Are Gender and Business Types Able to Withstand the Decline in MSE Turnover in the COVID-19 Pandemic Era?
Notice bibliographique
Résumé
The Covid-19 pandemic that started in Wuhan, China at the end of December 2019, has had economic and social impacts globally. Indonesia did not escape the impact of the pandemic. The Indonesian economy experienced contraction in a row in the second quarter of 2020 by -5.32 and the third quarter of 2020 by -3.49 percent (BPS, 2020). This contraction was the first economic contraction since 1999, and occurred in almost all business fields including Micro and Small Enterprises (MSEs). Around 83 percent of MSMEs in the Greater Jakarta experienced the negative impact of this pandemic, and nearly 96 percent of them experienced a decrease in turnover. This study aims to analyze the factors that are holding back the decline in business turnover caused by the Covid -19 Pandemic. For this purpose, a number of variables that are thought to have an effect are tested, namely the gender of the entrepreneur, the type of business, the length of business, and the location of the business (DKI Jakarta and outside DKI Jakarta). To achieve this research objective, the survey was conducted in three administrative areas, namely the City of East Jakarta, Pesawaran District, and Palembang City. The statistical analysis used is Ordinary Least Square. The results of the analysis show that male entrepreneurs have a greater tendency to decline in turnover, the type of trade and service business has a smaller decrease, while the length of business and location of the business do not have a statistical effect.
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 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».