OPTIMALISASI PERAN KELEMBAGAAN PERENCANAAN SUMBER DAYA ALAM DALAM PENANGANAN PERMASALAHAN PENANAMAN MODAL
Bibliographic record
Abstract
Dinamika penanaman modal di Indonesia secara umum berkaitan dengan permasalahan internal maupun eksternal yang seringkali direspons dengan perubahan regulasi dan kebijakan. Hal ini wajar mengingat saat ini Ease of Doing Business (EODB) Indonesia masih rendah dengan menduduki peringkat 73 dari 190 negara, dimana dalam konteks wilayah ASEAN masih berada di peringkat 6 dari 8 negara. Regulasi dan kebijakan yang disusun sejak era Presiden Joko Widodo membawa perubahan yang cukup signifikan yang ditunjukkan dengan realisasi penanaman modal, baik dalam negeri (PMDN) maupun asing (PMA), meskipun sedikit terkoreksi sebagai dampak mewabahnya COVID-19. Jika ditarik lebih kedalam, sejak Undang-Undang Nomor 25 Tahun 2007 (UUPM) berlaku, memang terlihat bahwa perekonomian Indonesia membaik secara bertahap. Sumber daya alam sebagai salah satu sektor dalam investasi memerlukan perencanaan yang mampu beradaptasi terhadap perubahan, baik secara substansi, regulasi dan kelembagaan. Potret penanaman modal dan permasalahannya menjadi hal yang menarik diulas ketika dikaitkan dengan kelembagaan yang ada. Dari sisi penyusun kebijakan, optimalisasi potensi kelembagaan terkait penanaman modal diperlukan sebagai langkah strategis perbaikan pelayanan kepada publik. Makalah ini bertujuan untuk menampilkan potret permasalahan penanaman modal, kelembagaan perencanaan sumber daya alam terkait penanaman modal saat ini dan mengidentifikasi potensi pengembangan menuju optimalisasi peran dalam menunjang pembangunan nasional. Metode yang digunakan dalam analisis adalah berbasis literature review, baik dari penelitian sebelumnya, maupun regulasi dan kebijakan yang ada di Indonesia. Hasil analisis menghasilkan rekomendasi kebijakan dan rekomendasi kelembagaan dalam penanaman modal yang sesuai kondisi terkini untuk dapat ditindaklanjuti oleh pemangku kepentingan dan pengambil kebijakan dalam rangka pembangunan investasi yang berdaya saing dan berkelanjutan.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.000 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.003 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.002 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.001 | 0.009 |
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; both teacher heads agree on what is shown here.
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".