MétaCan
Menu
Retour à la cohorte
Enregistrement W2998425990 · doi:10.30908/bilp.v13i2.423

ANALISIS PEMANGKU KEPENTINGAN RANTAI PASOK RUMPUT LAUT INDONESIA BERBASIS SISTEM RESI GUDANG

2019· article· id· W2998425990 sur OpenAlexfundno aff
Sutriono Edi, Hermanto Siregar, Lukman M. Baga, Arif Imam Suroso

Notice bibliographique

RevueBuletin Ilmiah Litbang Perdagangan · 2019
Typearticle
Langueid
DomaineEnvironmental Science
ThématiqueMarine and Coastal Ecosystems
Établissements canadiensnon disponible
Organismes subventionnairesInternational Development Research Centre
Mots-clésPhysicsMathematics

Résumé

récupéré en direct d'OpenAlex

Abstrak Rantai pasok rumput laut nasional meliputi berbagai tahapan dan subsistem yang terkait satu dengan lainnya. Pemahaman keberadaan dan peran para pemangku kepentingan menjadi penting dalam integrasi pengembangan rumput laut nasional dari hulu ke hilir. Penelitian ini bertujuan untuk memetakan pemangku kepentingan dan menganalisis hubungan antara peran, kepentingan dan kerja sama antara pemangku kepentingan dalam rantai pasok rumput laut nasional berbasis Sistem Resi Gudang (SRG). Analisis hubungan dilakukan melalui metode pemetaan kuadran pemangku kepentingan. Hasil analisis terhadap 15 pemangku kepentingan yang terlibat menunjukkan bahwa koordinasi dan kerja sama antara para pemangku kepentingan dalam rantai pasok masih lemah. Perlu beberapa strategi pendekatan untuk menjaga komunikasi dan koordinasi bagi para pemangku kepentingan terutama pada kuadran IV (closely manage/promoter) yang memiliki kepentingan dan pengaruh tinggi. Strategi penting yang dilakukan adalah melibatkan para pemangku kepentingan tersebut dengan intensif dan memengaruhi mereka secara aktif untuk mendukung integrasi hulu sampai dengan hilir rantai pasok rumput laut. Perlu suatu sistem rantai pasok yang integratif termasuk pemasarannya, serta pemanfaatan sistem Informasi Teknologi (IT) untuk dapat memberikan wadah komunikasi guna sinkronisasi, kerja sama, dan koordinasi antar para pemangku kepentingan dalam mengadapi era revolusi industri 4.0 sehingga rantai pasok pengembangan rumput laut dapat berjalan baik, efisien dan adil bagi semua pihak. Kata kunci: Analisis Pemangku Kepentingan, Sistem Resi Gudang, Kerja Sama, Rantai Pasok Rumput Laut. Abstract The national seaweed supply chain includes various stages and subsystems that are related to one another. Thus, understanding of stakeholders’ existence, as well as their role, is important in the integration of national seaweed development from upstream to downstream sides. This paper aims to map the stakeholders and analyze the relationship between roles, interests, and cooperation among stakeholders on the condition of the national seaweed supply chain based on the warehouse receipt system. The relationship analysis among stakeholders used through the stakeholders’ quadrant mapping method. The results of the analysis of the 15 stakeholders involved showed that coordination and cooperation between stakeholders in the supply chain for seaweed development still needs to be improved. It is important to approach this matter through strategies in order to maintain communication and coordination for stakeholders, especially in quadrant IV (closely manage’ or ‘promotors’) where their interests are high, and their power is also high. An essential strategy is to involve these stakeholders intensively and actively influence them to continue to support the integration of upstream to downstream seaweed supply chains. Based on this, an integrated supply chain system is needed including marketing and utilization of Information Technology (IT) systems to provide communication channels for synchronization, collaboration, and coordination among stakeholders in industry revolution 4.0 so that the supply chain for seaweed development can run well, efficient and fairly for all parties. Keywords: Stakeholder Analysis, Warehouse Receipt System, Cooperation, Seaweed Supply Chain JEL Classification: D2, L5, M10, Q13

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)0,002
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 consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,561
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0110,018

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 Opus0,006
Tête enseignante GPT0,197
Écart entre enseignants0,192 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBuletin Ilmiah Litbang PerdaganganMême sujetMarine and Coastal EcosystemsTravaux en français237 207