Pengaruh Pertumbuhan Ekonomi dan Rata-rata Lama Sekolah terhadap Tingkat Pengangguran Terbuka di Kabupaten Bantul
Bibliographic record
Abstract
Pengangguran terbuka masih menjadi salah satu permasalahan di hampir semua negara sedang berkembang termasuk Indonesia umumnya dan Kabupaten Bantul di DIY pada khususnya.Permasalahan ketenagakerjaan tersebut memiliki dimensi sosial dan ekonomi serta bersifat multidimensi. Perkembangan tingkat pengangguran terbuka di Kabupaten Bantul dari tahun ke tahun menunjukkan fluktuasi yang berarti bahwa potensi permasalahan tingkat pengangguran terbuka masih dapat dialami di tahun-tahun mendatang. Penelitian ini bertujuan untuk menganalisis variabel yang berpengaruh terhadap tingkat pengangguran terbuka di Kabupaten Bantul. Data yang digunakan adalah data sekunder yang bersumber dari publikasi BPS Provinsi DIY dan BPS Kabupaten Bantul. Hasil penelitian dengan menggunakan model regresi menemukan bahwa pertumbuhan ekonomi berpengaruh negatif dan signifikan terhadap tingkat pengangguran terbuka sedangkan rata-rata lama sekolah tidak berpengaruh secara signifikan. Rekomendasi penelitian adalah peningkatan aktivitas perekonomian penting dalam mengurangi tingkat pengangguran. Kebijakan pembangunan ekonomi harus diarahkan pada perkembangan bisnis atau sektor swasta yang beroperasi dengan membutuhkan tenaga kerja yang berpendidikan relatif tinggi agar dapat menyerap lebih banyak tenaga kerja yang berpendidikan.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.003 |
| 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) | 0.021 | 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".