MétaCan
Menu
Retour à la cohorte
Enregistrement W4293213436 · doi:10.56354/jendelainovasi.v5i2.123

ANALISIS VOLATILITAS HARGA DAGING SAPI MURNI DI PROVINSI JAWA TENGAH DENGAN PENDEKATAN ARCH GARCH

2022· article· en· W4293213436 sur OpenAlexaff
Anita Sandiarti, Yustirania Septiani

Notice bibliographique

RevueJurnal Jendela Inovasi Daerah · 2022
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueLivestock Farming and Management
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésVolatility (finance)Autoregressive conditional heteroskedasticityCommodityArchEconomicsJavaEconometricsGeographyComputer scienceFinance

Résumé

récupéré en direct d'OpenAlex

Indonesia has an important commodity for the community, namely beef including in Central Java Province. One of the foodstuffs that produce protein is beef where its usefulness is important to meet human nutritional needs. Besides being important for consumption needs, this commodity also contributes in economic terms because beef is produced by the community ranging from small to large scale. This research further leads to reviewing the volatility of beef prices in Central Java Province through the ARCH GARCH method and daily data (time series) of beef on January 1, 2020 to December 31, 2020. The results of the study showed the most appropriate model for calculating the volatility of beef prices is the model (1,2). The results of the model predictions show that the movement of beef price volatility tends to be stable when after eid al-Fitr, and it is expected that changes or spikes in beef prices in the future will be less minimal.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,397
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,218
Écart entre enseignants0,195 · 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; un appel candidat d’une seule tête enseignante, pas un consensus.

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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJurnal Jendela Inovasi DaerahMême sujetLivestock Farming and ManagementTravaux en français237 207