Abstract:Desa inklusi memberikan ruang pada minoritas yaitu penyandang disabilitas terhadap haki dani kewajibani yangi isetara, iharkat idan imartabat iyang isederajat serta memiliki iperan idan kedudukan iyang isama idalam kehidupan…
upan masyarakat di desa. Pemerintah Desa Ngawonggo Kabupaten Malang telah mengupayakan perlindungan hukum terhadap penyandang disabilitas dengan menetapkan Peraturani Desai Nomori 2i Tahuni 2023i tentangi Pembentukani Kelompoki Inklusi Penyandang Disabilitas Desa. Metode yang digunakan adalah pelatihan terapi fisik kepada kelompok penyandang Disabilitas. hasilnya ii pengabdiani kepada masyarakat ini dalam rangka optimalisasi merealisasikan tugas dan fungsi kelompok inklusi sebagai upaya mempercepat kemandirian bagi penyandang disabilitas melalui pelatihan terapi fisik.
Abstract:Akomodasi bahasa pertama kali dikembangkan oleh Howard Giles yang berfokus pada penyesuaian tingkatan percakapan, aksen, dan jeda dalam berbicara. Kemudian dikembangkan menjadi teori komunikasi antar budaya. Akomodasi Bahasa…
hasa merupakan kemampuan untuk menyesuaikan, memoodifikasi, atau mengatur prilaku seseorang dalam merespon orang lain. Penelitian ini bertujuan untuk mendeskripsikan wujud pilihan bahasa, mendeskripsikan pola akomodasi bahasa, dan penyimpulan hasil analisis data. Data dikumpulkan dengan metode simak dan teknik sadap sebagai teknik dasarnya, kemudian diteruskan dengan teknik lanjutan berupa teknik simak libat cakap, teknik simak bebas libat cakap, dan teknik rekam. Wujud pilihan bahasa yang digunakan meliputi tunggal bahasa, alih kode, dan campur kode. Pola akomodasi bahasa yang dilakukan suku Samawa melakukan divergensi sebab berperan sebagai mayoritas dan suku asli tersebut. Suku Sasak dan suku Bajo melakukan konvergensi sebab berperan sebagai minoritas dan suku pendatang.
Abstract:Dalam era digital yang semakin terkoneksi, tantangan dalam membangun kebhinekaan dan kesadaran multikultural menjadi semakin mendesak. Artikel ini mengkaji peran yang dimainkan oleh platform media sosial dalam memfasilitasi…
asi proses ini. Dengan menganalisis berbagai studi dan tinjauan literatur, peneliti menjelajahi bagaimana platform-platform media sosial dapat menjadi alat efektif untuk memperkuat kesadaran multikultural di antara pengguna mereka. Peneliti membahas strategi-strategi yang telah digunakan, termasuk kampanye kesadaran, pemberdayaan kelompok minoritas, dan promosi dialog antarbudaya. Melalui analisis ini, peneliti menyampaikan pemahaman yang lebih dalam tentang bagaimana penggunaan yang cerdas dan strategis dari platform media sosial dapat berkontribusi secara signifikan dalam memperkuat kebhinekaan dalam masyarakat digital saat ini.Abstrak ini menyajikan sebuah tinjauan tentang peran yang dimainkan oleh platform media sosial dalam memfasilitasi proses pembangunan kebhinekaan dan kesadaran multikultural di era digital yang semakin terkoneksi. Strategi-strategi yang dibahas termasuk kampanye kesadaran, pemberdayaan kelompok minoritas, dan promosi dialog antarbudaya. Hasil pembahasan menyoroti pentingnya penggunaan yang cerdas dan strategis dari platform media sosial dalam memperkuat kebhinekaan dalam masyarakat digital saat ini. Dengan demikian, artikel ini memberikan pemahaman yang lebih dalam tentang bagaimana platform media sosial dapat berkontribusi secara signifikan dalam memperkuat kebhinekaan dan kesadaran multikultural di era digital.
