FAKTOR-FAKTOR YURIDIS YANG MENGHAMBAT IMPLEMENTASI PROYEK REDUCING EMISSIONS FROM DEFORESTATION AND FOREST DEGRADATION PLUS (REDD+) DI INDONESIA
Bibliographic record
Abstract
Pada CoP-11 di Montreal 2005, negara-negara dalam Coalition for Rainforest Nations (CfRN) mengusulkan perlunya mekanisme pengganti Protokol Kyoto untuk mengatasi masalah perubahan iklim. Pada Tahun 2015, dilaksanakan Conference of Parties (CoP) 21 di Paris dan akhirnya disepakati perjanjian baru untuk penanganan perubahan iklim dan menggantikan Protokol Kyoto yaitu Paris Agreement, yang mengakomodir Program REDD+ yang mengusung equity and common but differentiated responsibilities. Indonesia telah berikrar untuk mengurangi emisinya dari penggunaan lahan, perubahan penggunaan lahan, dan kehutanan (LULUCF) sebesar 26% pada tahun 2020 melalui mekanisme REDD+, yang dalam implementasinya ditemukan bermacam kendala sehingga perlu ditelaah kelanjutan proyek ini di Indonesia. Penelitian hukum ini masuk ke dalam ranah kajian yuridis normatif, dimana pendekatan yuridis adalah pendekatan yang mengacu pada hukum dan peraturan perundang-undangan yang berlaku, sedangkan pendekatan normatif adalah pendekatan yang menelaah hukum sebagai kaidah yang dianggap sesuai dengan penelitian hukum tertulis yang doktrinal. Penelitian ini merupakan penelitian dengan tipe Kualitatif yaitu dengan memberikan pemaparan secara rinci untuk mengungkap apa yang terdapat dari peristiwa nyata dengan maksud mencari nilai-nilai yang terkandung di dalamnya. Proses ini akan dilakukan dengan cara berpikir induktif yaiitu menarik kesamaan nilai-nilai yang terkandung dalam berbagai fakta untuk selanjutnya dirumuskan secara umum. Di dalam penelitian ini terungkap, kerangka hukum yang mengatur kegiatan kehutanan mencakup peraturan perundang undangan yang bersifat khusus dan sektoral (misalnya, peraturan perundang undangan yang mengatur kehutanan, pertanian, dan pertambangan) maupun peraturan perundang undangan yang lebih umum dan lintas sektor (misalnya, desentralisasi, keuangan, dan tata ruang) mengalami tumpeng tindih satu sama lain. Hambatan-hambatan yuridis maupun non yuridis ini telah menyebabkan adanya inkonsistensi, kontradiksi, ketidakpastian, dan ketidakefisienan, serta mendorong praktik korupsi karena banyaknya landasan hukum serta praktek yang menyimpang., sehingga dorongan dan dukungan dari segala stakeholders sangat dibutuhkan dalam rangka penurunan emisi melalui REDD+.
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 | 0.002 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.024 | 0.003 |
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".