PENGARUH PERTUMBUHAN EKONOMI DAN IPM TERHADAP TINGKAT KEMISKINAN DI KABUPATEN PASURUAN
Notice bibliographique
Résumé
Pada pembahasan artikel ini memiliki tujuan yaitu agar mengidentifikasi berpengaruhnya pertumbuhan ekonomi dan IPM (Indeks Pembangunan Manusia) pada tingkat kemiskinan di Kabupaten Pasuruan pada periode 2012-2020. Deskriptif kuantitatif dengan teknik model distribusi lag adalah jenis penelitian yang digunakan. Data ini merupakan dari data sekunder yaitu Badan Pusat Statistik (BPS) dengan kurun waktu 9 Tahun yaitu 2012-2020. Pada proses ini menggunakan metode data time series dibantu adanya alat software SPSS 25. Hasil uji regresi adanya penelitian menghasilkan antara lain 1). Pertumbuhan ekonomi secara parsial tidak memiliki pengaruh pada tingkat kemiskinan di Wilayah Kabupaten Pasuruan. 2). IPM berpengaruh negatif pada tingkat kemiskinan, artinya setiap adanya kenaikan IPM akan menaikkan tingkat kemiskinan di Wilayah Kabupaten Pasuruan. 3).Pertumbuhan ekonomi dan IPM berpengaruh secara simultan pada tingkat kemiskinan pada Wilayah Kabupaten Pasuruan. 4). Nilai koefisien determinasi sejumlah 0,885 menunjukkan adanya pengaruh pertumbuhan ekonomi dan IPM secara F simultan sejumlah 88,5% pada tingkat kemiskinan di Wilayah Kabupaten Pasuruan dan 11,5% kurangnya dikarenakan pengaruh oleh adanya bukan variabel didalam regresi melainkan diluar model regresi.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 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 ».