Abstract:Abstract: This study aims to classify the nutritional status of toddlers based on anthropometric data using the K-Nearest Neighbor (KNN) algorithm. Data were obtained from 20 Integrated Health Posts (Posyandu) in Rumbai…
Timur District, including Lembah Sari Village and Limbungan Village with a total of 1,000 toddler data. After cleaning and preprocessing, 782 data were obtained ready for use. The preprocessing stages include data cleaning and transformation, outlier removal, minority class handling, and data normalization. Next, data balancing was carried out using the Synthetic Minority Oversampling Technique (SMOTE) to address class imbalance. The data was divided into 80% training data and 20% test data, then the K parameter was tested from 1 to 15 using 5-fold cross-validation. The results showed that the value of K = 1 provided the best performance with a macro recall of 0.8827 and an accuracy of 86.26%. These results indicate that the combination of the KNN algorithm with the SMOTE method and Min-Max normalization is effective in improving classification performance on imbalanced data and producing accurate and balanced predictions of toddler nutritional status between classes.
Keywords: k-nearest neighbor; toddler nutritional status; SMOTE; min-max scaling; classification; anthropometric data
Abstrak: Penelitian ini bertujuan untuk mengklasifikasikan status gizi balita berdasarkan data antropometri menggunakan algoritma K-Nearest Neighbor (KNN). Data diperoleh dari 20 Posyandu di Kecamatan Rumbai Timur, meliputi Kelurahan Lembah Sari dan Kelurahan Limbungan dengan total 1.000 data balita. Setelah melalui proses cleaning dan preprocessing, diperoleh 782 data yang siap digunakan. Tahapan pra-pemrosesan meliputi pembersihan dan transformasi data, penghapusan outlier, penanganan kelas minoritas, serta normalisasi data. Selanjutnya dilakukan penyeimbangan data menggunakan Synthetic Minority Oversampling Technique (SMOTE) untuk mengatasi ketidakseimbangan kelas. Data dibagi menjadi 80% data latih dan 20% data uji, kemudian dilakukan pengujian parameter K dari 1 hingga 15 menggunakan 5-fold cross-validation. Hasil penelitian menunjukkan bahwa nilai K = 1 memberikan performa terbaik dengan recall macro sebesar 0,8827 dan akurasi 86,26%. Hasil ini menunjukkan bahwa kombinasi algoritma KNN dengan metode SMOTE dan normalisasi Min-Max efektif dalam meningkatkan kinerja klasifikasi pada data tidak seimbang serta menghasilkan prediksi status gizi balita yang akurat dan seimbang antar kelas.
Kata kunci: k-nearest neighbor; status gizi balita; SMOTE; min-max scaling; klasifikasi; data antropometri
Abstract:Abstract: Mental health issues, particularly depression among young adult university students, are often detected late due to stigma and reluctance to seek medical consultation. The objective of this study is to develop…
an early screening model employing machine learning techniques, specifically the random forest algorithm, on a dataset of 268 students (aged 17-29 years; consisting of 98 males and 170 females) within a multicultural educational setting. The principal challenges associated with this dataset are class imbalance and the potential for data leakage from clinical scores. This study implements a rigorous feature selection approach that involves the elimination of depression score features and the utilization of the Synthetic Minority Over-sampling Technique (SMOTE) to balance the training data distribution. Furthermore, a Threshold Tuning strategy is employed to prioritize detection sensitivity (Recall). The findings indicate that reducing the decision threshold to an optimal value of 0.25 led to a substantial enhancement in the recall value, increasing it from 36% (baseline) to 77%. A feature importance analysis was conducted, the results of which indicated that Total Social Connectedness (ToSC) is the most dominant predictor. In summary, the present study corroborates the notion that optimizing sensitivity through threshold tuning is of paramount importance for medical screening. Furthermore, social isolation factors emerge as more significant indicators of depression risk than demographic attributes.
