STRATEGI ADAPTASI DESA WISATA PONGGOK TERHADAP PANDEMIC COVID-19
Bibliographic record
Abstract
Pandemi Covid-19 memberikan pengaruh pada sektor pariwisata, kondisi sektor pariwisata saat ini melemah seiring dengan adanya wabah virus Corona yang tak kunjung usai, bahkan saat ini seluruh Indonesia mengalami penurunan jumlah pengunjung wisata. Desa Ponggok merupakan salah satu desa wisata yang ikut terkena pengaruh dari wabah pandemi Covid-19 dimana jumlah pengunjung objek wisata yang ada di desa mengalami penurunan selama masa pandemi berlangsung. Pendekatan penelitian yang digunakan pada penelitian ini yaitu pendekatan deskriptif-kualitatif. Metode yang digunakan untuk mencapai tujuan penelitian yaitu untuk mengetahui pengaruh dan strategi penanganan pandemi Covid-19 di desa wisata Ponggok. Metode pengumpulan data yang digunakan yaitu observasi, wawancara, dan analisis dokumen, dengan menggunakan metode analisis data yaitu reduksi data dan penarikan kesimpulan. Hasil dari penelitian ini yaitu pandemi Covid-19 berpengaruh pada kegiatan masyarakat dan kegiatan pariwisata. Pandemi Covid-19 menyebabkan kondisi sector pariwisata menjadi terganggu, mengalami penurunan jumlah kunjungan dan pendapatan baik desa maupun pendapatan pengelolaan objek wisata, dan penundaan program-program kegiatan desa maupun pariwisata. Strategi penanganan yang dilakukan pemerintah desa yaitu mereview perencanaan, memodifikasi kebijakan Kawasan wisata, kolaborasi, melakukan pendekatan kepada masyrakat untuk membangun semangat gotong royong. Strategi penanganan yang dilakukan pengelola objek wisata yaitu meminimalisir pengeluaran, pemanfaatan dana, pengelolaan dana, melakukan kolaborasi, memaksimalkan pelayanan, pembuatan atau penerapan protocol Kesehatan, pengembangan dan pengalihan pasar, dan evaluasi. Sedangkan strategi yang dilakukan oleh stakeholder dan UMKM yaitu dengan meningkatkan kerja sama antar pengelola dan pelaku usaha, perubahan dan pengalihan sistem usaha atau penjualan, menerapkan sistem konsiyasi, dan pengalihan pekerjaan.
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 | 0.003 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.018 | 0.004 |
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".