Hasil Pencarian  ::  Simpan CSV :: Kembali

"Era perdagangan bebas membutuhkan peningkatan daya saing produk lokal di pasar global, melalui standardisasi. Kebijakan standardisasi termasuk bagaimana merencanakan, merumuskan, menetapkan, menerapkan, menegakkan, memelihara, dan mengawasi Standar Nasional, seperti Standar Nasional Indonesia (SNI). SNI bermanfaat untuk menciptakan daya saing dan perlindungan konsumen. Konsistensi standardisasi terlihat dari evaluasi kegiatan standardisasi, yang membutuhkan waktu dan sumber daya yang tinggi. Terdapat hambatan dalam kegiatan standardisasi seperti kurangnya infrastruktur standardisasi, jumlah SNI, kesiapan industri, sumber daya pengawasan, dan juga hambatan lain dalam kegiatan standardisasi. Hambatan tersebut menjadi perhatian media, melalui banyaknya pemberitaan, keluhan tentang permasalahan tersebut. Perkembangan opini pada media dapat berpengaruh terhadap pembuatan kebijakan, pelayanan dan dapat mengubah strategi kebijakan standardisasi. Oleh karena itu tujuan dari penelitian ini adalah untuk menemukan klasifikasi dan pengelompokan dari permasalahan standardisasi, yang menjadi bagian penting dari kebijakan evaluasi. Penelitian ini menggunakan pendekatan analisis sentimen, yang dapat menangkap perubahan pemberitaan media yang cepat dalam bidang standardisasi, dengan menggunakan metode klasifikasi deep belief networks (DBN) dan pengelompokan K-means. Selain DBN, penelitian ini juga membandingkan performa DBN dengan metode klasifikasi lainnya, yaitu Naive Bayes (NB), Artificial Neural Networks (ANN) dan Support Vector Machine (SVM). Hasil penelitian ini menunjukkan performa model klasifikasi dengan DBN lebih baik dari metode lainnya dengan F1 Measure mencapai 94.20%, dimana NB mencapai 89.98%, ANN mencapai 83.72% dan SVM mencapai 89.97%. Selain itu, hasilnya menunjukkan bahwa jumlah sentimen negatif terbanyak adalah 12.54% dan jumlah sentimen positif terbanyak adalah 29,94%. Kedua sentimen tersebut adalah anggota kelas pemberlakuan SNI. Adapun hasil pengelompokan K-means terbentuk 5 buah klaster optimal pada setiap kelas, dan menunjukkan subtopik dengan judul kendala pemberlakuan, penegakan, pemahaman aturan serta kebutuhan regulasi SNI menjadi perhatian terbesar dari media. Penelitian ini menghasilkan pengetahuan yang berguna untuk membangun alternatif masukan, secara cepat dalam evaluasi kebijakan standardisasi, dalam bentuk analisis sentimen yang belum pernah dilakukan sebelumnya. Penelitian ini diharapkan dapat menangkap kondisi standardisasi serta berkontribusi dalam meningkatkan kebijakan standardisasi di Indonesia.

---

Free trade era requires increasing the competitiveness of local products in the global market, through standardization. The standardization policy is including how to plan, formulate, establish, implement, enforce, maintain, and supervise National Standard, e.g Indonesian National Standard called SNI. SNI is useful in order to create competitiveness and consumer protection. The consistency of standardization shows through evaluation of standardization activity, that requires hight time and resources. There are obstacles in standardization activities such as lack of standardization infrastructure, number of SNIs, industry readiness, supervision resources, and also other obstacles in standardization activities. This obstacle has become the media`s attention, through many news reports and complaints about the problem. The development of opinion on the media can influence policy making, service and can change the standardization policy strategy. Therefore the purpose of this study is to find the classification and clustering of standardization problems, which to become an important part of the evaluation policy. This study uses a sentiment analysis approach, which can capture rapid changes of media coverage in standardization, using the method of deep belief networks (DBN) classification and grouping of K-means. Besides DBN, this study also compares the performance of DBN with other classification methods, namely Naive Bayes (NB), Artificial Neural Networks (ANN) and Support Vector Machine (SVM). The results of this study show the performance of the classification model with DBN is better than other methods with F1 Measure reaching 94.20%, where NB reaches 89.98%, ANN reaches 83.72% and SVM reaches 89.97%. In addition, the results showed that the highest number of negative sentiments was 12.54% and the highest number of positive sentiments was 29.94%. Both sentiments are class members of SNI regulation. The results of the K-means clustering formed 5 optimal clusters of each class, and showed subtopics about the constraints of enforcement, establishment, understanding the rules and requirements of SNI regulation to be the biggest concern of the media. This research produces knowledge that is useful for building alternative inputs, and quickly in evaluating standardization policies, in the form of sentiment analysis that has never been done before. This research is expected to capture the conditions of standardization and contribute to improving standardization policies in Indonesia."