Keywords: data mining; depression; imbalanced data; random forest; smote; threshold tuning
Abstrak: Masalah kesehatan mental, khususnya depresi di kalangan mahasiswa dewasa muda, sering terdeteksi terlambat akibat stigma dan enggan mencari konsultasi medis. Tujuan studi ini adalah mengembangkan model skrining dini menggunakan teknik machine learning, khususnya algoritma random forest, pada dataset 268 mahasiswa (usia 17-29 tahun; terdiri dari 98 laki-laki dan 170 perempuan) dalam lingkungan pendidikan multikultural. Tantangan utama yang terkait dengan dataset ini adalah ketidakseimbangan kelas dan potensi kebocoran data dari skor klinis. Studi ini menerapkan pendekatan seleksi fitur yang ketat, yang melibatkan eliminasi fitur skor depresi dan penggunaan Teknik Over-sampling Minoritas Sintetis (SMOTE) untuk menyeimbangkan distribusi data pelatihan. Selain itu, strategi Penyesuaian Ambang Batas diterapkan untuk memprioritaskan sensitivitas deteksi (Recall). Hasil penelitian menunjukkan bahwa mengurangi ambang batas keputusan ke nilai optimal 0,25 menyebabkan peningkatan signifikan dalam nilai recall, dari 36% (dasar) menjadi 77%. Analisis pentingnya fitur dilakukan, hasilnya menunjukkan bahwa Total Social Connectedness (ToSC) adalah prediktor yang paling dominan. Secara ringkas, studi ini membenarkan bahwa mengoptimalkan sensitivitas melalui penyesuaian ambang batas sangat penting untuk skrining medis. Selain itu, faktor isolasi sosial muncul sebagai indikator risiko depresi yang lebih signifikan daripada atribut demografis.
Kata kunci: penambangan data; depresi; data tidak seimbang; hutan acak; smote; penyesuaian ambang batas
Abstract:Abstract: The growing intensity of cyber attacks, marked by rapid, large-scale, automated, and adaptive execution, requires analytical methods that represent the diversity of network environments, including variations in…
target platforms such as IoT, traditional networks, and hybrid infrastructures. This study compares machine learning models for cyber attack classification under heterogeneous environmental conditions and formulates a conceptual optimization framework based on model performance. Four publicly available benchmark datasets were used, namely UNB CIC IoT 2023, UNB CIC IDS-2018, UNSW-NB15, and a Kaggle cyber security attacks dataset, comprising approximately 40,000 to over 3.6 million records and 25 to 80 features across IoT, conventional, and mixed network environments. Random Forest, XGBoost, Multilayer Perceptron, and Transformer were implemented within a unified pipeline involving preprocessing, feature selection, and Bayesian Optimization-based hyperparameter tuning. All models achieved F1-score and Cohen's Kappa above 96%, with XGBoost performing best (97.80%, 97.26%), followed by Random Forest (97.78%, 96.96%) and Transformer (97.44%, 96.82%), while MLP scored lowest (96.74%, 96.00%), a gap below one percentage point. Confusion matrix analysis revealed persistent misclassification in minority and overlapping attack classes, informing a proposed adaptive cyber attack simulation optimization framework.
Keywords: cyber attacks; optimization; machine learning; environmental variability.
