Formulation of Criminal Law System Policy in the Settlement of Compensation for Corruption Crimes
Notice bibliographique
Résumé
Corruption in Indonesia is not merely a moral transgression but an extraordinary economic crime that depletes national resources. The ultimate objective of corruption eradication, therefore, must be the restoration of state financial losses (asset recovery). However, the current formulation of the criminal law system specifically Article 18 of Law No. 31 of 1999 contains a critical policy flaw. The provision of "Subsidiary Imprisonment" (Pidana Pengganti) allows convicts to substitute their financial restitution obligations with a disproportionately short prison term. This mechanism inadvertently provides an economic incentive for corruptors to conceal assets and choose imprisonment, resulting in significant state revenue loss. This study aims to critique the current penal policy formulation and propose a comprehensive reformulation of the compensation system. The research employs a normative-juridical method with a statutory and conceptual approach, utilizing the "Economic Analysis of Law" theory to evaluate the efficiency of sanctions. The study argues that the penal policy must shift from a "person-based" approach (in personam) to an "asset-based" approach (in rem). It is imperative to abolish the subsidiary imprisonment option for high-value corruption and implement "Non-Conviction Based Forfeiture" to maximize the recovery of state losses. Furthermore, this policy shift requires law enforcers with high-level cognitive skills to trace complex financial trails.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».