"ABSTRAKLiberalisasi perdagangan telah menyebabkan penurunan tarif secara umum. Penurunan tarif tersebut dapat membawa keuntungan, yaitu pemakaian bahan baku impor menjadi relatif lebih murah. Namun juga di satu sisi, penurunan tarif mengakibatkan produsen manufakur Indonesia menghadapi peningkatan persaingan produk impor. Tujuan dari penelitian ini adalah menganalisis pengaruh dari liberalisasi perdagangan terhadap produktivitas sektor manufaktur. Produktivitas diukur dengan Total Faktor Produksi (TFP), dan sektor yang dijadikan objek studi adalah 10 sub-sektor manufaktur yang memiliki kontribusi terbesar terhadap GDP. Tarif barang secara signifikan berkorelasi positif dan tarif bahan baku berkorelasi negatif dalam mempengaruhi produktivitas sektor manufaktur. Penurunan tarif secara umum berdampak meningkatkan produktivitas, dengan pengaruh penurunan tarif input terhadap produktivitas lebih besar daripada pengaruh tarif output.

---

ABSTRACTTrade liberalization has led to tariff reductions in general. The tariff reduction may be beneficial to producer through the relatively cheaper access of imported raw materials. On the other hand, the disadvantage effect of tariff reduction is it induces higher import competition for domestic producers. The purpose of this study is to analyze the effect of trade liberalization on the productivity of the manufacturing sector. Total Factor Productivity (TFP) is used as the proxy for productivity measures. The object of this study is the 10 manufacturing sub-sectors that has the largest contribution to GDP in the manufacturing sector. The study result that tariff reduction positively correlated meanwhile input tariff is negatively correlated in affecting productivity of the manufacturing sector. Tariff reductions in general will improve productivity, where the influence of input tariff reduction on productivity is greater than the effect of output tariff rates."

"Ilmu Data adalah irisan dari matematika dan statistika, komputer, serta keahlian domain. Dalam beberapa tahun terakhir inovasi pada bidang ilmu data berkembang sangat pesat, seperti Artificial Intelligence (AI) yang telah banyak membantu kehidupan manusia. Deep Learning (DL) sebagai bagian dari AI merupakan pengembangan dari salah satu model machine learning yaitu neural network. Dengan banyaknya jumlah lapisan neural network, model deep learning mampu melakukan proses ekstrasi fitur dan klasifikasi dalam satu arsitektur. Model ini telah terbukti mengungguli teknik state-of-the-art machine learning di beberapa bidang seperti pengenalan pola, suara, citra, dan klasifikasi teks. Model deep learning telah melampaui pendekatan berbasis AI dalam berbagai tugas klasifikasi teks, termasuk analisis sentimen. Data teks dapat berasal dari berbagai sumber, seperti sumber dari media sosial. Analisis sentimen atau opinion mining merupakan salah satu studi komputasi yang menganalisis opini dan emosi yang diekspresikan pada teks. Pada penelitian ini analisis peforma machine learning dilakukan pada metode deep learning berbasis representasi data BERT dengan metode CNN dan LSTM serta metode hybrid deep learning CNN-LSTM dan LSTM-CNN. Implementasi model menggunakan data komentar youtube pada video politik dengan topik terkait Pilpres 2024, kemudian evaluasi peforma dilakukan menggunakan confusion metric berupa akurasi, presisi, dan recall.

---

Data Science is the intersection of mathematics and statistics, computing, and a domain of expertise. In recent years innovation in the field of data science has developed very rapidly, such as Artificial Intelligence (AI) which helped a lot in human life. Deep Learning (DL) as part of AI is the development of one of the machine learning models, namely neural network. With the large number of neural network layers, deep learning models are capable of performing feature extraction and classification processes in a single architecture. This model has proven to outperform state-of-the-art machine learning techniques in areas such as pattern recognition, speech, imagery, and text classification. Deep learning models have gone beyond AI-based approaches in a variety of text classification task, including sentiment analysis. Text data can come from various sources, such as source from social media. Sentiment analysis or opinion mining is a computational study that analyze opinions and emotions expressed in text. In this research, machine learning performance analysis is carried out on a deep learning method based on BERT data representation with the CNN and LSTM and hybrid deep learning CNN-LSTM and LSTM-CNN method. The implementation of the model uses YouTube commentary data on political videos related to the 2024 Indonesia presidential election, then performance analysis is carried out using confusion metrics in the form of accuracy, precision, and recall."

