ANALISIS DAYA SAING DAN FAKTOR DETERMINAN YANG MEMPENGARUHI EKSPOR UDANG INDONESIA
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Shrimp is the leading non-oil and gas export commodity as well as the Indonesian fishery sub-sector. Shrimp commodity is also a commodity that has high competitiveness because it has fluctuating exports in the period 2013-2020. The purpose of this study was to determine how the condition of competitiveness of Indonesian shrimp commodities and the influence of competitiveness, production, GDP per capita and foreign exchange rates ( US$) partially and simultaneously on Indonesian shrimp exports in five export destination countries (United States, Japan, China, Malaysia, Canada). The data used in this study is panel data. Panel data is a combination of time series and cross section. To analyze the competitiveness of Indonesian shrimp commodities in five destination countries, the RCA (Revealed Comparative Advantage) method was used. The RCA values ??for the five destination countries show that Indonesian shrimp exports have strong competitiveness. Based on the research results, competitiveness, production, GDP per capita and foreign exchange rates simultaneously have a significant influence on Indonesia's shrimp exports. Partially competitiveness, GDP and foreign exchange rates have a positive and significant impact on Indonesia's shrimp exports. Meanwhile, production has a negative and insignificant effect on Indonesian shrimp exports
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 découle