Claim Missing Document
Check
Articles

Found 2 Documents
Search

Analisis Kesulitan Maharah Kitabah Dalam Pembelajaran Bahasa Arab Di PBA 2 Angkatan 2022 UINSU Dini Fadhliyah Naiborhu; Dwi Lestari; Rahita Rahmadya Waluyo; Siska Rahmadani; Sahkholid Nasution
Gudang Jurnal Multidisiplin Ilmu Vol. 2 No. 1 (2024): GJMI - JANUARI
Publisher : PT. Gudang Pustaka Cendekia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59435/gjmi.v2i1.222

Abstract

Maharah kitabah (kemampuan menulis) merupakan maharah keempat dari maharah sebelumnya yaitu maharah istima’, maharah kalam dan maharah qiraah yang merupakan kemampuan dasar yang harus dimiliki seorang pelajar ataupun guru bahasa Arab. Ada banyak sekali kesulitan ataupun problematika pembelajaran maharah kitabah yang dialami oleh pelajar ataupun mahasiswa. Oleh sebab itu, peneliti membahas terkait analisis kesulitan maharah kitabah dalam pembelajaran bahasa Arab di PBA 2 angkatan 2022 UINSU. Penelitian ini menggunakan pendekatan kualitatif dengan teknik studi pustaka dan pengumpulan data. Partisipan yang dipilih terdiri dari 17 orang mahasiswa PBA 2 UINSU dengan data yang dikumpulkan melalui wawancara terstruktur dalam bentuk google form. Adapun hasil penelitian menunjukkan bahwa sebagian mahasiswa PBA 2 UINSU mengalami kesulitan dan masih merasa bingung dalam penggunaan tanda baca bahasa Arab dalam pembelajaran maharah kitabah. Solusi yang dapat dilakukan adalah dengan rajin membaca buku tentang pembahasan mengenai tanda baca bahasa Arab, rajin membaca buku-buku Arab sebagai bentuk pelatihan dengan mengidentifikasi kesalahan dalam penulisan tanda baca di buku tersebut, banyak berlatih dan terakhir jangan malu untuk bertanya kepada dosen ataupun teman. Dosen juga memiliki peran penting yaitu dengan memberikan penjelasan-penjelasan yang mudah dipahami dan memberikan pelatihan rutin untuk mahasiswa agar terbiasa dalam mempraktekkan penggunaan tanda baca bahasa Arab dalam pembelajaran maharah kitabah.
Improving Classification Performance on Imbalanced Medical Data using Generative Adversarial Network Siska Rahmadani; Agus Subekti; Haris, Muhammad
Jurnal Ilmu Komputer dan Informasi Vol. 17 No. 1 (2024): Jurnal Ilmu Komputer dan Informasi (Journal of Computer Science and Informatio
Publisher : Faculty of Computer Science - Universitas Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21609/jiki.v17i1.1177

Abstract

In many real-world applications, the problem of data imbalance is a common challenge that significantly affects the performance of machine learning algorithms. Data imbalance means each target of classes is not balanced. This problem often appears in medical data, where the positive cases of a disease or condition are much fewer than the negative cases. In this paper, we propose to explore the oversampling-based Generative Adversarial Networks (GAN) method to improve the performance of the classification algorithm over imbalanced medical datasets. We expect that GAN will be able to learn the actual data distribution and generate synthetic samples that are similar to the original ones. We evaluate our proposed methods on several metrics: Recall, Precision, F1 score, AUC score, and FP rate. These metrics measure the ability of the classifier to correctly identify the minority class and reduce the false positives and false negatives. Our experimental results show that the application of GAN performs better than other methods in several metrics across datasets and can be used as an alternative method to improve the performance of the classification model on imbalanced medical data.