Bioinformatics is an interdisciplinary field that integrates biology, statistics, and computer science to analyze large-scale biological data. In the context of secondary education, students' understanding of this concept is still minimal. This study aims to evaluate the effectiveness of a training on the Implementation of Data Science in Bioinformatics, organized by the Statistics Study Program at Universitas PGRI Adi Buana Surabaya as part of a community service activity. The training methodology used a hybrid approach combining offline and online sessions. Twelfth-grade science students from five partner high schools participated. The training materials covered the basics of statistics, an introduction to bioinformatics, and biological data analysis case studies. The training showed increased participants' conceptual understanding and interest in data science. Furthermore, active interaction between students and speakers demonstrated the success of the participatory approach in learning activities. This activity also created collaborative relationships between partner universities and schools, extending the educational impact to secondary education environments. This training demonstrates the importance of integrating bioinformatics in secondary education to prepare young people to face the challenges of data-driven science.ABSTRAK Bioinformatika merupakan bidang interdisipliner yang mengintegrasikan biologi, statistika, dan ilmu komputer untuk menganalisis data biologis dalam skala besar. Dalam konteks pendidikan menengah, pemahaman siswa terhadap konsep ini masih sangat terbatas. Penelitian ini bertujuan untuk mengevaluasi efektivitas pelatihan bertema Implementasi Sains Data pada Bidang Bioinformatika yang diselenggarakan oleh Program Studi Statistika Universitas PGRI Adi Buana Surabaya sebagai bagian dari kegiatan pengabdian kepada masyarakat. Metodologi pelatihan menggunakan pendekatan hybrid yang menggabungkan sesi luring dan daring. Siswa kelas XII jurusan IPA dari lima SMA mitra dilibatkan sebagai peserta. Materi pelatihan mencakup dasar-dasar statistika, pengenalan bioinformatika, serta studi kasus analisis data biologis. Hasil pelatihan menunjukkan adanya peningkatan pemahaman konseptual dan minat peserta terhadap bidang sains data. Selain itu, terjadi interaksi aktif antara siswa dan narasumber yang mencerminkan keberhasilan pendekatan partisipatif dalam kegiatan pembelajaran. Kegiatan ini juga menciptakan hubungan kolaboratif antara universitas dan sekolah mitra, memperluas dampak edukatif ke lingkungan pendidikan menengah. Pelatihan ini membuktikan pentingnya integrasi bioinformatika dalam pendidikan menengah untuk mempersiapkan generasi muda menghadapi tantangan ilmu pengetahuan berbasis data.

The aim of preparing this article is to analyze inclusion and an inclusive, learning-friendly environment in public schools. The research used interview and direct observation methods at SDN 196/II Taman Agung and SDN 224/II Sijau. Inclusion is a form of equality and a form of realizing education without discrimination where children with special needs and children in general can receive the same education. Meanwhile, an inclusive environment that is friendly to learning can be interpreted as involving all students without exception.

Komputasi kuantum melakukan perhitungan dengan menggunakan fenomena fisik dan prinsip mekanika kuantum untuk memecahkan masalah. Bentuk komputasi ini secara teoritis telah terbukti memberikan percepatan pada beberapa masalah pemrosesan modern. Perkembangan baru dalam teknologi kuantum mulai bermunculan, dan penerapan model pembelajaran untuk perangkat baru ini terus berkembang. Dengan banyak antisipasi pemanfaatan fenomena kuantum di bidang Machine Learning telah menjadi jelas. Penelitian ini mengembangkan model kerangka kerja perangkat lunak TensorFlow Quantum (TFQ) untuk tujuan machine learning. Kedua model yang dikembangkan memanfaatkan teknik pengkodean informasi dari pengkodean amplitudo untuk penyusunan keadaan dalam model pembelajaran kuantum. Tujuan dari penelitian ini adalah mengeksplorasi kapasitas pengkodean amplitudo untuk menyediakan persiapan keadaan yang diperkaya dalam metode pembelajaran dan analisis mendalam tentang properti data yang memberikan wawasan tentang data pelatihan menggunakan Variational Quantum Classifier (VQC). Munculnya metode baru ini menimbulkan pertanyaan tentang cara terbaik menggunakan alat ini, tujuannya adalah untuk memberikan beberapa penjelasan ikhtisar untuk keadaan machine learning kuantum yang dapat diterapkan mengingat kendala perangkat yang sebenarnya. Hasil penelitian ini menunjukkan ada keuntungan yang jelas untuk menggunakan pengkodean amplitudo dibandingkan metode lain seperti ditunjukkan menggunakan jaringan saraf klasik kuantum hibrid di TFQ. Selain itu, ada beberapa langkah prapemrosesan yang dapat menghasilkan lebih banyak data kaya fitur saat menggunakan VQC, pada dasarnya teorema makan siang tidak gratis berlaku untuk metode pembelajaran kuantum seperti halnya dalam teknik klasik. Informasi meskipun dikodekan dalam bentuk kuantum tidak mengubah langkah-langkah penyiapan data tetapi melibatkan cara-cara baru untuk memahami dan mengapresiasi metode-metode baru ini. Pekerjaan masa depan di bidang ini akan membutuhkan perluasan ke dalam teknik klasifikasi multikelas yang cukup dikembangkan untuk dapat diterapkan dalam pekerjaan seperti ini.