Forecasting of Indonesia's Gross Domestic Product Amid Covid-19 Pandemic
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The Indonesian economy since the first quarter of 2020 has declined. The Covid-19 pandemic has suppressed Indonesia's economic growth. The Ministry of Finance stated that the Indonesian economy in 2020 is estimated to reach minus 1.7 percent to 0.6 percent. The purpose of this study is to determine the prediction of Indonesia's GDP amid Covid-19 pandemic. This type of research is a quantitative study using secondary data with a sample size of 22 samples. The data analysis technique used is the ARIMA method. The results showed stationary data at the second level. Identification of the Bob-Jenkins model selected the ARIMA model (4,2,1). The forecast results show that Indonesia's GDP in the second quarter of 2020 until the second quarter of 2023 will continue to decline. Therefore, policies to promote economic recovery are required. This policy must support the improvement of the health system to reduce the impact of the Covid-19 pandemic on activities and community works. Long-term impacts can be maintained by improving administration, facilitating a more investor-friendly business environment, and increasing budgets to improve education and health facilities.Perekonomian Indonesia sejak triwulan IV-2020 telah mengalami penurunan. Pandemi Covid-19 telah menekan pertumbuhan ekonomi Indonesia. Kementerian Keuangan menyatakan, perekonomian Indonesia pada 2020 diperkirakan mencapai minus 1,7 persen hingga 0,6 persen. Tujuan penelitian ini adalah untuk mengetahui prediksi PDB Indonesia. Jenis penelitian ini adalah kuantitatif dengan menggunakan data sekunder dengan jumlah sampel sebanyak 22 sampel. Teknik analisis data yang digunakan adalah metode ARIMA. Hasil penelitian menunjukkan bahwa data stasioner pada tingkat kedua. Identifikasi model Bob-Jenkins terpilih model ARIMA (4,2,1). Hasil peramalan menunjukkan bahwa PDB Indonesia triwulan II-2020 smpai dengan triwulan II-2023 terus mengalami penurunan. Oleh karena itu, diperlukan kebijakan yang mendorong pemulihan ekonomi. Kebijakan tersebut harus mendukung peningkatan sistem kesehatan untuk mengurangi dampak pandemi Covid-19 pada aktivitas dan pekerjaan masyarakat. Dampak jangka panjang dapat dikurangi dengan perbaikan tata kelola, lingkungan bisnis yang lebih ramah kepada investor dan meningkatkan anggaran untuk memperbaiki fasilitas pendidikan dan kesehatan.
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.
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 | 0,001 | 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 découle