DAMPAK COVID-19 TERHADAP PEREKONOMIAN INDONESIA DARI SISI PENDAPATAN NASIONAL PENDEKATAN PRODUKSI
Notice bibliographique
Résumé
The number of Covid-19 cases worldwide continues to show a rapid increase. As of October 31, 2020, the number of cases has reached 45,866,380 and 1,192,684 deaths worldwide, 410,088 people exposed and 13,869 people died in Indonesia. The study aims to determine the extent of the impact of Covid-19 on the Indonesian economy in terms of national income, which is calculated based on the mode of production (business field) Y = (Pi.Qi)), and predictions in the future, if possible. The Covid-19 pandemic is still going on for a long time. Large-Scale Social Restrictions (PSBB) which were implemented in various regions in Indonesia in April and May, suppressed economic activity in all sectors. Some business sectors have been forced to lay off their employees. Meanwhile, people hold their consumption until conditions are more stable. As a result, Indonesia's economic growth in the second quarter of 2020 contracted by 5.3 percent (YoY). 
 Contribution of corrections came from mining and quarrying (-2.72%), processing industry (6.19%), electricity and gas procurement (-5.46), construction (-5.39%), Wholesale and Retail Trade; Repair of Cars and Motorcycles (-7.57%), Transportation and Warehousing (-30.84%), Provision of Accommodation and Food and Drink (-22.02), company services (-12.09%), and other services ( -12.60%). Then other sectors grew positively in the range of 1.03% -10.88%, with the largest positive growth contribution in the information and communication sector by 10.88%. 
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».