Hubungan Tingkat Pendapatan Dengan Faktor Sosial Ekonomi Serta Ketimpangan Distribusi Pendapatan Di Desa Huta Gurgur Kecamatan Dolok Sanggul
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
Ketimpangan distribusi pendapatan merupakan sebuah realita yang ada ditengah-tengah masyarakat di dunia baik Negara maju maupun Negara berkembang. Ketimpangan distribusi pendapatan tidak dapat dipisahkan dari permasalahan kemiskinan. Dengan adanya ketimpangan dan kemiskinan ini maka akan sangat sulit untuk melakukan pengembangan wilayah dimasa yang akan datang. Kondisi seperti ini akan akan memicu munculnya permasalahan sosial seperti kecemburuan sosial. Selain itu ketimpangan distribusi pendapatan dan kemiskinan akan mempengaruhi pembangunan sosial dan ekonomi dalam sebuah negara. Kemiskinan tergantung pada pendapatan nasional rata - rata dan tingkat ketimpangan distribusi pendapatan. Populasi dalam peneliatian ini adalah masyarakat yang tinggal di Desa Matiti II Kecamatan Dolok Sanggul dengan jumlah populasi sebanyak 996 orang, sedangkan sampel yang digunakan dalam penelitian ini adalah sebanyak 10 % dari jumlah populasi yang ada yaitu sebanyak 100 orang sampel, dengan menggunakan teknik pengambilan sampel yaitu teknik probability sampling. Metode analisis data yang digunakan adalah uji signifikansi dengan Koefisien Kontingensi, Kurva Lorenz, Koefisien Gini dan Kriteria Bank Dunia (α: 0,05). Hasil yang diperoleh adalah ketimpangan distribusi pendapatan di Desa Matiti II termasuk dalam kategori rendah. Dan tidak ada hubungan yang signifikan antara tingkat pendapatan masyarakat dengan tingkat pendidikan kepala keluarga serta tempat pelayanan kesehatan tetapi ada hubungan yang signfikan antara pendapatan masyarakat dengan tipe rumah yang dimiliki
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle