Perilaku bullying merupakan salah satu perilaku agresif yang di dalamnya memiliki aspek kesengajaan untuk mendominasi, menyakiti, atau menyingkirkan. Di dalamnya juga terdapat ketidakseimbangan kekuatan fisik maupun mental, keterampilan, status sosial, dan kemampuan kognitif, dimana perilaku agresif ini dilakukan secara berulangkali oleh seseorang atau sekelompok orang kepada anak atau beberapa anak yang lainnya (Olweus,

Abstract. In today's technological developments, the use of credit cards is a very easy and practical way for customers to make transactions. However, with the increasing use of credit cards, it will lead to financial fraud, namely fraudulent credit card transactions that can harm customers and the bank or company. One technique that can overcome this problem is data mining techniques, namely the classification used to predict fraudulent actions in credit card transactions. The method used is the random forest method, which is an ensemble method by applying bootstrap aggregating (bagging) and random feature selection, which combines several decision trees to form a forest, then to get the results of the final classification prediction through a voting process. The data used is credit card transaction fraud data for 2019-2020. The purpose of the results of this study is to apply the random forest method to the classification of credit card transaction fraud based on the evaluation of classification accuracy such as confusion matrix, accuracy, sensitivity, precision, f-measure and AUC value. The results of the study showed that the application of the random forest method gave very good classification results in classifying fraudulent credit card transactions. Abstrak. Pada perkembangan teknologi saat ini, penggunaan kartu kredit merupakan cara yang sangat mudah dan praktis digunakan pelanggan dalam melakukan transaksi. Tetapi dengan meningkatnya penggunaaan kartu kredit maka akan menimbulkan kecurangan finansial yaitu penipuan transaksi kartu kredit yang dapat merugikan nasabah maupun pihak bank atau perusahaan. Salah satu teknik yang dapat mengatasi masalah tersebut yaitu teknik data mining yaitu klasifikasi yang digunakan untuk memprediksi tindakan penipuan pada transaksi kartu kredit. Metode yang digunakan yaitu metode random forest yang merupakan metode ensemble dengan menerapkan bootstrap aggregating (bagging) dan random feature selection yaitu menggabungkan beberapa pohon keputusan sehingga membentuk hutan (forest), kemudian untuk mendapatkan hasil dugaan klasifikasi akhir melalui proses voting. Data yang digunakan yaitu data penipuan transaksi kartu kredit tahun 2019-2020. Tujuan hasil dari penelitian ini yaitu menerapkan metode random forest pada klasifikasi penipuan transaksi kartu kredit berdasarkan evaluasi ketepatan klasifikasi seperti seperti confusion matrix, akurasi, sensitivitas, presisi, f-measure dan nilai AUC. Hasil dari penelitian didapatkan bahwa penerapan metode random forest memberikan hasil klasifikasi yang sangat baik dalam mengklasifikasikan penipuan transaksi kartu kredit.

According to the Indonesian Child Protection Commission (KPAI), bullying in Indonesia ranks fourth in child abuse cases. In accordance with McManis, highest prevalence of abuse cases occurred in early adolescence stage that equivalent to the level of junior high school in Indonesia. This study aims to obtain exploratory data on abuse classification that experienced by students and its occurrence frequency. This study was conducted on five junior high schools in Bandung that have the most students according to the 2016 New Student Admission page. Around 1261 students filled out questionnaire regarding their abuse experience. Data was processed by qualitative and quantitative methods and presented through cross table tabulation. Results showed that 49.3% of total respondents had experienced abuse and entered frequency category from 'quite often' to 'often'. Then, 16% of them experienced abuse at school and 13% experienced in classroom. This result was used as basis in psychological intervention programs designing that adjusted to type of abuse and other subjective experiences faced by students, so that handling traumatic impacts on victim can be right on target.

ABSTRAK Indeks Pembangunan Manusia (IPM) mencerminkan bagaimana kualitas dari pembangunan suatu wilayah tertentu. Selain adanya ketimpangan nilai IPM antar wilayah provinsi di Indonesia, jika dilihat dari sudut pandang gender, maka kesenjangan IPM laki-laki dan perempuan pun tidak bisa dihindari. Peningkatan pertumbuhan pembangunan di setiap wilayah tentu harus mendorong peningkatan kesetaraan gender pula, dalam hal ini kesenjangan pembangunan antara laki-laki dan perempuan harus mampu diminimalisir sehingga penting untuk melihat bagaimana kondisi IPM perempuan perwilayah provinsi di Indonesia agar dapat dilakukan langkah-langkah intervensi untuk meminimalisir isu ketimpangan yang harapannya dapat mendorong indeks pembangunan di wilayah tersebut. Metode analisis yang digunakan untuk mengelompokkan daerah berdasarkan nilai IPM perempuan adalah Clustering time series. Hasil analisis memperlihatkan metode clustering time series dengan menggunakan jarak dynamic time-warping (DTW) menghasilkan dua kelompok yaitu kelompok 1 (daerah dengan IPM perempuan rendah): daerah Papua dan kelompok 2 (daerah dengan IPM perempuan tinggi): daerah lain selain Papua. Pengelompokan yang dibentuk menghasilkan nilai koefisien Silhouette sebesar 0,74. Nilai tersebut menandakan bahwa kelompok yang dibentuk berada dalam kategori kuat dalam artian bahwa dua kelompok  tersebut mempunyai karakteristik yang jelas berbeda sehingga metode pengelompokan dengan jarak DTW dapat digunakan dalam pengelompokan provinsi-provinsi di Indonesia berdasarkan nilai IPM Perempuan. ABSTRACT The Human Development Index (HDI) reflects the quality of development in a particular region. In addition to the inequality of HDI values between provinces in Indonesia, when viewed from a gender perspective, the gap between the HDI of men and women is inevitable. Increased development growth in each region must certainly encourage an increase in gender equality as well; in this case, the development gap between men and women must be able to be minimized, so it is important to see how the condition of the women's HDI  per region in Indonesia so that intervention steps can be taken to minimize the issue of inequality. The analysis method used in this paper is Time Series Clustering. The analysis results show that the time series clustering method using dynamic time-warping (DTW) distance produces two groups: group 1 (regions with low female HDI): Papua region and group (2 regions with high female HDI): all provinces except Papua. The grouping formed produced a Silhouette coefficient value of 0.74. This value indicates that the groups formed are in a strong category, so the clustering method with DTW distance can be used in grouping provinces in Indonesia based on the value of Women's HDI.

Tujuan dari penelitian ini diantaranya untuk mengetahui narasi yang dibangun dalam percakapan di media sosial; mengetahui efektivitas penyebaran informasi yang dilakukan berdasarkan tagar yang #vaksin; dan memetakan polarisasi sikap masyarakat terhadap vaksin COVID-19. Metode yang digunakan adalah content analysis dan juga social network analysis dari data percakapan di media sosial Twitter dari tanggal 12 Januari 2021 sampai dengan 3 Februari 2021. Narasi yang dibangun dalam percakapan di media sosial Twitter terkait dengan tagar #vaksin adalah 1) Penggunaan tokoh sebagai role model perilaku untuk mengikuti program vaksin; 2) Tata cara pendaftaran vaksin; 3) Urgensi vaksinasi di tengah pandemi oleh tokoh agama; 4) Narasi vaksin berbayar. Efektivitas pesan yang disampaikan dalam percakapan di media sosial berdasarkan analisis jaringan menunjukkan bahwa penyebaran pesan tidak terlalu luas. Gencarnya kampanye vaksin menunjukkan perubahan sikap yang lebih positif terhadap vaksin itu sendiri.