Abstrak: Meningkatnya intensitas serangan siber yang berlangsung cepat, masif, otomatis, dan adaptif menuntut pendekatan analitis yang merepresentasikan keragaman lingkungan jaringan, termasuk perbedaan karakteristik platform sasaran seperti Internet of Things (IoT), jaringan konvensional, dan infrastruktur hibrida. Penelitian ini membandingkan model machine learning untuk klasifikasi serangan siber pada kondisi lingkungan heterogen, sekaligus menyusun kerangka optimasi konseptual berdasarkan performa model. Empat dataset benchmark publik digunakan, yaitu UNB CIC IoT 2023, UNB CIC IDS-2018, UNSW-NB15, serta dataset Kaggle cyber security attacks, dengan jumlah data berkisar 40.000 hingga lebih dari 3,6 juta rekaman dan 25 sampai 80 fitur, mewakili lingkungan IoT, konvensional, dan campuran. Random Forest, XGBoost, Multilayer Perceptron, dan Transformer diimplementasikan melalui pipeline terpadu mencakup pra-pemrosesan, seleksi fitur, dan optimasi hyperparameter berbasis Bayesian Optimization. Seluruh model mencapai F1-score dan Cohen's Kappa di atas 96%, dengan XGBoost menunjukkan performa terbaik (97,80%, 97,26%), diikuti Random Forest (97,78%, 96,96%) dan Transformer (97,44%, 96,82%), sementara MLP mencatat skor terendah (96,74%, 96,00%), dengan selisih kurang dari satu poin persentase. Analisis confusion matrix mengungkap misklasifikasi yang konsisten pada kelas minoritas dan serangan dengan karakteristik serupa, yang menjadi dasar kerangka optimasi simulasi serangan siber adaptif yang diusulkan.
Kata kunci: serangan siber; optimasi; machine learning; variabilitas lingkungan
Abstract:Abstract: This study applies an integrated approach to optimize heart failure classification. The main objective is to address the challenge of class imbalance in medical datasets and to improve the accuracy, sensitivity,…
, and generalization of the classification model. The urgency of this issue is emphasized by statistics showing that cardiovascular diseases cause approximately 17.9 million deaths worldwide each year. Using a quantitative experimental approach, this study analyzes the "Heart Failure Prediction Dataset" from Kaggle, which consists of 918 records. The data were processed through normalization and encoding, followed by the application of SMOTE on the training set to balance class distribution. This step successfully increased model accuracy from 88.41% to 90.22% and minority class recall from 0.82 to 0.88. Furthermore, Bayesian Optimization was employed to refine the hyperparameters of SVM, resulting in a final model with an accuracy of 89.13% that demonstrated better generalization. This integrated approach significantly enhances the stability, sensitivity, and generalization of the model, making it a reliable tool for clinical decision support systems in predicting heart failure.
Keywords: bayesian optimization; heart failure; machine learning; SMOTE; SVM.
Abstrak: Penelitian ini menerapkan pendekatan terintegrasi untuk mengoptimalkan klasifikasi gagal jantung. Tujuan utama studi ini adalah untuk mengatasi tantangan ketidakseimbangan kelas dalam dataset medis dan meningkatkan akurasi, sensitivitas, serta generalisasi model klasifikasi. Urgensi ini ditegaskan oleh statistik yang menunjukkan bahwa penyakit kardiovaskular menyebabkan sekitar 17,9 juta kematian setiap tahun secara global. Menggunakan pendekatan eksperimental kuantitatif, penelitian ini menganalisis "Heart Failure Prediction Dataset" dari Kaggle, yang terdiri dari 918 catatan. Data diproses dengan normalisasi dan encoding, lalu SMOTE diterapkan pada data pelatihan untuk menyeimbangkan distribusi kelas. Langkah ini berhasil meningkatkan akurasi dari 88,41% menjadi 90,22% dan recall kelas minoritas dari 0,82 menjadi 0,88. Selanjutnya, Bayesian Optimization menyempurnakan hyperparameter SVM, menghasilkan model akhir dengan akurasi 89,13% yang menunjukkan generalisasi lebih baik. Pendekatan terintegrasi ini secara signifikan meningkatkan stabilitas, sensitivitas, dan generalisasi model. Hasil penelitian ini menjadikannya alat yang andal untuk sistem pendukung keputusan klinis dalam prediksi gagal jantung.
