Determinant factors of fishermen income and decision-making for providing welfare insurance: An application of multinomial logistic regression
Notice bibliographique
Résumé
As a country surrounded by the ocean, Indonesia is categorized as a country that has marine potential. The fishermen communities’ economy depends on ocean. However, the fishermen communities live below the poverty line and their average income is less than regional minimum wage. In conjunction with the issue, this study seeks to investigate the factors affecting the income of fishermen communities and right decision to fishermen in covering with welfare insurance in Cirebon, Indonesia. The quantitative study is designed using cross-sectional approach. The data collected by applying random sampling with open-ended questions and interview. A total of 100 fishermen’s have participated in this study. The study used some factors in measuring the fishermen community income, namely coastal environment condition, fish catching technology and location, operational capital, climate (season) condition, fishermen’s age, fishermen’s education, and fishing experience. The data are analyzed using the multinomial logistic regression model by assisting the statistical software, i.e., SPSS-23. The results show that coastal environment condition, fish catching technology and location, operational capital, climate (season) condition, fishermen’s age, fishermen’s education, and fishing experience have significant effects on fishermen income. Interestingly, the factor of coastal environment condition and climate (season) condition have significant negative effects on fishermen income. In conclusion, this study identified that two important factors reduced the welfare level of fishermen (via income). Also, in line with that things, the right decision which can provide to support and assist the fishermen community was by providing the welfare insurance. It is purposely to give them the protection from various risks faced by fishermen.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».