Peningkatan Kapasitas UMKM Melalui Implementasi Sistem Pembayaran Digital (Qris) Di Kota Pematangsiantar
Notice bibliographique
Résumé
Kegiatan pengabdian kepada masyarakat ini bertujuan untuk meningkatkan kapasitas pelaku Usaha Mikro, Kecil, dan Menengah (UMKM) di Kota Pematangsiantar melalui implementasi sistem pembayaran digital berbasis QRIS (Quick Response Code Indonesian Standard). Berdasarkan data tahun 2023, terdapat lebih dari 23.000 pelaku UMKM aktif di kota ini, namun hanya sekitar 30% yang telah mengadopsi sistem pembayaran digital. Fakta ini mencerminkan adanya kesenjangan antara potensi ekonomi lokal dan tingkat adopsi teknologi keuangan yang tersedia. Melalui pendekatan deskriptif-kualitatif, kegiatan ini mencakup tahapan sosialisasi, pelatihan, dan pendampingan langsung terhadap 45 pelaku UMKM dari sektor perdagangan, kuliner, dan jasa. Hasilnya menunjukkan peningkatan signifikan dalam literasi keuangan digital, kesiapan adopsi teknologi, serta efisiensi transaksi bisnis harian para mitra. Sebanyak 80% peserta berhasil mengaktifkan QRIS dan menggunakannya secara aktif. Temuan ini menguatkan bahwa adopsi QRIS tidak hanya mendukung efisiensi dan transparansi usaha, tetapi juga memperkuat inklusi keuangan serta daya saing UMKM dalam ekosistem ekonomi digital. Meskipun demikian, beberapa tantangan tetap muncul, terutama terkait keterbatasan perangkat digital, akses internet, dan resistensi awal dari pelaku usaha yang belum terbiasa dengan teknologi. Oleh karena itu, keberlanjutan program digitalisasi UMKM perlu didukung oleh strategi pendampingan berkelanjutan, sinergi multipihak, serta kebijakan publik yang berpihak pada transformasi ekonomi lokal
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 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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».