Kata kunci: bayesian optimization; gagal jantung; machine learning; SMOTE; SVM
Abstract:Keuangan publik dan sosial Islam merupakan instrumen penting dalam meningkatkan kesejahteraan masyarakat melalui mekanisme distribusi kekayaan yang adil. Artikel ini bertujuan untuk menganalisis praktik pengelolaan zakat…
dan wakaf di beberapa negara, yaitu Arab Saudi, Inggris, Mesir, Turki, Kuwait, dan Australia. Penelitian ini menggunakan pendekatan kualitatif dengan metode studi literatur. Hasil penelitian menunjukkan bahwa keberhasilan pengelolaan keuangan sosial Islam sangat dipengaruhi oleh sistem kelembagaan, regulasi, serta integrasi dengan kebijakan negara. Negara dengan sistem terpusat cenderung lebih efektif dalam distribusi, sementara negara minoritas Muslim menunjukkan inovasi dalam pengelolaan berbasis komunitas. Studi ini menegaskan bahwa optimalisasi zakat dan wakaf dapat menjadi solusi strategis dalam mengatasi kemiskinan dan ketimpangan sosial secara berkelanjutan.
Abstract:Artikel ini mengkaji praktik moderasi beragama pada komunitas Islam Kejawen di Desa Kutorojo, Kecamatan Kajen, Kabupaten Pekalongan, serta relevansinya bagi penguatan pendidikan Islam multikultural. Kutorojo menarik ditelaah…
laah karena telah ditetapkan sebagai Kampung Moderasi Beragama dan dihuni oleh masyarakat Islam, Hindu, penghayat kepercayaan, serta penganut tradisi Kejawen. Penelitian menggunakan pendekatan kualitatif lapangan melalui observasi, wawancara, dan dokumentasi dengan kepala desa, pemangku adat Kejawen, dan warga. Data dianalisis melalui reduksi, penyajian, dan penarikan makna berdasarkan fokus penelitian. Hasil penelitian menunjukkan bahwa Kejawen di Kutorojo diterima sebagai warisan budaya lokal, bukan sebagai ancaman sosial-keagamaan. Nilai moderasi tampak pada toleransi terhadap perbedaan praktik, keterlibatan lintas kelompok dalam Nyadran, Ruwat Bumi, Suronan, gotong royong, serta kebijakan desa yang memberi ruang setara bagi kelompok minoritas. Temuan ini memperlihatkan bahwa pendidikan Islam multikultural dapat bertolak dari pengalaman sosial masyarakat, terutama melalui pembelajaran tentang penghormatan terhadap budaya lokal, dialog, anti-diskriminasi, dan tanggung jawab menjaga kerukunan.
Abstract:MUI adalah sebagai suatu studi penelitian dalam sistem fatwa fatwa yang bermaslahatan dengan Islam, studi ini berusaha mempelajari sifat sifat fatwa Majelis Ulama Indonesia (MUI) dari dua tingkat analisis: perumusannya secara…
ecara metodologi dan lingkungan sosial politik dan kebudayaan yang mengitarinya. Sehingga terbukti bahwa perumusan fatwa fatwa MUI senantiasa terikat oleh beberapa faktor yang sebagainya bersifat politik. Oleh karena itu masyarakat berharap ulama-ulama yang berada di suatu lembaga keislaman yaitu MUI harus lebih memperhatikan lagi tentang keagamaan agar masyarakat lebih efektif dalam memahaminya, meningkatnya kualitas. Penelitian ini bertujuan untuk mengeksplorasi dinamika komunikasi dakwah MUI sebagai pedoman masyarakat dalam meningkatkan kualitas pemahaman tentang keagamaan agar menjadi suatu pemahaman yang baik pada masyarakat agar tidak terjerumus kepada jalan kesesatan. Melalui pendekatan deskriptif kualitatif, penelitian ini mengungkapkan pentingnya pemahaman tentang ajaran Islam kepada masyarakat minoritas dan awam akan keislaman.