Dampak Pandemi Covid-19 terhadap Pertumbuhan Ekonomi dan Perdagangan Komoditas Pertanian di Indonesia
Notice bibliographique
Résumé
This study aims to analyze economic growth in Indonesia during the Covid-19 pandemic by using the growth of Gross Domestic Product (GDP) with a comparison of the previous year in the same quarter (y-on-y) and also a comparison with the previous quarter (q-to-y). q). The second objective of this research is to analyze price disparities, price fluctuations, and the trade balance of agricultural commodities. The method used in this research is descriptive analysis. The results of this study explain that economic growth in Indonesia during the Covid-19 pandemic has decreased, starting from the second quarter of 2020 to the first quarter of 2021. Meanwhile, the impact of the Covid-19 pandemic in the agricultural commodity trading sector, namely the existence of a high price disparity reaching above 50% in several commodities such as chicken meat, red chili, beef, and shallots. However, there is price stability for rice, chicken eggs, cooking oil, and sugar commodities. In the trade balance during the Covid-19 pandemic, there was a deficit of 14 thousand tons for beef/buffalo commodities in the January-May 2021 period, while other staple food commodities experienced a surplus. To overcome the problems of trade and economic growth in the agricultural sector, the government should integrate the main market network, improve stock management and logistics, and increase production
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».