JOB LOSS INSURANCE PROGRAM APPLICABLE IN INDONESIA BASED ON GOVERNMENT REGULATION AND ITS COMPARISON WITH OTHER COUNTRIES
Notice bibliographique
Résumé
One of the regulations in the field of employment issued by the Government of Indonesia is Government Regulation No. 37 of 2021 concerning the Implementation of the Job Loss Insurance Program. This regulation is very important in the midst of rampant layoffs by companies as a result of the Covid-19 pandemic. The purpose of this study was to determine the implementation of a job loss insurance program for employees affected by termination of employment. The research method uses a normative juridical approach with secondary data. Based on the research results obtained that Comparison job loss insurance program in Indonesia with other countries lies in the coverage, requirements and premium contributions. Job loss guarantee or unemployment insurance in Indonesia and other countries have the same goal, which is to financially support individuals who do not have jobs as long as the individual is looking for work. This policy has been carried out since 1935 and 1940 by the United States and Canada against the background of the Great Depression around 1930, then Thailand began to implement an unemployment insurance scheme in 2004. In 2016, there were 73 (seventy-three) countries that had implemented the unemployment insurance scheme. Each country creates an unemployment insurance policy with a different model but the goal remains the same, which is to achieve adequate protection against the risk of job loss by expanding coverage to ensure workers affected by layoffs receive compensation. Based on a comparison with several other countries, it was found that the job loss insurance scheme was effective in overcoming the number of unemployed, especially during an economic recession and was able to protect workers who were laid off by maintaining their level of welfare.
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 | 0,001 | 0,000 |
| 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 | 0,000 | 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 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 ».