Claim Missing Document
Check
Articles

Found 22 Documents
Search

Membentuk Generasi Rabbani Dalam Mensyiarkan Ekonomi Islam Melalui Kegiatan Diklat Ekonomi Syariah Di Universitas Pelita Bangsa Bekasi Aceng Badruzzaman Aceng; Muhammad Hamdan Ainulyaqin; Muhammad Najamuddin Dwi Miharja; Ermanto Ermanto; Ahmad Fauzi
Jurnal Pelita Pengabdian Vol. 1 No. 2 (2023): Juli 2023
Publisher : DPPM Universitas Pelita Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37366/jpp.v1i2.2398

Abstract

Ekonomi Islam sebagai suatu ilmu pengetahuan lahir melalui proses pengkajian ilmiah yang panjang, dimana pada awalnya terjadi sikap pesimis terkait eksistensi ekonomi Islam dalam kehidupan masyarakat saat ini. Hal ini terjadi karena di masyarakat telah terbentuk suatu pemikiran bahwa harus terdapat dikotomi antara agama dengan keilmuan. Label rabbani menggambarkan generasi emas umat (golden age) Islam. Generasi rabbani adalah generasi yang sukses, posisinya selalu berada dalam garis ajaran Islam, dan selalu mengajak orang lain untuk dekat dengan Allah. Generasi rabbani, generasi yang akan selalu berada di barisan terdepan dalam menegakkan kalimatullah, menegakkan syariat Islam. Generasi rabbani menjadi teladan karena secara duniawi generasi ini adalah orang-orang yang kaya jiwa dan unggul dari sisi ketaqwaannya. Sebagai agama yang berkarakter rabbani, universal dan kontekstual, Islam telah menyediakan sistem yang khas untuk menyelesaikan berbagai persoalan hidup yang dihadapi umatnya termasuk juga masalah ekonomi. Ekonomi Islam pada dasarnya merupakan upaya yang sistematis untuk memahami masalah ekonomi dan perilaku masyarakat dalam perspektif Islam. Ekonomi Islam merupakan ekonomi yang segala aktivitasnya selalu bersumber pada Al Qur’an, Assunnah, ijma’, dan maslahat. Tujuan yang hendak dicapai dalam ekonomi Islam adalah falah yakni mencapai kebahagiaan dunia dan akhirat. Ekonomi Islam memiliki karakteristik yang menjadi kekhasan yang berbeda dari ekonomi konvensional, mulai dari sumber hukum, tujuan, nilai, falsafah, dan prinsip. Hal inilah yang menjadi nilai unggul dari ekonomi Islam.
Implementasi Sistem Prediksi Harga Motor Bekas Menggunakan Algoritma Categorical Boosting Fathia Wardah S. Djawas; Muhammad Najamuddin Dwi Miharja; Nanang Tedi K
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol 15, No 3 (2026): Juni 2026
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v15i3.3730

Abstract

This study is intended to design a web-based system for predicting used motorcycle prices by employing the Categorical Boosting (CatBoost) algorithm. The research problem stems from the subjective process of setting used motorcycle prices, which is affected by multiple factors and frequently results in inaccurate price estimates. The research methodology covers data collection from the OLX Indonesia platform, followed by data preprocessing, feature engineering, data partitioning with a train–test split approach, and model construction using the CatBoost Regressor algorithm. The experimental results indicate that the prediction model attains a coefficient of determination of 0.9166 on the training set and 0.9149 on the test set. These findings suggest that the model performs well, accounting for more than 91% of the variance in used motorcycle prices and producing stable price predictions without notable overfitting. The system is deployed using Streamlit, enabling users to obtain used motorcycle price predictions in a faster, interactive, and more objective manner.Keywords: Used Motorcycle; Machine Learning; CatBoost; Streamlit AbstrakPenelitian ini dimaksudkan untuk merancang sebuah sistem prediksi harga motor bekas berbasis web dengan memanfaatkan algoritma Categorical Boosting (CatBoost). Permasalahan penelitian berangkat dari praktik penentuan harga motor bekas yang masih bersifat subjektif dan dipengaruhi beragam faktor sehingga kerap menghasilkan estimasi harga yang kurang akurat. Metode yang digunakan mencakup pengumpulan data dari platform OLX Indonesia, preprocessing data, feature engineering, pembagian data menggunakan skema train–test split, serta pemodelan dengan algoritma CatBoost Regressor. Hasil pengujian memperlihatkan bahwa model prediksi memperoleh nilai koefisien determinasi (R²) sebesar 0,9166 pada data latih dan 0,9149 pada data uji. Temuan ini mengindikasikan bahwa model memiliki kinerja yang baik, karena mampu menjelaskan lebih dari 91% variasi harga motor bekas serta menghasilkan prediksi yang konsisten tanpa gejala overfitting yang berarti. Sistem kemudian diimplementasikan menggunakan Streamlit sehingga pengguna dapat memperoleh estimasi harga motor bekas dengan lebih cepat, interaktif, dan bersifat lebih objektif.