MSME’s Financing Decisions and the Roles of Financial Literacy and Microbusiness Demographics
Notice bibliographique
Résumé
Micro, Small, and Medium Enterprises (MSMEs) play a crucial role in the Indonesian economy, contributing 60.5% to the GDP, employing 96.9% of the workforce, and accounting for 15.69% of exports. However, MSMEs still face capital problems. Many of them struggle to access financial institutions due to their limited financial literacy. This research aims to identify the level of financial literacy among microbusinesses. The survey involved 60 respondents in the Cibinong District of Bogor Regency and analyzed how financial literacy levels and demographic factors influence microbusinesses’ decisions regarding the use of financing products from micro financial institutions (MFIs). The analytical method employed in this study is logistic regression. The research results indicate that financial attitudes, education, and income have a significant positive impact on financing decision from micro financial institutions, while financial knowledge and behavior have a significant negative impact. Keywords: MSME, MFI, financial literacy, demography, micro businesses ABSTRAK Usaha Mikro, Kecil dan Menengah (UMKM) memiliki peran penting dalam perekonomian Indonesia dengan kontribusi terhadap PDB 60,5%, penyerapan tenaga kerja 96,9%, dan ekspor 15,69%. Namun, UMKM masih menghadapi masalah permodalan. Banyak UMKM masih belum mampu mengakses lembaga keuangan karena literasi keuangannya yang rendah. Penelitian ini bertujuan mengidentifikasi tingkat literasi keuangan usaha mikro, dengan menyebarkan kuesioner kepada 60 responden di Kecamatan Cibinong, Kabupaten Bogor dan menganalisis pengaruh tingkat literasi serta faktor demografi terhadap keputusan usaha mikro dalam menggunakan produk pembiayaan di lembaga keuangan mikro (LKM). Metode analisis yang digunakan adalah regresi logistik. Hasil penelitian menunjukkan bahwa sikap keuangan, pendidikan, dan pendapatan berpengaruh signifikan positif terhadap pengambilan keputusan menggunakan produk pembiayaan lembaga keuangan mikro, sementara pengetahuan dan perilaku keuangan berpengaruh signifikan negatif. Kata kunci: UMKM, LKM, literasi keuangan, demografi, bisnis mikro
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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) | 0,005 | 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 ».