"Pengguna media sosial di Indonesia merupakan salah satu yang terbanyak di dunia. Hal ini mendorong pemilik produk atau layanan menggunakan media sosial sebagai saluran utama untuk penjualan dan layanan pelanggan. Masyarakat Indonesia cenderung mencari ulasan online sebelum memutuskan pembelian, sehingga ulasan pengguna sangat mempengaruhi keputusan pembelian dan keberhasilan bisnis. Oleh karena itu, pemilik produk dan layanan harus cepat tanggap terhadap sentimen ulasan pengguna untuk mempertahankan reputasi dan menghindari penurunan penjualan. Analisis sentimen adalah salah satu cara untuk mengetahui sentimen terhadap produk atau layanan. Terdapat pendekatan machine learning dan deep learning dalam analisis sentimen. Penggunaan machine learning pada analisis sentimen ulasan pengguna berbahasa Indonesia telah banyak dilakukan, namun eksplorasi dalam bidang deep learning masih jarang ditemukan. Penelitian ini menggunakan model CNN-BiLSTM dan BiLSTM-CNN yang dibandingkan dengan logistic regression, support vector machine, dan naïve bayes. Pada skenario pertama, analisis ulasan pengguna di Traveloka menunjukkan model BiLSTM-CNN dengan Precision tertinggi 85% dan AUC 82.14%, serta model Support Vector Machine (SVM) dengan Accuracy 83.25% dan F1-Score 86.53%. Pada skenario kedua, analisis ulasan pengguna provider telekomunikasi menunjukkan SVM sebagai yang terbaik dengan Accuracy 78.15%, Precision 68.78%, F1-Score 76.33%, dan AUC 77.36%. Dari hasil ini, model machine learning lebih unggul dibandingkan deep learning.

---

Social media users in Indonesia are among the largest in the world. This drives product or service owners to use social media as the main channel for sales and customer service. Indonesian consumers tend to look for online reviews before making a purchase decision, so user reviews greatly influence purchasing decisions and business success. Therefore, product and service owners must quickly respond to user review sentiments to maintain reputation and avoid sales decline. Sentiment analysis is one way to understand the sentiment towards a product or service. There are machine learning and deep learning approaches in sentiment analysis. The use of machine learning in sentiment analysis of user reviews in Indonesian has been widely conducted, but exploration in the field of deep learning is still rarely found. This study uses CNN-BiLSTM and BiLSTM-CNN models compared to logistic regression, support vector machine, and naïve bayes. In the first scenario, analysis of user reviews on Traveloka shows the BiLSTM-CNN model with the highest Precision of 85% and AUC of 82.14%, and the Support Vector Machine (SVM) model with an Accuracy of 83.25% and F1-Score of 86.53%. In the second scenario, analysis of user reviews of telecommunications providers shows SVM as the best with an Accuracy of 78.15%, Precision of 68.78%, F1-Score of 76.33%, and AUC of 77.36%. From these results, machine learning models outperform deep learning models."

"Pemilihan metode machine learning atau deep learning menjadi suatu permasalahan dalam klasifikasi. Hal ini didapatkan dari penelitian yang menunjukkan bahwa deep learning kinerjanya lebih baik daripada machine learning, namun terdapat penelitian bahwa kedua metode tersebut kinerjanya tidak menentu tergantung dataset yang digunakan. Oleh karena itu, penelitian ini membandingkan kinerja dari machine learning dan deep learning untuk permasalahan klasifikasi teks dan analisis sentimen terhadap dampak Covid-19 di Indonesia. Hasil penelitian ini menunjukkan bahwa kinerja pada klasifikasi teks dan analisis sentimen menggunakan metode machine learning lebih baik dibandingkan dengan deep learning. Hasil penelitian mengenai klasifikasi teks menunjukkan bahwa kinerja metode machine learning yaitu Label Powerset dan Random Forest menghasilkan akurasi 77 % sedangkan kinerja metode deep learning yaitu Long Short-Term Memory (LSTM) dan Gate Reccurent Unit (GRU) menghasilkan akurasi 48%. Hasil penelitian mengenai analisis sentimen menunjukkan bahwa kinerja metode machine learning yaitu Label Powerset dan Random Forest menghasilkan akurasi 63 % sedangkan kinerja metode deep learning yaitu Long Short-Term Memory (LSTM) dan Gate Reccurent Unit (GRU) menghasilkan akurasi 55% dan 54%. Keseimbangan jumlah label pada semua label mempengaruhi hasil dari klasifikasi. Oleh karena itu, disarankan untuk menggunakan metode untuk menyeimbangkan jumlah label yang digunakan untuk klasifikasi.

