifikasi faktor-faktor yang mempengaruhi konsistensi perencanaan dan penganggaran serta untuk mengetahui upaya yang telah dilakukan untuk meningkatkan konsistensi pe-rencanaan dan penganggaran. Penelitian ini menggunakan metode kualitatif dengan pendekatan studi kasus di bidang Pariwisata pada Dinas Kebudayaan dan Kepariwisataan Kabupaten Gunungkidul. Partisipan dalam penelitian ini adalah pejabat atau pegawai yang terlibat dalam proses perencanaan dan penganggaran. Hasil penelitian menunjukkan bahwa tingkat konsistensi RKPD dan DPA bidang Pariwisata Dinas Kebudayaan dan Kepariwisataan tahun 2015 sebesar 53,24% (cukup) dan tahun 2016 sebesar 63,54% (cukup). Faktor-faktor yang mempengaruhi konsistensi perencanaan dan penganggaran yaitu kurangnya pemahaman tentang perencanaan dan penganggaran, SKPD belum memperhatikan pagu indikatif dan indikator kinerja, intervensi politik anggota DPRD, kebijakan Pemerintah Pusat/Provinsi, komitmen pemangku kepentingan, pengambil kebijakan dan pelaksana kegiatan, dan proses manual dalam perencanaan.Upaya yang telah dilakukan untuk meningkatkan konsistensi perencanaan dan penganggaranantara lain: Inovasi PIWK, D esk Renja oleh Bappeda, Desk RKA oleh Tim Anggaran, Evaluasi Internal oleh Bappeda, Pengawasan oleh Inspektorat Daerah dan konsultasi dan evaluasi Gubernur.

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)0,003
score de la tête « metaresearch » (Gemma)0,005
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,057

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0170,002

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 Opus0,029
Tête enseignante GPT0,284
Écart entre enseignants0,255 · 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

Citations3
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJati Jurnal Akuntansi Terapan IndonesiaMême sujetLocal Governance and DevelopmentTravaux en français237 207