New Capital Relocation of Indonesia: Estimating Food Demand in East Kalimantan and Jakarta
Notice bibliographique
Résumé
This research examines the current state of food demand and its influencing factors in East Kalimantan and Jakarta, considering the relocation of Indonesia’s capital city. Using the Quadratic Almost Ideal Demand System (QUAIDS) method and 2021 Susenas data, we have analyzed the impact of variations in food prices, income, and demographic variables on seven food categories—rice, grains, tubers, legumes, animal protein, fruit & vegetables, and prepared food. Our findings reveal that increased income increases demand for animal protein and fruit & vegetables in East Kalimantan but decreases in Jakarta. In both regions, as expenditure increases, rice consumption decreases while the demand for prepared food increases. An increase of 1% in rice prices will reduce rice consumption by approximately 0.334-0.487% in East Kalimantan and 0.126-0.202% in Jakarta. Households in East Kalimantan consume more prepared food when prices for other food items increase. In Jakarta, prepared food consumption decreases as rice prices go up. Demographic factors play a crucial role in determining food demand. For example, public sector employees in East Kalimantan consume more rice and less prepared food, while in Jakarta, they prefer prepared food and consume less rice. It is essential to pay adequate attention to the demand for food for public workers who will move to East Kalimantan and the demographic factors that influence it. This consideration will ensure that the residents of East Kalimantan and those who relocate to the new capital receive the necessary food provisions.
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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».