Peran Pariwisata terhadap PDRB dan Dampaknya terhadap Penyerapan Tenaga Kerja di Provinsi Bali
Notice bibliographique
Résumé
Penelitian ini bertujuan mengetahui pengaruh sector pariwisata terhadap PDRB dan dampaknya pada penyerapan tenaga kerja, dimana pariwisata memiliki peran besar dalam berkontribusi bagi perekonomian bangsa yang sudah semestinya mendapatkan perhatian serius dari pemerintah, agar dapat berkontribusi lebih maksimal. Metode penelitian secara kuantitatif, menggunakan data sekunder BPS dan literatur. Data diolah dengan aplikasi Eviews 12. Objek yang diteliti seluruh kabupaten di Provinsi Bali dalam kurun waktu 7 tahun, yaitu tahun 2015 sampai 2021. Sektor pariwisata dengan indicator jumlah biro perjalanan wisata, jumlah akomodasi hotel dan restoran pada hotel Bintang dan jumlah akomodasi hotel non bintang, yang ingin diketahui berapa besar pengaruhnya terhadap PDRB yang akan berdampak pada penyerapan tenaga kerja. Hasil penelitian membuktikan ada pengaruh signifikan dari sector pariwisata terhadap PDRB dengan hasil Sig., = 0.000 < 0.05 dan F = 244,8190 lalu PDRB berdampak pada tenaga kerja dengan R 2 = 0,985415 sig. = 0,0000 < 0,05
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,021 | 0,003 |
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 ».