MEKANISME PENGENDALIAN MONETER DENGAN INFLASI SEBAGAI SASARAN TUNGGAL
Bibliographic record
Abstract
Sementara diskusi teoritis tentang mekanisme transmisi kebijakan moneter belum konklusif, studi ini menyarankan perumusan kebijakan moneter untuk mencapai sasaan tunggal inflasi berdasarkan transmisi suku bunga. Dalam hal ini, suku bunga jangka pendek berfungsi sebagai target operasional kebijakan moneter yang diharapkan dapat mempengaruhi agregat demand, untuk selanjutnya mempengaruhi pencapaian sasaran inflasi. Selain itu, perubahan suku bunga juga dapat melewati jalur nilai tukar dan ekspektasi masyarakat sebelum akhirnya mempengaruhi inflasi. Tidak seperti kerangka kebijakan moneter melalui jalur agregat moneter, kerangka ini tidak secara eksplisit memasukan fungsi intermediate target. Sebagai penggantinya, beragam information variables berfungsi sebagai indikator tekanan inflasi.Sebagai acuan bagi kebijakan moneter, yaitu bagaimana suku bunga jangka pendek harus disesuaikan untuk mencapai sasaran inflasi, disarankan penggunaan monetary policy rules yang dikembangkan dari Taylor rule dengan melakukan beberapa penyesuaian. Untuk hal ini, diperlukan penelitian tersendiri dengan mengakomodasi karakteristik yang relevan untuk kasus Indonesia. Namun, dengan terdapatnya unsur ketidakpastian dalam mekanisme transmisi, penggunaan policy rule tersebut tidak dimaksudkan untuk digunakan secara kaku (strict). Dalam hal ini, masih tersedia ruang bagi kebijakan yang bersifat discretionary, yaitu dengan melakukan assesment atas informasi yang diperoleh dari berbagai information variables.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.017 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".