---

The choice of machine learning or deep learning methods becomes a problem in classification. This is obtained from research which shows that deep learning performs better than machine learning, but there is research that the two methods perform erratically depending on the dataset used. Therefore, this study compares the performance of machine learning and deep learning for text classification problems and sentiment analysis on the impact of Covid-19 in Indonesia. The results of this study indicate that the performance of text classification and sentiment analysis using machine learning methods is better than deep learning. The results of research on text classification show that the performance of machine learning methods, namely Label Power and Random Forest, produces an accuracy of 77%, while the performance of deep learning methods, namely Long Short-Term Memory (LSTM) and Gate Recurrent Unit (GRU), produces an accuracy of 48%. The results of the research on sentiment analysis show that the performance of machine learning methods, namely Label Power and Random Forest, produces an accuracy of 63%, while the performance of deep learning methods, namely Long Short-Term Memory (LSTM) and Gate Recurrent Unit (GRU), produces 55% and 54% accuracy. The balance of the number of labels on all labels affects the results of the classification. Therefore, it is advisable to use a method to balance the number of labels used for classification."

"Penelitian ini bertujuan untuk menganalisis dampak pemberlakuan SNI secara wajib sebagai hambatan teknis perdagangan dan menganalisis dampak standardiasi nasional terhadap nilai perdagangan Indonesia yang direfleksikan dalam nilai impor setiap tahun dari 146 negara pada periode tahun 2001-2019. Analisis ini menggunakan metode gravitasi dan random effect model. Dari analisis ini diketahui bahwa standarisasi nasional menghambat perdagangan dengan nilai impor keseluruhan dan nilai impor kecil namun tidak berpengaruh pada perdagangan dengan nilai impor besar. Standardisasi nasional dengan menggunakan standar-spesifik-negara signifikan mempromosikan perdagangan dengan nilai impor keseluruhan dan nilai impor kecil namun tidak berpengaruh pada perdagangan dengan nilai impor besar.

---

This study aims to analyze the impact of mandatory SNI application as technical

barrier to trade and analyze the impact of standard harmonization on its effect of Indonesian

trade's value which is reflected in Indonesian import trade's value each year at the nation

level towards 146 countries during research year of 2001-2019. This analysis uses the gravity method and random effect model. From this analysis, it is known that national standardization

significantly inhibits overall-import-value and small-import-value trade but do not affect

large-import-value trade. National standardization using country-specific-standards

significantly promotes overall-import-value and small-import-value trade but has no affect

on large-import-value trade"

