Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Indonesian Journal of Applied Informatics Digital Transformation Technology (Digitech)
Anggraini, Legming Dwi
Unknown Affiliation
Computer Science & IT Library & Information Science

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Penerapan Metode Data Mining Untuk Mengidentifikasi Faktor Penyerapan Tenaga Kerja di Sektor Industri Jawa Barat dan Jawa Tengah Auliasari, Karina; Sahal, Muhammad Yazid Abu; Kertaningtyas, Mariza; Sinaga, Hannes Tigor Hamonangan; Anggraini, Legming Dwi
Digital Transformation Technology Vol. 4 No. 2 (2024): Periode September 2024
Publisher : Information Technology and Science(ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/digitech.v4i2.5216

Abstract

Salah satu ukuran penting kesehatan perekonomian adalah lapangan kerja, yang sangat dipengaruhi oleh industri kecil, menengah, dan besar. Tujuan dari penelitian ini adalah untuk mengkaji faktor-faktor yang mempengaruhi penyerapan tenaga kerja di berbagai sektor industri di provinsi Jawa Barat dan Jawa Tengah, Indonesia. Penelitian ini meliputi beberapa tahap: pengumpulan data, integrasi data, pembersihan data, eksplorasi data, visualisasi data, dan analisis data. Hal ini dilakukan dengan menggunakan proses terorganisir untuk analisis data. Variabel yang dimasukkan dalam dataset adalah Indeks Pembangunan Manusia (IPM), jumlah unit industri, tahun, jumlah tenaga kerja, tingkat investasi, dan upah minimum regional (UMK). Tujuan utamanya adalah untuk memastikan elemen-elemen utama yang mempengaruhi tingkat lapangan kerja, meneliti korelasi antar variabel-variabel tersebut, dan memberikan rekomendasi kebijakan yang didasarkan pada kesimpulan. Temuan menunjukkan adanya korelasi yang kuat antara lapangan kerja, UMK, IPM, tingkat investasi, dan jumlah unit industri. Studi ini merupakan sumber daya yang berguna bagi akademisi dan profesional bisnis, dan memberikan informasi mendalam bagi para pembuat kebijakan yang ingin meningkatkan stabilitas ekonomi dan pertumbuhan lapangan kerja. Dengan berfokus pada keadaan unik di Jawa Barat dan Jawa Tengah, penelitian ini menambah pembahasan yang lebih luas mengenai faktor-faktor yang mempengaruhi lapangan kerja di sektor industri.
Implementasi Algoritma Genetika untuk Penjadwalan Praktikum Laboratorium Anggraini, Legming Dwi; Mahmudi, Ali; Pranoto, Yosep Agus
IJAI (Indonesian Journal of Applied Informatics) Vol 9, No 2 (2025)
Publisher : Universitas Sebelas Maret

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20961/ijai.v9i2.95560

Abstract

Abstrak : Penjadwalan praktikum laboratorium untuk membagi asisten sebagai pengajar dan pendamping berdasarkan ketersediaannya masih dilakukan secara manual menggunakan microsoft excel sehingga rawan terjadi kesalahan dan memerlukan waktu yang lebih. Sistem penjadwalan algoritma genetika dibuat guna membantu proses penjadwalan agar lebih efisien. Proses penjadwalan praktikum menggunakan algoritma genetika dengan kriteria asisten harus dijadwalkan sebagai pengajar maupun pendamping dalam keadaan tersedia. Dalam penelitian ini, parameter-parameter yang digunakan yaitu ukuran populasi sebanyak 20 individu dalam 50 generasi, serta nilai probabilitas crossover yang digunakan 0.8 dan probabilitas mutasi sebesar 0.1 yang mana menghasilkan nilai fitness 0.5 pada generasi terakhir.  Nilai fitness ini merepresentasikan tingkat optimalitas solusi, di mana semakin tinggi nilai fitness, semakin sedikit pelanggaran terhadap kriteria penjadwalan. Dalam penelitian ini, nilai fitness 0.5 menunjukkan bahwa hanya terdapat 1 pelanggaran dari total 18 penempatan, sehingga menghasilkan nilai akurasi penjadwalan sebesar 94.44%.==================================================Abstract : Scheduling laboratory practicals to divide assistants as teachers and assistants based on availability is still done manually using Microsoft Excel so it is prone to errors and requires more time. The genetic algorithm scheduling system was created to help the scheduling process become more efficient. The practicum scheduling process uses a genetic algorithm with the criteria that assistants must be scheduled as teachers or assistants when available. In this research, the parameters used are a population size of 20 individuals in 50 generations, as well as a crossover probability value of 0.8 and a mutation probability of 0.1, which produces a fitness value of 0.5 in the last generation. This fitness value represents the level of optimality of the solution, where the higher the fitness value, the fewer violations of the scheduling criteria. In this research, a fitness value of 0.5 indicates that there was only 1 violation out of a total of 18 placements, resulting in a scheduling accuracy value of 94.44%
Co-Authors Ali Mahmudi Karina Auliasari Mariza Kertaningtyas Sahal, Muhammad Yazid Abu Sinaga, Hannes Tigor Hamonangan Yosep Agus Pranoto