Dampak Pertumbuhan Sektoral terhadap Ketimpangan Pendapatan dan Kemiskinan di Indonesia:Analisis menggunakan Social Accounting Matrix dan Micro-Simulation
Notice bibliographique
Résumé
Berdasarkan Social Accounting Matrix (SAM) Indonesia 2015 yang diperluas dan dengan menggunakan metode micro-simulation, penelitian ini menunjukkan bagaimana pertumbuhan sektoral mempengaruhi ketimpangan pendapatan dan kemiskinan di Indonesia serta kontribusi Usaha Kecil dan Menengah (UKM) sektor manufaktur dalam mengurangi ketimpangan pendapatan. Dari 24 sektor di Indonesia, hanya pertumbuhan pada 10 sektor ekonomi yang dapat mengurangi ketimpangan pendapatan, dengan penurunan terbesar pada pertumbuhan sektor tanaman pertanian lainnya. Di sisi lain, UKM tidak memiliki pengaruh penting dalam mengurangi ketimpangan pendapatan, yang berpengaruh adalah dimana sektor UKM itu berada. Penelitian ini juga menunjukkan bahwa pertumbuhan di semua sektor ekonomi berdampak pada pengentasan kemiskinan dengan kontribusi yang berbeda. Pertumbuhan sektor tanaman pertanian lainnya memberikan kontribusi terbesar dalam pengentasan kemiskinan di Indonesia.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 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) | 0,006 | 0,001 |
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 ».