MétaCan
Menu
Retour à la cohorte
Enregistrement W3159343556 · doi:10.17762/turcomat.v12i8.3029

Covid-19 in indonesia: Socio-economic impact and policy response

2021· article· tr· W3159343556 sur OpenAlexaboutno aff
Farida Nursjanti, Lia Amaliawiati

Notice bibliographique

RevueTürk bilgisayar ve matematik eğitimi dergisi · 2021
Typearticle
Languetr
DomaineEconomics, Econometrics and Finance
ThématiqueCOVID-19 Pandemic Impacts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésQuarter (Canadian coin)TourismUnemploymentCoronavirus disease 2019 (COVID-19)IndonesianPovertyPandemicPoverty rateEconomic impact analysisDemographic economicsBusinessEconomicsDevelopment economicsGeographyEconomic growthSocioeconomicsInfectious disease (medical specialty)Medicine

Résumé

récupéré en direct d'OpenAlex

The 2019 Covid-19 Corona virus has had an extremely strong impact in 2020, including Indonesia, on the dynamics of the global economy. In this study the focus is on examining the impact of Covid-19 in Indonesia on GDP growth, Micro Small Medium Entrepreneurs (MSMEs), the tourism sector, employment, and the poverty rate. With the limitation of international and national mobility, it will have a major impact on the level of GDP growth, and the tourism sector which has a large enough contribution and is linked to unemployment and poverty. Economic growth slowed to 2.97% in the first quarter of 2020 and contracted by 5.32% in the second quarter of 2020 (Bank Indonesia, 2020). The Indonesian economy in the fourth quarter of 2020 against the previous quarter experienced a growth contraction of 0.42 percent. Based on a survey conducted by Statistics Indonesia (BPS) of MSMEs in various regions in Indonesia, there were as many as 84 percent of micro and small businesses and 82 percent of medium and large businesses experiencing a decline in income since the Covid-19 pandemic occurred. During 2020, the number of foreign tourist visits to Indonesia reached 4.02 million visits or decreased by 75.03 percent when compared to the number of foreign tourists visiting in the same period in 2019 which totaled 16.11 million visits. The Covid-19 pandemic caused the open unemployment rate which was suppressed at 5.23 percent to increase by 7.07 percent. The percentage of poor people in September 2020 was 10.19 percent, an increase of 0.41 percentage points against March 2020 and an increase of 0.97 percentage points compared to September 2019. The Indonesian government issued various policies in response to Covid-19, including policies for the business world, policies for MSMEs, and policies for the poor in addition to several other policies. © 2021 Karadeniz Technical University. All rights reserved.

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)0,005
score de la tête « metaresearch » (Gemma)0,009
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,037
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,009
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,003

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 Opus0,043
Tête enseignante GPT0,325
Écart entre enseignants0,282 · 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

Citations2
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTürk bilgisayar ve matematik eğitimi dergisiMême sujetCOVID-19 Pandemic ImpactsTravaux en français237 207