"[Tesis ini menjelaskan belief yang diyakini oleh pengajar Bahasa Inggris di dua institusi yang berbeda. Dalam setiap proses mengajar, para pengajar memiliki belief (keyakinan) yang memengaruhi keputusan mengenai praktik pembelajaran serta memengaruhi kegiatan yang dilakukan oleh pengajar tersebut di dalam kelas. Untuk keperluan pelatihan pengajar ke arah yang lebih profesional, oleh sebab itu meneliti hubungan belief dan praktik pengajaran dinilai menjadi hal yang penting. Tesis ini menggunakan kuesioner BALLI untuk menginvestigasi belief yang diyakini oleh pengajar. Pengajar diwawancarai untuk menggali informasi mengenai belief yang diyakini lebih dalam. Observasi yang dilakukan terhadap dua orang pengajar dinilai telah mampu mewakili data yang diperoleh mengenai hubungan belief dalam praktik pengajaran yang dilakukan di kelas. Hasil penelitian menunjukkan bahwa belief pengajar di sekolah formal dan nonformal terdapat perbedaan. Seluruh pengajar menunjukkan belief yang positif mengenai Bahasa Inggris dan praktik pengajaran yang dilakukan akan tetapi dalam hubungannya dengan praktik pengajaran yang dilakukan, pengajar sekolah nonformal lebih menunjukkan belief yang diyakini dibandingkan dengan pengajar di sekolah formal. Ada beberapa faktor yang memengaruhi adanya perbedaan antara belief yang diyakini dengan praktik pengajaran yang dilakukan. Faktor-faktor tersebut adalah kondisi kelas, karakteristik pelajar, dan materi pembelajaran;This thesis describes the belief of teachers at two different institutions. In every process of teaching, teachers have a belief that influences the decisions about instructional practices and the activities carried out in the classroom. For the purposes of teacher training towards professionalism, therefore studying the relationship between beliefs and teaching practice is considered to be important. This thesis uses BALLI Questionnaire to investigate teachers‟ beliefs. After that, teachers are interviewed to gain deeper information about their beliefs. Observations done of two teachers are considered to be adequate in representing the data about the relationship between beliefs and teaching practices in the classroom. The result of the research shows that beliefs of teachers in formal and non-formal school are different. All teachers show positive responses of belief about English and teaching practice, unfortunately formal school teachers fail to reflect their beliefs into teaching practices. There are several factors which affect the difference between beliefs of the teacher and their teaching practices. Those factors are the condition of the class, the characteristics of the students and the learning materialsBelief, This thesis describes the belief of teachers at two different institutions. In every process of teaching, teachers have a belief that influences the decisions about instructional practices and the activities carried out in the classroom. For the purposes of teacher training towards professionalism, therefore studying the relationship between beliefs and teaching practice is considered to be important. This thesis uses BALLI Questionnaire to investigate teachers‟ beliefs. After that, teachers are interviewed to gain deeper information about their beliefs. Observations done of two teachers are considered to be adequate in representing the data about the relationship between beliefs and teaching practices in the classroom. The result of the research shows that beliefs of teachers in formal and non-formal school are different. All teachers show positive responses of belief about English and teaching practice, unfortunately formal school teachers fail to reflect their beliefs into teaching practices. There are several factors which affect the difference between beliefs of the teacher and their teaching practices. Those factors are the condition of the class, the characteristics of the students and the learning materialsBelief]"

"Skripsi ini membahas tentang Analisis Implementasi Kebijakan Impor Untuk Negara Tertentu Yang Menggunakan Surat Keterangan Asal Dalam Skema Free Trade Agreement di Kawasan Industri Pulogadung. Penelitian ini melihat proses implementasi kebijakan impor yang dilakukan oleh Direktorat Jenderal Bea dan Cukai dalam melaksanakan perjanjian perdagangan bebas dengan memberikan tarif preferensi. Penelitian ini adalah penelitian kualitatif, dengan jenis penelitian deskriptif. Hasil dari penelitian ini menunjukkan bahwa implementasi kebijakan impor dengan memberikan keringanan atau penghapusan tarif bea masuk melalui Surat Keterangan Asal (SKA) belum berjalan efektif dan efisien, karena masih banyak kendala-kendala yang dirasakan oleh importir selama proses kebijakan tarif preferensi dilaksanakan. Dari hasil penelitian tersebut penulis memberi saran kepada pihak Direktorat Jenderal Bea dan Cukai agar secepat mungkin dilakukan evaluasi secara menyeluruh atas skema Free Trade Agreement baik yang saat ini sudah berjalan, yang masih dalam tahap negosiasi ataupun potensi skema Free Trade Agreement yang masih dalam tahap pengkajian, untuk mengetahui benefit yang diperoleh, sekaligus menentukan sikap nasional ke depannya.

---

This final assignment discusses the Implementation Analysis of Import Policy for Certain Countries Using the Certificate of Origin in Free Trade Agreement Scheme in Industrial Estate Pulogadung. The research looked at the implementation of import policy conducted by the Directorate Customs and Excise in implementing free trade agreement by giving preferential tariff. This research is a qualitative descriptive research. The results of this study indicate that the implementation of the import policy to provide relief or elimination of tariffs through the Certificate of Origin (CoO) has not run effectively and efficiently, because there are many constraints felt by importers during the preferential tariff policy implemented. From this research the author gives advice to the Directorate Customs and Excise in order as quickly as possible to comprehensively evaluate the scheme either Free Trade Agreement which is currently running, which is still in the stage of negotiation or of potential schemes Free Trade Agreement which is still in the assessment phase, to know the benefits obtained, as well as determine the national attitude to the future."

