Indonesian Government Policy in Mitigating Economic Risks due to the Impact of the Covid-19 Outbreak
Notice bibliographique
Résumé
Covid-19 pandemic have a negative impact on economies globally, including in Indonesia. The disease is advancing at great speed since the first Indonesian patient was referred to the hospital due to confirmed covid-19 (26 February 2020) until on 15 June 2019 there have been 50,187 patients infected. Several government policies have been implemented by regarding the economic sector as a main concern to prevent the breaking of the Indonesian economic chain. To anticipate, March 31, 2020 Indonesian President signed Government Regulation No. 21 of 2020, which regulates the implementation of PSBB (Large-Scale Social Restrictions), yet economic growth in the first quarter of 2020 showed a declining performance at 2.97 percent on 17 April 2020. Bank Indonesia views the level of the Rupiah exchange rate as fundamentally "undervalued". The objective of this paper is, therefore, to overview the negative impact of the covid-19 outbreak on the Indonesian economy and the policies implemented by the government to mitigate the economic risks. Moreover this article is a normative economic analysis on the basis of secondary data, this study found that Indonesia is facing up an economic domino effect of covid-19 and Bank of Indonesia (BI) has taken several steps by strengthens policy coordination with the government and other authorities to stabilize the rupiah exchange rate and mitigate the impact of Covid-19 risk on the domestic economy.
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 | 0,001 | 0,001 |
| 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 | 0,000 | 0,000 |
| 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 ».