Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Journal of Accounting Science Al-Madrasah: Jurnal Ilmiah Pendidikan Madrasah Ibtidaiyah Jurnal Ketenagakerjaan
Anggi Putri
Unknown Affiliation
Economics, Econometrics & Finance Education Law, Crime, Criminology & Criminal Justice Social Sciences

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Disabilitas dan Partisipasi di Pasar Tenaga Kerja Indonesia: Analisis Data Sakernas 2018 Anggi Putri
Jurnal Ketenagakerjaan Vol. 14 No. 2 (2019)
Publisher : Pusat Penelitian dan Pengembangan Ketenagakerjaan Kementerian Ketenagakerjaan Republik Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (283.283 KB)

Abstract

Penelitian ini bertujuan untuk mengestimasi partisipasi Penyandang Disabilitas di pasar tenaga kerja Indonesia dengan menggunakan metode probit. Metode ini akan menggambarkan probabilitas partisipasi angkatan kerja dan kemungkinan dipekerjakan di pasar tenaga kerja Indonesia. Dengan menggunakan Sakernas 2018, probabilitas partisipasi penyandang cacat untuk memasuki dunia kerja dan dipekerjakan lebih rendah dibandingkan yang tidak cacat. Di antara Penyandang Disabilitas, Penyandang Disabilitas dengan kategori ringan memiliki kemungkinan lebih tinggi untuk dipekerjakan daripada Penyandang Disabilitas dengan kategori berat. Model estimasi juga akan dikontrol dengan menggunakan variabel sosial demografi.
Urgensi Pembentukan Komisi Perlindungan Anak Indonesia Daerah Untuk Meningkatkan Upaya Pencegahan Kejahatan Terhadap Anak di Kabupaten Sambas Hardi Alunaza; Desy Nur Shafitri; Anggi Putri; Annisa Ernianda; Mentari Mentari
Al-Madrasah: Jurnal Pendidikan Madrasah Ibtidaiyah Al-Madrasah Vol. 6, No. 1, Januari 2022
Publisher : Sekolah Tinggi Ilmu Al-Qur'an (SIQ) Amuntai Kalimantan Selatan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35931/am.v6i1.893

Abstract

AbstrakBerlokasi di perbatasan antara Indonesia dan Malaysia melalui jalur darat membuat Kabupaten Sambas rawan mengalami kasus human trafficking dan kejahatan, terutama kepada anak. Terlebih masih banyak sumber daya manusia di Kabupaten Sambas minim akan edukasi mengenai kejahatan-kejahatan tersebut terlebih kepada anak-anak yang berada di bawah umur 17 tahun. Hal ini sempat memicu peningkatan kasus kejahatan anak Kabupaten Sambas pada 2019. Peningkatan kasus membuat pemerintah sadar dan berusaha meningkatkan kinerja Dinas Pemberdayaan Perempuan dan Perlindungan Anak di Sambas. Namun perkembangan zaman dan pola pikir masyarakat yang semakin maju mendorong adanya gerakan yang menginginkan Komite Perlindungan Anak Indonesia (KPAI) di Kabupaten Sambas agar ada suatu badan yang fokus menangani kejahatan di Kabupaten Sambas. Penelitian ini akan menekankan dua hal untuk dibahas secara mendalam yaitu pemaparan data kasus yang konkret dan penjelasan penanganan kasus kejahatan anak di Sambas sekaligus melihat respon masyarakat setempat terhadap langkah yang dilakukan pemerintah. Penulis menggunakan metode penulisan deskriptif dan jenis penelitian kualitatif. Hasil dari penelitian ini pada dasarnya menunjukkan bahwa adanya urgensi terhadap perkembangan dari pembentukan komite baru (KPAI) di Kabupaten Sambas guna membantu penanganan perlindungan dan penyembuhan anak korban kejahatan.
Artificial Intelligence and Data Mining in Detecting Financial Statement Fraud: A Systematic Literature Review Anggi Putri; Nuswantara, Dian Anita
Journal of Accounting Science Vol. 9 No. 2 (2025): July
Publisher : Universitas Muhammadiyah Sidoarjo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21070/jas.v9i2.2025

Abstract

General Background: Fraud in financial reporting significantly undermines stakeholder confidence and destabilises financial markets. Specific Background: The increasing complexity of financial data makes traditional fraud detection techniques inadequate, necessitating more sophisticated methods such as data mining and artificial intelligence (AI). Knowledge Gap: Despite the increasing adoption of AI in fraud detection, previous systematic literature reviews (SLRs) have generally focused narrowly on specific algorithms or data types, thus failing to provide a comprehensive assessment across multiple contexts. Objective: This study aims to critically evaluate the application of AI and data mining techniques in detecting financial statement fraud through a systematic literature review. Methods: A total of 30 peer-reviewed articles published between 2014 and 2024 were selected from Scopus, ScienceDirect, and Emerald databases using predefined inclusion-exclusion criteria and analysed narratively. Results: The review identified that supervised learning algorithms, specifically Support Vector Machine (SVM), Logistic Regression (LR), and XGBoost, were predominantly used, with XGBoost (96.94%) and LSTM (94.98%) showing the highest accuracy. Integration of financial and non-financial data improves detection stability. Novelty: In contrast to previous systematic reviews, this study offers a holistic synthesis covering algorithm types, structured and unstructured data, and diverse regional contexts. Implications: The findings highlight the transformative potential of AI in fraud detection and encourage further research on unsupervised learning and more in-depth utilisation of unstructured data
Co-Authors Annisa Ernianda Desy Nur Shafitri Dian Anita Nuswantara Hardi Alunaza Mentari Mentari