Persepsi Mahasiswa Mengenai Manajemen Keuangan Pribadi Dalam Menghadapi Ancaman Resesi Ekonomi Di Indonesia
Notice bibliographique
Résumé
The COVID-19 pandemic has triggered the threat economic recession in Indonesia. This condition was strengthened by the increasing number unemployed and soaring prices basic goods and fuel oil. Economic growth in Indonesia is expected to show positive numbers periodically every quarter. However, people still have to be vigilant and prepare to face the threat economic recession. Including one of them, namely students in managing finances wisely and efficiently. The purpose of this research was to determine student perceptions of personal financial management in facing the threat economic recession in Indonesia. This research method is descriptive qualitative which focuses on three indicators, namely budget preparation, emergency fund preparation, and savings measures. The population in this study were students Faculty of Economics and Business, Universitas Budi Luhur with sample 265 respondents who were taken using a purposive sampling technique. Analysis the data used in this study to measure student perceptions using score interpretation categories. The results of the study show that the budget preparation indicator is in the low category. The emergency fund preparation indicator is in the medium category. And for the indicator for saving action, it is in the low category. So that there is a low perception of students in preparing a budget, and they understand enough about the importance of emergency funds, but have not been able to take savings measures in the face threat of an economic recession in Indonesia. Suggestion the students as millennial generation can improve their financial literacy by getting used to making budgets and routines saving to achieve personal financial well-being. Keywords: Perception Student, Personal Financial Management, Recession Threat.
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 | 0,001 |
| 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) | 0,019 | 0,004 |
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 ».