STRATEGI POLITIK KEMENTERIAN PERTAHANAN ATAS KONFLIK LAUT NATUNA UTARA PERIODE 2019-2022
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
Penelitian ini didasarkan pada maraknya kasus nelayan China masuk perairan Indonesia juga mencuri ikan di wilayah Laut Natuna Utara dibarengi oleh Coast Guard China yang menjaga aktivitas pencurian ikan yang dilakukan oleh nelayan China tersebut, wilayah Laut Natuna Utara juga merupakan wilayah strategis dalam bentuk jalur perdagangan sehingga wilayah tersebut sangat berharga. Tujuan penelitian ini adalah untuk menganalisis dan menjelaskan strategi politik yang diambil oleh kementerian pertahanan untuk merespon konflik yang terjadi di Laut Natuna Utara pada periode 2019-2022. Metode yang digunakan pada penelitian ini adalah pendekatan kualitatif studi kasus dengan metode purposive sampling. Teknik pengumpulan data yang peneliti lakukan dalam penelitian ini adalah wawancara mendalam. Hasil penelitian menunjukan bahwa strategi politik yang diambil oleh kementerian pertahanan adalah dengan tegas menolak segala bentuk negosiasi dan perundingan di hukum internasional dan menyatakan bahwa pemerintah Indonesia tidak mengakui adanya sengketa dengan China atas wilayah Laut Natuna Utara dengan hal itu menegaskan bahwa wilayah tersebut sepenuhnya merupakan milik pemerintah Indonesia, Kemenhan juga menggunakan nama Laut Natuna Utara dibanding laut China Selatan untuk menegaskan kepemilikan Indonesia atas wilayah tersebut, Kemenhan mengirimkan kapal perang untuk meng-counter kapal Coast Guard China, selain itu Kemenhan merundingkan batas wilayah ZEE dengan Vietnam untuk melawan klaim China, beberapa strategi yang dijalankan oleh kementerian pertahanan juga memengaruhi kebijakan yang diambil oleh China atas Laut Natuna Utara tersebut.
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.
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 | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.002 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.000 | 0.002 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 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 it