"Salah satu aspek pertahanan negara yang cukup penting adalah pertahanan udara negara. Sayangnya, Industri Pertahanan Indonesia masih cukup kurang mendukung. Salah satu isu yang diakibatkan oleh masalah ini adalah kurang berkembangnya teknologi pertahanan udara di Indonesia dibanding dengan negara-negara lain, seperti teknologi pengendalian pesawat, seperti Unmanned Aerial Vehicle (UAV). Oleh karena ini, diperlukan pengembangan teknologi pengendalian pesawat yang mandiri dan bersetara dengan pihak luar negeri. Dinamika penerbangan merupakan masalah yang bersifat non-linear, time-varying, memiliki coupling, dan terefek oleh gangguan eksternal. Untuk memecahkan masalah ini, diperlukan pengendali pesawat berbasis metode Direct Inverse Control. Direct Inverse Control memerlukan sistem identifikasi dari sistem yang ingin dikendalikan agar dapat mengembangkan neural network inverse. Pada penelitian ini, diajukan sistem identifikasi pesawat Cessna-172P berbasis Deep Neural Network dan Recurrent Neural Network. Kinerja kedua sistem identifikasi sudah cukup dalam mereplikasikan dinamika penerbangan pesawat Cessna-172P. Dari analisis kinerja kedua sistem identifikasi, sistem identifikasi berbasis recurrent neural network menghasilkan kesahalan prediksi yang lebih rendah, tetapi menggunakan daya dan waktu komputasi yang lebih banyak.

---

One important aspect of national defense is the country's air defense. Unfortunately, the Indonesian Defense Industry still lacks sufficient support. One issue resulting from this problem is the underdevelopment of air defense technology in Indonesia compared to other countries, such as aircraft control technology like Unmanned Aerial Vehicles (UAV). Therefore, the development of independent aircraft control technology that is on par with foreign counterparts is needed. Flight dynamics pose nonlinear, time-varying challenges with coupling and are affected by external disturbances. To address this problem, an aircraft controller based on the Direct Inverse Control method is required. Direct Inverse Control necessitates system identification of the desired controlled system to develop an inverse neural network. In this study, a Deep Neural Network and Recurrent Neural Network-based identification system for the Cessna-172P aircraft is proposed. Both identification systems perform well in replicating the flight dynamics of the Cessna-172P aircraft. From the performance analysis of both identification systems, the recurrent neural network-based identification system produces lower prediction errors but requires more computational power and time."

"Proses integrasi perekonomian dunia adalah proses yang sulit untuk dihindari. Perjanjian perdagangan bilateral antar banyak negara yang terlibat akan turut menunjang terciptanya perjanjian perdagangan regional maupun global. Indonesia baru-baru ini sudah menandatangani perjanjian bilateral dengan Jepang, yang disebut Indonesia-Jepang Economic Partnership Agreement (EPA). Perjanjian bilateral ini meliputi aspek perdagangan. Melalui tulisan ini, penulis mencoba menganalisis dampak perjanjian tersebut secara komprehensif dengan memanfaatkan suatu alat untuk menganalisa isu-isu lieralisasi, yang disebut Global Trade Analysis Project (GTAP).Dalam peneitian ini dilakukan simulasi dimana tarif impor bilateral antara kedua negara dibuat nol. Dengan kata lain, dilakukan liberalisasi total perdagangan bilateral antara Indonesia dengan Jepang. Sedangkan tarif impor dari negara-negara lain ke Jepang atau ke Indoensia tidak diubah.Simulasi menunjukkan bahwa selain meningkat secara signifikannya kegiatan ekspor bilateral dua negara, namun ada sektor-sektor yang terpukul oleh liberalisasi perdagangan Indonesia-Jepang. Pemerintah harus segera mengambil langkah-langkah meminimalkan dampak negatif bagi sektor-sektor tersebut. Keterlambatan bertindak kelak dapat menimbulkan dampak negatif pula dikemudian hari.Indonesia sudah terbiasa maju ke meja perundingan perdagangan tanpa studi yang mendalam. Di masa mendatang Indonesia harus lebih mewaspadai kemungkinan dampak burruk yang dialami sektor-sektor tertentu, dan perlu melakukan studi yang lebih mendalam sebelum berangkat ke meja perundingan."