MSMEs Move Up a Class: Sustainable Strategies to Encourage MSMEs to Enter the International Market
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
Blitar City is the largest producer of jimbe drums in East Java, and even in Indonesia. The market segment for jimbe drum products is China and Canada. However, not all jimbe drum craftsmen in Blitar City are able to access the export market. This study aims to (a) Identify the characteristics of SMEs in the Jimbe drum industry in Blitar City (b) Describe the obstacles faced by jimbe drum craftsmen to move up to the export market (c) Develop strategies to encourage SMEs in the jimbe drum industry in Blitar City to move up in a sustainable manner. The type of research is a qualitative case study. The subjects of the study were jimbe drum craftsmen in Sentul Village, Blitar City, Head of the Cooperatives and MSMEs Office of Blitar City, Head of the Trade and Industry Office, Head of Sentul Village, Blitar City. Data collection was carried out by direct interviews with research subjects, observation and documentation. Triangulation of methods and data sources was carried out to obtain accurate data. Data analysis using the Miles, Huberman and Saldana (2024) formula and SWOT analysis. The results of the study showed that there are 2 types of Jimbe drums MSMEs in Sentul village, namely craftsmen and collectors, who do not yet have an association/ cooperative to accommodate the aspirations of craftsmen. The obstacles faced revolve around the difficulty of accessing capital and obtaining raw materials. Based on the SWOT analysis, the appropriate strategy for sustainable upgrading is to first improve the organization, help access capital and increase international marketing reach through partnerships.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,009 | 0,004 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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